关键词： 流动注射分析法   总磷   进水   出水  

摘要： 以过硫酸钾通过紫外消解法将总磷均氧化成磷酸盐，然后在酒石酸锑钾催化作用下，与钼酸铵、抗坏血酸反应生成磷钼蓝，并在880 nm处进行比色测定，根据体系峰面积与总磷含量的线性关系计算总磷含量，基于上述原理进行了题示研究。采集污水处理站进、出水水样，5 d内在含硫酸钾25 g·L-1的消解液、消解温度120 ℃、显色温度35℃条件下采用流动注射分析法测定总磷的含量。结果显示：总磷的质量浓度在10.0 mg·L-1以内与峰面积呈线性相关，相关系数为0.999 4，检出限为0.000 4 mg·L-1；对样品和标准物质进行精密度和准确度试验，总磷测定值的相对标准偏差（n=6）为0.89%～2.0%，加标回收率为96.0%～105%，测定值的相对误差为-1.2%～0.65%，且测定值与GB 11893—89中钼酸铵分光光度法的基本一致。

关键词： 动力电池   健康状态   小波包分解   遗传算法   BP神经网络  

摘要： 动力电池健康状态的精准预测对于延长新能源汽车使用寿命和确保行车安全至关重要。针对BP神经网络存在特征提取能力有限、依赖初始参数敏感以及易陷入局部最优等问题，依托某车企监控平台数据，提出了一种基于WPD-GA-BP的电动汽车动力电池健康状态预测方法。首先，基于容量增量分析法提取特征参数，通过皮尔逊相关系数筛选与健康状态显著相关的特征作为模型输入；其次，为丰富特征参数，采用小波包分解对标签值进行多尺度重构；最后，采用遗传算法优化BP神经网络的初始权重和阈值，利用更广泛的搜索空间进行全局优化，有效避免局部最优，从而实现对动力电池健康状态的精准预测。结果表明：WPD-GA-BP模型与改进前的WPD-BP和BP模型相比，最大估计误差小于1.5%，预测性能显著提升。相较于SVR和LSTM模型，WPD-GA-BP模型拟合优度（R2）最高，且MAE和RMSE均为最小，展现出更强的预测精度与稳定性，进一步验证了其在动力电池健康状态预测任务中的有效性。

关键词： 路径规划   遗传算法   种群初始化   模拟退火算法   Q-learning算法   适应度函数   选择性交叉变异   精英保留  

摘要： 针对传统遗传算法在路径规划中存在转向角度过大、转向次数过多、易陷入局部最优等问题，提出一种改进遗传算法。首先，提出一种改进种群初始化策略，即先确定一个过渡点，生成一条从起点到过渡点的路径和一条从过渡点到终点的路径，再将两条路径首尾相连成一条从起点到终点的路径，以生成优秀初始种群，提高前期搜索效率；其次，采用模拟退火算法与区域划分种群相结合的改进锦标赛选择策略，增加种群多样性，防止陷入局部最优；最后，设计一种Q-learning算法与交叉和变异相结合的策略，通过与环境交互，不断学习并优化动作选择策略以此提高算法的全局搜索能力，得到更优种群。路径规划仿真结果表明：相比传统遗传算法、改进自适应遗传算法和改进灾变遗传算法，本文所提改进遗传算法能减少路径长度和转向角度，降低转向次数，从而搜索到更优的路径。

关键词： 粗差识别   模糊聚类   遗传算法   孤立森林算法  

摘要： 为消除监测数据的异常对大坝结构安全评估的影响，提出了一种基于模糊C均值聚类算法(FCM)与孤立森林(Isolation Forest)算法的大坝监测数据粗差识别方法。通过引入遗传算法(GA)对传统FCM进行改进，利用GA的全局搜索能力对聚类中心和隶属度矩阵进行迭代优化，有效克服传统FCM在聚类分区时易陷入局部最优的缺陷；利用孤立森林算法对聚类后各监测数据中的隶属度计算异常分数从而进行粗差识别，充分发挥孤立森林在处理高维、非线性数据方面的优势。通过算例分析，并与基于密度的聚类算法(DBSCAN)和局部异常因子(LOF)等方法进行对比，结果表明，该方法粗差识别的准确率最高，粗差误判率最低，在大坝监测数据的粗差识别中有一定的价值。

