基于MOEA/D算法的三陷波超宽带天线设计

为实现超宽带通信中对WIMAX(3.3~3.7 GHz)、WLAN(5.150~5.825 GHz)和ITU(8.01~8.50 GHz)频段干扰的抑制,提出了一种基于MOEA/D算法优化设计的具有三陷波特性的超宽带天线。天线采用T形结构作为辐射贴片,通过改变贴片形状等方法实现在3~12 GHz的超宽带。在辐射贴片上刻蚀两个U形缝隙和在传输线两侧加载C形开口环,对天线进行陷波设计。利用MOEA/D算法对陷波结构的结构参数和加载位置进行优化,实现了在3.31~3.69 GHz、5.25~6.13 GHz和8.01~8.51 GHz频段的陷波效果,成功抑制了频段干扰。与传统扫频优化的设计方法相比,采用MOEA/D算法设计的天线在陷波频带内增益低至-19 dB,各陷波频带准确度误差均在3.6%以下,提高了天线的设计效率,具有一定的工程应用价值。

人工智能技术对电子商务领域的影响探究

在现代社会的背景下,信息化技术发展迅速使得人工智能技术在人们的日常生活中被广泛应用。人工智能技术是以互联网系统为基础的现代技术,其网络安全性对行业发展和社会稳定都有着非常重要的意义。基于此,文章以人工智能技术为出发点,探讨人工智能技术应用于电子商务领域的虚假评论检测,并在此基础上构建了D-S证据理论算法检测结构,借助该结构2种不同特征构建Mass函数,最终得出的结果显示,D-S证据理论算法对于检测电子商务领域中虚假评论具有较好的实践效果,具有较高的仿真性,检测结果可行性较高。

三角形编织工艺数字化建模方法

三维旋转式编织工艺按角轮缺口数分为三角形、四角形和六角形编织工艺,其中三角形编织工艺研究较少。为探索基于三角形编织工艺的预制体结构,基于Python语言和CATIA开发编织工艺软件,获得预制体几何结构。角轮和交换轮交替旋转,驱动携纱器在底盘中运动,使纱线相互交织形成预制体。对角轮、交换轮、携纱器的编号和运动状态进行数字化编码,研究不同旋转状态下携纱器的交换规律。携纱器轨迹与编织节点高度共同确定了织物空间拓扑结构,采用三次B-spline曲线对纱线空间轨迹进行拟合,建立预制体的参数化几何模型。结果表明:采用三角形编织工艺获得的预制体结构紧凑,织物几何模型与试验样件一致性较好,验证了建模方法的精度。

基于改进遗传算法对机械臂最优时间轨迹规划

针对传统工业机器人在轨迹规划过程中,运动耗时长、易陷入局部最优解的问题,提出一种基于改进自适应遗传算法对于6R机械臂轨迹优化算法。通过加入改进的自适应调节机制,自适应的去改变交叉概率和变异概率。首先,建立六自由度机械臂模型,采用改进型D-H参数法获得机器人连杆参数数据;其次,通过4-1-4多项式插值的方法进行轨迹规划,以运行时间为优化目标,利用改进自适应遗传算法结合蚁群算法对运动轨迹进行优化;最后,通过目标函数解决运动学约束问题。通过MATLAB仿真实验验证相比于传统的遗传算法,该轨迹的运行时间从12.23 s减少到了9.05 s,整体运行轨迹时间缩短3.18 s,优化后的效率提高近26%。适应度提高1.73,证明该算法能够有效地加快轨迹的运行时间,提高了机械臂的工作效率。

人工智能算法决策与企业研发“合谋”

在一个企业研发博弈环境下,运用强化学习Q-learning算法对多智能体进行联合训练,探讨人工智能决策下企业研发竞争的可能结果。主要结论:第一,与纳什均衡结果相比,人工智能决策下企业研发投入更低而利润水平更高的情况是普遍存在的;第二,智能体数量的增加能够降低“合谋”的实现概率;第三,研发的外溢度会促进智能体“合谋”,且在智能体数量较多时更易实现;第四,学习率的提高能够降低“合谋”的实现概率,且在智能体数量较多且研发外溢度较低时作用更显著。基于以上研究结果,提出加强人工智能算法在企业决策层面应用管理的政策建议,为数字经济时代的算法监管政策和反垄断规制的完善提供了理论支持。

