改进Faster R-CNN的视频SAR动目标检测算法

针对当前可用于深度学习的视频SAR数据稀少的现状,以及动目标检测算法中存在较多的漏检和虚警问题,基于美国桑迪亚国家实验室真实视频SAR数据制作深度学习数据集,提出一种改进Faster R-CNN的视频SAR动目标检测算法。算法以截取后的ResNet50为特征提取网络,利用K-means加遗传算法自适应计算锚框,并在数据预处理环节加入S型曲线增强方法,来增强图像的对比度信息。经实验验证,所提出方法能够显著提升动目标检测率和检测速度,其中,平均精度(AP)和F1分数提升均达到10个点以上,有效降低了虚警和漏检,整体表现优于一阶段算法SSD和RetinaNet。

基于神经网络的电弧增材制造铝合金力学性能预测

目的预测不同工艺参数下电弧增材制造铝合金的力学性能。方法通过实验建立了电弧增材制造6061铝合金及TiC增强6061铝合金力学性能的数据集,并建立了一种以焊接电流、焊接速度、脉冲频率、TiC颗粒含量为输入,以屈服强度和抗拉强度为输出的神经网预测模型,对比了反向传播神经网络(BP)、粒子群算法优化BP神经网络(PSO-BP)、遗传算法优化BP神经网络(GA-BP)3种预测模型的精度。结果与BP模型和PSO-BP模型相比,GA-BP预测模型具有更好的预测精度。其中,GA-BP模型预测6061铝合金屈服强度最佳结果的相关系数(R)为0.965,决定系数(R2)为0.93,平均绝对误差(Mean Absolute Error,MAE)为2.35,均方根误差(Root Mean Square Error,RMSE)为2.67;预测TiC增强的6061铝合金抗拉强度最佳结果的R=1,R2高达0.99,MAE为0.46,RMSE为0.49,GA-BP具有良好的预测精度。结论BP、PSO-BP、GA-BP3种神经网络模型可以用来预测电弧增材制造铝合金的力学性能,GA-BP模型比其他2种模型的预测精度更优。与传统的实验方法相比,用神经网络模型预测电弧增材制造铝合金力学性能的速度更快,成本更低。

“双碳”背景下废钢企业逆向物流网络优化

钢铁行业的碳排放量占全国碳排放量的15%-20%,逆向物流废钢再利用的降碳空间巨大。聚焦废钢企业逆向物流体系,以网络建设与运营过程中碳排放成本以及其他经济成本最低化为目标,对废钢设施选址、货流分配等内容进行优化决策,考虑流量平衡、基地容量约束、运载工具容量约束等限制条件,构建了废钢企业逆向物流网络优化模型。基于遗传算法和蚁群算法设计了一种双层嵌套启发式算法进行求解;外层遗传算法确定选址方案,代入内层蚁群算法求解货流分配方案,再返回外层遗传算法求解最终目标值,经过多次迭代寻优得到最终方案。最后以江苏地区废钢企业逆向物流网络为研究对象进行算例分析,验证了模型与算法的可行性。该研究成果可为废钢企业逆向物流网络建设和运营决策提供有效支撑。

基于改进免疫遗传算法的混合车间调度研究

建立了以最大总完成时间最小为目标的混合车间调度模型。该模型包括作业车间和并行流水装配车间两部分调度问题。为降低问题求解难度,采用分解的策略对调度问题分阶段求解,并引入多Agent协商机制和模拟退火算法与免疫遗传算法相结合,提出了基于分解策略的免疫遗传算法,并通过在某汽车减振器企业的实施验证了模型和算法的有效性。

多梳栉经编机成圈运动及其机构分析与设计

在吸收、掌握国外经编机机构设计精髓的基础上,对多梳栉经编机的成圈运动及其机构实现进行了深入研究。首先,介绍了成圈机构、成圈过程及其工作原理,设计出具有停歇功能的斯蒂芬森六杆传动机构,并通过共享一个不同相位角的三拐曲轴,将三个六杆传动机构与3-DOF平面八杆成圈子机构串接,设计出单主轴驱动的3-DOF平面22杆经编成圈主机构,并进行机构运动学分析;然后,根据梳栉上导纱针的排布以及成圈工艺,规划成圈运动轨迹的关键特征点,并用最小二乘法拟合出各运动轨迹的多项式函数;最后,对3-DOF平面22杆经编成圈主机构进行整体建模分析,并运用遗传算法对其进行了基于成圈运动轨迹逼近的机构参数优化设计。

多目标遗传算法方向调制物理层安全通信信号设计

提出了一种运用多目标函数遗传算法的方向调制信号.根据星座点之间欧氏距离与误码性能之间的关系,采用多目标函数综合相移器相移值,使得发射信号星座图在期望方位与基带数字调制信号相同,而在其他方位产生最大程度的畸变.相比于传统的方向调制信号,用文中方法发射的方向调制信号具有更窄的波束宽度.仿真结果表明,所提出的多目标方向调制物理层安全通信信号具有更强的防窃听性能.

