关键词： 多机械臂   任务分配   遗传算法   变邻域搜索  

摘要： 针对多机械臂任务分配效率低的问题，提出了一种基于变邻域遗传算法（variable neighborhood genetic algorithm，GAVNS）的多机械臂任务分配方法。首先建立多机械臂运动学模型，采用蒙特卡罗法得到其运动范围及关节角范围；然后建立任务分配模型，提出算法的总体流程，通过遗传算法得到当前最优解，为提升算法的寻优能力，采用变邻域搜索改进当前最优解。最后通过仿真分析，将所提优化算法与遗传算法、变邻域搜索算法进行对比，总目标函数值分别降低了11%～18.8%和8.6%～16.9%，验证了任务分配模型的准确性和变邻域遗传算法的有效性，为提高多机械臂的任务分配效率提供了参考依据。

关键词： 轴类零件   装夹位置   遗传算法   模拟退火算法   定量决策  

摘要： 【目的】 针对轴类零件装夹位置主要依赖经验判断、试切等定性方法确定，缺乏科学的定量决策手段，导致阻碍未来车间孪生模型搭建和数智化管理等问题，提出了一种基于遗传模拟退火算法的轴类零件装夹位置定量决策方法。【方法】 构建了以装夹位置为自变量、切削位置处变形量为因变量的数学模型，结合机床刚度、工件刚度和加工几何约束条件，建立以变形量最小化为目标的优化模型；通过遗传算法和模拟退火算法的融合，设计优化求解流程，获取最优装夹位置，实现装夹位置的定量优化决策。【结果】 案例研究表明，该方法能够得到装夹位置的具体数值解。在相同切削位置下加工轴类零件时，采用该方法得到的装夹位置进行装夹，不仅显著缩短了加工时间，还有效提升了工件的表面质量，相较于其他装夹位置表现更加优越。【结论】 基于遗传模拟退火算法的轴类零件装夹位置定量决策方法可以更加科学、精准地确定轴类零件的装夹位置，提高加工效率和表面精度，为数智化车间的孪生模型搭建提供了理论支持，对车间数智化管理具有重要指导意义。

关键词： 光伏阵列   故障诊断   人工神经网络   门控卷积  

摘要： 为提高光伏阵列故障诊断准确率，提出了一种改进的人工神经网络（ANN）的光伏阵列故障检测方法。在ANN中，增加门控卷积层、扁平化层和全连接层替代隐藏层，解决现有的ANN容易产生梯度消失问题;并利用Adaptive Softmax作为模型的输出层激活函数，减少由于数据集规模较大而带来的计算时间增加。利用MATLAB软件建立了光伏阵列仿真模型，获得不同状态模拟运行数据，同时利用从文献中获得光伏阵列实际不平衡运行数据集，对改进后的ANN与文献所提六种机器学习方法进行诊断性能对比分析，显示所提方法的诊断性能优势。

关键词： 网络安全   遗传算法   态势   预测   Light GBM  

摘要： 针对煤炭企业网络安全问题日益严峻的情况，此次研究结合递归特征消除交叉验证法与轻量梯度提升机搭建了煤炭企业的网络安全态势评估模型。研究首先根据煤炭企业网络环境、网络技术和网络管理的特征，设计了一个煤炭企业网络安全态势评价指标体系，并根据评价体系对各类网络数据进行了量化处理，接着利用遗传算法改进轻量梯度提升机，搭建了网络安全态势评估模型。研究结果表明，所搭建的模型在态势评估任务中的稳定性高达0.96，其运行时间仅需2.3s。综上可得，此次研究所设计的网络态势模型能够为煤炭企业的日常网络安全监测提供技术支持。

关键词： BP神经网络   遗传算法   库存控制策略   备件需求预测  

摘要： 车用动力电池库存网络属于复杂的多级库存系统，传统基于仿真的优化求解方法，一般需要完成所有策略组合的仿真，为降低时间代价，提出了一种基于BP-GA算法的求解方法。借助正交试验的设计方法，由仿真模型得到一定数量样本，分析影响目标指标的主要影响因素，对其进行样本增补，借助BP神经网络拟合反映仿真模型输入与输出关系的回归模型，以预测值代替仿真输出，利用遗传算法寻找最优解。通过对某典型车用动力电池库存备件网络进行案例验证，以约两百次仿真试验完成方法的运用，最终相对误差低至4.6%左右，证明了方法的可行性与适用性。

关键词： 飞机侧杆   非线性因素   人工神经网络   PID控制  

摘要： 为进一步提高飞机侧杆的杆力、位移的控制精度，通过深入研究侧杆的关键技术，对侧杆的静态特性指标和动态特性指标进行设计计算。针对关键环节中影响侧杆控制精度的非线性因素进行了建模，以经典PID控制原理为基础，结合人工神经网络提出了一种侧杆系统的控制方案，并通过试验对系统动态、静态特性关键指标进行了验证。实验结果表明，所设计的单神经元PID控制算法在保证一定稳定性的同时，比传统PID控制算法具有更小的杆力控制误差、更好的跟随效果，为侧杆的后续研究提供了理论支持。

