关键词： 烟草收获   机械故障   遗传算法   BP神经网络   优化模型  

摘要： 烟草收获机械是烟草生产中的重要技术支撑,是提高收获效率的重要保证,但由于烟草收获机械内部结构较为复杂,在使用过程中极易造成机械运行故障。随着大数据及传感器技术的快速发展,基于人工神经网络模型实现机械故障的预测与诊断成为提高烟草收获机械工作效率的重要技术。目前,主要以BP神经网络模型应用较为广泛,但在模型构建中预测效率低、鲁棒性强。针对以上问题,提出一种改进BP神经网络模型,以烟草收获机械中的齿轮故障诊断为研究对象,构建基于GA-BP神经网络模型的烟草收获机械齿轮故障诊断模型,并通过选取齿轮磨损、胶合、裂纹、断齿和正常齿轮的信号进行试验验证。结果表明:改进后的BP神经网络模型MAPE仅为0.87%,RMSE为1.12,MAE为0.92,MSE为1.19,满足烟草收获生产的实际需要,在模型算法与计算速度方面都得到了很大的提高。

关键词： 声学超材料   声吸收体   人工神经网络   逆向设计  

摘要： 超材料声吸收体由于深度亚波长特性广受关注,但目前其设计及性能优化主要基于参数化扫描方法,该方法依赖人工物理直觉及设计因子,在多参数优化过程中存在计算资源占用量大、优化耗时且无法保证得到全局最优解等问题。为此,基于人工神经网络算法,提出了一种便捷高效的超材料声吸收体设计和优化方案,包括根据基元几何参量正向预测声吸收体的整体声学特性,以及根据目标声学频谱逆向设计所需的基元几何结构。同时,通过耦合由该神经网络优化得到的吸收元胞,设计了一种深度亚波长的宽带声吸收体,可在300~400 Hz范围内实现92.6%的平均声吸收,其结构总厚度仅为36.2 mm。所提优化方案可多参量同步优化,计算速度快,适用度广。

关键词： 遗传算法   库存采购   优化方法   库存   后勤物资   电网  

摘要： 为确保电网调度资源与需求资源的高度适配性,基于遗传算法的应用,对电网后勤物资库存优化方法展开设计研究。确保多个零销商与后勤仓库之间的联通关系,建立物资多级库存模型;采用浮点数编码方式,将每个可能的采购方案表示为一个染色体个体,进行基于遗传算法的库存采购设计;收集历史销售数据等信息,计算电网后勤物资库存的需求量,识别库存过剩或短缺的风险区域,进行物资库存的调度优化。对比实验结果表明,应用设计的方法,可以满足优化后的物资库存>物资需求量,保证物资的有效周转。

关键词： 激光诱导击穿光谱   主导因素   人工神经网络   煤炭   定量分析  

摘要： 激光诱导击穿光谱(LIBS)是一种快速崛起的原子光谱分析技术,在煤质分析等领域有广阔的应用前景。近年来,各种机器学习方法已经被用于提高LIBS煤质分析的定量分析能力,并取得了不错的效果。然而这些方法忽视了LIBS的物理机制,因而模型的鲁棒性、适用范围和可解释性受限。为了提高LIBS定量的准确度和可靠性,提出了一种基于主导因素方法(DF)结合多层感知机(MLP)人工神经网络的回归方法,称为DF-MLP。其中,主导因素模型是利用光谱领域知识提取特征变量、并基于物理规律建立的线性回归模型;MLP则是在此基础上,用机器学习方法修正主导因素模型的残差。DF-MLP首次将主导因素方法与多层感知机神经网络结合起来,可以在不降低模型复杂度的前提下充分利用光谱领域知识,提高模型的可解释性,从而改善鲁棒性和适用范围。实验中将DF-MLP与常规MLP、主导因素偏最小二乘(DF-PLSR)、主导因素支持向量机(DF-SVR)对比,在煤质分析的固定碳含量、灰分、挥发分三个任务上均取得了最优结果。均方根误差(RMSEP)相比于常规MLP分别降低了13.21%、14.54%和21.77%,比DF-SVR分别降低了14.75%,23.13%和5.99%。实验结果表明,将领域知识与神经网络方法结合是提高LIBS定量化性能的可行方式。

关键词： 参数化   道路选线   Rhino+Grasshopper   层次分析法  

摘要： 在公园设计中,道路选线设计结合使用者的偏好较为困难,了解使用者的偏好,并与参数化道路选线结合,可以得到更符合使用者出行习惯的道路选线结果。实验目标区域选择湖南省长沙市南郊公园,利用层次分析法对该公园的使用者偏好进行权重分析,作为道路选线影响因素,以Rhino+Grasshopper平台为依托,利用Galapagos组件构建可视化遗传算法优化模型对道路选线进行运算,最终实现道路选线的优化方案,为山地公园道路选线设计提供参考。

