关键词： 水平连接装置   螺栓预紧力   遗传算法   Bouc-Wen模型   滞回曲线  

摘要： 为提高装配式剪力墙结构的抗震性能，设计一种摩擦型水平连接装置，以可靠连接装配式剪力墙.分别设计制作3个和5个螺栓的两种水平连接装置，通过拟静力实验分析这两种装置在相同加载频率下的力学性能（包括耗能能力、割线刚度和等效阻尼比），从而探究螺栓预紧力和螺栓数量对力学性能的影响.通过MATLAB编写基于基因遗传算法的Bouc-Wen模型参数识别程序，对实验数据进行基于Bouc-Wen模型的参数识别.根据识别到的参数求解滞回曲线，并与实验曲线对比.结果表明，随着螺栓预紧力和螺栓数量的增加，这两种新型水平连接装置的耗能性能显著提高；Bouc-Wen模型可较好地拟合装置的滞回特性；基于遗传算法的参数识别程序在对BoucWen模型参数识别过程中，能够较好地保证收敛，并得到较为精确的识别结果 .

关键词： 车辆工程   半挂车稳定性   参数估计   遗传算法   递推最小二乘法算法  

摘要： 本文采用遗传算法与递推最小二乘法相结合估计半挂车的稳定性参数，从而解决轮胎侧偏刚度、车辆侧倾刚度及车身侧倾阻尼等参数难以通过传感器直接测量的问题。这一方法有效弥补了传统离线辨识方法在工况适应能力方面的不足。相较于一般商用车，半挂车的结构更加复杂且使用工况多样，因此在确保车辆安全性和品质的过程中，必须更加关注半挂车的稳定性控制。实现这一目标的前提是获得高精度和高置信度的半挂车动力学理论模型。在此基础上，理论模型可作为跟随目标，实车或商用软件车辆模型的输出状态与理论模型的输出状态之差作为控制量进行调节。常见的半挂车理论模型具有四个或六个自由度。本研究通过Trucksim与Simulink的联合仿真，在特定输入和工况条件下，对比Trucksim软件模型与理论模型的输出重合情况。最终结果表明，利用本文提出的方法识别的侧倾刚度等参数所建立的理论模型在工况适应性和精度方面均优于传统离线辨识方法，估计误差降低约6%。这一成果为后续基于该理论模型开展的稳定性控制奠定基础。

关键词： 固体氧化物   电解制甲烷   多股流紧凑式换热器   遗传算法   层排列  

摘要： “双碳”战略和可再生发电装机规模化发展背景下，固体氧化物电解（solid oxide electrolysis，SOE）制氢及其衍生物是解决可再生电力消纳的新途径。SOE高温运行需要配置换热器和风机等辅助部件维持系统内部热动力学平衡，合理的换热器设计对于提高系统紧凑性和能效具有重要意义。本文提出一种基于非支配排序遗传算法的多股流紧凑式换热器多目标优化设计方法，对多股流板翅式换热器外形尺寸和翅片参数进行同步优化，并以累计热负荷均方差为指标对换热器层排列进行优化。以SOE制甲烷系统为研究对象，结果表明：翅片频率是影响系统紧凑度的关键因素，翅片频率从444 m-1增加到786 m-1，换热器体比表面积从643 m2/m3增大到1116 m2/m3，但换热器摩擦因子和流动耗功分别增加了10.7%和0.2 kW；通过优化层排列方式，累计热负荷均方差降低了0.6 kW。对于SOE制甲烷系统气气换热器，四股流紧凑式换热器（35 kW）与两股流换热器（28 kW）相比，体积减小了88%。该方法同步优化了多股流板翅式换热器外形尺寸、翅片参数与层排列方式，为多股流换热器高温场景应用提供参考。

摘要： In order to solve the routing strategy problem of high-speed carrier (carrier speed is subsonic or supersonic) networking, the channel deterioration problem faced by drone bees is analyzed, and then the mathematical model of the influential factors of channel deterioration on the The routing strategy problem of high-speed carrier is equivalent to a nonlinear programming problem, and then the genetic iterative algorithm is analyzed. the genetic iterative algorithm is applied to solve the simulation. Finally, the optimal or sub-optimal routing path is obtained, and the convergence speed and iteration times are optimized through simulation, thus improving the reliability, robustness and immunity. © 2024, The Authors. All rights reserved.

