关键词： 门座起重机   臂架及平衡系统   遗传算法   优化   仿真  

摘要： 【目的】门座起重机是港口物料装卸的核心设备，其臂架及平衡系统设计直接影响整机运行性能与能耗。本文旨在优化臂架及平衡系统铰点位置、杆长以及配重质量，从而达到降低吊重垂直落差、臂架及平衡系统自重未平衡力矩变化的目的。【方法】以变幅过程中吊重垂直落差最小、臂架及平衡系统自重未平衡力矩变化最小为目标函数，以臂架及平衡系统铰点位置、杆长以及配重质量为优化设计变量，结合实际工况的边界约束与性能约束，建立臂架及平衡系统的优化数学模型，采用遗传算法，并结合MATLAB编程对该模型进行优化求解，从而获得最优设计参数；建立臂架及平衡系统多体动力学模型，利用ADAMS软件对臂架及平衡系统进行变幅仿真分析。【结果】结果显示，优化后吊重垂直落差相比于优化前降低了16.65%，臂架及平衡系统自重未平衡力矩变化量降低了83.26%。且吊重垂直落差的仿真数据与理论数据高度吻合，证明了数学模型是可信的。在此基础上，分析了各杆件连接铰点载荷随臂架变幅的变化规律，为后续臂架及平衡系统的详细设计提供了理论依据。【结论】本优化设计显著降低了起重机变幅过程的能耗，为港口装卸设备后续结构设计提供了技术支撑。

关键词： 场域理论   双校区建设   师生关系   消解与重构   多主体联动  

摘要： 基于布尔迪厄场域理论视角,本文对师生互动关系进行了剖析和重建。高校双校区建设通过物理拓展实现了资源的最优分配,但也带来了“地域分割导致的沟通壁垒”“场域重构导致的权力失衡”“习俗冲突”引发的交流隔阂与情感疏远等问题。据此,本文提出以“场域”为导向,通过构建“线上-线下”的多维度互动平台,促进政府、学校、社会等协同育人,透过创新导师制、混合式教学及跨文化经验等教学方法,使师生在协作学习与情绪联结上形成互动关系,使大学治理的生态更加完善。双校区建设本质上是师生关系的系统性重建,应立足于理论考察与实践创新,建立“空间治理”与“关系”重建的双向途径。

关键词： 艉部结构   测点优化布置   遗传算法   粒子群算法   三维消冗模型   声学噪声测量   噪声控制  

摘要： [目的]针对水下航行器艉部结构振型复杂、模态测试测点多问题，提出一种基于遗传算法和二进制离散粒子群混合算法（GA-BPSO）的测点优化布置方法。[方法]首先建立典型艉部结构有限元模型并提取结构参数，构建三维消冗指标和模态置信准则的组合目标函数，然后基于GA-BPSO算法对艉部结构进行模态测点优化布置。为验证优化方法的有效性，开展艉部结构测点均匀布置和优化布置的模态对比实验。[结果]结果表明：优化后测点数量由均匀布置方案的840个减少至200个，优化布置方案模态置信矩阵最大非对角元素降低至0.033 3，频率误差控制在1%以内，且振型吻合度较高。[结论]本文方法有效兼顾了模态振型的线性独立性和可视化效果，可用于水下艉部结构模态测试。

关键词： 纯电动汽车   能量回收   遗传算法   Carsim  

摘要： 为了提高纯电动汽车的行驶距离，针对不同的循环工况，提出一种改进的再生能量回收技术。首先，分析了车辆动力学模型和电机模型，来确定影响汽车再生制动系统的能量回收效率的因素。其次，根据其影响因素，基于模糊控制的再生能量回收策略，使用遗传算法改进其参数。最后，基于MATLAB建立再生能量回收策略模型，并嵌入Carsim进行实验。结果表明，提出的控制策略，在NEDC和WLTC两种循环工况下，制动能量回收效率分别提高了11.6%和8.3%，提高了纯电动汽车续航能力。

关键词： 生产调度   作业车间   等待时间受限   双向移动时间表   遗传算法   禁忌搜索  

摘要： 针对实际车间调度问题中由于中间产品的不稳定性而导致工件工序之间等待时间受限的问题，建立了以最小化最大完工时间为目标的作业车间调度模型。根据模型特点，提出了一种基于双向移动时间表的混合遗传算法。嵌入双向移动时间表扩大搜索空间；通过两次解码来提高解决方案的质量；设计不同的变异算子提高算法的多样性；加入禁忌搜索加强算法局部搜索能力。最后选择多种不同规模的标准算例，将其修正后与基础遗传算法和禁忌搜索进行对比分析，实验结果验证了该方法的可行性和有效性。

