关键词： 共振吸声超材料   人工神经网络   吸声系数   BP神经网络   遗传算法  

摘要： 针对共振吸声超材料声学性能快速预测及结构优化设计需求,提出了一种基于人工神经网络的共振吸声超材料性能预测方法.首先,建立了由微穿孔板和Helmholtz共振腔组成的多层穿孔型共振吸声超材料的理论模型,并通过仿真与实验验证其正确性;随后,通过理论模型生成数据集,并以此为基础,采用BP(back propagation)神经网络原理,搭建了结构特征参量与声学性能的人工神经网络模型;之后,将训练后的人工神经网络模型与遗传算法相结合,对共振吸声超材料进行声学性能最优化设计.结果表明:训练后的人工神经网络模型可以对目标结构的吸声性能进行准确预测,并且预测效率相较理论模型提高50%以上;人工神经网络模型与优化算法的结合不仅能提高优化效率,优化后的结构也具有良好的低频宽带吸声性能.人工神经网络为大规模结构性能预测计算提供了便利,在超材料等结构设计及优化领域具有广阔的应用前景.

关键词： 航路规划   约束条件   A*算法   粒子群算法   遗传算法   蚁群算法  

摘要： 随着无人机任务复杂性以及环境不确定性的不断提高,对航路规划的要求也随之提高,航路规划问题复杂度逐渐增加,由单无人机航路规划向多无人机规划发展,由单任务向多任务发展。针对无人机航路规划问题,从概念内涵、任务建模、算法解析等方面进行了综合分析。针对现有航路规划算法存在的最优路径效果较差、收敛速度慢以及易陷入局部最优等问题,重点分析了A*算法、粒子群算法、遗传算法、蚁群算法在无人机航路规划中的应用及存在的问题,提出了优化改进的方向。

关键词： 方钢管混凝土   桁架   拟满内力算法   结构优化   混合遗传算法  

摘要： 为解决离散变量方钢管混凝土桁架的结构优化问题,以桁架杆件最低总造价为目标函数,采用拟满内力遗传算法对杆件截面进行结构尺寸优化.拟满内力遗传算法引入拟满内力算法作为遗传算子,并将部分初始种群由拟满内力算法产生以增加种群多样性.对传统遗传算法罚函数进行改进,以增强算法的寻优效率.通过两个算例的对比分析,结果表明运用拟满内力遗传算法进行方钢管混凝土桁架结构优化,相对于拟满内力算法和传统遗传算法其造价分别降低了15%、15%、45%、53%.拟满内力遗传算法进行方钢管混凝土桁架结构优化的是有效、可行的.

关键词： 生物检测样本   快速调配   遗传算法   智能分拣  

摘要： 针对突发公共卫生事件中生物检测样本调配优先等级不同、采样量与样本积压量信息不对称、运输路线难以动态规划等实际问题,通过样本采样模块、数据处理模块、检测处理模块、资源调配模块联动配合,构建生物检测样本的快速调配系统,在低成本下做到了快速、精准、高效率的检测资源分配。该系统可实现大规模生物样本筛查的区域统一调度,有效优化整体生物样本的检测顺序,改善不同能级实验室忙闲不均的业务状态,缓解由于道路拥堵耽误样本运输等状况,提高区域生物样本的总体检测效率。通过着重介绍生物检测快速调配系统的建设难点、系统模型与具体实现,旨在为类似应用场景提供参考。

关键词： 岩石掘进机   性能预测   隐马尔可夫模型   人工神经网络   机器学习  

摘要： 为了通过施工中易于获取的数据,实时预测岩石掘进机(Tunnel boring machine,TBM)性能从而为掘进参数的选择提供参考,依托广东某输水隧洞的地勘资料和掘进数据,分析主要掘进参数和场切深指数在不同类型围岩中的分布规律,在围岩类型由Ⅱ类变为Ⅴ类的过程中,刀盘扭矩、刀盘推力、贯入度等参数均存在着均值和标准差同时减小的趋势;除刀盘驱动系统外,支护系统和排渣系统中的参数的均值和标准差与场切深指数存在显著相关性。利用隐马尔可夫模型计算隧洞沿程各类围岩的概率分布,将其作为预测模型特征可提高预测精度但会增加过拟合风险。提出将掘进参数和围岩信息分别输入的双路神经网络模型,模型可对TBM施工前方一环的平均掘进性能进行预测,并将其与经典机器学习模型进行比较。结果表明,所提出的性能预测模型可以保证预测精度优于经典机器学习模型的同时拥有良好的泛化能力。