基于GA-ANFIS的开关磁阻电机建模

针对在使用自适应神经网络模糊推理系统对开关磁阻电机进行建模的过程中收敛速度慢的问题,采用将遗传算法和自适应神经网络模糊推理系统相结合的开关磁阻电机建模方法。网络结构仍然采用具有很强鲁棒性和自适应性的Takagi-Sugeno模型,而在网络参数训练时将遗传算法与自适应神经网络模糊推理系统的传统混合学习算法相结合,以提高训练速度。根据实测的8/6极开关磁阻电机的样本数据,对开关磁阻电机的电感和转矩进行建模,仿真结果表明,该方法具有很高的精确度和很强的泛化能力,并且将收敛速度提高了两倍多。将所建模型应用到开关磁阻电机控制系统仿真中,并与实际控制系统进行对比,两者结果基本一致,证明了该方法的正确性和可行性。

基于多种群遗传算法的大跨度斜拉桥索力优化

针对大跨斜拉桥索力优化问题的非线性特点以及简单遗传算法易早熟收敛的缺陷,提出了一种基于多种群遗传算法的斜拉桥索力优化方法。以结构的最小加权弯曲应变能作为目标函数,并加以多约束条件,建立索力优化模型;通过改进多种群遗传算法的编码方式,将其应用于大跨斜拉桥的索力优化中;在此基础上综合运用MATLAB及APDL语言编制了大跨斜拉桥索力优化程序。以南京长江三桥为工程实例进行计算分析,结果显示采用多种群遗传算法优化斜拉桥索力是可行且有效的,优化后全桥结构内力均匀合理,该方法操作简单,具有较高的实用价值。

成像测井图像呈正弦形地质构造自动拾取方法

成像测井资料解释对裂缝、层理、层界面等在图像中呈现正弦形特征的地质构造的拾取,国内外大多软件都采用人工拾取,对于深度较大的井,工作量较大,误差大。提出一种测井曲线正弦形构造自动拾取方法。利用图像处理技术将图像中正弦形构造与图像基质进行分离,并利用投票机制确立正弦线位置,通过遗传算法对图像搜索出的满足正弦线条件的灰度散点进行非线性拟合,实现成像测井资料的裂缝、层理、层界面等正弦形构造的自动拾取。对实际测井资料的处理表明,该方法拾取的准确度高,拾取效率符合实际应用要求。

基于遗传算法的自适应测试生成

文章介绍了一种基于遗传算法的自适应测试生成方法。首先讨论了用遗传算法进行测试生成时构造评价函数的一些方法,然后应用组合电路的Hopfield神经网络模型,提出了基于遗传算法的自适应测试生成算法,该方法不同于传统的方法,它不需要故障传播、回退等过程。实验结果表明了本算法的可行性。

车辆路线问题的自适应遗传模拟退火算法

针对目前大多数车辆路线问题的模型和及其算法都是针对单车型而设计,而对带有时间窗的多目标多车型车辆路线问题研究较少这一不足,在考虑了车辆载货状况、车辆类型、时间窗等约束条件的基础上,建立了基于总费用最小的双层目标规划模型,其中上层目标是车辆购买成本最小,下层目标为运输距离成本最小。综合考虑自适应遗传算法和模拟退火算法的优点,设计了1种自适应遗传模拟退火算法求解车辆路线问题。算例结果表明:相比于标准遗传算法,自适应遗传模拟退火算法减少了9%的运输成本,能跳出局部收敛获得最优解,从而提供更为合理的车辆数量和车辆路线。

需求可拆分的多周期订货-运输集成优化算法

鉴于目前多周期订货—运输集成问题研究几乎都假设需求不可拆分、造成不能有效降低总成本,或者将车辆数作为能力约束,造成企业各计划期内需求变化较大时不便于合理设置车辆数等问题,提出一个需求可拆分、动态车辆数的多周期订货—运输集成优化模型。鉴于目前该问题缺乏有效的求解算法,提出一种遗传算法与2-OPT算法相结合的混合遗传算法,针对问题的特点设计了一种二维编码方式来处理多周期订货时间和数量问题,并通过算例验证了模型和算法的有效性。

基于遗传算法的OTHR机动弱目标检测

天波超视距(OTH)雷达系统中,为了获得较高的多普勒分辨率,通常会采用长的相干积累时间,但对于机动目标,长相干积累时间会导致回波的多普勒展宽,不利于检测。对于弱目标,由于其能量低,容易被强目标掩盖,加大了检测难度,针对这一问题,提出一种基于目标运动参数估计的OTHR机动弱目标检测方法。利用遗传算法优越的参数估计性能这一特点,采用遗传算法估计各目标的运动参数,并引入"clean"算法的思想,在时域上逐个减去强目标,以消除强目标的掩盖效应。又考虑到遗传算法的运算量较大,进一步提出采用时频分析算法估计各参数范围,减小遗传算法的运算量。仿真结果表明,与已有算法相比,文中算法具有更高的参数估计精度和弱目标检测性能。

