基于Na-BP-DME@C阳极的长寿命准固态钠-空气电池

钠-空气电池因其能量密度高、成本低而成为金属-空气电池领域的研究热点。然而,以金属钠为阳极的钠-空气电池存在钠枝晶生长、金属钠界面稳定性差以及金属钠的反应活性高等问题,限制了钠-空气电池的快速发展。为解决上述问题,将联苯钠与导电炭黑复合材料Na-BP-DME@C作为阳极,单壁碳纳米角(SWCHNs)作为催化剂,构建准固态钠-空气电池。基于Na-BP-DME@C阳极的准固态钠-空气电池表现出优异的电化学性能,其电压差为1.5 V,功率密度为3.32 mW/cm^(2),在0.1 mA/cm^(2)电流密度下可稳定循环459 h(约459次)。

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。

基于FOA-BP-AdaBoost的大坝变形预测模型及应用

为提升大坝变形监测预测精度,解决变形量受多因素影响等问题,笔者提出了基于果蝇优化算法(FOA)、BP神经网络的AdaBoost强预测组合模型(FOA-BP-AdaBoost),并与BP神经网络模型、FOA-BP神经网络模型应用于工程实例中的预测精度进行多方位量化对比。结果表明:强预测模型集齐了果蝇算法全局优化、BP神经网络局部寻优和AdaBoost“优中选优”的特点,最大程度优化了预测效果;实例应用证实了FOA-BP-AdaBoost模型在大坝变形预测领域的准确性和有效性。该模型已成功应用于工程实例,可为类似工程提供参考。

基于BP-ANN与RBF-ANN的钢筋与混凝土黏结强度预测模型研究

为研究神经网络对钢筋与混凝土黏结强度的预测能力以及神经网络的输出性能,基于大量的试验数据,提出一种基于改进神经网络的变形钢筋与混凝土黏结强度预测模型,对混凝土结构的研究与实际工程应用均有着重要的意义。收集290组黏结锚固试验数据,引入基于反向传播人工神经网络(BP-ANN)与径向基函数神经网络(RBF-ANN)算法,揭示混凝土强度、保护层厚度、钢筋直径、锚固长度及配箍率对变形钢筋与混凝土黏结性能的影响规律,建立基于改进神经网络算法的钢筋与混凝土黏结强度预测模型。对比分析不同数据预处理方法和训练神经元个数对建议模型预测结果的影响,评估各经典模型与建议模型的预测精度和离散性,提出临界锚固长度计算公式。结果表明:BP-ANN预测值与试验值比值的均值、标准差及变异系数分别为1.009、0.188、0.86,其预测精度略高于RBF-ANN;建议模型能够更准确、更稳定地预测钢筋与混凝土的黏结强度,该方法为解决钢筋与混凝土黏结问题提供了新思路。

基于BP-Adaboost算法的输电塔-线结构整体可靠性分析

针对传统结构可靠性分析方法的应用局限性和计算成本较大等不足,引入BP-Adaboost集成学习算法,提出一种准确高效、简单易行的输电塔线结构整体可靠性分析方法。首先,建立输电塔线结构有限元分析模型,分析结构的失效准则并推导相应的极限状态功能函数;然后,将BP-Adaboost集成学习算法与蒙特卡洛模拟方法相结合,建立高精度预测模型来替代分析过程复杂的有限元模型,提出基于BP-Adaboost模型的输电塔线结构整体可靠性分析方法;最后,通过数值算例对所提方法进行应用与验证,证明所提方法具有更高的精度和效率,并进一步将其应用于实际输电塔线结构工程,分析多失效模式下输电塔线结构的整体可靠性。

基于BP-FWA算法的无人艇载火箭炮回转机构伺服控制系统研究

针对目前传统艇载火箭炮回转机构控制误差大、精度低及行驶中抗干扰能力弱等问题,提出基于烟花算法(BP-FWA)神经网络算法无人艇载火箭炮回转机构伺服控制研究。构建某无人艇载火箭炮回转机构伺服控制构架;建立回转机构数学模型,结合DSP进行控制信号处理;提出BP-FWA算法模型设计,实现对回转机构伺服控制的精确优化控制。结果表明:该算法下的伺服控制系统响应速度快、控制精度高、误差小及抗干扰能力强,提升无人艇载火箭炮的运行效果,具有很重要军事工程应用价值,为实现我海军艇载武器装备的智能化水平提供重要的支撑。

基于BP-DEMATEL的山西省冬小麦水足迹影响因素识别

针对山西省冬小麦水足迹历史演变及关键影响因素识别问题,分析了1993—2021年山西省冬小麦水足迹历史演变规律,利用BP神经网络-决策实验室(BP-DEMATEL)模型对冬小麦水足迹演变的关键影响因素进行识别,将其分为驱动型因素及特征型因素,并揭示了影响因素之间的作用机制。结果表明:1993—2021年山西省冬小麦水足迹及单位水足迹均呈下降趋势;2021年山西省冬小麦总水足迹为27亿m^(3)(蓝水占比57%),单位水足迹为1 122 m^(3)/t,与前期高点相比分别下降38%(较1994年)和21%(较1993年);气温、相对湿度和灌溉面积为冬小麦水足迹演变的关键驱动型因素,化肥施用量和农业机械总动力为关键特征型因素。