基于非线性动态重心粒子群优化的分数阶PI^(λ)D^(μ)控制器设计

针对现有Oustaloup滤波器拟合精度不佳、结构复杂的缺点,提出了最优精简Oustaloup滤波器。针对粒子群优化算法整定分数阶PI^(λ)D^(μ)控制器参数时学习能力不充分、迭代收敛乏力的问题,提出了一种改进的粒子群优化算法。该算法设计了双异步非线性动态学习因子,以提高粒子的思考能力与信息共享能力,并增加了粒子群质量重心项,用以加速收敛过程。将改进的算法结合最优精简Oustaloup滤波器应用于分数阶PI^(λ)D^(μ)控制器的设计过程,选取了2个分数阶系统模型进行仿真验证。结果表明,改进的算法收敛速度更快且不易陷入局部最优,所设计的控制系统超调量更小、调节时间更短、稳态误差更小,提高了系统的抗干扰能力。

基于D-分割法的直流变换器遗传自抗扰控制器设计

针对光伏发电系统中DC-DC变换器由于负载和工作环境条件变化等扰动引起的输出波动问题,提出一种基于D-分割法的直流变换器遗传自抗扰控制器(ADRC)设计方法。该方法适用于设计光伏发电领域中的双向DC-DC变换器,采用D-分割法获得满足闭环系统鲁棒稳定的ADRC控制器参数范围;利用具有全局寻优能力的遗传算法,按综合性能指标在该范围内进行参数寻优。实验结果表明,所提基于D-分割法的直流变换器遗传自抗扰控制器设计方法能有效抑制微网母线侧的电压波动和负载突变,提高控制器的鲁棒性,增强光伏发电系统的动态响应性能和抗干扰能力。

基于深度学习的摇摆自复位桥墩设计参数优化方法

在墩底与承台间设置摇摆提离面,并将无黏结预应力钢筋及耗能钢筋内置于桥墩中,是实现桥墩自复位的主要方式之一。桥墩的几何参数及材料力学参数直接影响自复位桥墩的抗震性能,但各设计参数之间相互制约,其对摇摆自复位桥墩的耗能能力、残余变形及承载能力3项重要抗震性能指标的总体影响规律尚不明确,摇摆自复位桥墩的设计参数优化问题有待解决。本文提出了一种基于深度学习的摇摆自复位桥墩设计参数优化方法,通过NSGA和MOEA/D算法实现了函数的多目标优化求解,利用AHP–熵权法使得各目标间权重系数能够考虑主客观因素,最后利用TOPSIS方法对Pareto最优解进行排序决策。以1座内置耗能钢筋的摇摆自复位桥墩构件为例,建立了有限元分析模型,兼顾残余位移、等效黏滞阻尼系数及承载力3项抗震性能指标,优化摇摆自复位桥墩的关键设计参数。结果表明:该方法可同时考虑桥墩的几何及材料力学性能参数的随机性,对多个设计目标进行统筹设计,快速筛选出综合性能最佳的设计参数;通过深度学习模型的计算,获得了各决策参数对抗震性能指标的影响规律;较长的耗能钢筋无黏结段能有效降低残余变形,较大的预应力筋初始预张力对结构承载能力与残余变形有利,使用高等级耗能钢筋提升摇摆桥墩耗能和承载能力具有较为明显的效果。利用深度学习方法创建有限元结构代理模型,能够引入结构几何和材料力学性能随机参数提升模型鲁棒性能,使得摇摆自复位桥墩多目标优化效率明显提升。

基于自适应多保真度Co-Kriging代理模型的地下水污染源反演识别

为高效率高精度地进行地下水污染源反演识别,综合运用高保真度和低保真度地下水溶质运移数值模拟模型,研究应用集成差分进化算法的Co-Kriging方法建立模拟模型的多保真度代理模型;在此基础上,探索应用马尔科夫链蒙特卡洛(MCMC)-DREAM_((D))算法,并采用自适应更新多保真度代理模型策略进行地下水污染源反演识别.为验证上述方法的有效性和可行性,开展了数值算例研究.结果表明:相比仅基于高保真度模型输入-输出样本构建的Kriging代理模型,联合运用高保真度和低保真度模型输入-输出样本构建的Co-Kriging代理模型对模拟模型的逼近精度更高;耦合多保真度Co-Kriging代理模型和MCMC-DREAM_((D))算法能够得到较高精度的污染源反演结果,且能够大幅度减小计算负荷;同时,采用自适应更新多保真度代理模型策略能够进一步提高污染源反演识别精度.