基于自适应GA自抗扰控制在蒸汽发生器水位控制中的应用研究

核电厂蒸汽发生器是一个非线性、时变的系统。把自抗扰控制方法引入蒸汽发生器水位的串级控制系统中,能够解决传统PID控制中快速性和超调的矛盾,且能够动态补偿对象模型的内扰动和外扰动。由于自抗扰控制器参数众多,无统一调整规范,参数难以整定,为解决这一问题,采用自适应遗传算法来对自抗扰控制器参数进行优化。计算机仿真结果表明,本文控制方法的鲁棒性和控制品质优于传统的串级PID控制方法。

综合模糊TOPSIS决策的应急物资储备库多级覆盖选址模型

研究应急物资储备库选址理论和方法在应对当前频发的重大突发事件具有重要的现实意义和理论价值。针对现有设施选址理论存在的局限性,提出综合模糊TOPSIS决策的应急物资储备库多级覆盖选址模型。在分析应急物资储备库选址影响因素的基础上,构建应急物资储备库选址评价指标体系,运用模糊TOPSIS方法对候选应急物资储备库进行初选;基于"备用覆盖"和"部分覆盖"思想,建立应急物资储备库多级覆盖选址模型,运用遗传算法对模型求解,确定最终选址方案;以一个算例对算法进行验证,分析了算法的有效性。

非微分Morgenstern-Price法在边坡稳定分析中的应用

推导出Morgenstern—Price法的非微分形式，并编制了基于该方法的程序：设置并行迭代，达到传统MP法一般通用性的要求；设置二一迭代，提高计算收敛速度。通过ACADS均质、非均质边坡算例得出的安全系数与其他算法的比较，验证了该算法的科学可靠性。将此法应用于铁生沟滑坡：天然与饱和状态土体的安全系数分别为1．0838和0．9600，与报告结果的安全系数1．12～1．14和1．00～1．03的范围值基本吻合，表明该方法适用于非均质实际边坡，对边坡的后续监测、防护工作具有指导作用。

考虑可靠性的给水管网水质传感器多目标优化选址模型

针对给水管网水质传感器有可能失效的情况,提出了考虑传感器可靠性的多目标优化选址模型(SPM-R).该模型在最大限度监测突发或者蓄意的污染事件之外,期望传感器选址具有一定的可靠性,即若某一传感器发生故障,存在其它传感器能够继续监测污染事件,并且由此造成的监测时间增加值在允许范围之内.结合一管网算例,首先利用EPANET软件随机模拟管网节点被注入污染物后各个节点污染物浓度变化情况,得到监测时间矩阵,然后,基于非支配排序遗传算法-II(NSGA-II)详细阐述了SPM-R模型的求解过程,并对计算结果进行了参数敏感性分析.

作业时间依赖资源分配决策的项目调度问题建模与算法

针对实际问题的需求,提出了作业时间依赖资源分配决策的项目调度问题.以最小化项目工期为目标,建立了作业时间与资源分配量呈函数关系的资源受限项目的调度模型,提出了基于1-opt及2-opt局部搜索的遗传算法以提高算法的求解质量,分析了2-opt局部搜索中的作业组合情形,归纳与证明了不同作业组合调整与问题目标之间的关联性质,在此基础上建立了选取有效作业组合的方法,以提高算法在局部搜索求解中的效率.数据实验结果表明,所提算法相较于现有算法,其求解的质量和速度均具有优越性.

电站锅炉缺失数据的遗传自适应填补方法

为提高燃烧效率及降低污染排放,基于运行数据的建模与优化是一种有效途径,但现场运行数据因传感器故障或传输失败等原因不可避免地存在缺失值,进而导致信息不完备,无法直接进行建模与优化.针对这一问题,采用一种基于时间相关性的缺失值填补算法,基于线性插值原理对平稳运行过程的缺失数据进行填补;针对非平稳运行工况,提出一种类平均值填补算法,并对其分类结果进行加权修正,进一步提高填补准确性;在此基础上,提出一种基于遗传算法的自适应加权类平均值填补方法,并在实际数据上进行测试分析,结果表明该方法具有更高的填补准确率.

PAPF输出滤波器的优化设计和控制

并联有源电力滤波器(PAPF)的LCL型的输出滤波器要满足指令电流动态跟踪、补偿频段电流最大输出比和高频开关纹波的充分抑制3个方面的要求。采用遗传算法对LCL参数进行优化设计,为了摆脱传统加权系数法在解决多目标优化问题时对加权系数选择的盲目性,采取了粗粒型并行遗传算法,为避免算法陷入局部最优解,在算法优化的过程中采用了动态交叉,变异算子,提高了粗粒型并行遗传算法的性能。另外针对大容量有源电力滤波器中阻尼电阻能耗过大的问题,用控制方法产生的虚拟电阻去代替实际的阻尼电阻。仿真结果证明了设计的LCL滤波器的优良性能和虚拟电阻的可行性。