关键词： 搭接-滑移模型   遗传算法   BP神经网络   搭接间距   敏感性分析   拉拔试验   预测模型   泛化能力  

摘要： 钢筋和混凝土的搭接-滑移力学模型是混凝土中搭接钢筋传力性能的综合反映，是进行钢筋混凝土搭接构件精细化力学计算的一个重要前提。传统的粘结滑移力学模型大部分是根据拉拔试验或者梁式试验数据得到的半经验半理论公式，并没有考虑钢筋搭接间距的影响，不能准确反映混凝土中钢筋的传力特性。本文采用基于遗传算法的反向传播神经网络，建立了能够考虑钢筋间距的钢筋混凝土搭接-滑移非线性力学模型，是对当前钢筋混凝土粘结-滑移力学模型的重要改进。通过使用随机选取的非训练试验数据以及不同类型混凝土与钢筋的搭接试验数据对模型的泛用性进行了验证。结果表明：搭接间距是钢筋与混凝土搭接-滑移力学模型的重要影响因素，基于遗传算法和反向传播神经网络建立的钢筋混凝土搭接性能预测模型具有较高的精度和泛化能力，能够高效、准确的预测出钢筋混凝土搭接-滑移曲线。

标准号: T/CACE 0142-2024

摘要： 介绍了人工神经网络原理和卫星云图估计降水的原理.从GMS红外卫星云图资料中抽取12个降水云图特征量,构造了网络结构为12-98-7的降水估计人工神经网络模型,并用1993年的小时地面雨量资料和GMS数字云图资料对神经网络模型进行训练,用1992和1994年资料对该神经网络模型分别进行测试.在日面降水估计试验中,地面雨量计值和卫星估计降水之间的相关系数分别为0.94和0.97,相对误差分别为41%和32%.

关键词： 自动调束   加速器控制   遗传算法  

摘要： 描述了加速器自动调束系统的设计方法,介绍了加速器调束工作的现状和实现自动调束的意义,阐述了基于遗传算法进行加速器自动调束的原理和加速器自动调束系统的设计方法,给出了计算机仿真实验结果,并指出了自动调束研究的发展方向. The principle of automatic beam tuning of accelerator based on genetic algorithms(GA) is expounded. Designing method of the automatic beam tuning system is introduced. Computer simulation results are presented, and the research direction of automatic beam tuning is discussed.

关键词： 铁路隧道   特长隧道   辅助坑道   自动数据读取   全局最优化   遗传算法  

摘要： 针对我国铁路隧道大规模建设背景下的辅助坑道设计复杂性和特殊性，开发了TUN-INFO隧道信息智能读取模块，应用C++和ObjectARX技术实现对地形地貌以及地质等关键信息的自动提取。综合考虑坡度、长度、角度、山体内地质与地形条件等因素，定义适应隧道施工特点的目标函数，建立了多目标多约束优化函数优化辅助坑道设计。基于遗传算法和适应度函数量化隧道总工期、辅助坑道长度和坡度等设计指标。通过算法演化的交叉、选择和变异等流程求解最优辅助坑道设计参数。优化设计结果表明，本研究的智能优化设计技术能够有效满足多种地理限制条件下的隧道辅助坑道智能设计，同时优化辅助坑道布局。以某铁路隧道辅助坑道优化设计为例，优化后总工期为29个月，3个辅助坑道长度分别为1.08，0.84km以及0.64km。本设计在保证施工质量的前提下，最大程度地降低施工总工期并提高施工效率，为铁路隧道辅助坑道设计提供科学、系统的智能化解决方案。

关键词： 动态矩阵控制   区间控制   附加裕度   遗传算法  

摘要： 针对控制目标为给定区间的多输入多输出系统，由于控制变量间存在相互耦合作用，传统的多变量区间控制方法可能会导致实际输出超出期望区间的问题，基于已有的附加裕度的区间动态矩阵控制(AM-IDMC)算法结合多变量动态矩阵控制算法，提出了一种改进的具有附加裕度的多变量区间动态矩阵控制算法。首先，通过设计多个附加裕度预测输出是否有超出期望区间的趋势并施加控制作用；其次，使用序列二次规划算法(SQP)对非线性约束目标函数进行求解；然后，对于在多变量系统实际应用中附加裕度难以确定的问题，使用遗传算法进行优化求解。最后，将改进后的算法应用于Shell重油分馏过程，通过仿真对比的实验结果验证了算法的有效性。

关键词： 燃煤锅炉   屏式过热器   超温预测   深度神经网络   遗传算法   超参数优化  

摘要： 燃煤锅炉普遍采用空气分级燃烧技术，此举虽可大幅降低NOx生成，但造成炉内火焰中心上移，导致屏式过热器（屏过）管壁超温严重。此外，调峰运行使锅炉负荷经常性不规则变化，进一步恶化了屏过传热，使爆管泄漏事故频发。为指导锅炉安全可靠运行，提出一种基于遗传算法优化超参数的深度神经网络（GA-DNN）模型，通过构建炉内风煤侧及汽水侧运行参数与屏过30片管屏出口温度之间的映射关联，对屏过超温进行分析和预测。该模型可实现对不同负荷工况下屏过温度分布的准确预测，在此基础上能够以97.5%以上的准确率识别出当前及未来5分钟屏过超温（>550℃）的运行工况，同时可在89.2%的准确率下预测出未来5分钟屏过超温最严重的管屏所在区域。

标准号: JJF 2143-2024

摘要： 本规范适用于温度不超过200 ℃的微波消解仪温度参数的校准。