关键词： 人工神经网络   深度学习   红外图像识别检测  

摘要： 变电设备的安全运行是确保电力系统长期稳定工作的基石。对变电设备的运行状态进行实时监测,有助于及时发现设备故障,进一步预防潜在风险,确保电网的安全稳定运行。红外图像检测是一种用于变电设备的无损实时监测方法,广泛应用于变电设备的状态监测。设备监测的关键在于对设备红外图像的准确识别和定位。本文通过介绍传统算法和深度学习算法在变电设备红外图像中的识别检测技术应用,有助于研究人员选取合适的视觉检测方法,实现对变电设备的实时监测,提升站内主设备的运行状态监测与故障诊断能力。这样大大提高了变电站的安全性和可靠性,为站内主设备的安全运行提供保障,提升变电站运行效率,减少非计划停电时间,对提高电网运行效率具有重要意义。

关键词： 硒   罗伊氏乳杆菌   神经网络   发酵条件优化   遗传算法  

摘要： 为优化罗伊氏乳杆菌(Lactobacillus reuteri)的富硒发酵条件,采用反向传播人工神经网络结合遗传算法(back propagation artificial neural network combined with genetic algorithm,BPANN-GA)来优化罗伊氏乳杆菌的富硒发酵参数。选取培养温度、培养基pH值、硒质量浓度和加入硒的时间为输入变量,以菌体干重为输出变量建立神经网络模型,该模型的拟合优度达到了99.27%。模型建好以后,通过遗传算法对最佳培养参数寻优,选取符合设备条件的近似值进行实验验证,最终确定以菌体干重为目标的最佳培养参数是:温度为36.74℃、培养基pH值为6.56、硒质量浓度为1.43μg/mL、加入硒的时间为培养开始后的5.58 h,在该条件下获得的菌体干重为(13.15±0.03)g/L,其硒转化率为(20.23±0.39)%。且该条件下培养的罗伊氏乳杆菌在模拟胃液中3 h后的存活率为(89.40±0.42)%,在模拟肠液中3、6 h的存活率分别为(96.70±0.39)%、(95.80±0.25)%,具有较高的耐受性。该方法能够实现罗伊氏乳杆菌的富硒发酵条件优化,为相关研究提供理论基础。

关键词： AUV三维路径规划   融合智能算法   改进蚁群算法   改进粒子群算法   遗传算法  

摘要： 为了解决传统蚁群算法收敛速度慢,易陷入局部最优,传统粒子群算法搜索精度差,初始路径不规则等问题,提出一种融合了改进蚁群算法(IACO)、改进粒子群算法(IPSO)和遗传算法(GA)的IACO-GA-IPSO路径规划算法。首先定义三维海洋环境模型,将工作空间沿Z轴方向划分成水平的栅格平面;其次建立多标准的路径优劣评价模型;最后由融合算法规划路径:IACO算法生成次优种群,GA算法优化种群多样性,IPSO算法快速收敛到全局最优。实验结果表明,融合算法能充分发挥每种算法的优点,克服种群规模和收敛速度的矛盾,优化初始种群,提高全局搜索能力、局部搜索精度和算法运行效率,加快收敛速度并避免陷入局部最优路径。

关键词： 变弯度机翼   6参数化方法   气动优化   遗传算法   拓扑优化  

摘要： 针对变弯度机翼气动优化和轻量化的设计要求,提出了气动外形与结构拓扑分步优化设计。该设计以机翼气动优化的计算结果为基础,通过变密度法建立机翼前后缘拓扑优化设计结构。提出了一种6参数描述机翼外形的参数化方法,通过B样条曲线进行局部修正,采用遗传算法对气动外形进行优化。基于优化后的机翼气动外形采用变密度拓扑优化算法建立RAMP插值模型,设计前后缘拓扑结构与机翼展向模型。通过3D打印技术对前后缘变弯度机翼拓扑结构进行加工并开展变形试验。气动仿真结果表明,6参数变弯度翼型的变形区间最大且外形连续光滑。与基础机翼相比,优化后的机翼在起飞过程中升阻比提高了35.7%,巡航状态下升阻比提高4.4%。通过变形试验结果得出前缘拓扑结构等效偏转角为9.37°、后缘拓扑结构等效偏转角为9.18°,偏转效果良好,验证了气动外形与拓扑分步优化设计的可行性。