关键词： 四边形开孔板   自由振动   辛叠加方法   迁移学习  

摘要： 功能梯度开孔板是工程中常见的承力结构，研究其动力行为具有重要意义。针对规则形状开孔板，通过辛叠加方法结合子域分解技术已能系统解析求解，但是当研究对象扩展至应用更加广泛的任意四边形开孔板时，解析求解因边界更加复杂而面临巨大挑战。尽管存在近似/数值方法进行求解，但可能存在计算耗时长、网格依赖性强等问题，常导致结果精度不足。如能利用已有解析解推知任意四边形开孔板振动问题的高效高精度解，则可为类似复杂问题的求解提供一种新思路。本文建立了结合辛叠加方法与迁移学习技术的求解框架，利用可解析求解的功能梯度矩形开孔板自振频率进行知识迁移，从而高效高精度求解功能梯度任意四边形开孔板自由振动问题。首先，基于多层感知机神经网络对大样本解析解数据集进行预训练，提取不同几何形状间几何参数的复杂映射关系；其次，基于小样本有限元仿真数据对预训练模型进行迁移，将矩形开孔板自振频率数据集中的知识有效迁移至任意四边形开孔板自由振动问题；最后，利用均方误差和决定系数等指标，验证了所提方法用于功能梯度任意四边形开孔板自振频率预测的准确性及适用性。

关键词： 城市轨道交通   节能运行图   运行图要素调整   再生制动能量利用   遗传算法  

摘要： 在城市轨道交通系统中，通过多列车时空关系进行再生制动能利用，是当前实现列车运行图节能的有效途径。但列车运行图编制将客流服务和运输组织等方面的目标和要求放在突出位置，节能目标应服从服务于这些因素的需要。充分考虑节能因素在运输组织中的地位，对已按照运营要求编制的列车运行图，严格限定调整幅度范围，在保证运行图结构框架的稳定性的前提下进行运行图节能调整优化。在该问题中，基于城轨列车再生制动能即时利用条件和列车运行曲线能耗状况，设计了多区间列车运行曲线组合优化和列车运行线平移相结合的运行图节能优化策略。从列车运行曲线备选集中选择兼顾牵引能耗降低和利于再生制动能利用提升的曲线，微调列车始发时刻改变多列车运行工况层面的相对时间位置，实现运行图总净能耗的降低。构建最小化城轨列车运行图总净能耗的0-1非线性混合整数规划模型，严格限定发车间隔、始发时刻调整范围、交路接续关系和接续时间等城轨列车运行图时间要素变化范围条件以保持运行图框架稳定性。通过约束条件确定各列车运行线可调整范围，针对列车运行曲线选择和始发时刻平移设计单亲单子、双亲双子两种遗传算子，采用遗传算法进行求解。采用广州地铁八号线实际运行图数据验证优化方法，结果表明算法在处理大规模案例时能在有效的时间内取得良好的节能效果，运行图再生制动能利用量从3519 kW·h提高到8667 kW·h，运行图总净能耗降低了6031 kW·h，降幅达6.78%，节能效果较为显著。优化方法可为城轨运营企业运输组织节能提供决策支持，具备一定的实际意义。

关键词： 碳酸盐岩   碘   氟化氢铵   电感耦合等离子体扇形磁场质谱法   基体效应  

摘要： 碳酸盐岩中碘元素对反演古海洋环境的氧化还原条件、示踪成矿流体物质来源至关重要。然而，准确测定碳酸盐岩中碘含量是较为困难的，主要原因一是碳酸盐岩中碘含量极低(<1μg/g)；二是在酸性消解方法中，样品中碘容易转变为挥发形式碘，容易造成分析物的丢失。为了克服了消解过程中碘的挥发性损失，本研究采用氟化氢铵为消解试剂，重新优化了氟化氢铵消解条件，利用氟化氢铵释放的氨气能够与碘形成碘化铵的特性，防止了碘的丢失。为了测定碳酸盐岩低含量碘(0.1～1μg/g)，采用具有高分析灵敏度的电感耦合等离子体扇形磁场质谱作为碘的检测手段。结果表明：在消解温度220℃条件下，仅需1～6h就可以实现标准物质GBW07114中碘的完全回收。为避免等离子体中引入大量氟离子造成碘的测量值偏低，在分析碳酸盐岩中碘时，氟化氢铵与样品的质量比为2较为合适。在使用常规ICP-MS分析碳酸盐岩过程中，高含量CaO和MgO会引起严重的基体效应。样品经氟化氢铵消解后，采用氨水提取消解产物中碘，可以避免Ca和Mg的基体效应。通过对10个碳酸盐岩标准物质进行分析，GBW07114中碘的测定值与标准值吻合，大多数碳酸盐岩标准物质中碘的测定值与信息值较为吻合。总体测试结果的相对标准偏差(RSD)为3.3%～19.1%,RSD值与碘测定值之间呈现出幂函数关系，表明分析结果的不确定来源主要受控于样品中碘的信号强度。其中GBW07128、GBW07130和GBW07131的RSD值较高(15.0%～19.1%)，其原因可能是由于碘在样品中分布不均一。该方法的定量限为0.013μg/g，能够满足碳酸盐岩中的低含量碘分析需求。

