摘要： 不是 不是麦子,不是土地,不是一切庸常的词语 是性命.是唯一不可替代的疼痛 总会有一些光从罅隙里进入 让暗处的人隐约看见 那么多的涟漪和叹息在水上种出 那么多的欢笑和雀跃被重新打捞 这不是世间书册里显赫的智慧考验人心 是戏剧般的梦幻抵达坚硬的真实

关键词： 少样本知识补全   知识表示   结构感知   拓扑结构   注意力机制  

摘要： 现有的知识补全模型在知识表示过程中不能较好地感知邻域拓扑结构,为此提出新的少样本知识补全模型.在知识表示过程中采用基于注意力机制的结构感知编码器进行三元组编码;该编码器以拓扑结构对邻域内的节点进行集群划分,通过融合邻域内各个集群的结构信息来增强模型的结构感知能力.为了提升模型预测的稳定性,采用自适应预测网络计算待预测三元组的得分.在NELL-One和Wiki-One数据集中开展模型性能对比实验.结果表明,对比基线模型,所提模型的平均倒数排名和命中排名在前10位、前5位、前1位的正确结果的平均占比分别提升了0.018、0.021、0.024、0.016以及0.019、0.055、0.039、0.038.所提模型能够有效利用邻域的拓扑信息,提升知识补全的准确性.

关键词： 遗传算法   TSP   NP完全问题  

摘要： 【目的】解决基本遗传算法求解TSP问题时存在的局部寻优能力较差、易出现早收敛和局部最小等问题。【方法】提出了一种改进的遗传算法。首先,引入种群大变异策略,有效避免算法“早熟”;其次,进行选择、交叉和变异三大步骤;最后,加入逆转进化操作,改善遗传算法的局部搜索能力。此外,选取TSPLIB测试库中Barma14和Oliver30两种数据对几种遗传算法进行了仿真测试。【结果】改进后的遗传算法求解TSP问题时具有更好的寻优能力,但此算法仍存在一定的局限性,当TSP问题中城市规模进一步扩大时,算法一般只能求解最优解的近似解。【结论】未来研究可尝试运用其他智能算法到改进后的遗传算法中,进一步提高算法的寻优能力。

关键词： 重力储能   集中式   光伏电站   等效电路   遗传算法  

摘要： 传统的电池储能系统在充放电过程中会有能量损失,而重力储能系统的能量转换效率相对较高,涉及机械能的转换,减少了化学反应带来的能量损失,为此研究基于重力储能的集中式光伏电站设计。根据判断目标点间的距离进行光伏功率数据采集,选择电阻-电容电路作为储能模块的等效电路模型,使得储能模块的能量平衡。在优化重力储能系统容量时,将容量表示为遗传算法中的个体,通过一定的概率改变新生个体基因,输出最优解,对储能容量进行优化。实验结果表明,所提方法的储能效率及能量释放效率均高于传统方法。

关键词： 物流装卸和搬运   双无人天车调度模型   遗传算法   鹈鹕算法   分段自适应匹配   优质种群策略   黄金正弦函数  

摘要： 针对散料堆双无人天车协同调度中存在的任务划分复杂度高、避碰频率高等问题,构建了多重约束条件下的双无人天车最小路径优化模型,并提出了一种基于遗传算法(GA)和鹈鹕算法(POA)的模型求解方法——融合算法(IGA-POA)。首先,基于调度过程中的影响因素,建立了双无人天车调度模型,同时构建了改进自适应各向异性高斯滤波器(IAAGF)任务划分模型,并设计了天车调度优先级规则与避让规则,优化了任务区块划分和避让策略;然后,提出了IGA-POA算法,在遗传算法中使用双层编码和混合选择策略生成了初始种群,对交叉算子进行了分段自适应匹配改进,并对变异算子进行了混合自适应优化;同时,设计了优质种群策略,完成了遗传算法和鹈鹕算法的有效融合,在鹈鹕算法中引入了黄金正弦函数,优化了逼近猎物策略;最后,基于调度任务划分的结果,进行了仿真实验,分析了IGA-POA算法在消融、对比实验和仿真测试中的性能。研究结果表明:IGA-POA算法的平均避让次数低于其他算法,并在最小平均任务路径上取得最优值,分别为25.58、50.34和73.91,且平均耗时仅增加4.63%,验证了IGA-POA算法的有效性和可靠性。

关键词： 物联网   人工神经网络   机器学习  

摘要： 物联网(Internet of Things,IoT)由数十亿相互连接并通过互联网或无线网络共享数据的设备组成。物联网使家庭、办公室和车辆等环境更加智能化。随着物联网的普及,安全挑战也日益增多。物联网传感器收集并共享机密数据,这些数据需要防范非法访问。为保护物联网环境,目前采用许多传统方法,如轻量级加密,为物联网设备创建独立连接,防御已知的身份欺骗。采用人工神经网络这一机器学习模型,是保护物联网环境的创新方法。人工神经网络(Artificial Neural Network,ANN)模仿生物神经网络,属于信息处理模型,可应用于物联网环境与外部网络之间的入侵检测系统,且性能优于传统安全方法。

