关键词： 封闭式厨房   污染物浓度   BP神经网络   遗传算法   空间优化  

摘要： 中式烹饪产生的油烟污染物会对人体健康产生危害。现有的厨房污染物研究主要使用数值模拟和实测2种方法,这2种方法计算量大,研究时间长,因此本文使用代理模型,代替数值模拟软件进行厨房污染物研究与评估,然后通过遗传算法寻求最优参数组合。首先根据门窗灶位置关系,对566个单排型厨房实际案例进行了归类,建立了最具有代表性的单排型厨房原型模型。然后提出了通过厨房开间、进深、窗与灶具对侧墙之间距离、灶具与窗对侧墙之间距离4个参数来建立任一厨房实验模型的方法,搜集了130个实际工程案例参数后,使用BP神经网络和Fluent建立了厨房尺寸参数和污染物浓度之间的厨房污染物浓度预测模型。最后使用遗传算法,寻求该模型的最小值,此时的自变量取值即为控制变量的最优参数组合,并验证了最优参数组合的准确性。结合建筑模数协调标准,给定最优参数组合的取值范围:厨房开间[1.7 m,1.8 m],厨房进深[3.9 m,4.0 m],窗洞口到墙面距离[0.17 m,0.18 m],灶具中心到墙面距离[0.34 m,0.35 m]。在4个控制变量中,灶具中心到墙面距离对降低污染物浓度起到了更重要的作用。未来的厨房平面设计中,要考虑建筑模数协调与烹饪操作的空间需求,同时可结合本文研究结果,从而选择适宜的布局方案。

关键词： 事件共指消解   自然语言处理   预训练语言模型  

摘要： 事件共指消解任务主要是判断不同事件提及是否指向同一件事件。事件共指消解不仅能有效缓解事件抽取任务中存在的信息冗余问题,而且为事件内容补全提供了有效途径。尽管许多学者利用深度学习方法对事件共指消解进行了大量研究。但是大部分事件共指消解模型中仍然存在显式信息表示不足、论元噪声引入以及共指事件分布稀疏等问题。针对上述问题,提出了一种利用显式论元信息和重构事件链的端到端事件共指消解方法。首先,使用名为OneIE事件抽取模型提取事件的触发词和论元以获取事件的结构化信息;随后,使用Transformer编码器对事件提及上下文进行表示,并将置信分数引入论元信息编码以缓解其可能带来的误差传递;同时,采用门控机制对论元在触发词的水平和垂直方向上的信息进行分解,并根据论元和触发词的相关系数融合两个方向的信息,过滤论元中的噪声;然后,使用前馈网络计算事件提及对共指得分;最后,通过重构事件链验证事件提及的合法性以纠正由共指事件稀疏性带来的模型训练结果偏差。为了验证方法的有效性,本文基于数据集ACE2005进行实验。结果表明,本文模型在端到端事件共指消解任务上具有一定的先进性,其中CoNLL和AVG指标平均高出基线模型5.67%和6.24%。

关键词： 磁梯度测量   磁干扰校准   遗传算法   三轴磁强计   椭球拟合   航向测量   飞行器  

摘要： 利用三轴磁传感器进行飞行器航向测量或者磁异常探测之前,需要对磁传感器进行磁干扰校准。为了避免由于地磁场短时波动造成校准精度下降,本文基于近地空间地磁场梯度分布特性,提出一种利用磁梯度测量的磁传感器干扰校准方法,建立了磁梯度测量系统磁干扰的24参数干扰模型,基于单传感器的椭球拟合法多组任意旋转构建多元非线性方程组,随后利用具有较高区域搜索效率的遗传算法进行非线性方程组的求解。仿真结果表明,和传统的椭球拟合校准方法相比,该方法克服了地磁场短时波动的影响,提升了磁梯度测量系统的校准精度,其磁梯度差分测量误差可校准至[1.8482 1.8453 1.9150]^(T)nT。该研究为航磁系统的载体干扰补偿和高精度测量提供了可靠保障。