关键词： 计算机工程   智能技术   数据采集   数据分析   用电检查  

摘要： 阐述基于电子学与计算机工程,提出一种针对用电检查的智能化数据采集与分析方法。该方法可以实现对用电设备的实时监测和数据分析、有效识别用电异常情况、提供智能化预警和优化建议。

关键词： 高强度钢   切削温度   遗传算法   参数优化  

摘要： 为合理选用10CrNi3Mo高强度钢的切削用量,通过切削仿真和遗传算法对切削参数进行优化研究。基于正交试验方法,以切削速度、背吃刀量和进给量为自变量,以切削温度为响应值,利用方差分析和交互作用分析得出了切削参数对切削温度的影响规律;基于多元线性回归拟合方法建立切削温度回归方程预测模型,采用多目标遗传算法对切削参数进行优化,并通过模拟试验检验最优工艺参数。结果表明,最优值与模拟值之间的误差在±3%以内,所建立的优化模型和计算结果具有较高的可靠度。

关键词： 灌溉   入渗   遗传算法   参数   糙率   最小二乘支持向量机回归  

摘要： 入渗参数和糙率是沟灌设计和管理中需要确定的重要基本参数。该研究基于WinSRFR软件模拟结果构建样本集,通过最小二乘支持向量机(least squares support vector machines,LSSVM)回归模型来映射水流推进时间、消退时间与入渗参数、糙率之间的非线性关系,并在此基础上提出了结合最小二乘支持向量机和遗传算法(least squares support vector machines-genetic algorithm,LSSVM-GA)的参数估算方法,即利用LSSVM回归模型构建目标函数,并利用GA获得入渗参数和糙率的最优值。在4组尾端封闭沟试验基础上,将LSSVM-GA法与多元非线性回归(multiple nonlinear regression,MNR)及WinSRFR中的Merriam-Keller post-irrigation volume balance analysis(MK-PIVB)进行对比,结果表明,LSSVM-GA法估算的参数对进退水过程的拟合效果较优,其模拟的推进和消退过程均方根误差分别介于1.06~2.12 min和2.28~3.11 min之间,表明LSSVM-GA在估算入渗参数和糙率方面的可靠性,这有助于获得更精确的灌水技术要素,进而提高沟灌性能。

关键词： 强化学习   遗传算法   离散莱维飞行   工序编码距离   变邻域搜索  

摘要： 针对传统遗传算法在解决柔性作业车间调度问题时易陷入局部最优解、参数不能智能调整、局部搜索能力差的问题,建立以最大完工时间最小为目标的柔性作业车间调度模型,并提出一种基于强化学习的改进遗传算法(reinforcement learning improved genetic algorithm,RLIGA)求解该模型。首先,在遗传算法迭代过程中,利用强化学习动态调整关键参数。其次,引入基于工序编码距离的离散莱维飞行机制,改进求解空间。最后,引入变邻域搜索机制,提升算法的局部开发能力。使用PyCharm运行Brandimarte算例,验证算法的求解性能,实验证明所提算法求解效率较高,跳出局部最优能力更强,求解结果更好。

关键词： 数字教材   伦理风险   技术向善  

摘要： 因教育与技术孰轻孰重的问题,数字教材发展引发人们对数字教材伦理价值性的深入思考。从技术伦理、内容伦理和主体伦理等逻辑维度对数字教材伦理展开理性思考,发现数字教材发展面临技术裹挟削弱教材本质、内容困惑亟须有机整合多元标准、主体间鸿沟影响教育公平正义等伦理风险。要消解数字教材发展中的伦理风险,数字教材研发团队应树立“技术向善”的理念,规避技术的过度干预;国家相关部门应协同完善数字教材的相关标准,框定内容的技术规范;多主体应协同创设有情感的数字化教学情境,增强技术的伦理温度。

关键词： 运输成本   固定成本   货物运输   遗传算法   燃油成本   物流配送路径优化   时间窗   最优路径  

摘要： 一、问题描述。航空物流配送路径优化问题,是指在考虑货物重量、体积、时间窗等约束条件下,以最小化总运输成本为目标函数,通过对路径进行优化选择来确定货物运输最优路径的问题。在航空物流配送路径优化问题中,货物的运输成本主要包括固定成本、燃油成本、装卸成本、时间成本和货损成本[1]。(一)成本结构分析。