基于分数阶传输线理论的ZPW-2000A轨道电路暂态分析

在实际的电路系统中,电感和电容具有分数阶特性,若完全用整数阶模型去描述,会存在误差,同时,现有方法对轨道电路端接频变负载、考虑由集肤效应引起的高频损耗问题,具有处理难度大、耗时长的缺陷。基于此,提出一种在复频域内对ZPW-2000A型轨道电路接收端轨面电压的求解方法。首先,建立轨道电路分数阶传输线模型;其次,利用节点导纳法结合商差(Quotient-difference,Q-D)算法对轨面电压进行求解;最后,通过与时域有限差分法对比验证了所提方法的正确性,分析了在不同暂态信号激励下轨道电路受电端过电压的影响规律。结果表明,轨道电路分数阶传输线模型符合轨面电压传播规律,为轨道电路的准确建模提供了理论参考。

改进D^(*)算法的未知场景机器人运动规划

随着机器人技术不断发展,自主移动机器人的应用已拓展到复杂未知环境中。针对传统运动规划算法在复杂未知环境中存在搜索盲目、计算效率低、难获得安全轨迹等问题,本文提出了一种基于改进D^(*)算法的运动规划方法。其中,前端路径规划使用融合跳跃点搜索(JPS)思想的D^(*)算法,后端轨迹优化基于B样条构建二次规划问题。利用矩阵实验室(Matlab)与机器人操作系统(ROS)的仿真平台进行实验,结果表明,改进D^(*)算法在30×30的栅格地图中,相比传统D^(*)算法、FocussedD^(*)、有向D^(*)算法搜索耗时减少0.297、0.269、0.191s;动态障碍物存在时,可使移动机器人快速、安全运动至目标点。

基于改进粒子群算法的ER8机器人轨迹规划

为解决传统机器人工作效率低、稳定性不足和传统粒子群算法易早熟等问题,提出了一种基于改进粒子群算法的时间最优轨迹规划算法。通过改进粒子群算法的惯性权重和学习因子,优化了粒子群算法的局部和全局搜索能力。首先,以国产ER8型机器人为研究对象,采用改进型D-H参数法获得机器人连杆参数数据,同时通过运动学正逆解理论计算求出了轨迹插值点;其次,利用MATLAB机器人工具箱建立了ER8机器人仿真模型,由于正逆解理论值与仿真结果完全相一致,证明了所建仿真模型的正确性;最后,通过MATLAB仿真得到机器人3-5-3多项式插值构造的轨迹中各关节的位置、速度和加速度等信息,在满足运动学约束的前提下,利用改进粒子群算法优化3-5-3混合多项式插值函数构造的轨迹,机器人用于完成轨迹的时间从3 s减少到1.0375 s,相对于优化前,整体运行时间缩短了大约65%,证明文中改进的粒子群算法可以有效实现时间最优的轨迹规划。

基于代理模型的环氧乙烷制乙二醇工艺优化同步热集成

在当前国家“双碳”目标下,通过优化过程参数以减少化工过程能耗是节能减排的有效手段。环氧乙烷催化水合制乙二醇过程耗能高,优化其工艺参数以降低能耗是非常必要的,但由于生产流程复杂,单纯基于流程模拟很难实现多参数的同步最优化。因此本文采用流程模拟生成数据-构建代理模型-同步优化热集成的思路解决该问题。对年产30万吨环氧乙烷制乙二醇工艺进行流程模拟,根据流程中所需公用工程位点确定代理模型输出变量,通过灵敏度分析进一步确定输入变量。由Sobol随机序列生成样本点并通过模拟得到基于机理模型的可靠数据,以数据驱动方式训练神经网络得到代理模型。最后,以总公用工程费用最小为目标,采用遗传算法与D-G模型组成的同步算法对代理模型进行优化,得到最优工艺参数,总公用工程费用较优化前降低4.89%,既证明了方法的有效性,又展示了其在解决复杂全流程同步优化热集成问题方面的应用前景。

基于d-q变换及WOA-LSTM的异步电机定子匝间短路故障诊断方法

为了实现对异步电机定子绕组匝间短路故障的可靠在线诊断,提出一种基于d-q变换及鲸鱼优化算法(WOA)优化的长短期记忆网络(LSTM)的故障诊断方法。通过理论推导可知,d-q变换可有效提取定子电流中的特征频谱数据。采用鲸鱼优化算法对长短期记忆网络中的3个关键参数进行优化,建立WOA-LSTM故障分类模型。为了验证基于d-q变换和WOA-LSTM故障诊断方法的有效性,分别以小波变换、快速傅里叶变换及d-q变换提取电流频谱数据作为输入数据集,以一台YE2-100L1-4型异步电机为实验对象进行实验验证。研究结果表明:相比于小波变换及快速傅里叶变换,采用d-q变换能更准确的提取出定子电流中的故障特征,更精确地反映电机故障状态,有助于提高故障分类准确率;相比于传统的LSTM算法,经WOA优化后的LSTM算法分类准确率可达98.3%,能可靠地实现不同程度匝间短路故障的诊断。

