关键词： 三维装箱   航空行李   混合遗传算法   多约束  

摘要： 目的以航空运输背景下货舱行李的码放问题为研究对象,旨在实现货舱空间利用率的最大化。方法在考虑行李姿态、货舱空间、体积、重量、不重叠等多种实际约束的条件下,搭建航空行李码放模型,设计一种启发式与改进遗传算法相结合的混合遗传算法。首先利用基于极值点的启发式算法对初始种群加以优化,加快种群进化速度,得到初始高质量装载方案;然后通过设计混合选择及混合变异算子,利用改进的遗传算法对多组可行方案寻优,进而得到货舱空间利用率最大、垛型重心偏移量最小的装载布局方案;最后通过某机场自助行李托运系统采集的真实旅客行李数据进行实验,并实现装载方案的可视化。结果利用偏大、偏小和混合型3种行李数据进行实验测试,实验结果表明在满足货舱多种实际约束的条件下,混合遗传算法平均空间利用率达到89.71%,相比已有货舱码垛算法提高了9.25百分点,垛型规划更加科学合理。结论所提算法可快速收敛并防止局部最优,对于不规则货舱空间以及异构行李具有更好的适应性,可实现货舱码垛的快速合理布局规划。

关键词： 人工智能技术   水利调   机器学习   遗传算法   水资源管理  

摘要： 随着水资源短缺及气候变化问题的日益严重,传统的水利调度方法面临诸多挑战。本文研究了融合人工智能技术的水利调度模型,以提高水资源的利用效率和管理水平。首先,分析了当前水利调度的现状及其存在的问题,结合机器学习与优化算法,提出了一种新型的调度模型。采用数据驱动的方法,通过建立多变量时间序列预测模型,预测水流量和用水需求等关键指标。随后,利用遗传算法优化调度策略,实现不同水库之间的合理分配与调配。经过实证研究,模型在应对突发水情及运行效率方面表现出显著优势,调度决策的准确率提高了20%以上。最终,本文的研究成果为水利调度提供了新的思路和方法,具有重要的理论价值和实际应用意义,为未来水资源管理的可持续发展奠定了基础。

关键词： 遗传算法   模糊PID控制   采摘末端执行器   参数优化  

摘要： 当前,采摘机器人末端执行器普遍存在PID控制参数整定效率低下、控制系统存在非线性特性以及抗干扰能力不足等问题,难以实现精确控制的果实抓取。为此,通过遗传算法对模糊PID控制器的初始参数、量化因子和遗传因子进行优化,实现对控制器整体性能的提升。进行了MATLAB/Simulink软件仿真和现场验证试验,结果显示:GA优化的模糊控制算法可在0.419 s内快速实现稳定抓取力。相较于传统PID控制算法和模糊PID算法,超调量分别减少7.49%和10.05%,稳态误差减少0.24 N和0.09 N。提出的改进PID算法显著提升了末端执行器控制系统的瞬态响应速度、控制精度及稳定性,验证了其在实际抓取应用中的有效性和可靠性。

关键词： 电路模型   神经网络   谐波电流检测方法  

摘要： 为应对电力系统谐波电流带来的挑战,以三相非线性负载为研究对象,深入分析谐波产生的机制和特点,提出了一套结合电路模型和人工神经网络(artificial neural networks, ANN)的谐波电流检测方法。该方法依靠精细的等效电路建模和ANN的强大学习能力,提高了检测的精确性和实时响应效率。同时,通过仿真分析验证了所提方法的有效性,尤其是在减小幅值误差和提升动态响应效率方面,适用于电力系统的谐波单元分析与诊断,为电网运营安全和设备长效运行提供了切实可行的技术参考。

关键词： 三相不平衡   非支配排序遗传算法   换相开关   多目标优化  

摘要： 为应对低压配电网中光伏系统带来的电压三相不平衡问题,本文提出了一种基于非支配排序遗传算法-II的静态换相开关优化配置方法。通过考虑静态换相开关的最佳部署位置,采用NSGA-II算法优化静态换相开关的数量和位置,从而实现成本效益最大化。并在IEEE 123节点测试馈线上进行了仿真实验,以验证方法的有效性。仿真结果表明,该方法在IEEE 123节点测试馈线中能够显著减少电压不平衡和网络损耗。在不同渗透水平下,沿馈线的最大电压不平衡度分别降低了80%和60%,总能量损失减少了(69.2~75.7)kWh。本文提出的方法在提高配电系统运行效率和稳定性方面展现了良好的应用前景,为智能电网和可再生能源的可持续发展提供了有力支持。

