关键词： 后副车架   低压铸造   响应面法   数值模拟   遗传算法  

摘要： 为了提高A356铝合金后副车架低压铸造的成形质量和生产效率,以浇注温度、模具预热温度、充型时间和充型压力为优化参数,以铸件的孔隙体积、二次枝晶臂间距和凝固时间为响应指标,使用Design-Expert软件设计了响应面试验。利用ProCAST软件对铸件生产过程进行数值模拟,并通过Matlab软件利用遗传算法对优化参数进行多目标优化。得到的最佳参数组合:浇注温度为707.89℃,模具预热温度为329.61℃,充型时间为3.06 s,充型压力为14822.30 Pa。最后通过生产试制对优化方案进行验证,发现生产的铸件符合使用要求,证明了该优化方案的可行性。

关键词： 横纵向耦合   分层控制   遗传算法   速度规划器   滑模控制器  

摘要： 为提升港口自动导引车辆(Automated guided vehicle,AGV)路径追踪精度和稳定性,改善转弯时轮胎受侧向冲击较大的状况,提出一种考虑AGV横纵向运动耦合的分层控制策略。基于AGV二自由度动力学模型构建横向模型预测控制(Model predictive control,MPC)器,采用遗传算法离线优化MPC权重矩阵并根据运输工况设计权值选择机制,求解最佳前轮转角控制量。基于道路工况、转向机构约束,AGV横纵向耦合特性等因素设计纵向梯形速度规划器,采用分层控制方法设计上位滑模控制器和下位比例-积分控制器,实时求解AGV期望加速度并将其转化成油门/刹车控制量。最后,在Matlab/Simulink和Trucksim联合仿真平台与自研港口平台下,针对空/负载AGV的典型作业工况进行了仿真和实物测试验证。试验结果表明:所提控制策略能够显著提高AGV停车精度和弯道稳定性,改善转弯时轮胎受力情况。为解决港口AGV转向稳定性差,轮胎损耗量大等问题提供了新思路。

关键词： 超级微波消解   石墨炉原子吸收   牙膏   铅  

摘要： 建立了超级微波消解-石墨炉原子吸收测定牙膏中铅含量的方法。采用超级微波代替传统微波消解样品,消解后待测样液中在线混合加入2%磷酸二氢铵作为基体改进剂,以促进高温灰化时铅的稳定性,再用石墨炉原子吸收分光光度法测定牙膏中铅的含量。经方法学验证,在一定浓度范围内该法呈良好的线性关系,最低检出浓度为0.02 mg/kg,加标回收率在92.6%~102.5%,相对标准偏差(RSD)为3.9%。采用超级微波消解的前处理方式,对于基质复杂的牙膏样品消解更充分,待测元素损失较少,定量结果更准确,且操作简便、快速、高效,易于满足大批量不同类别牙膏的日常检测。

关键词： 利奈唑胺   血药浓度   重症患者   人工神经网络   SHAP  

摘要： 目的构建基于误差反向传播神经网络(BPNN)的重症感染患者利奈唑胺血药浓度预测模型,为利奈唑胺个体化给药提供依据。方法纳入2022年7月—2024年12月天津市第四中心医院重症医学科(ICU)接受利奈唑胺治疗的113例重症感染患者,采用液相色谱-串联质谱(LC-MS/MS)法测定利奈唑胺血药浓度,通过Boruta算法筛选与利奈唑胺血药浓度相关的特征变量,构建BPNN模型并开发可视化预测操作界面,结合SHAP法对模型的特征变量进行解释分析。结果BPNN模型验证结果显示,预测值与测定值相关系数(R^(2))为0.85,平均绝对误差(MAE)为1.065 mg·L^(-1),84.2%样本预测误差≤2 mg·L^(-1)。SHAP分析显示,血清丙氨酸转氨酶(ALT)、总胆红素(TB)、白蛋白(ALB)及联用P-糖蛋白(P-gp)抑制剂对利奈唑胺血药浓度呈正向贡献,而肌酐清除率(CLCr)、身体质量指数(BMI)、C反应蛋白(CRP)呈负向贡献;可视化预测操作界面实现输入特征变量后一键生成血药浓度预测值。结论构建的BPNN模型对利奈唑胺血药浓度预测能力良好,SHAP提示多因素影响利奈唑胺血药浓度,可视化预测界面实现对利奈唑胺血药浓度的实时预测。

