关键词： 高斯核函数   极限学习机   粒子群优化算法   遗传算法   均方根误差   相关系数  

摘要： 针对极限学习机(extreme learning machine,ELM)预测下肢关节力矩时,随机初始化输入权重和偏置影响模型准确度问题,提出一种基于核极限学习机(kernel based extreme learning machine,KELM)的下肢康复机器人关节力矩预测方法。该方法将高斯核函数与ELM相融合,并采用遗传算法(genetic algorithm,GA)与粒子群优化(particle swarm optimization,PSO)结合的基因粒子群GAPSO对KELM的参数进行优化。首先,采集1位在跑步机上以0.4、0.5、0.6、0.7和0.8 m/s等5个不同速度行走的右下肢偏瘫患者运动数据并对数据进行预处理;其次,通过GAPSO对KELM进行优化,获得最优正则化系数C和核函数宽度参数S,将输出关节力矩与反向生物力学分析计算的关节作比较;最后,利用均方根误差(root mean square error,RMSE)和相关系数P来评价算法优越性。实验结果表明,基于GAPSO优化后的KELM(GAPSO-KELM)算法相对于PSO-KELM算法、KELM算法和ELM算法的平均最大均方根误差分别降低14%、18%、28%,且P除了0.8 m/s右侧踝关节内外翻是0.79外,其余P最小是0.84,GAPSO-KELM算法进一步提高预测精度,使其为康复治疗提供更有效的算法支持。

关键词： 流线型量水槽   体型优化   数值模拟   神经网络   NSGA-Ⅱ遗传算法  

摘要： Myring流线型在水下航行器领域应用较为广泛,而量水槽在渠道中的受阻状态与潜水器潜行时受到的阻力情况具有一定的相似之处,因此本文借鉴潜水器的结构特点进行量水槽体型设计,探究量水槽受阻最小的较优线型。基于FLOW-3D软件,采用最优拉丁超立方设计方法,以流线型的收缩段长度和锐度因子、扩散段长度和离去角为变量设计了40组数值模拟方案,得到对应的水头损失百分比和上游佛汝德数。以数值模拟变量为输入、结果为输出,训练RBF神经网络,结合NSGA-Ⅱ遗传算法获得Patero前沿解,通过TOPSIS评价法筛选出最优解并得出其线形参数:优化模型收缩段长度为45.9 cm、收缩段锐度因子为0.74、扩散段长度为49.2 cm、扩散段离去角为14.63°,并通过等比例缩放得到6组收缩比,在9组流量下进行模型试验分析水力性能。结果表明,优化后线型过流较顺畅,水力性能较优,预测结果和模拟结果误差不超过5%;不同工况下上游佛汝德数均小于0.5,满足测流规范要求,收缩比为0.58~0.66时各项水力性能均较优;基于临界流测流和量纲分析原理得到的测流公式精度较高,平均相对误差为2.09%。本研究证明了将流线型运用于量水槽领域研究以及通过神经网络和遗传算法寻优的可行性,优化后Myring流线型量水槽具有良好的性能和测流精度,在灌区渠道中具有较好的运用前景。

关键词： 股权让与担保   商事外观主义   外观信赖利益   限缩适用  

摘要： 《民法典担保制度司法解释》第六十九条从实证法上确定了股权让与担保情况下的受让人虽登记为名义股东,但并不因权利外观因此承担股东的瑕疵出资股东责任。本条规定和商事外观主义存在解释论冲突,亟待对商事外观主义作限缩适用,并强调商事外观主义的适用范围转向传统交易领域。具体路径方面,非交易领域下对商事外观的信赖应当解释为非善意、非理性的,因此股权让与担保下公司的债权人对股权受让人股权登记的信赖无法获得商事外观主义的保护。同时,面对《公司法规定(三)》第二十六条无法适用此种限缩适用商事外观主义的漏洞,可通过文义解释和股权取得规则作为归因方式来弥补。

关键词： 物理信息神经网络   光波衍射   间断系数   光滑函数  

摘要： 用物理信息神经网络方法数值求解间断系数光波衍射问题.结果表明:用光滑函数近似间断系数可大幅度提高物理信息神经网络求解精度;用物理信息神经网络求解散射场比直接求解总场效果更好.最后通过数值实验验证理论结果的正确性.