关键词： 热失重   寿命方程   支持向量机   遗传算法   寿命预测  

摘要： 复合绝缘子受紫外线、电场、湿度和温差等因素的影响，不可避免地出现老化，引发绝缘失效。通过热失重试验(TGA)，获得了硅橡胶复合绝缘子内外层、不同升温速率及不同运行年限下的热失重曲线，计算了活化能，建立了Arrhenius寿命方程。通过遗传算法(GA)寻找支持向量机(SVM)中的最优惩罚系数C和核函数参数g，提出了一种基于GA-SVM的寿命预测模型，并采用960组数据进行训练测试。结果表明：硅橡胶材料中氢氧化铝等小分子物质随着运行年限的百分比含量略有升高，而有机硅等大分子物质的含量明显降低。由于GA-SVM模型不仅考虑了热失重率和温度，而且引入了具体失重成分，相较于热寿命方程和易陷入局部最优解的BP神经网络，其预测精度提高了6%～14%。经试样外观和SEM验证，预测结果准确有效，可为复合绝缘子检修与运维提供参考。

关键词： 移动机器人   未知环境导航   激光雷达   启发式搜索   环境理解   障碍分割与提取  

摘要： 针对未知环境下机器人难以准确理解障碍分布并有效搜索目标的问题,提出一种基于激光雷达的启发式导航算法.在雷达数据中引入上升/下降沿进行障碍边沿界定及检测,提出边沿匹配算法识别狭窄间隙和连续障碍,经间隙去除与安全性拓展,得到表征周围环境中的连续障碍集合;面对遮挡目标的障碍,提出启发式临时目标选取方法并设计其切换条件,使机器人以较短路径提前避让各类障碍并渐近抵达全局目标.基于Matlab进行一系列仿真和对比,结果表明,所提出的算法可显著提高机器人在复杂未知环境下的通行效率、轨迹平滑度和全局搜索能力.最后基于ROS的实验验证所提出算法在实际环境中的有效性.

关键词： 路基   膨胀土   复合改良   无侧限抗压强度   人工神经网络   留一交叉验证法  

摘要： 为研究复合改良土强度特征并在数据有限情况下建立可靠的预测模型,针对湖南省某高速公路膨胀土,掺入粉煤灰(FA)和聚丙烯(PP)纤维进行复合改良,并开展了不同养护方法、养护时间和干湿循环次数下的无侧限抗压强度(UCS)和劈裂抗拉强度(STS)试验,探讨了FA和PP纤维对膨胀土强度改善的耦合效应,并尝试利用留一交叉验证法(LOOCV)建立可靠的人工神经网络(ANN)预测模型。研究表明:FA通过离子交换作用和水化胶凝作用可显著提高膨胀土的UCS,在添加FA的同时添加PP纤维,可进一步增加其抗拉强度,但PP纤维不宜添加过多,20%FA+0.5%PP纤维的组合具有最佳强度;复合改良土抵抗干湿循环的能力较素土有所增加,但干湿循环作用下其强度仍然有一定衰减;在试验数据不充足的情况下,利用LOOCV有助于训练并建立可靠的ANN预测模型,该模型对训练集和测试集以外的试样强度同样具有较好的预测效果,从而为路基复合改良土性能机器学习预测提供参考借鉴。

关键词： ZnO   农药残留   果蔬   光催化   三唑磷农药  

摘要： 以小米椒为研究对象,利用农药残留检测仪器,探索ZnO材料在光催化中高效、环保地净化农药残留物的应用。研究了多组小米椒表面三唑磷农药(TAP)的残留量、清洗后的残留量以及ZnO光催化下TAP在随机小米椒表面的光消解效果。结果表明,多组小米椒表面喷洒TAP后,残留明显;清洗后,能有效降低残留,但仍有一定含量;经过240 min光照,ZnO催化下随机小米椒表面TAP的降解率达89.01%。同时,ZnO对TAP的光降解速率随时间增加而下降,表明为一级反应。ZnO材料具有良好的光催化降解性能,为农产品中的农药残留治理提供了有效方式。研究成果可为食品生产企业和农业部门提供技术支持,保障人们的饮食安全。将推广到各类农产品及农残检测与消解中。

关键词： 装配站位   物料配置方案   离散事件仿真   GRU神经网络   遗传算法  

摘要： 装配站位是飞机装配线基础管理单元,由于飞机装配作业过程繁杂并存在大量随机扰动,其管理者需要根据不断变化的工况频繁对在装架次的物料配置方案进行优化。为此,提出一种基于门控循环单元(Gated recurrent unit,GRU)神经网络和遗传算法的优化方法。为了克服离散事件仿真在评估效率方面的局限性,以仿真历史数据为学习样本,采用GRU神经网络构建物料配置方案评估仿真代理模型,模型以物料配置方案为输入,以在装架次预计完工时间和关键物料平均滞留时间为输出。将仿真代理模型作为目标函数评估模型与遗传算法相结合,实现物料配置方案全局优化。仿真验证结果表明,基于GRU神经网络的仿真代理模型能够准确、高效地评估物料配置方案,输出的优化方案能够有效缩短在装架次的预计完工时间和关键物料平均滞留时间。