采用“GA+LM”优化BP神经网络的电液伺服阀故障诊断

针对标准BP神经网络用于故障诊断时学习效率低、收敛速度慢、易陷入局部极小点及对初始参数较为敏感等不足,提出了一种组合优化的方法,即采用遗传算法(GA)确定BP神经网络的最佳初始权值矩阵,以规避BP神经网络对初始参数较为敏感的不足;应用LM(Levenberg-Marquardt)算法在局部解空间里对BP神经网络进行精确训练,搜索全局最优解。该方法在保留BP神经网络的广泛映射能力的前提下,提升了网络的学习速度和精确搜索能力,进而大幅提高了基于BP神经网络的电液伺服阀故障诊断的效率和精度。通过对MOOG D761-2716A机械反馈伺服阀进行故障诊断,进一步说明了该方法的实用性和高效性。

基于分子束外延技术可控制备Ga原子团簇的研究

本研究基于分子束外延(Molecular Beam Epitaxy,MBE)技术在Si(100)衬底表面成功制备金属Ga原子团簇.通过控制变量法,研究其尺寸形貌与工艺参数之间的关系.第一组对照实验分别在940℃、970℃、1000℃的Ga源温度下制备Ga原子团簇.实验结果表明,Ga源温度的升高导致Ga的蒸发量增加,进而沉积在Si衬底表面的Ga原子增多,Ga原子自组装成团簇,最终表现为Ga原子团簇的高度升高.第二组对照实验分别在3 s、6 s、10 s、40 s、50 s、60 s的沉积时长下制备Ga原子团簇.实验结果表明,沉积时长增加导致团簇的高度逐渐增加,主要由新吸附原子和竞争效应驱动.第三组对照实验分别在0 s、60 s、300 s的退火时长下制备Ga原子团簇.实验结果表明,退火时长的增加导致团簇的高度下降和团簇内的原子重新排列和分布有关.第四组对照实验分别在420℃、500℃的退火温度下制备Ga原子团簇.实验结果表明,升温至500℃退火会促进Ga原子团簇呈现有序排列,是表面原子的热运动和Ga原子团簇与Si(100)的晶格匹配度的共同作用的结果.

Fe对Ni-Mn-Ga合金微丝形状记忆效应的影响

以Ni-Mn-Ga合金微丝为基础分析Fe元素掺杂前后对合金微丝的形状记忆效应的变化。用真空磁控钨极电弧熔炼炉制备Ni-Mn-Ga-Fe合金,并用高真空精密熔体抽拉设备将母合金制备成微丝。采用EDS能谱分析仪、DSC差示扫描量热分析仪、XRD、DMA动态机械分析仪,研究Fe元素掺杂Ni-Mn-Ga合金微丝后的物相、马氏体相变行为、微丝的形状记忆效应。结果表明,Ni-Mn-Ga-Fe合金微丝显示的是四方结构马氏体相和面心立方结构奥氏体相的混合相,对微丝采用步进式阶梯有序化热处理,有序化热处理能有效降低微丝内部缺陷,释放内应力,细化微丝内部晶粒,收缩晶格体积,马氏体孪晶界面更加平直,孪晶面更易移动,微丝的伸长率提高。在258 K下对制备态Ni-Mn-Ga-Fe合金微丝进行单程形状记忆的测试,拉伸到350 MPa后卸载到0 MPa,随后将微丝升温到奥氏体态后,应变恢复率为78.75%,而在289K对有序化热处理态Ni-Mn-Ga-Fe合金微丝进行单程形状记忆测试,应变恢复率达到100%。在126 MPa和240 MPa下分别对有序化热处理态三元Ni-Mn-Ga合金微丝和Ni-Mn-Ga-Fe合金微丝进行恒应力拉伸,两种微丝双程形状恢复能力均接近100%,但Ni-Mn-Ga-Fe合金微丝在发生形变时的弹性应变储能略高于Ni-Mn-Ga合金微丝。Fe的加入使得到的合金微丝的力学性能高于传统三元形状记忆合金微丝;制备态下和热处理态的Ni-Mn-Ga-Fe合金微丝的马氏体相变温度较Ni-Mn-Ga合金微丝分别提高6.0 K和11.5 K,热滞分别降低6.7 K和1.5 K。