关键词： 城市轨道交通   高峰客流   协同限流   遗传算法   运输能力  

摘要： 车站限流是缓解城市轨道交通高峰客流拥挤的有效应对措施。然而,目前实际应用的限流措施缺乏对同线路相邻车站的协同配合的考虑,限流效果有待进一步提升。综合考虑乘客、列车、车站三者的交互关系,依据列车在车站的发车时间间隔,对高峰时段的列车时刻表进行时间离散化,将离散化的时段作为基本研究时段,提取对应的车站乘客到达量。从供需双方的角度出发,以乘客总延误时间最小化和旅客周转量最大化为优化目标,在考虑列车运输能力、客流控制强度、车站服务水平的同时,引入列车剩余运输能力作为约束条件,平衡不同车站的客流需求,构建车站协同限流优化模型。针对多目标函数求解的复杂性,设计1种嵌入式遗传算法对模型进行求解,平衡多目标函数之间最优解的冲突。以南京地铁三号线高峰时段为例,与不采取协同限流的情景(先到先服务)进行对比分析。结果表明:在乘客总周转量提升1%的情况下,乘客延误人数下降了2.3%,乘客总延误时间降低了4.3%,拥挤车站的延误人数显著降低,延误人数的时空分布更加平衡。为了验证算法的有效性和模型的稳定性,将遗传算法与Gurobi求解器进行算法对比,并对关键参数列车满载率进行灵敏度分析,提出的遗传算法更能兼顾双优化目标,有利于缓解高峰时段大客流延误。

关键词： 空中交通管理   机场管制   航班时刻优化   改进遗传算法   自适应交叉概率  

摘要： 为提高机场航班放行正常率,对离场航班时刻进行了智能优化方法研究。考虑进场航班时刻不变、离场容量和航班时刻调整范围受限等约束,构建了以全局时间调整偏差总量最小为目标的离场航班时刻优化模型;为提高优化效率,将遗传算法的交叉概率改进为自适应交叉概率;设计了一种基于改进遗传算法的离场航班时刻优化方法。以兰州中川国际机场全天运行455起降架次为例,对航班时刻进行优化和仿真验证。结果表明,优化的航班时刻相较于原航班时刻,航班平均延误时间降低12.8%;离场航班平均延误时间降低22.3%;离场航班延误架次减少了42.8%;航班放行正常率提高了12%。采用基于自适应交叉概率的遗传算法可有效降低了航班延误和提高航班放行正常率。

关键词： 城市交通   充电调度   遗传算法   电动汽车   出行特征  

摘要： 针对大规模电动汽车无序充电导致的充电供需不平衡和资源利用率低等问题,在分析用户出行特征的基础上,提出电动汽车协同充电的调度优化策略。通过经济激励改变电动汽车用户的充电选择,并结合电网的分时电价策略协调充电站内各时段输出功率,以充电站收益最大化为目标建立电动汽车协同充电调度优化模型。为降低解空间的维度,加快求解速度,将模型分解为充电调度主问题和站点功率协调分配子问题,利用改进遗传算法编码求解模型主问题,并通过调用Gurobi求解器求解子问题。最后,分别在经典路网和现实路网中进行仿真实验。结果表明:电动汽车协同充电调度能够提高充电资源利用率和站点收益;随着调度补偿力度增大,站点收益提升效果逐渐减弱;较高的电力峰谷价差可以激励充电站主动实施充电调度和时段充电功率的协调分配,提高站点服务率并缓解电网负载波动。