关键词： 遗传算法   机器人   路径规划   避碰决策   最优路径  

摘要： 随着机器人技术的快速发展,路径规划与避碰决策成为机器人实现自主导航和高效作业的关键技术。本文深入探讨基于遗传算法的机器人路径规划与避碰决策方法,通过构建适应度函数、选择策略、交叉变异操作等关键步骤,实现机器人在复杂环境中的最优路径规划和有效避碰。同时,结合具体应用场景,对算法进行优化和改进,以提高路径规划的效率和避碰决策的准确性。

关键词： 机械设计制造   人工智能技术   BP神经网络   遗传算法  

摘要： 随着人工智能技术的迅猛进步,其在机械设计制造领域的应用范围日益扩大,为提高生产效率、优化设计方案、实现智能监测与故障诊断等提供了新的路径。本文深入分析BP神经网络、遗传算法、粒子群优化算法、模糊推理算法、退火模拟算法等人工智能技术,并探讨了这些技术在产品设计、智能监测、故障诊断与智能安全管理等机械设计制造中的具体应用。本研究旨在为机械设计制造行业的人工智能技术应用提供理论参考。

关键词： 激光切割设备   数字化设计   优化算法   遗传算法   设备结构设计  

摘要： 随着工业生产自动化的快速发展,激光切割设备在各领域中的应用越来越广泛,其对工件精度和生产效率的需求也越来越高。本研究主要探讨激光切割设备的数字化设计与优化问题,包括设备结构设计、控制系统设计和优化算法的实施。通过CAD和CAE工具,设计出一套结构简单、尺寸精确、性能稳定的激光切割设备;采用先进的控制系统同时满足设备的高效率和高精度需求;更进一步,以遗传算法为基础,实现切割参数的优化,提高切割效率,节省能源。研究结果显示,所设计的激光切割设备不仅在切割精度、稳定性和切割效率方面优于传统设备,更是在能耗方面大幅度优于传统设备。该研究结果对推动激光切割设备的技术创新与产业化发展具有重要意义。

关键词： 微纳米水气分散体系驱   机器学习   K-Means聚类分析   人工神经网络   莱文贝格-马夸特算法  

摘要： 微纳米水气分散体系驱（MNWDS）是1种新型的提高采收率技术，通过微纳米尺度的气水分散相注入，能够进入更小的孔隙空间，从而扩大了波及体积，有效提高了采收率。目前，该方法已在五里湾长6试验区开展矿场实验。在采用数值模拟方法预测微纳米水气分散体系驱的产油量时，需要考虑气泡尺寸、气液比、流体性质等多参数及复杂的气液相互作用，过程复杂且耗时长，无法快速模拟微纳米水气分散体系驱的产油量。为能够准确地预测注入微纳米水气分散体系驱后油井的产油量，该研究基于试验区实际生产数据和地质模型参数，运用人工神经网络（ANN）算法，建立了微纳米水气分散体系驱的产油量预测模型。该模型以试验区微纳米水气分散体系实施前油井的产油量、含水率、渗透率、注入微纳米水气分散体系量、水驱储量、孔隙度、有效厚度作为输入参数。以实施后12个月的产油量作为输出参数，建立了模型的训练样本集。通过对样本集进行K-Means(K-均值聚类算法)聚类分析，剔除了无效样本，最终形成了59个样本的训练集。在模型训练中，引入优化算法自动调整模型参数，显著提高了模型的测试集预测精度。基于此模型，对即将实施微纳米水气分散体系驱的21个井组进行了产油量预测，预测结果与数值模拟结果对比表明，二者的符合率高达95%，验证了该次模型的准确性。该模型为微纳米水气分散体系驱的产油量预测提供了1个新的途径。

关键词： 实数遗传算法   选择算子   交叉算子   参数优化  

摘要： 针对实数遗传算法在求解复杂参数优化问题时容易陷入局部最优区域和求解精度低等问题,提出一种改进实数遗传算法(IRCGA)。算法改进之处在于引入了截断排序分组选择(TSGS)算子和多方向交叉(MCX)算子。TSGS算子按截断阈值从种群中截取一定数量的优质个体进行分组配对操作,能够在保留优质父代基因的同时增大配对个体差异性,有助于维持种群多样性。MCX算子通过产生多个交叉方向,提升子代个体质量,使算法具有较强的搜索能力和收敛速度。在20个基准测试函数和实际参数优化问题的基础上与其他算法进行仿真对比试验,验证IRCGA的有效性和可行性。