基于GA的RBF神经网络气液两相流持液率预测模型优化

为了提高气液两相流持液率预测精度,针对传统径向基函数(RBF)神经网络预测气液两相流持液率网络拓扑结构困难和收敛速度慢等问题,提出一种基于遗传算法(GA)优化径向基函数神经网络的气液两相流持液率预测模型。通过系统聚类算法和灰色关联度分析(GRA)对收集的实验数据进行处理,优选出最优模型特征,同时结合遗传算法确定了RBF神经网络结构参数。基于室内实验数据进行训练,并与常用于持液率预测的反向传播(BP)神经网络、GA-BP神经网络及RBF神经网络进行对比,评估了模型的准确性及可行性。结果表明:GA-RBF神经网络模型均方误差为0.0017,均方根误差为0.0416,平均绝对误差为0.0281,拟合度为0.9483。相较于其他神经网络模型,该预测模型表现出更高的计算精度和更强的泛化能力。

基于SPA-GA-SVR模型的土壤水分及温度预测

土壤湿度和温度是影响水文循环和气候变化的重要参数,在农业实践活动和生态平衡中起着重要作用。为及时、准确地监测土壤含水量(Soil Moisture Content,SMC)及温度,提出了一种基于高光谱数据的预测方法。实验数据集来自为期5天的实地测量,所获得的高光谱数据包含大量的噪声及冗余信息,因此首先用Savitzky-Golay卷积平滑对光谱数据进行降噪处理,利用连续投影算法(Successive Projection Algorithm,SPA)提取数据特征波长,然后通过遗传算法(Genetic Algorithm,GA)对支持向量机回归(Support Vector Regression,SVR)的超参数权值和偏置进行优化,构建SPA-GASVR混合算法模型对土壤水分和温度进行预测,并与BP神经网络(Back Propagation Neural Network,BPNN)、SPA-BP、SVR、SPA-SVR、GA-SVR这5种模型的预测性能进行比较。实验结果表明:各模型在土壤湿度低于30%的情况下,表现出的预测能力差异并不显著。但整体上,复合模型相比于单一的神经网络或机器学习模型具有明显的优势,且经过连续投影算法优化的模型进一步的提高其预测能力,最终SPA-GA-SVR算法在各项指标上均优于其他模型,土壤水分预测模型的R^(2)=0.981、RMSE=0.473%,土壤温度预测模型R^(2)=0.963、RMSE=0.883℃。实验证明基于高光谱数据,经过SPA和GA优化的SVR模型能实现对土壤湿度和温度精准的预测。该方法具有一定的应用价值和现实意义,可应用于便携式高光谱仪和无人机上,实现对土壤水分和温度的实时监测,为今后的播种及灌溉提供理论参考。

基于小波变换和GA-BP神经网络的电力电缆故障定位

由于电力电缆敷设于地下,当发生故障时难以快速且准确定位,出现了故障定位问题。因此,提出一种基于小波变换和遗传算法反向传播(Genetic algorithm back propagation,GA-BP)神经网络的电力电缆故障定位方法,在分析对比各小波能量集中程度和波动次数的基础上,选择多贝西小波(Daubechies wavelet 6,Db6)作为小波基函数,对于各故障位置,采集正向故障行波的α模分量,并对其进行小波分解。选取在d1尺度下的模极大值点作为特征值,同时将故障距离作为标签值,从而构建了训练和测试样本数据集;利用遗传算法(Genetic algorithm,GA)的种群进化和全局最优搜寻能力来改善误差逆传播(Back propagation,BP)网络对初始权重敏感的缺点,并使用优化后的权值、阈值重新对BP神经网络进行训练和预测,最后通过与传统双端行波定位算法、BP算法、粒子群优化BP算法(Particle swarm optimization BP,PSO-BP)相比较,证明了所提方法在测距性能方面的优越性。