关键词： 搅拌釜   计算流体力学   人工神经网络   第二代非支配排序遗传算法   优劣解距离法  

摘要： 【目的】基于已开发的计算流体力学(computational fluid dynamics,CFD)-人工神经网络(artificial neural network,ANN)数据预测模型,利用反映不同决策者偏好的多准则决策方法,针对性地解决搅拌釜在不同工业应用中能耗和搅拌效率的均衡需求和特定偏好需求问题。【方法】利用第二代非支配排序遗传算法(non-dominated sorting genetic algorithmⅡ,NSGAⅡ)对CFD-ANN数据预测模型的预测结果进行优化,得到Pareto解集;分别通过熵权法和主观权重对各变量的影响分析确定目标权重占比,并针对不同工业应用场景,利用多准则决策从Pareto解集中选择相应的最优解。【结果】通过优化均衡最优解Opt1,与基础案例Base case相比,能耗降低52.49%,流体混合程度提升1.35%,悬浮均匀性提高72.31%;偏好功率准数Np的最优解降低功耗86.5%,偏好流量准数Nq的最优解达到Pareto解集中的理想状态,偏好σ的最优解将固体浓度标准差降低至Base case的9.93%的同时,也能优化能耗。【结论】基于决策者偏好的多准则决策方法在平衡多个相互冲突的目标方面是有效的。

关键词： MATLAB   遗传算法   正铲液压挖掘机   运动控制   D-H坐标  

摘要： 随着正铲液压挖掘机的应用领域不断扩展,如何提高在作业过程中的控制效果成为当前亟待解决的问题。为此,依托MATLAB平台进行正铲液压挖掘机运动学建模与探究。利用德纳维特-哈滕贝格坐标系进行挖掘机运动学模型建立,引入萤火虫算法改进的遗传算法进行挖掘机运动控制器的参数整定。仿真结果表明,提出的算法比未改进的遗传算法与模糊控制的单位阶跃响应速度和正弦响应速度更快,比两种算法平均提升21.26%。在参数寻优方面,收敛速度平均增加62.18%。提出的改进遗传算法在控制器参数整定中具有可行性和优越性,且能够提升正铲液压挖掘机作业装置的运动控制性能,在挖掘机作业控制中具有应用价值。

关键词： 煤矿地质灾害   知识图谱   语义网络   煤矿安全  

摘要： 传统的煤矿地质灾害的预防及抢险救援决策主要依赖于人工经验,智能化水平相对较低。以煤矿地质灾害为研究对象,针对常见的顶板事故、瓦斯爆炸、煤尘爆炸、水害、火灾等煤矿地质灾害数据,利用自然语言处理工具LTP,对数据进行预处理和知识抽取,通过知识图谱技术,将煤矿地质灾害核心概念数据进行有效整合和可视化,将错综复杂的煤矿地质灾害知识构建成语义网络,使用开源图数据库系统Neo4j存储知识图谱数据,实现煤矿地质灾害数据的可视化管理和知识查询。研究成果可为煤矿抢险救援提供辅助决策服务,对煤矿地质灾害的安全教育与预防具有重要意义。

关键词： 露天矿边坡   变形预测   BP神经网络   遗传算法   时间序列  

摘要： 露天矿山高边坡的变形预测是保障矿山安全生产的重要手段.本文以西藏某矿山边坡为对象,采用高精度合成孔径干涉雷达对矿区南帮边坡进行了全天候位移监测,分析了边坡变形的基本规律;采用小波降噪理论对采集的时序位移监测数据进行了降噪处理,并且为了避免预测模型陷入局部极小值,引入遗传算法(即GA算法)整合进BP神经网络的训练步骤中,用于优化BP神经网络的初始权值和阈值设置,建立了GA-BP神经网络边坡变形时序预测模型,并与BP神经网络边坡变形时序预测模型进行对比分析.研究结果表明:GA-BP模型较BP模型的预测精度提高了10%以上,预测的平均误差减少了50%以上,而且预测的边坡变形趋势与监测值吻合程度更高;GA-BP模型较BP模型收敛速度加快10倍以上,GA-BP模型的回归系数、模型适应度优于BP模型.因此,采用GA-BP模型可使边坡变形预测的精度、收敛速度、泛化能力均得到提高,预测结果更为可靠,可为矿山边坡安全生产提供保障.

关键词： 卷曲空间腔体   吸声超材料   宽带吸声   遗传算法  

摘要： 在宽频吸声超材料设计中,为了减少结构单元的数量,提出了一种结合多孔材料、空腔和卷曲空间结构的部分卷曲空间腔体单元。该单元具有更宽的绝对带宽和相对带宽,从而使用更少的单元即可实现低频宽带的良好吸声性能。通过对吸声单元的理论分析和仿真分析,再结合遗传算法优化设计,利用4个单元设计了一种基于部分卷曲空间腔体单元的宽频吸声超材料,其厚度仅为1/8共振波长,并在350~1600 Hz范围内平均吸声系数高于0.95。宽频吸声超材料的实验结果和仿真计算结果吻合良好。