关键词： 进化算法   IGD-NS指标   多目标优化   网格拥挤度   进化计算  

摘要： 在多目标优化中,对于搜索到的种群要兼顾收敛性和分布性。基于指标的参考点自适应多目标优化算法(AR-MOEA)算法强调IGD-NS指标的最优,算法收敛过程加快,容易陷入局部最优,导致种群不能覆盖到完整的Pareto前沿。本文提出了一种基于网格拥挤度的自适应参考点多目标优化算法(AR-MOEA-GC),该算法区分了种群中贡献个体与非贡献个体的适应度计算方法,保证种群的分布性和收敛性;同时,为了加快种群在算法后期的收敛速度,融入了参考点调整策略,辅助种群向真实Pareto进化。将改进的算法与6个先进的多目标进化算法在3类测试函数上测试,结果表明AR-MOEA-GC在三维的多目标优化问题上有着一定的竞争力。

关键词： 符号学   结构主义   服装设计  

摘要： 符号学和结构主义对服装设计的影响深远。本文就符号学与服装设计表达的基本关系、符号的模糊性与创造力、“结构主义”的灵韵与“服装设计”的气韵“隐喻”的服装设计之思、结构主义的初心与服装设计、结构主义的困境等问题做了一些浅显的思考。

关键词： FDM式3D打印机   故障诊断   BP神经网络   遗传算法   自适应交叉和变异概率  

摘要： 针对当前FDM(Fused Deposition Modeling)式3D打印机故障诊断方式存在精确度低、灵活性不足等缺陷,本研究提出了一种基于改进GA-BP神经网络的FDM式3D打印机故障诊断模型。通过分析影响打印故障的因素,得出故障诊断模型的输入变量,以此构建BP神经网络模型;针对BP学习算法易陷入局部最优解问题,利用遗传算法优化网络的初始权值和阈值,并进一步结合遗传进化原理,改进了遗传算法自适应交叉和变异概率策略。通过实验结果分析,本研究所提的基于改进GA-BP神经网络的3D打印机故障诊断模型的诊断准确率在97%以上,比基于BP神经网络的基础诊断模型的诊断准确率提升了12.9%,迭代次数减少了22次,比传统阈值检测法的诊断准确率提升了24.3%。

关键词： ESP无头轧制   智能排产   批量调度   遗传算法   萤火虫算法   聚类算法   多目标优化   铸-轧一体化  

摘要： ESP(endless strip production)轧制是一种领先的钢铁制造工艺,被视作继氧气转炉炼钢和连续铸造之后,钢铁行业的重要技术突破,其无头轧制生产线在提高生产效率、降低能耗和提升产品质量方面具有显著优势。为了进一步提升ESP无头轧制生产线的效率,将智能优化调度和排产技术应用于ESP生产中是非常必要的。针对某钢厂ESP无头轧制生产线的批量调度与排产问题,综合考虑生产工艺规程及订单交付期限等因素,选取厚度和硬度作为跳跃惩罚函数,以跳跃惩罚和生产单元数最小化作为优化目标,建立ESP无头轧制排产计划多目标优化模型。结合生产线的实际情况和订单的交付日期,将订单划分为不同的轧制优先级,然后根据生产单元余量,使用聚类算法合并较低优先级内的同种钢材,最后开发和实施了遗传-萤火虫混合优化算法,该混合算法巧妙地融合了遗传算法强大的全局搜索能力与萤火虫算法在局部搜索中的精细特性,旨在对合并后的订单进行精准而高效的排产求解,从而实现跨工序下铸-轧一体化多品种、多规格智能排产。最终,利用钢厂实际生产数据进行排产验证,并对传统遗传算法、萤火虫算法和遗传-萤火虫混合算法的优化结果进行了对比分析,证实了所提出的遗传-萤火虫混合算法优化模型的准确性和有效性。试验结果表明,该混合算法能够有效减少跳跃惩罚,降低生产成本,同时在满足订单按时交付的前提下,为钢厂带来了显著的经济效益。

关键词： 行波测量   双层优化   故障定位   改进遗传算法   分支定界法  

摘要： 针对电力系统行波故障定位中测量装置安装位置优化问题,提出一种基于改进遗传算法和分支定界法的行波检测装置双层优化配置方法,以解决电力系统中经济性与可靠性的协同优化问题。该装置上层模型以最小化装置安装成本为目标,考虑预算与防干扰约束;下层模型在给定布局下最大化故障检测覆盖率,嵌入动态调整层实现全线路检测覆盖。通过改进遗传算法与分支定界法相结合的方式求解最优布局方案,降低模型受到通信时滞的影响,加快模型在非理想场景下的收敛速度,实现层级间动态反馈修正。基于IEEE 39节点系统实验验证结果表明,该方法在保证95%故障检测率的前提下,较传统优化方法的设备成本降低了24.5%,覆盖率波动降低了2.46%,具有较强的鲁棒性。

