关键词： 深度学习   糖尿病性黄斑水肿   频域光学相干断层扫描   联邦学习   特征离散化   遗传算法   粗糙集  

摘要： 深度学习技术在糖尿病性黄斑水肿（diabetic macular edema，DME）的频域光学相干断层扫描（spectral domain optical coherence tomography，SD-OCT）影像分割中发挥着重要作用。针对数据隐私保护、计算成本控制和不确定性量化等关键挑战，本文提出一种基于联邦学习的DME分割算法（DME segmentation algorithm based on federated learning，DMESA-FL）。首先，通过在卷积神经网络（convolutional neural network，CNN）中增加尺度感知金字塔融合模块和全局金字塔引导模块来捕获多尺度上下文信息并融合全局上下文信息流和解码路径特征。接着，将改进的CNN作为联邦学习框架的预测模型并采用序列训练来更新全局模型以增强数据安全性。最后，通过为所有客户端增加特征离散化预处理模块以减少CNN的计算量并提升其泛化能力。在特征离散化的过程中，构建基于粗糙集的适应度函数以评估数据不确定性并采用遗传算法（genetic algorithm，GA）搜索SD-OCT影像的最佳特征离散化方案。此外，通过在网络的损失函数中引入不确定性约束项以将粗糙集的平均近似精度作为先验知识有效融入CNN。DMESA-FL与主流的SD-OCT眼底影像分割算法的对比结果表明，DMESA-FL能够在数据非共享的情况下高效地训练具有不同客户端的模型，从而实现DME的精确分割。

关键词： 压水堆   堆芯功率控制   反步法   遗传算法   李雅普诺夫稳定性  

摘要： 随着我国核电以及新能源产业的发展，核电厂会面临参与电网调峰的问题，这对压水堆负荷跟踪能力和响应速度提出了很高的要求。本文首先根据李雅普诺夫稳定性理论，利用反步法逐步推导虚拟控制量和自适应控制律，完成了堆芯功率控制器的初步设计；其次，根据控制过程中核功率与其设定值的偏差以及控制棒移动距离构造时间乘绝对误差积分（ITAE）指标，利用遗传算法对控制器中超参数进行了优化。基于所建立的堆芯功率控制系统开展了目标压水堆典型瞬态工况仿真研究，结果表明，所设计的压水堆功率控制器具有良好的控制性能。

关键词： 超级微波消解   火焰原子吸收光谱法   特殊医学用途婴儿配方食品   钙   磷   铝  

摘要： 为了准确测定特殊医学用途婴儿配方食品中钙含量，建立了一种超级微波消解-火焰原子吸收光谱法测定方法。通过与钙标准溶液吸光度值比较，考察了16种元素对钙测定的影响，确定磷、铝、镁、铁、锰对钙的测定产生干扰。选取氯化镧溶液作为释放剂和抑制剂，通过考察不同浓度的氯化镧，消除溶液中磷、铝、镁、铁、锰对钙测定的影响，最终确定氯化镧浓度为6 g/L。考察了溶液中不同硝酸酸度对钙测定的影响，最终确定溶液中的酸度为3%。在最优实验条件下，钙含量在0～10 mg/L线性关系良好，线性相关系数大于0.999，检出限为0.22 mg/kg。对有证标准物质NIM-RM3872和T18106QC乳粉中钙含量进行测定，其结果在参考值范围内。实际样品加标回收率为96.9%～99.1%，相对标准偏差(RSD)为1.9%～3.7%。该方法能够准确、快速测定特殊医学用途婴儿配方食品中钙。

关键词： 数学模型   生产线平衡   改进遗传算法   Arena  

摘要： 本文以M公司电机生产线为背景，针对多产品加工工序与工时的差异，以各工位负荷最均匀和工位数量最小为目标构建数学模型，实现一种改进遗传算法，有效解决生产线存在的工位负荷不均、瓶颈漂移等典型问题。首先，为简化计算，将各加工工序的时间取最大值，构建虚拟单一产品模型。其次，由于加工工序较多，为保证初始种群的质量和多样性，分别采用广度优先搜索和深度优先搜索两种策略搜索可行加工工序排列，再用轮盘赌策略从中选择分别作为父代种群和母代种群。最后，设计固定点变种交叉法和随机两点交叉法两种交叉算法，分别在迭代的初期和末期进行迭代。运行结果显示，优化后的生产线工位从9个减少为7个，生产线平衡率由66%提升至86%，生产线平滑指数减少至0.9，各工位作业时间分布集中、负荷均衡，表明了算法的有效性。此外，还借助Arena仿真平台对第5个重点工位的人员瓶颈进行了精确量化与动态验证，通过综合实施人员柔性配置和交叉培训，进一步稳固优化成果。

关键词： 配电网   三相不平衡   换相开关   改进多目标遗传算法   鲶鱼效应  

摘要： 针对以单相负荷为主的三相380V配电网中各相负荷大小与用电时段不同所造成的三相不平衡问题，提出一种基于改进多目标遗传算法的智能换相优化方法。该方案采用智能换相开关技术，为配电网的低压台区设计实时负荷调整策略，重点构建以三相电流不平衡度、换相次数、线路损耗及变压器损耗为目标函数的优化配置数学模型，采用了改进的多目标遗传算法优化模式换相策略，增加了鲶鱼效应和合并效果，并完成换相模型求解，得到最优换相方案。最后通过实验仿真，验证控制策略的有效性、优越性及普适性。结果表明所提方法可行，验证了优化换相方案对降低配电网三相不平衡的有效性及实用性。