复杂构造条件煤岩动力地质灾害多元融合智能预警平台研究

针对煤矿煤岩动力灾害日趋复杂及危险增加趋势,基于D-S证据理论和矿井井声电动力灾害监测数据,选取地震震级-频度关系中的b值和时间波动梯度作为证据体指标,建立Dempster合成法则的矿井煤岩动力灾害监测数据进行融合算法。依据算法,构建了人-机-环境多方面融合下的煤岩动力灾害预警模型,建了煤岩动力灾害多元融合智能预警平台,实现煤矿煤岩动力灾害危险性提前预警功能,为工作面的安全生产提供保障。

切缸运行工况下低压缸次末级温度增益分类识别

供热机组低压缸切缸运行下,低压缸次末级温度对低压缸进汽流量实际对象存在强非线性问题,其增益随进汽流量大小及正负变化。根据低压缸次末级温度对进汽流量增益进行分类,把研究可解决对象强非线性问题的方法转换为已经研究成熟的多模型控制方法。提出一种低压缸次末级温度对进汽流量增益进行分类识别的方法:将次末级温度及进汽流量作为特征变量,使用模糊C均值聚类算法将实际对象增益分为4类,通过D-S证据理论对待判别数据的两个特征变量进行数据融合,最大隶属度对应类别即为判别结果。以某电厂实际对象为例,利用D-S证据理论能将各待判别的数据依据聚类中心进行判别,判别结果相较于普通欧氏距离判别更加准确可靠。

一种基于动态最小成本路径启发式算法的水冷壁爬壁机器人路径规划方法

为了满足水冷壁爬壁机器人在复杂多变的表面进行工作的需求,文章针对其持续爬移运动的特点,提出了一种基于动态最小成本路径启发式(D^(*))算法的水冷壁爬壁机器人路径规划方法。该方法通过栅格法对须爬壁的工作环境进行建模,利用D^(*)算法的动态重规划特性,实现机器人在复杂多变的水冷壁表面环境下的有效路径规划。实验结果表明,该方法能够使爬壁机器人高效地完成水冷壁表面的路径规划任务。

代理模型辅助的复杂网络能控性鲁棒性优化方法

近年来,复杂网络的鲁棒性优化问题引起人们广泛关注.复杂网络暴露在外会受到各种各样的攻击,因此如何设计抗击能力较好的网络结构成为了研究热点.虽然现有的方法在小规模复杂网络的鲁棒性方面已经取得了显著成果,但大规模复杂网络的能控性鲁棒性优化的计算成本非常大.而代理模型可以以较低的计算成本来代替优化过程中对复杂网络能控性鲁棒性的评估,但一个代理模型不可能适用于评估所有类型的复杂网络能控性鲁棒性.文中将Dempster-Shafer理论应用于代理模型选择及其混合,并把选择出的代理模型用来辅助进化算法搜索能控性鲁棒性更优的网络结构.此方法在SF、ER、SW、RR、RT和QS 6种合成网络上的实验结果表明:在不同类型的复杂网络中选择合适的代理模型能更好的辅助进化算法找到能控性鲁棒性更优的网络结构.

D-PSO算法的单变量测试参数集成电路筛选方法

针对集成电路尺寸缩小和复杂度提升导致的筛选成本提高问题,提出了一种针对单变量测试参数的集成电路筛选方法。具体先使用归并排序算法将参数值与集成电路编号拼接成数组,确保后续筛选的准确性,并按照参数值对数据进行排序。然后,利用K-means算法对测试数据的异常值进行预处理,对测试数据进行初步优化。最后,通过结合导数与粒子群优化算法创新性地提出了D-PSO算法,D-PSO算法增强了拐点位置定位的敏感性和准确性,能够精确地定位拐点,达到直接筛选出参数数据相近集成电路的目的。通过仿真实验的结果证明了该算法的收敛速度远高于其他算法,并能够准确、快速的筛选集成电路,在保持测试精度的同时,实现了测试集的优化和相似性筛选,有效降低了集成电路筛选成本。

生产工序约束下物流资源多矛盾目标优化调度

在车间生产工序约束下,为了实现物流资源的多矛盾目标优化调度,提出了密度自适应MOEA/D算法的调度方法。对智能车间中生产工序约束下的物流调度问题进行了分析,并建立了最小化完工时间、物流车数量和惩罚成本等多矛盾目标的优化调度模型。以MOEA/D算法为基础,设计了随邻域中染色体密度自适应变化的惩罚因子,调节了染色体多样性和算法收敛性,有效提高了算法的解集质量。将密度自适应MOEA/D算法应用于物流资源调度中并进行实验验证,结果表明:与MOEA/D算法、改进NSGA-II算法相比,密度自适应MOEA/D算法的解集质量更高、分布多样性更好。以3台物流车为例,密度自适应MOEA/D调度方案的完工时间最短,为749 min。实验结果证明了文章方法在物流资源多矛盾目标优化调度中的优越性。