关键词： 刀具磨损监测   信号处理   神经网络   极限学习机   遗传算法  

摘要： 刀具状态监测是实现制造过程自动化、智能化的必要技术.该技术目前仍存在识别率不够理想、稳定性差等问题.本研究使用振动传感器和声发射传感器同时采集信号,通过实验获得不同刀具磨损状态在不同切削工况下的两种传感器的数据,使用LabVIEW软件平台对数据进行分析处理,提取信号在时域、频域以及时频域内的特征,并对特征进行筛选.基于极限学习机(Extreme Learning Machine,ELM)算法训练单隐藏层前馈神经网络(Single-Hidden-Layer Feedforward Networks,SLFN)识别模型,并结合遗传算法(Genetic Algorithm,GA)优化神经网络中输入层至隐藏层的连接权重和隐藏层偏置以提高模型的准确率.结果表明,相比于仅使用ELM,使用ELM结合GA算法的识别准确率由92.592%提高至95.06%.

关键词： 电力营销   人工神经网络   BP神经网络  

摘要： 为提升电力营销系统的智能化水平和业务效率,本文提出基于人工神经网络的智能电力营销系统设计方案。该方案采用分层架构设计,集成L S T M深度学习网络实现负荷预测,运用改进B P神经网络进行客户分类,并基于微服务架构构建系统功能模块。在数据处理方面,采用分布式存储与流式计算技术处理海量用电数据,通过特征工程和模型优化提升算法性能。案例分析表明,负荷预测准确率达93%,客户服务响应时效提升65%。

关键词： 分子炼油   柴油加氢精制   分子重构模型   反应网络   遗传算法   动力学模型   计算机模拟  

摘要： “分子炼油”是从分子层面描述反应过程、实现对油品特定组成与质量精确描述的一种技术,是石化生产过程数字化建模方法之一。本文以国内某石化企业柴油加氢精制装置为背景,通过构建柴油分子重构模型和柴油加氢精制反应动力学模型,满足智能工厂建设的需要。首先,建立了包括1352个分子的柴油分子物性库,并采用分子类型-同系物(MTHS)矩阵构建柴油分子重构模型,模拟值与真实值最大相对误差为4.83%,证明模型可靠。其次,结合装置特点,通过筛选确定反应分子、建立柴油加氢精制反应规则,构建了包含246个反应、涉及282个分子的反应网络,并基于烷基侧链对化学反应速率常数的影响程度设置反应速度常数影响因子,建立反应速率常数关联模型,将492个反应参数减少至116个,大大减少了变量个数,由此构建分子水平柴油加氢精制反应动力学关联模型。结果表明,在温度398℃、压力9MPa、空速为1h-1条件下,加氢脱硫后产品含硫量的计算值与真实值相对误差均小于10%,且模型稳定性好,证明模型可靠。基于所建立的模型,可实现不同操作工况下产品组成的预测。本文可为石化企业智能工厂模型建设提供研究思路。

关键词： 人脸检测与识别   位置信息   K-means   遗传算法   鲁棒最小二乘法  

摘要： 针对合照中人物位置信息自动化标注效率低、易受人脸分辨率及身高差异影响等问题,文章提出了一种融合人脸检测、排位划分与人脸匹配的自动化人物位置信息标注方法。首先,利用YOLOv8模型对合照中的人脸进行检测并将人脸映射为二维平面点集;然后,对点集数据进行标准化处理,并通过肘部法则确定K-means聚类的最优聚类数量,用于区分不同排的人员。在此基础上,采用鲁棒最小二乘法对每一排进行直线拟合,以减少人物身高差异对排位的影响,并通过拟合直线的截距确定合照人物的具体位置,最后通过增强的人脸识别算法对合照中的人脸区域进行匹配,并将具体的人物姓名标注到对应的人脸区域上。由于合照中人脸区域分辨率较低,提出一个通过不同分辨率人脸图像进行特征融合以提高人脸识别准确率的方法。实验结果表明,特征融合后的人脸匹配准确率达到了96.72%,准确率比单张图像高出5%以上。此方法能较为准确地完成合照中人物的自动化识别、分排与标注,对特定领域具有较高实用价值。

关键词： 神经网络   遗传算法   粗糙度模型   参数优化   路径规划  

摘要： 为随着工业制造技术的不断发展,六轴机器人在表面抛磨加工中的应用日益广泛。针对六轴机器人在抛磨表面处理过程中的表面粗糙度控制问题展开研究。首先介绍了六轴机器人在抛磨表面加工中的应用背景和重要意义。进而利用正交实验的方法对抛磨参数进行正交处理得到正交实验数据,通过MATLAB软件编写BP神经网络对数据进行归一化处理,建立表面粗糙度预测模型,并对规划结果进行仿真实验。接着利用遗传算法对45号钢抛磨工艺参数进行参数优化、路径规划。结果表明该方法能够实现了45号钢表面粗糙度等效且精确的辨识,充分证明了该方法在相关任务中的有效性和实用性。