关键词： 鸡舍   遗传算法   BP神经网络   有害气体   预测模型  

摘要： 为更精准地调控鸡舍内有害气体浓度，保障鸡的健康生长，试验基于遗传算法对反向传播（BP）神经网络优化的鸡舍有害气体浓度预测方法，通过优化BP神经网络的权值和阈值，利用遗传算法的全局搜索能力，使得模型避免出现局部最优解的情况，有效提升预测结果的准确性。结果显示：GA-BP神经网络预测模型对有害气体浓度预测结果准确性更高，以均方根误差（RMSE）、决定系数（R2）作为评价指标，在二氧化碳、硫化氢、氨气浓度预测上RMSE值分别为42.43、0.03、0.48,R2值分别为0.94、0.96、0.96，均优于BP神经网络预测模型。研究表明，GA-BP神经网络模型能够较准确预测鸡舍内有害气体浓度，可为鸡舍有害气体调控提供技术支持。

关键词： 列车   耐撞性   能量耗散   优化   遗传算法  

摘要： 为提高列车耐撞性，本文提出一种渐变梯度的吸能装置压溃力加载模式，在不同的压溃力加载阶段提供了一个可变的压溃力-位移曲线，保证撞击力的加载上升是一个渐进变化的过程，避免撞击力与碰撞加速度的阶跃；而后建立了列车一维多体碰撞动力学模型，并采用遗传优化算法研究高速列车端部吸能装置参数的最优配置。首先基于EN15227-2020耐撞性标准，建立8编组列车以10 m/s的速度撞击前方静止列车的计算工况；其次，以头车压溃管，头车主吸能装置和中间车压溃管的平台力、加载行程、梯度指数为设计变量，将30 ms与120 ms最大移动平均加速度的加权和最小化作为优化目标，采用遗传算法求得列车吸能装置的最优参数。优化结果将列车碰撞过程中30 ms最大移动平均加速度降低了77.2%，120 ms最大移动平均加速度降低了51.1%，碰撞能量能够有序耗散。进一步研究发现，该方法对碰撞响应的优化效果随碰撞速度变化，30 ms最大移动平均加速度在碰撞速度超过13 m/s后达到优化极限值，优化差值稳定；在碰撞速度超过15m/s后，120 ms最大移动平均加速度增长速率显著降低。研究结果表明渐变梯度端部吸能结构能有效降低列车碰撞过程中的最大移动平均加速度，提高列车安全碰撞速度。本文的研究内容为进一步提高列车耐撞性提供了新思路，有助于推动列车更高速，更安全运营。

关键词： 压水堆核电站   改进遗传算法   参数辨识   故障诊断  

摘要： 针对压水堆核电站蒸汽发生器系统的强非线性特征，多参数耦合等因素导致的在线故障诊断算法稀缺的问题，提出一种基于自启发遗传算法的蒸汽发生器参数在线辨识方法。首先，基于参数辨识理论，构建模型驱动的自监督遗传算法框架，将故障诊断问题转化为系统关键性能参数的辨识问题。通过结合精细的系统机理模型，利用遗传算法将参数辨识任务重构为函数优化问题，从而有效克服非线性系统以及系统方程高阶微分项的求解限制。之后，构建基于动态时间规整适应度设计遗传算法的参数辨识方法，使用拟牛顿梯度下降思想优化遗传算法种群迭代策略，将全局随机搜索策略替换为沿梯度方向的定向搜索策略，解决了传统遗传算法收敛速度慢，难以满足在线系统参数辨识需求的问题。最终，本文基于模型数据与真实系统仿真机数据对提出的参数辨识方法进行性能验证 ，相较传统遗传算法降低了约5%的参数辨识误差，并平均减少了47%的算法收敛步数，证明了基于自启发遗传算法的参数辨识方法的有效性。

关键词： 航空运输   航班靠桥率   机位动态分配   遗传算法   航空器拖曳  

摘要： 航班靠桥率是衡量航空服务质量的重要指标。为提升航班靠桥率，提出了一种基于现有业务流程、考虑拖曳条件的机位动态分配优化方法。通过分阶段安排全日机位分配计划，综合考虑拖曳航班的停放时间限制、拖曳判定条件及拖曳机位类型约束，构建了以提升靠桥率为目标的机位分配模型。该模型以拖曳惩罚成本为依据，优化分配至近机位的航班数量，实现整体效益最大化。同时，设计了基于改进遗传算法的多阶段动态分配算法，并利用西南某繁忙机场的实际运行数据进行仿真验证。结果表明：与传统机位分配模型相比，考虑拖曳策略的模型将靠桥率提升了1.1%；与传统遗传算法相比，多阶段动态分配方法将靠桥率提升了4.0%，拖曳频次降低了16.6%。表明了基于拖曳策略的多阶段动态分配方法能有效提高航班靠桥率并降低了拖曳成本。

关键词： 气膜冷却   高斯核   人工神经网络   全覆盖预测  

摘要： 在离散孔群(群孔)覆盖区域的气膜冷却效率计算中,常规计算流体动力学(CFD)模拟面临建模网格复杂与计算资源耗费大的问题。因此,提出了一种参数形式的核函数,以描述单个气膜孔的冷却效率分布特征,预测气膜冷却效率,并结合数据驱动的机器学习技术和Sellers气膜冷却效率叠加方法,实现对群孔覆盖域冷却效率分布的高效预测。基于该“核”参数模型,成功复现了7-7-7扇形气膜孔的单孔和三列顺排群孔的冷却效率分布,并在给定区域内,利用整数规划方法获得了区域面平均冷却效率最高的顺排群孔布局。结果表明:“核”参数模型能够准确反映气膜孔覆盖域内冷却效率的分布特征,克服了传统关联式仅预测展向平均冷却效率的局限性,而且显著减少了机器学习所需的样本数量,可适用于不同工况下的气膜冷却效率预测。