关键词： 人工智能   人工神经网络   紫外线   过碳酸钠   响应面  

摘要： 本研究采用紫外-过碳酸钠(UV-SPC)氧化反应体系处理间甲酚废水,并借助人工智能方法进行工艺优化,利用响应面法(RSM)进行实验设计,考察溶液初始pH、反应时间、间甲酚初始浓度、SPC投加量、催化剂用量和反应温度等因素对TOC去除率的影响。基于RSM实验结果,分别使用RSM模型和人工神经网络(ANN)模型进行优化,并进行了对比分析,考察2个模型差异,结果显示,ANN模型准确度比RSM模型高50%以上。在ANN模型模拟优化所得最佳反应条件下,实验中TOC去除率为91.48%,明显高于以RSM模型模拟优化所得的最优结果,验证了ANN模型法优异的学习能力和泛化能力。

关键词： 车桥耦合振动   车辆有限元模型   复模态分析   动力参数识别   多核并行计算   遗传算法  

摘要： 获取准确的车辆动力参数是车桥耦合振动分析与桥梁健康监测的前提,为此,提出了一种基于复模态分析与多核并行遗传算法的车辆动力参数快速识别方法。首先,改进了复模态理论结合有限元方法获取车辆自振频率、阻尼比、模态振型的算法;然后,提出了车辆动力参数识别的多核并行遗传算法,采用多目标适应度评价,以快速、准确地识别车辆刚度、阻尼、转动惯量;最后,采用车轮跌落振动实验和环境激励峰值法实测车辆的模态,获取用于适应度评价的自振频率、阻尼比和振型。通过对轻型汽车、重型卡车的动力参数进行识别进行验证,结果表明:用识别的车辆动力参数计算得到的车辆振动模态,与实测振动模态吻合,其中前3阶固有频率的最大误差为0.8%、阻尼比最大误差为1.3%,计算与实测振型向量之间的夹角余弦接近1;车辆的分析模型有必要增加车体的扭转阻尼,以准确反映实际车辆的扭转振动特性;多核并行算法大大加速了识别过程。16核心CPU在15核心并行时的加速比达到最大值12.5,在复杂车辆的多目标、多参数识别中,采用多核并行算法是非常有效的。

关键词： 改进遗传算法   低压柜   无功   补偿控制   谐波畸变率   功率因数  

摘要： 针对现行方法在低压柜无功补偿控制中应用存在谐波畸变率较高的问题,提出改进遗传算法的低压柜无功补偿控制方法。以低压柜的功率因数最大、电压谐波畸变率最低为目标构建多目标函数,设定约束性条件对低压柜电容器安全、控制变量以及状态变量约束,构建无功补偿控制模型,利用改进遗传算法对模型求解,输出并执行最优控制策略,实现改进遗传算法的低压柜无功补偿控制。经实验证明,设计方法应用下低压柜电压谐波畸变率得到了有效地降低,功率因数得到了有效地提升,能够有效保证低压柜稳定运行。

关键词： 微波消解   高效液相色谱-串联质谱法   牛乳   糠氨酸   响应面优化  

摘要： 目的建立微波消解-高效液相色谱-串联质谱法(ultra performance liquid chromatography-tandem mass spectrometry,UPLC-MS/MS)检测牛乳中糠氨酸含量的方法。方法运用单因素试验及响应面法优化微波水解最佳条件。在最佳水解条件下获得的水解液过滤定容后,滤液经6.0 g/L的乙酸铵溶液稀释10倍后进样分析,以0.1%甲酸水溶液和甲醇溶液为流动相进行梯度洗脱,T3液相色谱柱(100 mm×2.1 mm,1.8μm)进行分离,在电喷雾离子源正离子模式(the positive ion mode of electrospray ion source,ESI+)下,选用多反应监测(multiple reaction monitoring,MRM)模式检测,外标法定量。结果牛乳中糠氨酸的最佳微波水解条件为水解温度160℃、盐酸浓度8.1 mol/L、水解时间52 min,影响因素主次顺序为盐酸浓度>水解时间>水解温度。牛乳基质中糠氨酸在0.005~0.500μg/m L质量浓度范围内呈良好的线性关系,相关系数(r)为0.9958。定量限(limit of quantitation,LOQ)和检出限(limit of detection,LOD)分别为0.20μg/m L和0.07μg/m L。平均加标回收率为89.09%~97.33%,相对标准偏差(relative standard deviations,RSDs)为3.37%~7.02%(n=6)。结论该方法高效、准确,与传统的水解方法(12~24 h)相比,微波水解将水解时间缩短至52 min,且与NY/T 939—2016《巴氏杀菌乳和UHT灭菌乳中复原乳的鉴定》中常规水解方法对比,检测结果无显著差异(P>0.05),可为乳制品质量控制及热处理工艺评估提供技术参考。