关键词： 四旋翼无人机   PID参数整定   遗传算法   脉冲神经膜系统   姿态控制   Simulink仿真  

摘要： 针对应用智能优化算法寻优比例积分微分（PID）控制参数的过程中存在超调量大且调节时间可缩小的问题，提出一种改进遗传算法（GA），并加入脉冲神经膜系统（SNPS）的优化算法（IGAESNP），应用于四旋翼无人机的PID控制参数整定。首先，利用拉丁超抽样法形成分布均匀的初始种群，设计动态变异率控制种群进化过程。其次，结合SNPS进化步骤，种群个体以神经元的方式组织和迭代，将PID控制参数映射为标记个体的二进制序列。最后，通过个体学习的方式调整种群输出二进制序列组的概率矩阵，得到最优PID参数组合。实验表明，IGAESNP在求解测试函数上，速度更快，精度稳定在10-6；在PID参数整定上，相比GA和经验法，IGAESNP更好的跟踪sin信号和阶跃信号，有效控制了超调量，缩短了调节时间，平衡了超调量和调节时间之间的矛盾，并且IGAESNP具有更强的稳定能力。

关键词： 盾构隧道   环间接头   非线性转动效应   纵向梁-弹簧模型   状态空间法  

摘要： 纵向轴力和接头螺栓屈服会引起外荷载作用下盾构隧道环间接头转动刚度的显著非线性变化，现有盾构隧道纵向变形解析方法多是将隧道简化为具有恒定抗弯刚度的等效连续长梁，难以反映环间接头的非线性转动效应。首先，考虑盾构隧道横向性能和环间螺栓弹塑性行为，基于严格的隧道横断面椭圆参数方程推导其环缝分别处于弱拉弯、纯弯和压弯状态下的环间接头转动刚度计算公式；其次将盾构隧道沿纵向简化为一系列由非线性转动弹簧和线性剪切弹簧连接而成的Timoshenko短梁，同时采用沿隧道外壁均匀分布的法向和切向Winkler地基弹簧模拟土-隧道相互作用；然后借助状态空间法推导外荷载作用下盾构隧道纵向不连续位移解答，并提出轴向压力作用下隧道纵向变形迭代求解流程；最后通过对比已有理论方法和某基坑开挖引发下方盾构隧道纵向变形工程的实测结果验证所提方法的合理性，并基于某地表堆载诱发盾构隧道纵向变形的工程案例研究纵向轴力和横向刚度对隧道纵向变形的影响。研究结果表明：盾构隧道环间螺栓屈服会显著增大接头张开量和环缝的受拉面积；轴向压力的施加能够显著降低隧道因基坑卸荷引发的纵向位移、接头张开和环间错台变形。参数分析表明：随着纵向轴力由拉力增加为压力，既有隧道最大纵向位移和最大截面转角均逐渐减小，且减小速率先增大后减小，而最大接头张开量近似线性减小；既有隧道横向刚度的降低会导致其纵向位移和接头张开量的显著增加以及环间错台量的略微减小。

关键词： 售电风险   改进遗传算法   自动预警   适应度函数  

摘要： 电力市场化改革不断加剧售电业务风险，影响市场健康运行。为解决这一问题本文提出基于改进遗传算法的市场化售电风险自动预警方法研究。合理选取与确定售电风险评估指标，提出基于改进遗传算法构建售电风险评估模型，从而获取精准的售电风险评估结果，制定售电风险预警机制，判定售电风险的预警等级，从而实现了市场化售电风险的自动预警。实验结果表明:提出方法应用后计算资源消耗最小值达到了600 MB，售电风险预警结果与模拟工况对应的售电风险预警等级相同，充分证实了提出方法应用性能较佳。

关键词： 航空发动机   管路多目标布局优化   三方博弈   纳什均衡   遗传算法  

摘要： 在航空发动机中，外部管路的合理布局直接影响管路系统的性能表现.当前关于航空发动机管路多目标布局优化的研究由于存在具有冲突特性的多个目标，从而导致最终布局效果的欠佳.本文以管路长度最短、管路弯头数最少和管路能量值最小为优化目标，建立了航空发动机管路多目标布局优化（MOPLP-AE）的数学模型.本文提出了一种创新的基于三方博弈的改进遗传算法（TGIGA），首次将博弈论应用于MOPLP-AE的多目标优化问题，将各优化目标视作博弈参与者，通过纳什均衡点实现全局稳定解，有效解决了目标冲突和Pareto最优解评估难题.TGIGA融合了帕累托分类、优化的杂交与变异策略，并集成2-opt局部搜索，显著提升了求解效率和解的质量.通过航空发动机的仿真实例验证了纳什均衡解的有效性及方法的可行性.本研究有效提高了航空发动机管路布局的客观性、准确性和布局效率，为减少材料使用和制造复杂性、降低泄漏和等故障风险，加速设计周期并降低生产成本提供了更为全面的数学模型以及一套新的方法与求解途径.