关键词： 甲烷   富氧燃烧   机理优化   人工神经网络   点火延迟时间   CO摩尔分数  

摘要： 采用带误差传播的直接关系图法、全物种敏感性分析和人工神经网络(ANN)联合方法,以点火延迟时间和CO摩尔分数为优化目标,通过对甲烷富氧燃烧详细机理USC mech2.0的简化和优化,提出了基于人工神经网络的甲烷富氧燃烧优化机理(ANN-OMOC)。甲烷富氧燃烧模拟计算和对比分析的结果表明:相比于甲烷富氧燃烧简化机理FSSA的预测误差,优化机理ANN-OMOC对点火延迟时间、层流火焰速度的预测误差分别从2.53%、24.38%降到0.50%、14.41%;与甲烷富氧燃烧的简化机理DRGEP和FSSA相比,优化机理ANN-OMOC对点火延迟时间、OH摩尔分数峰值和CO摩尔分数峰值的预测结果最佳,其相对误差均在10%以下。

关键词： 大地电磁   时间序列分类   人工神经网络   深度学习   噪声  

摘要： 随着社会的发展,各类干扰日益加剧,高质量的大地电磁采集也变得愈加困难。为了提高数据质量,学者们针对不同类型的噪声提出了很多对应的去噪方法,由于大地电磁数据量都比较大,去噪前不可能对每条数据进行人工判读,急需一种高效率的噪声识别和分类方法。基于此,本文将人工神经网络应用于大地电磁时间序列分类中,为了选取最为合适的大地电磁时间序列分类网络模型,使用模拟方波、工频、脉冲噪声以及实测无噪声数据4类时间序列类型,分别对LSTM、FCN、ResNet、LSTM-FCN及LSTM-ResNet模型进行了噪声分类训练和实测数据分类对比试验。结果表明,FCN及LSTM-FCN在大地电磁时序分类中具有相对较好的效果。其中,FCN模型对实测数据分类准确率最高可达99.84%,每个epoch平均用时9.6 s,LSTM-FCN较FCN具有更高的分类精度,实测数据集最高分类准确率近乎100%,但是其每个epoch平均用时24.6 s,且较FCN也更易过拟合。总体来看,如果数据量较少使用LSTM-FCN可以获取更高的分类精度,数据量较大时需考虑时间成本,使用FCN则更为合适。最后,利用LSTM-FCN分类模型和LSTM去噪模型搭建了大地电磁噪声处理系统,对含有不同类型噪声的大地电磁数据进行了成功处理。

关键词： 无轴承永磁同步电主轴   位移控制   滑模控制   模糊控制   遗传算法  

摘要： 为满足无轴承永磁同步电主轴高性能转子位移控制要求,结合遗传算法寻优快及模糊控制能柔化控制信号的优点,设计一种将滑模等效控制、模糊控制和遗传算法有机结合的电主轴转子位移控制策略,在滑模控制中引入模糊切换增益,并通过遗传算法对模糊滑模控制器参数进行优化,从而获得最佳控制效果。结果表明:模糊滑模控制降低了系统在传统滑模控制下的抖振,遗传算法优化后模糊滑模控制下的不同轴向稳态转子振动峰峰值较优化前分别减小了53%和27.5%。

关键词： 硅   钠离子   植物样品   微波消解   电感耦合等离子体质谱  

摘要： 植物中的硅因具有含量低、难消解、用含氟酸处理易损失等特点,一直是湿法处理的难点。本研究选择硝酸+氢氟酸+氯化钠混合消解液和高通量微波密闭消解植物样品,通过优化消解液配比、消解温度和消解时间、碰撞气体流量,建立了钠离子促进消解-电感耦合等离子体质谱法测定植物中硅的方法。结果表明,使用硝酸+氢氟酸混合消解溶液,可有效消解植物样品基体及基体中的硅元素;向消解液中加入一定量的钠离子和使用微波密闭消解法,能够促进试样中二氧化硅消解完全,提高消解效率及避免氟硅化合物的挥发损失。使用聚四氟乙烯同心圆雾化器、聚四氟乙烯旋流雾化室和蓝宝石中心管,可有效降低由溶液中氢氟酸介质腐蚀石英进样系统引入的仪器本底值;选择氦气作为碰撞气并控制氦气流量,可以有效消除氮、碳、铝、硼、氢、氧等元素的多原子离子对28Si的质谱干扰,提高方法的灵敏度。硅的方法检出限为0.001%,相对标准偏差(RSD)和误差(RE)分别在1.8%~7.7%和-1.8%~4.5%之间。方法适合于植物样品中硅的准确、快速测定,也可为农业考古和植物碳汇潜力研究中硅的总量分析提供技术支撑。

