关键词： 潮流计算   BPNN   配电网   遗传算法  

摘要： 潮流计算是电力系统运行与控制的基础。为了解决配电网可再生能源渗透率不断增加带来的负荷点电压波动变大的不确定性问题，本文提出了一种基于数据驱动的潮流分析模型，构建了一种基于BPNN结合GA和Adam优化算法（GA-BPNN）模型来分析随机性下配电网的潮流计算方法，整个过程分为训练和计算两个阶段；引入潮流初值信息、拓扑结构特征以及功率因数指标等进行模型训练；使用GA-Adam算法优化模型初值和权重参数，使得模型更加稳定、潮流计算结果更加精确。最后，基于IEEE-33节点配电模型进行验证，并将本文模型进行潮流计算，通过最大误差、平均绝对误差和均方根误差评估指标与其他方法进行对比分析。

关键词： 计算机安全监控   智能化   网络技术   信息安全   人工智能  

摘要： 计算机安全监控是当前信息社会中重要的领域之一,而智能化网络技术在计算机安全监控中的应用正日益受到关注.本文通过综合分析智能化网络技术在计算机安全监控中的应用价值,旨在揭示其在提高安全性、减少风险、增加效率等方面的潜力和优势.

关键词： 空间碎片   任务规划   遗传算法   聚类分析   多目标优化  

摘要： 在解决多碎片主动清理问题时，现有基于时间依赖型旅行商问题的决策框架仅对空间碎片清理序列和转移时间进行优化，优化效果有限。本文依据多碎片主动清理任务特点，将空间碎片质量加入决策需考虑的因素，并将空间碎片释放时机引入决策框架，从而实现转移次数和平台负载的平衡，以此实现更深层次的优化。设计了适用于漂移轨道转移方法的聚类算法，用以从大规模碎片池中选出适宜作为任务目标的空间碎片，实现了挑选碎片和任务方案优化的解耦，降低了计算量。参考铱星-33碎片云的轨道信息，设置了固定碎片质量的仿真试验以及模拟现实中空间碎片质量不定的仿真试验。结果表明聚类算法可以选出轨道相近、利于转移的目标。本文提出的决策框架得到的解相较于传统决策框架得到的解获得了更优的指标，通过分批捕获空间碎片可以进一步降低任务成本。

关键词： 水温预测   相关性分析   机器学习   遗传算法   残差分析  

摘要： 水库下泄低温水会对下游鱼类产卵和灌区农作物生长带来不利影响，准确快速预测水库下泄水温可对水库管理提供可靠的决策支持。本文以长江上游大渡河重大水电工程瀑布沟水电站为研究对象，利用Spearman相关系数分析了影响水库下泄水温的气象因子和水库运行参数，采用遗传算法优化随机森林、支持向量回归、轻量级梯度提升机、卷积神经网络以及长短时记忆网络五种模型参数并利用5种模型预测瀑布沟水库下泄水温。研究结果表明：（1）露点温度与下泄水温相关性最高，相关系数为0.89，风速、云量、太阳辐射与坝前水位和下泄水温相关系数未能达到0.4；（2）经过遗传算法优化后的模型在训练集上都有着较好的表现，其中随机森林模型有着最好的表现，决定系数均达到0.997，表现最差的为长短时记忆网络模型，其决定系数仅为0.985；（3）在下泄水温预测中，各个模型均有较好的拟合效果，其决定系数均大于0.931，平均绝对误差均不大于0.662 ℃，均方误差均不大于0.852 ℃。随机森林模型、轻量级梯度提升机模型在绝大部分的样本数据上都有着较好的表现，残差范围较小，而支持向量回归模型和卷积神经网络模型的最大残差更小。研究显示，机器学习方法可以有效地用于水库下泄水温预测，为缓解水库下泄水温影响的相关措施制定提供更可靠的决策支持。

关键词： 混合流水车间   紧时性约束   高能耗   粒子群算法   多目标优化  

摘要： 针对具有紧时高能耗工序特征的混合流水车间调度问题，在考虑紧时性、高能消耗、生产阻塞等约束条件的情况下，以优化产品暴露时间、最大完工时间和能源消耗为目标，建立多目标及约束条件的混合流水车间调度模型，并提出一种改进的多目标粒子群算法进行有效求解。通过基于ISDE指标的档案维护策略，避免传统多目标粒子群算法易过早收敛和易陷入局部最优的问题。结合局部邻域搜索策略，减少生产过程中阻塞情况的发生，进一步优化生产调度方案的性能。此外，采用基于模糊理论的决策分析方法选取最优调度方案，减少人为主观因素的干扰，确保选择的合理性以及客观性。最后，通过仿真实验以及某火腿肠生产车间的案例，验证了提出的多目标调度模型和算法用于解决高温肉制品车间调度问题的可行性和优越性。

关键词： 安装角估计   非完整性约束   智能手机   GNSS/MEMS IMU组合导航   车载导航  

摘要： 针对智能手机车载导航时因安装角未知而降低全球卫星导航系统(global navigation satellite system， GNSS)/惯性导航系统(inertial navigation system， INS)组合导航精度与性能的问题，在智能手机GNSS/微机械惯性测量单元(micro-electro-mechanical system inertial measurement unit，MEMS IMU）紧组合导航算法的基础上，提出以载波相位时间差分(time- differenced carrier phase，TDCP)计算得出的历元间位置变化量来构建安装角估计的观测方程，并在线估计智能手机车载导航安装角的卡尔曼滤波算法。在典型城市环境的两组车载试验结果表明：本算法在较为严重的遮挡环境下可在80 s内实现大安装角初始化，安装角滤波器收敛后安装角波动在2°以内。安装角估计成功后，使用非完整性约束（non-holonomic constraint，NHC）算法，严重遮挡条件下车载组合导航的精度与性能得到明显提升，平面位置与高程的精度统计均能维持在5 m左右。本算法不需要增加里程计等辅助设备，能够较快实现智能手机大安装角的精确估计。

关键词： 3D打印混凝土   哈密顿回路   遗传算法   路径优化  

摘要： 本文针对3D打印混凝土构件成型质量差和打印时间长的问题，提出了一种基于连续顶点分区的路径规划算法。该算法通过将顶点划分为多个连续的区域，并使用遗传算法找到最短路径，以减少喷头多次经过同一顶点、减少空行程和抬头次数等问题。传统的3D打印混凝土过程中，由于打印路径无序，喷头会多次经过同一顶点，导致成型质量下降。此外，空行程和抬头次数过多也会增加打印时间。为了解决这些问题，本文的算法采用连续顶点分区的思想。通过使用哈密顿回路方法将顶点划分为连续的区域，可以避免喷头对同一顶点多次经过，提高打印质量。为了找到最短路径，本文采用了遗传算法。遗传算法是一种优化算法，模拟生物遗传与进化的过程，通过不断迭代和优化产生较优解。在本文的算法中，遗传算法被应用于寻找整体最短路径，减少空行程和抬头次数，进一步缩短打印时间。实验结果显示，相比其他算法，本文提出的连续顶点分区的路径规划算法能够将空行程和抬头次数减少至少20%，打印时间缩短10%以上。这意味着该算法不仅具有更高的效率，而且提升了打印质量。综上所述，本文提出的基于连续顶点分区的3D打印混凝土路径规划算法通过划分连续区域和应用遗传算法，解决了3D打印混凝土构件成型质量差和打印时间长的问题。