关键词： 多目标优化问题   进化计算   遗传算法   粒子群算法   差分进化算法  

摘要： 多目标优化问题在实际应用中广泛存在,涵盖了工程设计、资源分配、机器学习等领域。由于其具有问题空间复杂、决策变量众多及目标之间存在相互矛盾的特性,传统优化方法难以在解空间中找到全局的、非支配的解集。为解决多目标优化问题,文章探究了基于进化计算的方法。

关键词： 模糊形式背景   半概念   区间集   区间集概念   单边区间集概念   模糊概念   单边区间集模糊半概念   知识表示和提取  

摘要： 为了使“区间”形式加以表述的不确定信息的提取具有侧重性,需提取出对象(属性)集对应的属性(对象)区间集。本文在模糊形式背景中,通过引入2个阈值,将单边区间集与经典半概念结合,提取出属性(对象)集对应的对象(属性)区间集,从而提出区间集外延–集合内涵(集合外延–区间集内涵)(interval set extent-set intent(set extent-interval set intent),ISE-SI(SE-ISI))型单边区间集模糊半概念。全体ISE-SI(SE-ISI)型单边区间集模糊半概念构成格,并给出基于格搜寻全体ISE-SI(SE-ISI)型单边区间集模糊半概念的算法。通过与已有成果对比,显示出这2种知识表示形式的多方优势。本文所得结果在知识表示及提取方法上具有适用范围广、实际应用强等优点。

关键词： 抛光   材料去除率   BP神经网络   遗传算法   预测模型  

摘要： 材料去除率(material removal rate,MRR)是抛光过程中调控工艺参数和评估加工效果的一项重要指标。为了有效地预测抛光过程中工件的材料去除率,建立了一种运用遗传算法(genetic algorithm,GA)与反向传播(back propagation,BP)神经网络相结合的MRR预测模型,利用GA的全局寻优能力对BP神经网络的初始权重和阈值进行优化。通过随机森林(random forest,RF)算法选择出对MRR预测结果影响显著的参数变量作为神经网络的输入,运用有关实验数据对网络模型进行训练与预测分析,并与同等条件下运用传统BP神经网络建立的预测模型进行对比分析。结果表明:GA-BP神经网络具有较高的预测精度。

关键词： 车间物料拣选   订单分批与路径规划   双商品网络流模型   邻域搜索   遗传算法  

摘要： “智改数转”背景下,物料拣选效率优化能够极大提升智能制造车间的生产效率,进而推动制造企业智能化水平持续发展。聚焦智能制造车间的物料拣选调度问题,提出了一种面向智能制造车间的物料拣选“订单分批-路径规划”两阶段联合调度方法。首先,基于双商品网络流模型原理,构建“订单分批-路径规划”两阶段联合调度模型。其次,通过定义订单之间的豪斯多夫距离(Hausdroff distance,HD),设计一种嵌入HD邻域搜索策略的遗传算法(NSGA-HD)进行求解。最后,通过不同规模算例仿真,验证了所构建模型和算法的有效性。研究结果表明,所提出的方法能够为智能制造车间物料拣选效率的提升提供决策支持。

关键词： 糙米   微波消解   ICP-MS   9种重金属  

摘要： 建立微波消解法-电感耦合等离子体质谱法(ICP-MS)测定糙米与精米中9种重金属的方法。采用该方法对五个稻谷样品进行了处理。首先对样品进行砻谷脱壳处理制备糙米,随后进一步加工得到精米。本研究测定了这些样品中的九种重金属元素,包括Cd、Cr、Mn、Ni、Pb、As、Cu、Zn和Hg的含量。本方法的线性相关系数均大于0.9995,方法检出限范围为0.0005~0.352μg/g。该方法准确度、灵敏度较高,可实现糙米与精米样品多种重金属准确测定。