关键词： 轴流风机   气动性能   多目标优化  

摘要： 为降低风机气动噪声,以某轴流风机为研究对象,基于遗传算法,提出一种将叶片表面湍动能最小值作为寻优目标的降噪方法,并对优化后的叶型降噪机理及气动性能进行了分析。首先,通过对叶片结构参数化建模,实现了空间尺寸、形状的自动控制。其次,将风量不变作为约束目标,选取3个结构参数,即轴向弯曲参数、前缘点和后缘点的切线与弦线的夹角,结合敏感因子分析,建立叶片表面湍动能和叶片结构参数的响应关系。最后,利用NSGA-Ⅱ遗传算法确定最优的叶片结构,并对比了优化前后气动性能和噪声水平的差异,验证了该方法的可行性,结果表明:(1)不同的轴向弯曲形状对风量和噪声的影响权重不同;(2)选取了两种优化方案:叶片#1通过降低转速可以实现降噪,且保证风量和原始叶片持平;叶片#2相较于原始叶片风量基本持平,在保证转速不变的前提下最大降噪量达1.6 dB(A);(3)通过试验验证发现,风量对噪声的影响大于转速,在保证风量不变的前提下,通过叶型降噪的效果要优于降低转速的方案。

关键词： 果蔬干燥   神经网络   干燥动力学模型   误差反向传播算法   含水率预测  

摘要： 果蔬干燥是农产品加工中的重要环节,构建精确的干燥动力学模型成为干燥领域的重点方向。综述人工神经网络在果蔬干燥过程中的应用现状、分析存在的问题和做出展望。针对神经网络在干燥过程中的各种场景分类为四个部分:含水率预测、品质检测、工艺优化和控制系统方面,总结各部分的应用类型及发展创新;再对比传统干燥模型和人工神经网络模型;最后介绍混合神经网络的应用场景。发现人工神经网络比传统干燥模型更精确,且混合神经网络结合专家系统、模糊逻辑等理论能够提供准确的预测,作为一种新颖高效的建模技术,可以广泛应用于果蔬加工的优化、控制、自动化等领域。其中应用最广泛的就是与遗传算法结合的GA-BP神经网络,BP负责预测、GA负责寻优,在这样的算法中不仅可以精确预测结果还可以优化工艺。这样的模型更适合果蔬干燥且在未来有更广阔的发展空间,以期这些探讨和分析对果蔬干燥领域具有参考意义。

关键词： 高温动态应变计   核主成分分析   遗传算法   神经网络   航空发动机  

摘要： 高温动态应变计作为航空发动机部件应力、应变检测的重要工具,一旦发生疲劳破坏会直接影响其测试结果的可靠性。针对目前应变计测试耗时长、使用寿命离散程度高等问题,对高温动态应变计敏感栅结构参数进行基于多类型核函数的核主成分分析(KPCA)。采用最佳的核函数对应变计疲劳寿命影响因素进行降维,得出栅丝直径、弯数、涂层厚度为主要影响因素;为解决降维后应变计疲劳寿命预测精度差、收敛速度慢等问题,运用遗传算法(GA)优化反向传递(BP)神经网络,即通过遗传算法对神经网络中权值和阈值进行参数寻优,应用于高温动态应变计疲劳寿命的预测,并与几种传统的预测方法进行了比较。结果表明:GA优化后的BP神经网络预测的绝对误差(MAE)、均方误差(MSE)、平均绝对百分比误差(MAPE)均有所减小,对于高温应变计疲劳寿命的预测效果更可靠。

关键词： 电网节点   动态优化系统   暂态电压控制   遗传算法  

摘要： 电力能源需求的增加,对电网节点电压稳定性提出了更高的要求。若电网出现故障,其节点电压会产生波动,影响电网运行的可靠性。为提高电压稳定性,设计了基于遗传算法的电网无功补偿动态优化系统。分析电网节点暂态电压波动特征,结合节点电压对无功功率的灵敏度分析,计算节点电气距离,划分电网区域。构建电网无功补偿动态优化模型,引入遗传算法对其进行求解,获得最佳的电网无功补偿动态优化方案,实现电网无功补偿的动态优化。实验结果表明,应用设计系统节点暂态电压无功补偿效果较好,电压稳定提升能力优化目标函数最大值为9.77,经济成本优化目标函数最小值为36.25万元,充分证实设计系统应用性能更佳。

关键词： 燃气轮机   凹槽叶顶   椭圆孔   气膜冷却   优化   遗传算法  

摘要： 为进一步提升凹槽叶顶椭圆孔及参数化组合偏转角的应用前景,建立了降维Kriging代理模型指导多目标遗传算法更新种群的优化算法流程,设计了帕累托前沿局部搜索策略,以最大化气膜冷却效率、最小化泄漏流量为设计目标,耦合稳态RANS数值计算方法,开展了多变量凹槽叶顶冷却布局优化与分析。研究结果显示,凹槽叶顶椭圆孔耦合大角度的正轴向偏转角与负径向偏转角能显著增强气膜贴壁性、大幅提升气膜覆盖范围,同时引导射流向凹槽下游堆积,提升凹槽尾缘处的局部阻塞效应。适当调整部分冷却孔径向偏转角度可以在保持大范围的气膜扩散幅度及均匀的冷却效率分布的前提下,促进泄漏流量进一步降低。优化结构相比圆形孔参考结构的气膜冷却效率提升了436.3%,泄漏流量相对降低了2.141%。