关键词： 三全育人   课程思政   改革与实践  

摘要： 在新时代背景下,实施全员育人、全程育人、全方位育人教育理念需要进一步深化课程设计,通过结合教育理念改革高校的思想政治教学工作,这既是新时期赋予高校思想政治教师的艰巨任务,也是光荣使命。“三全育人”是高校履行立德树人基本教育任务的主要体现,所以要通过团结协作同力协契,精化思政教师队伍;聚焦基础以生为本,坚定初心共生共长;优化思政育人生态,夯基垒台积厚成势等方法提高课程思政效果的实效性,以此深度推进“三全育人”教育理念在高校课程思政改革中的实施进度。

关键词： 凝聚层次聚类   需求侧   协同调度优化   用电负荷预测   目标函数   遗传算法  

摘要： 用电负荷提升导致电力市场需求侧用电困难。为解决该问题,提出基于凝聚层次聚类的电力市场需求侧协同调度优化方法。采用凝聚层次聚类方法对电力市场需求侧用电负荷数据进行分析,将用电负荷大数据划分为柔性用电负荷与可转移用电负荷,根据聚类用电负荷建立电力市场需求侧用电负荷预测模型,根据预测结果构建电力市场需求侧协同调度模型,采用改进的遗传算法对协同调度模型进行优化。实验结果显示该方法能够有效解决极端场景下的潮流爬坡问题解决与电压不稳定问题,具有较好的普适性与稳定性。

关键词： DeepSeek   人工智能   符号主义   连接主义   行为主义   教育智能化  

摘要： 人工智能的发展历经数十年,形成了符号主义、连接主义和行为主义三大学派,各自在理论框架和技术实现上具有独特贡献。以DeepSeek为视角,梳理人工智能三大学派的演进历程及其核心理论,结合DeepSeek的技术创新,分析其在低成本、高效训练中的优势。通过持续的技术创新和跨学科合作,人工智能将为教育领域带来更深远的变革,最终实现“因材施教”的教育理念。

关键词： 光伏   功率预测   深度神经网络   门控循环网络  

摘要： 光伏功率预测在可再生能源管理中具有重要作用,预测准确性的提升能够显著提高电网的稳定性和经济性。文章提出一种基于遗传算法(GA)优化的变分模态分解(VMD)与卷积神经-门控循环网络(CNN-GRU)相结合的光伏功率预测方法。首先利用遗传算法对VMD的关键参数进行优化以有效分解光伏功率序列;其次通过CNN提取不同尺度的局部特征并结合GRU捕获分解后时间序列的长期依赖关系从而构建深度学习预测模型;最后将多个预测结果组合在一起完成预测。实验结果表明,该方法在预测精度优于传统预测方法,为光伏功率预测提供一种新的有效途径。

关键词： 氨水   金属杂质元素   微波消解   电感耦合等离子体质谱法(ICP-MS)  

摘要： 本文介绍了建立快速测定氨水中钠、镁、钾、钙、铁、铜、铅7种金属元素含量的电感耦合等离子体质谱法。样品通过浓硝酸处理,采用优化后的微波消解条件,以Sc(45)、Ge(72)、Re(185)元素作为内标物消除基质干扰,采用电感耦合等离子体质谱法,在氦气模式的碰撞模式(KED)下对氨水中钠、镁、钾、钙、铁、铜、铅7种金属杂质元素的含量进行测定。结果表明,在优化的实验条件下,标准曲线的相关系数均不小于0.999,检出限为0.009 ug/g~0.06 ug/g,2个加标水平样品的平均回收率为97.0%~104.0%,测定结果的相对标准偏差为0.773%~1.990%(n=7)。该方法样品前处理简单,准确度和精密度良好,可用于氨水中钠、镁、钾、钙、铁、铜、铅等元素含量的检测。

关键词： 造纸多级干燥   数学建模   遗传算法   节能减排  

摘要： 造纸工业作为高能耗行业,干燥过程是能源消耗的主要环节。基于能量守恒和质量守恒,建立了造纸多级干燥的数学模型,对湿纸在干燥机内的温度和含水率变化进行分析。基于有限差分法求解所建立的数学模型,揭示各级干燥机的热传递和水分蒸发机制。选择热源温度和气流湿度作为优化变量,采用遗传算法进行优化求解。结果表明,优化后的多级干燥能耗减少15%,干燥时间缩短25%。这对减少造纸工业能耗、实现节能减排具有一定的理论指导价值。