关键词： 高模量沥青混合料   空隙率   关键筛孔   人工神经网络  

摘要： 空隙率是高模量混合料HMM-13配合比设计中重要指标。通过成型不同配合比条件下的高模量混合料旋转压实试件,测试高模量混合料的空隙率,以关键筛孔尺寸为13.2 mm(K_(1))、4.75 mm(K_(2))、2.36 mm(K_(3))、0.075 mm(K_(4))的通过率及综合油石比(O/S)作为输入参数,空隙率(V)作为输出参数,采用双隐含层BP神经网络算法,建立了高模量混合料HMM-13体积指标预测模型,进行了关键筛孔通过率对旋转压实试件空隙率的敏感性研究。研究结果表明,建立的模型误差小于1%,泛化能力强,可用于高模量混合料体积指标的预测;当90%

关键词： 异种金属焊接接头   热力耦合   二次回归正交试验   遗传算法   焊接参数优化  

摘要： 目的针对反应堆压力容器接管安全端焊接残余应力较大易导致应力腐蚀开裂的问题,探究焊接工艺参数对焊接残余应力的影响,并寻找最佳工艺参数。方法利用有限元参数化建模方法建立反应堆压力容器接管安全端的三维热-力耦合模型,模拟其焊接过程,研究焊接残余应力的变化情况。采用正交试验设计法分析了焊接电流、焊接速度及层间冷却时间对焊后最大等效应力的影响,建立了焊后最大等效应力与焊接电流、焊接速度及层间冷却时间的二次回归模型,基于该模型利用遗传算法寻优焊接参数。结果焊接残余应力峰值靠近熔合区位置,残余应力较高,超过了材料的屈服应力;各参数按对焊后等效残余应力峰值的影响由大到小的顺序依次为焊接速度、焊接电流、层间冷却时间。正交试验所得最佳工艺参数如下:焊接电流为610 A,焊接速度为20 mm/s,层间冷却时间为400 s,经遗传算法进一步优化后所得的最佳参数如下:焊接电流为610 A,焊接速度为23 mm/s,层间冷却时间为427 s。通过仿真验证遗传算法优化结果,得到焊接残余应力的峰值为373 MPa,比未优化前减小了44 MPa。结论优化后的工艺参数有效降低了焊接残余应力,提高了反应堆压力容器接管安全端服役过程中的安全性,该研究方法可为实际焊接生产提供一定的参考。

关键词： 数字水印   语义信息   自编码器   遗传算法   DCT-DWT-SVD   802.11a协议   通信安全  

摘要： 随着近年来计算机网络技术、通信技术以及数字处理技术的飞速发展,互联网与人们的生活紧密相联。在带来极大便利的同时,也存在着各类信息窃取与版权盗用事件,数字水印技术应运而生。为达到鲁棒性与透明性的最优平衡,提出了一种基于语义的无线水印安全通信技术。首先通过融合语义内容信息,达到提升数字水印通信的安全性的目的。其次分析了DWT、DCT、DFT等传统水印的不足,并采用遗传算法优化的方式来完善数字水印技术。这一过程中,还涵盖了使用基础和多层自编码器生成数字水印的方法,实现了基于DCT-DWT-SVD的数字水印算法以及相应遗传算法优化,以达到鲁棒性和透明性之间的最佳平衡。最后,论文还根据802.11a协议,为SDR平台设计了相应的发射机和接收机,全面展示了整个通信过程。

关键词： 冰阻力   机器学习   径向基函数神经网络   遗传算法   船舶试验  

摘要： 极地船舶冰区航行时,冰阻力的准确预报在保障船舶航行安全方面起着重要作用.近年来,机器学习在船舶方面的应用越来越广泛,其中,人工神经网络(ANN)是机器学习领域中一种常用的方法.本文的重点是设计一个用于预报极地船舶冰阻力的ANN模型.参考传统的经验和半经验公式,选择合适的输入特征参数,通过大量的船舶模型试验数据来训练神经网络,搭建径向基(RBF)神经网络模型,并选用遗传算法(GA)进行模型优化.研究表明,基于7个特征参数输入的遗传算法优化径向基(RBF-GA)神经网络模型具有良好的泛化效果,与模型试验和实船试验数据对比,平均误差在8%左右,具有较高的精度,可作为冰阻力预报工具.