基于GA-LSTM自适应卡尔曼滤波的路面不平度识别

准确、快速地识别出车辆当前行驶的路面激励信息,是实现智能底盘控制进而保证车辆平顺性的关键。针对传统路面不平度识别算法准确率低、自适应性差等问题,提出了基于遗传算法(genetic algorithm,GA)优化长短期记忆神经网络(long short-term memory networks,LSTM)自适应卡尔曼滤波的路面不平度识别算法。基于2自由度车辆悬架模型,通过灰色关联法选择LSTM神经网络的特征输入变量,并采用GA优化LSTM神经网络的模型参数以准确识别路面等级,并据此实时更新卡尔曼滤波器算法中的噪声矩阵,实现了在复杂路况下对路面不平度的自适应识别。仿真和试验研究表明,所提出的基于GA-LSTM自适应卡尔曼滤波算法能够快速准确的识别路面不平度与路面等级,与传统卡尔曼滤波算法相比,相关系数、均方根误差和最大绝对误差分别提高3.11%、37.5%和51.2%,表明所提算法对复杂工况具有很好的自适应能力。

表面电荷密度及介电常数对AlGaN/GaN异质结中二维电子气性质的影响

通过在Al_(x)Ga_(1-x)N层引入离化电荷面密度,结合自发极化和压电极化引起的极化电荷面密度,利用变分法计算二维电子气面密度随Al组分和Al_(x)Ga_(1-x)N厚度的变化关系.研究了相对介电常数对电子气密度的影响,并与实验数据进行了比较.通过在Al_(x)Ga_(1-x)N的相对介电常量中引入高阶项,使得计算结果更好地拟合了高Al组分的电子气密度.计算得到的离化电荷面电荷密度与极化电荷面电荷密度相当,从而证明离化面电荷密度对二维电子气形成的贡献.

基于GA-BP-FA算法的多轴铣削残余应力优化

提出了面向多轴铣削GH4169的残余应力控制的GA-BP-FA多目标优化模型,运用遗传算法(GA)优化BP神经网络的初始权值和阈值,提升神经网络算法的收敛速度和预测精度。基于GA-BP算法建立了铣削残余应力预测模型,并分析了铣削工艺参数对残余应力的影响。以获得最小残余拉应力/最大残余压应力为目标,基于萤火虫算法(FA)对铣削工艺参数进行优化。研究结果表明,所建立的残余应力的GA-BP预测模型具有较高的预测精度,两个方向的平均误差分别为18.9%和16.7%。经FA算法优化后,所选参数阈内最优工艺参数为切削倾角Φ=85°,切削速度v=20 m/min,每齿进给量f_(z)=0.01 mm/z。优化后σ_(x)方向的残余压应力-463.43 MPa和σ_(y)方向的残余压应力-686.93 MPa。

P507溶剂浸渍树脂吸附Ga(Ⅲ)的性能研究

溶剂浸渍树脂(SIRs)分离法兼具溶剂萃取与离子交换两种分离方法的优点,且树脂制备简单,可根据实际情况灵活选用不同的载体和萃取剂,有望实现镓绿色、高效的分离回收。本文以苯乙烯-二乙烯基苯大孔吸附树脂(代号:HZ818)为载体、2-乙基己基膦酸单2-乙基己基酯(代号:P507)为萃取剂,制备P507 SIRs,研究了该SIRs在H 2SO 4体系中吸附Ga(Ⅲ)的性能。静态吸附实验表明:298 K时,P507 SIRs对Ga(Ⅲ)的最佳吸附pH值为3.3,对应吸附量为13.7 mg·g^(-1);吸附平衡时间为14 h,动力学吸附过程可用拟二级动力学方程描述;等温吸附均符合Langmuir等温吸附模型。动态吸附实验表明:低流速有利于P507 SIRs对Ga(Ⅲ)充分吸附;1.5 mol·L^(-1)的HCl可以将吸附于P507 SIRs上的Ga(Ⅲ)完全洗脱;P507 SIRs对Ga(Ⅲ)循环吸附稳定性能有待提高。在Ga(Ⅲ)-Zn(Ⅱ)、Ga(Ⅲ)-Cu(Ⅱ)二元混合体系中,P507 SIRs对Ga(Ⅲ)具有较好的吸附选择性,通过控制溶液pH值可以实现Ga(Ⅲ)的分离富集;在含Fe(Ⅲ)的Ga(Ⅲ)-Fe(Ⅲ)二元体系和Ga(Ⅲ)-Zn(Ⅱ)-Cu(Ⅱ)-Fe(Ⅲ)多元体系中,P507 SIRs对Fe(Ⅲ)表现出较好的吸附选择性,而对Ga(Ⅲ)吸附甚微,表明Fe(Ⅲ)的存在对P507 SIRs吸附Ga(Ⅲ)产生较大干扰。