关键词： 中文屋论证   意向性   人工智能   符号主义   联结主义  

摘要： 对于人工智能如何实现意向性一直是学界关注和研究的重要内容之一。针对如何跨越这一鸿沟,在人工智能的研究和实践发展中逐渐发展出了两种路径:一种是符号主义的模仿路径;一种是联结主义的还原路径。符号主义的模仿路径因符号系统的高度抽象化、符号化,使得这一路径并不能使人工智能完整具备人的意向性。联结主义虽然比符号主义的模仿路径具有一定优势,但联结主义的还原路径因人工智能在实现可解释性方面存在不足,所以这一方式并不能为人工智能具备人的意向性提供实质性帮助。要使人工智能像人类一样具备意向性,须更多整体考虑智能机器与外部世界环境的交互,把思维、计算与环境予以整体的融合。

关键词： 新生代乡村教师   教师身份认同   教师自我   教育人类学  

摘要： 我国新生代乡村教师经历了改革开放后生活环境的巨大变迁,不仅对物质条件有比较高的要求,而且有更为强烈的内在情感需求,向城市流动意愿强烈,身份认同危机已成为新生代乡村教师流动的主要原因。本研究采用质性方法,在我国中部某山区县域进行了为期一年的田野考察,从关注新生代乡村教师的生存处境入手,走入真实的田野现场倾听他们的个人话语、了解他们的行动意义、探寻他们的身份认同体验。研究发现新生代乡村教师的身份认同建构遭遇一系列困境,主要表现为:身份获得时的价值迷失、职后身份调适中的角色冲突,以及对自我未来身份规划中“确定性”的恐惧。困境的消解需要外部力量和新生代乡村教师内在力量的双重交汇,外部政策的制定不能仅局限于物质性的激励,更要走向生命性的关怀。新生代乡村教师自身亦要发挥自我的力量,主动寻找在乡村任教的归属感、价值感,走向自我成长。

关键词： 虚拟机放置   节能   分组遗传算法   装箱问题   数据中心  

摘要： 近年来,随着人们对云计算业务需求持续增长,数据中心能耗日益增加,由此不仅增加了运营成本,巨大的碳排放对生态环境也产生严重的影响,数据中心节能已成为当前亟须解决的重要难题。对云数据中心的虚拟机放置(Virtual Machine Placement,VMP)进行优化能有效地提高资源利用率,同时,VMP也是减少数据中心能耗的重要技术之一;针对数据中心的能耗感知VMP问题,提出一种基于分组遗传算法的节能算法EEGGA(Energy-Efficient Grouping Genetic Algorithm),算法将节能VMP问题视为装箱问题(Bin Packing Problem,BPP),并应用基于分组编码的遗传算法对其进行求解,通过减少活动物理主机的数量(装箱数量)以实现降低数据中心能耗的目标;在算法迭代过程的交叉和变异等阶段,设计了多种启发优化策略提升子代染色体的适应度,从而提高算法的节能性能和加快迭代收敛的速度;通过仿真实验,在收敛速度和求解性能等方面将提出的算法与传统的节能遗传算法进行对比,实验结果表明:提出的算法能够有效地减少数据中心的能耗,在节能性能和求解收敛速度方面均优于其他算法。

关键词： 应急物流   动态车辆路径调度   k-means分类   遗传算法  

摘要： 由于灾情的不确定性和信息延迟,应急救灾物资配送与车辆调度常面临配送过程中出现需求点信息动态变化的复杂环境,如何在动态变化的环境下快速反应,准确高效地实现应急物资重调度显得尤其重要。针对需求点信息动态变化的复杂环境,建立一个应急物资动态调度模型,并提出基于“分类-调度”的动态调度算法,通过k-means分类将原复杂问题降解为多个简单TSP问题,随着需求点信息的变化可动态调整分类,以实现快速重调度;设计相应的路线调整策略以保证方案的可行性;最后利用遗传算法求解。数值试验结果证明了所提方法的有效性。

关键词： 电力工程   造价预测   支持向量机   最小二乘估计   遗传算法   GA-LSSVM模型   归一化处理   误差分析  

摘要： 针对支持向量机求解速度较慢且用于预测电力工程造价的性能不理想等问题,提出了一种基于改进SVM的电力工程造价预测模型。该模型全面考虑了电力工程成本的组成要素并进行参数归一化处理,利用最小二乘估计改进SVM模型,同时采用遗传算法求解LSSVM的参数最优值,并通过优化后的GA-LSSVM模型实现对电力工程成本的预测。基于MATLAB仿真平台的仿真实验结果表明,模型预测的工程成本与实际值较为接近,归一化均方误差与平均绝对百分比误差分别为18.34万元和3.58%,且预测时间仅为256 ms,证明了其整体性能优于其他对比模型。