关键词： 联邦学习   Kolmogorov-Arnold网络   遗传算法   早停机制  

摘要： 针对联邦学习(FL)中数据异质、梯度易陷入局部最优及计算–通信开销偏高等问题，面向Kolmogorov-Arnold网络(KAN)提出一种“关键边筛选-早停遗传进化-局部微调”的混合训练框架。该框架首先依据核函数幅度和激活敏感度在客户端动态选取关键边，并仅对这些边的核系数进行遗传进化，全局搜索优良初始解；随后引入早停判据，结合进化与本地随机梯度下降(SGD)实现协同优化。在5个非IID数据集上的实验表明：相较纯梯度训练的KAN，该框架在相同通信轮数下平均提高测试准确率1.34%，收敛轮数减少42%，并以轻微的额外计算代价提升了异构场景的鲁棒性。核函数可视化结果进一步验证了所提策略对模型可解释性的促进作用。可见所提框架能为隐私受限条件下的高效随机梯度下降KAN训练提供兼顾精度、收敛速度与计算成本的新途径。

关键词： 城市交通运输   冷链中心选择   用户画像   时变路径   时空聚类   遗传算法  

摘要： 【目的】本文探索客户需求差异化与交通时变下的生鲜冷链中心选择-路径问题，为不同客户群体的精准服务、配送中心选择及时变路径规划提供决策依据。【方法】以最小化系统总成本（含车辆、配送中心运营、时间窗惩罚、货损、油耗及碳排放成本）为目标，考虑客户画像下不同类别客户的需求、时变速度及载重约束，开发两阶段启发式算法进行仿真实验：第一阶段基于时空距离的启发式选择算法分配客户至配送中心，第二阶段采用遗传算法优化路径。【结果】研究结果表明，用户画像驱动的差异化策略显著提升了服务质量，核心客户群体实现最优的配送服务。相较于传统遗传算法，最优成本降低 9.15%；相较于K-means +遗传算法，最优成本降低12.61%。同时，时变速度下的方案较固定速度更能平衡成本与时效，总行驶时间和成本处于合理区间。【结论】本研究提出的模型与两阶段算法，可为生鲜冷链企业差异化配送策略提供决策支持。

关键词： 相机标定   相机内参   标定板   单应性矩阵   重投影误差   张氏标定  

摘要： 在相机标定中，精确估计标定板世界坐标与其图像坐标之间的单应性矩阵是相机内参数高精度标定的关键步骤。现有的单应性矩阵估计方法存在依赖阈值、计算效率低、初始模型或排序质量影响结果等问题。为此，提出了一种基于自适应遗传算法的单应性矩阵估计方法。首先，设计了一种新型的圆形网格标定板并优化了匹配点对数据集初次抽样的策略。然后，根据自适应遗传算法建立估计单应性矩阵的数学模型，从而获得标定板与其图像之间的最优单应性矩阵。最后，结合张氏标定法计算出相机内参数。实验结果表明：基于自适应遗传算法的估计方法与传统的估计方法RANSAC、PROSAC和LMedS相比，图像的重投影误差分别降低约4.11%—7.85%、11.94%—16.91%、10.19%—17.82%；算法的平均运行时间分别减少约25.85%—37.47%、11.99%—22.71%、46.50%—53.35%。另外，将本文的单应性矩阵估计方法应用于相机的标定过程中，对比结果显示：该方法相比较于传统方法，相机在标定过程中的平均精度分别提高约5.48%、15.06%、11.47%；相机的平均标定效率分别提升约10.13%、5.71%、14.26%。本文提出的单应性矩阵估计方法不仅能够得到可靠的结果，而且对提升相机标定过程中的估计精度和计算效率方面具有一定的价值和意义。