^(68)Ga-PSMA-11 PET/CT前列腺癌假阳性病灶的病理学特点

目的基于前列腺癌根治术后标本病理大切片探究^(68)Ga-前列腺特异性膜抗原(PSMA)-11配体正电子发射/计算机断层扫描(PET/CT)前列腺癌假阳性病灶的病理特点,以期更准确地评估前列腺组织的恶性程度,避免过度诊断和不必要的治疗。方法回顾性分析2018年1月—2022年12月于南京大学医学院附属鼓楼医院行前列腺癌根治术并且术后标本制作病理大切片的77例患者的临床资料,患者术前均进行^(68)Ga-PSMA-11 PET/CT检查。2名核医学科医生盲于病理大切片对^(68)Ga-PSMA-11 PET/CT影像进行诊断,2名病理科医生盲于影像结果对病理大切片进行诊断。通过匹配影像和病理大切片来明确^(68)Ga-PSMA-11 PET/CT上前列腺内假阳性病灶,并与相应的真阴性病灶对比以明确其病理特点。采用Fisher精确检验对假阳性病灶和真阴性病灶的病理类型进行比较。结果经影像和病理大切片相互匹配后,确诊出21处(16.3%)假阳性病灶,其病理类型分别为:16处(76.2%)单纯性萎缩伴囊肿形成、3处(14.3%)前列腺增生、2处(9.5%)前列腺炎症。相应圈选的21处真阴性病灶的病理类型分别为:13处(61.9%)正常腺体结构、5处(23.8%)前列腺增生、3处(14.3%)单纯性萎缩伴囊肿形成。经Fisher精确检验发现,单纯性萎缩伴囊肿形成在假阳性病灶与其在真阴性病灶病理类型中占比的差异有统计学意义(76.2%vs.14.3%,P<0.001)。结论单纯性萎缩伴囊肿形成可能是^(68)Ga-PSMA-11 PET/CT在前列腺癌假阳性病灶中的一个特征性病理类型。

基于GA-BP神经网络的大型客机气流角估计方法

为了解决硬件冗余难以克服的气流角传感器共因故障问题,进一步提高飞机气流角信号的可靠性,研究了基于GABP神经网络的气流角估计方法。通过BP神经网络融合姿态角、加速度、风速等参数来实现不依赖气流角传感器的气流角估计;引入遗传算法对神经网络权值和阈值进行全局优化,提高估计精度;对某大型客机的试飞数据预处理后用于模型的训练和测试。仿真结果表明,训练完成的GA-BP神经网络模型对气流角的估计值贴近实际值,稳定性和精度明显高于BP神经网络。上述方法给飞机增加一个余度的气流角信号,可用于传感器故障时为飞机提供可靠的气流角信号。

基于GA-BP对叶片点云数据修补及逆向建模

为了获得某型号发动机叶片的三维建模及其相关数据,给逆向设计提供一些零件的三维建模尺寸。由于获得建模的三维点云数据时必然会产生孔洞,文中使用基于Genetic Algorithm(基因遗传算法)优化的Back Propagation(反向传播)神经网络(又称GA-BP神经网络)作为一个回归预测算法,来对产生的散乱点云孔洞加以修复和点云处理,最后再通过Geomagic Wrap对某型号发动机叶片进行逆向建模。通过对比BP神经网络可知,GA-BP修补孔洞的误差明显降低,满足对三维模型精度较高的要求,可应用于逆向工程。

基于RF-GA的热磨机生产参数优化方法

热磨机是纤维板生产中最重要的设备之一;热磨机的综合能耗在纤维板生产的整体能源消耗中占比显著,优化生产参数以降低热磨机能耗一直是纤维板生产的要求之一。以华北某纤维板企业采集的数据为依据,针对影响比能耗(SEC)和纤维质量(QF)的多个生产参数,用粒子群算法优化的BP神经网络、支持向量机(SVM)和随机森林(RF)建立比能耗和纤维质量预测模型,经对比确定最佳比能耗和纤维质量预测模型;后基于最佳预测模型构建生产参数优化模型,采用遗传算法(GA)对其求解得到最佳生产参数,以此提出基于RF-GA模型的热磨机生产参数优化方法。结果表明,热磨机各生产参数之间存在较强耦合关系,且与比能耗和纤维质量为非线性关联;粒子群算法对机器学习算法中超参数的优化是必要的,可以有效降低机器学习算法误差;选取5组不同纤维质量下的数据,采用建立的热磨机生产参数优化方法优化后,比能耗平均下降6.9kW·h/t、降幅为5.22%。该研究验证了RF-GA热磨机生产参数优化方法的可行性,能够应用于生产参数的优化,有效地实现节能降耗的目标,并为热磨机生产参数的设定提供依据。

