新时代军地院校合作育人模式探索

为保证军地院校研究生能够更好地满足军队和社会对高水平研究和应用人才的需求,开展军地院校合作育人育才模式探索迫在眉睫。通过分析目前军地院校合作育人存在的主要问题,在充分借鉴校企协同育人模式的基础上,围绕军校优势科研资源给出了适合军地院校合作育人的“双导师制”教研模式、军工项目合作模式及军地院校合作育人专家库模式。从多角度全方位分析了三种合作育人模式的可取之处,并进一步讨论了适合这三种育人模式的相关配套建设。

基于Cat混沌与高斯变异的改进灰狼优化算法

针对基本灰狼优化算法在求解复杂问题时同样存在依赖初始种群、过早收敛、易陷入局部最优等缺点,提出一种改进的灰狼优化算法应用于求解函数优化问题中。该算法首先利用混沌Cat映射产生灰狼种群的初始位置,为算法全局搜索过程的种群多样性奠定基础;同时引入粒子群算法中的个体记忆功能以便增强算法的局部搜索能力和加快其收敛速度;最后采用高斯变异扰动和优胜劣汰选择规则对当前最优解进行变异操作以避免算法陷入局部最优。对13个基准测试函数进行仿真实验,结果表明,与基本GWO算法、PSO算法、GA算法以及ACO算法相比,该算法具有更好的求解精度和更快的收敛速度。

基于混沌灰狼优化算法的氧化铝质量指标预测模型

针对氧化铝焙烧过程具有强非线性、检测滞后等特点,提出一种基于混沌灰狼优化算法(CGWO)参数优化在线贯序极限学习机(OSELM)的氧化铝质量预测模型。在基于机理分析和变量相关性分析的基础上,选择氧化铝质量指标预测模型的输入变量,采用在线序贯极限学习机的方法建立模型,并利用改进的混沌灰狼优化算法得到最优的初始权值和隐含层偏差,实现焙烧过程氧化铝质量预测建模。采用工业过程数据对提出的方法进行实验验证,仿真结果表明:所建立的预测模型具有更好的精度,从而验证了方法的有效性。

铸铝电解槽电压过程控制仿真研究

在电解铝的实际生产过程中,由于不能实时监控槽电压的变化情况,容易发生电压摆动的问题。为了实时监控槽电压的变化以及预防电解槽的电压摆,提出了基于主成分分析(PCA)的极限学习机(ELM)多神经网络结构模型,用于铝电解生产过程槽电压预测。一方面,将极限学习机方法同主成分分析方法相结合,将高维输入变量压缩处理为低维主元变量,简化极限学习机模型,提高主成分分析极限学习机(PCA-ELM)算法的泛化性能。另一方面,将多个PCA-ELM子神经网络按照连接权值综合起来,建立铝电解生产过程槽电压的预测模型,进一步提高多神经网络模型的预测能力和预测精度。通过实际数据仿真结果表明,多神经网络预测模型能够准确的实时监控槽电压以及预防电压摆。

地铁综合监控系统建设延伸线网络接入方式探讨

地铁线路分期建设时,综合监控网络接入既有线的联网方式有破环网接入组网和延伸线独立组网。为确保延伸线交换机设备可靠接入既有线综合监控主干网,对上述两种方式的性能分析进行对比并提出实施性建议,结果表明,独立组网的单点故障切换时间仅为1秒,减小了网络单点故障对网络的影响,提高了综合监控网络健壮程度,保证网络更加稳定运行以便后期运营维护。