关键词： 大数据分析即服务   近似查询   任务调度   遗传算法   强化学习  

摘要： 大数据分析即服务(big data analytics-as-a-service,BDAaaS)是基于云平台提供数据分析服务的新型业务模式,很多企业基于其业务特点愿意牺牲精确度换取更快且费用更低的查询结果。因此,BDAaaS可用数据分割等技术提供近似查询服务。用户对近似查询服务的响应速度要求高,导致服务水平协议(service level agreement,SLA)中对服务响应的约束也更严格,BDAaaS面临更大的违约赔付风险。首先,在服务响应速度要求高、计算资源有限、部分子任务具备顺序依赖关系的前提下,对于近似查询服务中的云任务调度问题,构建了面向收益优化的近似查询任务调度模型。其次,为解决模型中不同子任务的顺序依赖难题,提出了一种基于遗传算法与强化学习相融合的优化算法。该算法利用遗传算法求解带依赖关系的组合优化问题,强化学习在求解过程中动态调整遗传算法的关键参数,在SLA赔付风险下保证调度效率与质量。最后,以仿真实验模拟不同场景来验证所提算法的求解效果与性能。结果表明,该算法可在计算资源有限的条件下,获得SLA违约率更低且收益更高的任务调度方案,从而确保用户满意度和BDAaaS运营商的收益水平。

关键词： 无人机   小波阈值去噪   遗传算法   BP神经网络   故障检测  

摘要： 为提升无人机飞行稳定性与安全性,基于小波阈值去噪、遗传算法和BP神经网络构建两种故障检测方法,并将其应用于无人机飞行过程中的传感器监测数据的故障检测识别中。结果表明:融合遗传算法+BP神经网络检测方法的收敛速度显著快于融合小波阈值去噪+BP神经网络检测法,且前者融合算法的平均识别正确率也略高于后者;两种算法对于突变故障或者正常状态识别效果较好,但对于慢变故障的识别效果较差。由于融合遗传算法+BP神经网络检测方法具有更快的检测速度和检测精度,故优先推荐此方法应用到无人机飞行过程故障检测识别中。

关键词： 故障诊断   MATLAB   BP神经网络   遗传算法   网络优化  

摘要： 为了确保电机安全可靠地运行,研究了BP神经网络算法对异步电动机进行故障诊断。通过MATLAB平台,分别使用附加动量因子和自适应学习率两种梯度下降法进行网络训练,搭建故障诊断BP网络模型。以MSE值为指标优化最佳隐含层节点数、动量因子与学习率,并通过遗传算法来优化BP网络的初始权值,对故障测试样本进行仿真测试。结果表明,GA-BP网络模型比MF-BP和AG-BP的MSE值更低,仅为0.009163,优化后的诊断预测结果与目标值几乎没有差别。基于遗传算法改进的故障诊断系统模型能够满足异步电动机故障诊断的应用需求。

关键词： 船舶工程   起吊力   剪力   弯矩   遗传算法  

摘要： 沉船打捞工程中,按照工程经验布置的起吊力参数(位置和大小)容易使得破损沉船起吊时的内力(剪力和弯矩)较大,可能导致沉船起吊断裂,尤其当沉船存在破损时,起吊断裂的可能性大大增加。为此,从梁弯曲理论出发,针对沉船起吊时的受力特点建立了以起吊力参数为输入,以内力分布为输出的沉船内力数值计算模型;基于该计算模型,以起吊力参数为优化变量,以内力峰值为优化目标,建立了起吊力参数优化模型;采用改进的NSGA-Ⅱ算法进行优化计算。以某破损沉船为对象,通过MATLAB实现建模与优化计算,结果表明:优化后的剪力峰值下降约22.72%,弯矩峰值下降约16.13%。

关键词： 预测模型   备件   模糊网络   遗传算法  

摘要： 针对知识驱动型需求预测模型所需的专家知识稀缺、数据驱动型需求预测模型可解释性不足的问题,提出了数据与知识双驱动的备件需求模糊预测模型。该模型基于模糊聚类算法将数值型数据聚类为结构简单、可解释性强的规则库,运用模糊逻辑将领域专家知识表示为Mamdani型规则库。在此基础上,引入了一种新型智能计算理论——模糊网络理论对两类规则库进行合并运算,形成初始预测模型。采用遗传算法优化模型规则库的模糊集参数来提高模型预测准确性。通过与模糊聚类算法进行对比,提出的模型在可解释性以及准确性指标上均具有优势。

关键词： 大数据时代   人工智能   计算机网络技术  

摘要： 基于大数据时代背景,计算机网络技术开始在各行业中占据重要地位。为提高计算机网络技术的应用水平,强化计算机网络运算及信息传递效率,需要在计算机网络技术中引入人工智能技术,利用人工智能的类人脑思维促进计算机网络的智能化发展。本文简要阐述人工智能技术在大数据时代背景下应用于计算机网络技术的必要性,针对人工智能中的神经网络、人工免疫、数据挖掘、智能问题求解技术在计算机网络中的具体应用进行探讨,并提出相应的优化策略。