关键词： 低频变压器   多目标优化   遗传算法  

摘要： 针对低频变压器铁心尺寸、重量等较传统工频变压器增大的问题,提出了一种35 kV低频变压器的轻量化设计方法,综合考虑变压器损耗、重量和尺寸进行多目标优化。首先,依据国家标准及设计手册给出低频变压器初始结构。然后,选取变压器尺寸、重量与损耗作为优化目标。其次,根据低频变压器特点选取相应的优化变量并给出约束条件。最后,通过遗传算法对低频变压器进行优化设计,并进行对比分析,结果表明,总损耗减少了11.04%,铁心、线圈重量减少了4.36%、6.71%,铁心中心距减少了12.85%。

关键词： 人工智能技术   计算机   网络教育   应用  

摘要： 在计算机网络广泛普及与应用的进程中,计算机网络教育已经成为新时代高校教育教学活动开展的重要抓手,成为优化传统教育模式、满足时代发展需求的重要内容。而将人工智能技术应用于计算机网络教育过程中,既可以丰富网络教育的功能,又能够弥补传统网络教育教学中存在的不足。通过研究人工智能技术的理论内涵,对计算机网络教育存在的不足进行分析,着重研究出多元化的人工智能技术融入策略,旨在提升高校计算机网络教育教学水平与质量。

关键词： 东北师大附中   思政课   立德树人   实践探索   区域联动   学段衔接   教学一体化   教学改革  

摘要： 思政课是落实立德树人根本任务的关键课程。近年来,党和国家为打造思政课建设共同体,统筹协调不同学段思政课同向同行、协调发展并出台一系列相关文件,全国各地在推进思政课一体化建设方面涌现出大量的实践探索。东北师大附中邵志豪校长主持的这项教学改革始于2013年,以“学段衔接”实践经验为基础,到“教学一体化”,再到“教师发展一体化”和区域联动,历时10年。十年磨一剑,破一点、连一线、成一体,用点滴行动的积累消解教育政策和教学实践之间的落差,找准落实推动小初高思政课一体化的路径与模式。

关键词： 多目标优化   遗传算法   气动阻力   气动升力  

摘要： 针对汽车分轴升力与阻力无法综合改善的问题,提出一种造型优化方案。以某SUV为研究对象,建立SUV流场仿真模型并分析外流场气动特性,确定车身需要优化的部位,通过风洞试验验证流场仿真结果的准确性。采用均匀拉丁超立方对造型取样并进行外流场数值仿真计算,通过克里金法建立造型参数与气动系数的对应关系,使用遗传算法生成Pareto前沿解。最终提出3种优化方案综合改善阻力系数和前后轴升力系数,分别使前轴升力系数达到最负值,阻力系数降低2.7%。

关键词： 环境工程学   挥发性有机物(VOCs)   神经网络   智能优化算法   遗传算法   粒子群算法  

摘要： 为了提升挥发性有机物(Volatile Organic Components,VOCs)的预测精度,在反向传播(Back Propagation,BP)网络结构的基础上使用优化算法分别为遗传算法(Genetic Algorithms,GA)优化BP神经网络(GA BP)和粒子群算法(Particle Swarm Optimization,PSO)优化BP神经网络(PSO BP)对VOCs质量浓度进行预测。首先,对污染物及气象因子进行筛选。采用相关性分析法及逐步回归法进行分析筛选,并筛选出合适的输入变量。其次,建立BP神经网络结构。利用BP、GA BP、PSO BP神经网络,以石家庄市2022年夏季污染数据为样本对VOCs质量浓度进行预测。结果显示,经相关性分析及逐步回归法筛选,将PM_(2.5)质量浓度、O_(3)质量浓度、NO_(2)质量浓度、温度、相对湿度作为输入变量。经预测结果对比,PSO BP神经网络模型的预测精度较高,烷烃、烯烃、芳香烃和含氧烃实测值与预测值之间的拟合程度(R^(2))分别为0.80、0.55、0.78、0.67。研究结果可为日后VOCs污染预报预警提供理论参考。

关键词： 信息通信   人工智能   大数据   《政府工作报告》   研发应用   社会治理现代化   稳定器   数字变革  

摘要： 近年来,我国数字经济蓬勃发展,规模从2014年的16.2万亿元,快速增长到2023年的约56.1万亿元,GDP占比也从25.1%升至44%左右,数字经济作为国民经济“稳定器”“加速器”的作用更加凸显。今年《政府工作报告》中提出,要以广泛深刻的数字变革,赋能经济发展、丰富人民生活、提升社会治理现代化水平。应如何深入推进数字经济创新发展,深化大数据、人工智能的研发应用?《经济》杂志记者就此采访了中国信息通信研究院云计算与大数据研究所所长何宝宏。