轮毂电机电动汽车空气悬架阻尼GA-LQR控制研究

针对轮毂电机驱动电动汽车因电机内部不平衡电磁力引起的负面振动加剧等问题,提出一种基于遗传算法的线性二次型调节器(GA-LQR)的空气悬架阻尼控制方法。建立包含轮毂电机和空气悬架系统的轮毂电机驱动电动汽车8自由度半车动力学模型,并进行实车试验验证模型;仿真分析路面激励和不平衡电磁力两者对电动汽车垂向振动的影响;根据最优控制理论提出LQR控制策略,并通过遗传算法对LQR控制中的加权矩阵Q和R进行全局搜索优化,构建了GA-LQR阻尼控制器。仿真结果表明:相较于被动悬架和LQR控制的空气悬架,基于GA-LQR控制的空气悬架对电动汽车各评价指标的改善效果明显,可有效抑制轮毂电机因偏心引起的不良振动,极大地提高车辆的乘坐舒适性。

Ga^(28+)离子1s^(2)np(2≤n≤9)Rydberg态的能级结构

利用全实加关联方法构造了Ga^(28+)离子1s^(2)np(2≤n≤9)Rydberg态的波函数,通过Rayleigh-Ritz变分法计算了1s^(2)np Rydberg态的非相对论能级.在此基础上,充分考虑一阶相对论效应、质量极化效应、高阶相对论效应和量子电动力学效应对能级的影响,计算了Ga^(28+)离子1s^(2)np(2≤n≤9)Rydberg态的精细结构劈裂、激发能和电离能.得到的精细结构劈裂符合Rydberg态的变化规律,激发能和电离能结果与现有实验数据也符合得很好,具有较好的精度.

基于GA-BP算法的农产品冷链物流企业绩效评价

对国内农产品冷链物流企业的相关数据进行分析,探究影响农产品冷链物流企业绩效的原因,建立农产品冷链物流企业的绩效评价指标;采集有关公司的实际数据,对指标体系所对应的指标值进行量化和归一化处理,形成相应的样本训练集,并采用遗传算法(GA)优化BP人工神经网络;建立基于GA神经网络算法的应用模型,进行仿真训练,以确定最优隐层数;同时,对比多种评价方法结果,以证明此方法的有效性及相对准确性;阐述所提方法在农产品冷链物流企业决策与管理系统中的应用方法和应用前景。

基于改进GA算法的电力变压器优化设计

针对中小型电力变压器优化设计问题,同时响应国家节能减排的号召,对GA算法进行改进并分别应用到电力变压器优化设计中的有效材料成本单目标和总损耗的单目标中。将改进GA算法优化所得数据和使用原GA算法以及人工设计进行对比分析,结果表明改进GA算法优化效果较好,运行时间较快,能有效减少电力变压器所需的材料成本或损耗。

基于GRA-GASA-SVM的煤层瓦斯含量预测方法研究

为提升煤层瓦斯含量预测精度,提出一种采用遗传模拟退火算法混合优化支持向量机(SVM)参数的瓦斯含量预测模型(GRA-GASA-SVM模型)。该模型将GA和SA整合为遗传模拟退火算法协同优化SVM的参数,以解决传统网格寻优算法取值范围无法确定和单一智能算法优化程度有限等问题。利用灰色关联分析(GRA)压缩数据集维度,建立瓦斯含量预测参数体系并作为GASA-SVM的输入数据集。结果表明:SVM模型、GA-SVM模型和GASA-SVM模型10折交叉验证瓦斯含量预测总平均相对误差分别为15.98%、13.55%和10.58%。相比SVM模型和GA-SVM模型,GASA-SVM模型预测稳定性更优、预测精准度更高且对新样本泛化能力更强。