关键词： 土壤   重金属   X射线荧光光谱   人工神经网络   CARS   投影变量重要性   特征光谱  

摘要： 便携式X射线荧光光谱仪(PXRF)测量结果易受光谱干涉、土壤基质效应等因素的影响.为实现对特定土壤条件下光谱仪的高效校准,并解决在利用竞争自适应重加权采样(CARS)算法筛选特征光谱时容易丢失荧光强度峰值的问题,本研究创新性的将投影变量重要性(VIP)替换传统CARS算法中的回归系数绝对值(AVRC),提出了一种基于VIP-CARS算法的特征光谱提取方法,并以Zn和Pb作为土壤中的典型重金属,对比分析了基于特征光谱、荧光强度峰值、固定取点及全光谱条件下不同人工神经网络(ANN)模型的预测性能.结果表明:VIP-CARS算法共提取52个特征能量通道,占全光谱的16.40%,主要分布在荧光强度峰值两侧,且荧光强度峰值未丢失;在Zn和Pb的预测中,基于特征光谱的Zn的SNN和DNN模型中RMSE分别为14.0989和15.9110,Pb的SNN和DNN模型中RMSE分别为13.2376和16.8380,均小于SLNN模型的RMSE.然而,对于待测样本,Zn和Pb的SLNN模型的RMSE分别为17.8962和11.9930,均小于对应的SNN和DNN模型,显示出SLNN模型在泛化能力上的优势.基于特征光谱构建的ANN模型在MRE和RMSE方面整体优于基于荧光强度峰值和固定取点条件下的ANN模型,且与全光谱条件下ANN模型的精度相似,因此基于VIP-CARS算法提取特征荧光光谱,并建立ANN预测模型,是一种高效且精确的土壤重金属定量分析方法,这对扩展PXRF的使用范围,提高土壤中重金属的检测效率均具有重要意义.

关键词： 电网   遗传算法   数据压缩   监控   K-Means聚类  

摘要： 在大数据背景下,大量的电网运行监控数据使得电网运行调度难度加大,从而严重影响了监控数据调度效率。为提高电网运行调度监控数据的效率,文章在遗传算法的基础上结合K-Means聚类算法设计出遗传优化聚类算法,并将遗传优化聚类算法与门控循环神经网络结合,设计了一种电网运行调度的监控数据压缩方法。试验结果显示,未压缩前的集群空间为32.8GB,而经过基于遗传优化聚类的压缩方法后仅占用0.09GB,降低了99.72%。优化后算法的压缩率达到了13.7%,较普通K-Means聚类、DBSCAN聚类及HC聚类算法的压缩率相比,分别降低了13.5%、18.0%和9.3%。有效节约了储存空间,提高了数据调度效率。

关键词： 决策树   BP神经网络   优化算法   遗传算法   模拟退火   梯度下降  

摘要： 冷轧带钢作为钢铁行业的高附加值产品,其产品质量稳定性对于企业的经济效益至关重要。在连续退火过程中,工艺各阶段参数间存在着错综复杂的相互依赖,这使得构建精确的过程模型极为困难,进而给生产线上的产品品质管控与性能优化带来了不小的难题。本研究针对冷轧带钢的工艺参数优化问题,首先通过数据预处理和相关性分析筛选出对带钢机械性能有显著影响的参数。然后,基于BP神经网络构建了数据驱动的在线质量检测模型,并通过多种优化算法对工艺参数进行了优化。结果表明,通过梯度下降算法优化后的工艺参数能够显著提高带钢产品的质量控制和生产效率。

关键词： 雷达自动标绘   避碰方案   遗传算法   模拟器  

摘要： 为了解决雷达人工标绘耗时、难以数字化且非最优问题以及“试操船”功能依赖于操作人员主观调参以动态确定避碰方案的不确定性和非最优性且无法提供复航时机的问题,提出一种可行的多变量、单目标优化方法。基于雷达现有ARPA功能提供的目标运动要素及碰撞参数(DCPA和TCPA),以延迟时间、避让航向和时间、复航航向和时间为优化对象,以船舶绕航距离最短为优化目标,考虑避碰规则要求和基于标绘原理构建约束条件,建立雷达自动标绘功能优化模型,利用遗传算法完成模型求解并进行仿真实验验证。实验结果表明,建立的优化模型在对遇、交叉相遇和追越等局面下均可生成最优标绘避让方案。该方法建立了人工标绘原理的优化模型,实现自动试操船(即雷达全自动标绘)功能,可应用于雷达模拟器及真机,有效完善其依靠目标跟踪和试操船进行辅助避碰的功能,对使用雷达进行避碰操作具有一定的指导意义,同时可用于船舶避碰路径规划、辅助船舶自主避碰策略的制定。

关键词： 可调谐半导体激光器吸收光谱学   二次谐波信号   遗传算法   变分模态分解   小波包去噪  

摘要： 为提高可调谐半导体激光器吸收光谱学(TDLAS)技术的气体浓度检测精度,针对检测过程中二次谐波信号的电噪声、光学噪声等干扰问题,提出一种基于遗传算法(GA)优化变分模态分解(VMD)联合小波包去噪算法。首先,利用GA对分解模态层数K与惩罚因子α寻优,得到最优参数组合;然后,利用所得到的最优参数组合对二次谐波信号进行分解,得到一系列的本征模态函数(IMF);其次,使用皮尔逊相关系数选取出纯净信号与含噪信号,并利用小波包对含噪信号进行降噪处理;最后,对降噪后信号与纯净信号进行重构,得到去噪后的二次谐波信号。实验结果表明:与其他多种降噪算法相比,所提算法能够有效去除二次谐波信号中的噪声,有效降低外界噪声在检测过程中的影响,提高气体浓度检测精度。