采用改进BP-PID控制的机器人避障仿真研究

针对移动机器人避障过程中行驶路径长、寻路速度慢等问题,提出了一种改进反向传播-比例-积分-微分(BP-PID)控制器,并对移动机器人避障效果进行仿真验证。利用移动机器人在二维坐标系的避障简图,得出了移动机器人运动方程式。引用比例-积分-微分(PID)控制器和3层BP神经网络结构,利用BP神经网络的学习能力调整PID控制器参数。引用粒子群算法进行改进,通过改进粒子群算法在线优化BP-PID控制器,确保移动机器人BP-PID控制器收敛于全局最优值,从而使移动机器人避障效果更好。在不同环境中,采用Matlab软件对移动机器人避障效果进行仿真,比较改进前和改进后的移动机器人避障效果。结果显示:在不同环境中,改进前和改进后的BP-PID控制器均能使移动机器人安全地躲避障碍物;但是采用改进的粒子群算法优化BP-PID控制器,可以使移动机器人运动路径更短,迭代次数更少,搜索时间更短。采用改进BP-PID控制器,能够提高移动机器人避障过程中寻路速度,缩短行驶路径,效果更好。

血清SOCS-1、SOCS-3及抗BP-180抗体水平与大疱性类天疱疮病情的相关分析

目的探讨血清细胞因子信号转导抑制蛋白-1(SOCS-1)、SOCS-3及抗大疱性类天疱疮(BP)-180抗体水平与BP病情的相关分析。方法选取2018年5月—2022年5月本院诊治的82例BP患者作为研究对象,并将其设立为观察组,同期选取41例健康体检者作为对照组,并根据病情程度将82例BP患者分为轻度组(活动性皮损面积≤10%,n=28)、中度组(活动性皮损面积10%~30%,n=27)和重度组(活动性皮损面积>30%,n=27),展开回顾性研究,对比血清SOCS-1、SOCS-3、抗BP-180抗体水平及自身免疫性大疱性皮肤病严重程度评分(ABSIS);采用Pearson法分析SOCS-1、SOCS-3、抗BP-180抗体与ABSIS评分的相关性;并绘制受试者工作特征(ROC)曲线评估SOCS-1、SOCS-3、抗BP-180抗体诊断BP的曲线下面积(AUC)、敏感度和特异度。结果观察组的男性、女性均可发病,性别分布上差异无统计学意义,其中40~69岁为高发的年龄段。观察组的SOCS-1、SOCS-3、抗BP-180抗体及ABSIS均高于对照组(P<0.05)。重度组的SOCS-1、SOCS-3、抗BP-180抗体及ABSIS均高于轻度组和中度组(P<0.05);中度组的SOCS-1、SOCS-3、抗BP-180抗体及ABSIS均高于轻度组(P<0.05)。Pearson相关性分析显示,SOCS-1、SOCS-3、抗BP-180抗体与ABSIS呈正相关(r分别为0.441、0.580、0.723,P<0.001)。ROC曲线分析显示,SOCS-1、SOCS-3和抗BP-180抗体诊断BP的AUC值分别为0.696、0.765和0.965(P<0.05);敏感度分别为53.70%、41.50%和95.10%,特异度分别为87.80%、100.00%和85.40%。结论血清SOCS-1、SOCS-3及抗BP-180抗体水平与BP病情严重程度呈正相关,即其水平会随着病情程度变化而发生改变,临床可通过监测SOCS-1、SOCS-3及抗BP-180抗体水平变化为诊断BP及评估病情严重程度提供参考。

基于BP-PID的应急救援机器人步进电机控制算法研究

应急救援机器人的应用能够有效提高应急救援能力,电机作为机器人的核心驱动装置,其控制精度的高低将直接影响机器人性能的优劣。设计BP-PID步进电机控制系统,运用MATLAB/Simulink软件仿真。结果表明,相比于PID控制,BP-PID控制超调量更小、调节时间更短,控制效果更好。

基于BP-DEMATEL的装配式建筑发展影响因素研究

当前,发展装配式建筑对于我国建筑业高质量发展具有重要意义。然而,我国装配式建筑的推广与运用受到多方面因素的影响,与发达国家相比仍有较大差距。通过文献研究,从政策、经济、市场和技术四个角度提出9个影响我国装配式建筑发展规模和发展速度的因素,并运用BP-DEMATEL方法分析各影响间的影响关系与重要程度。研究发现:包含于技术因素中的BIM技术运用率(X9)和经济因素中的房地产开发投资额(X4)是对装配式发展影响最大的两个因素。

BP-2B母差保护中投分列压板在两种特殊情况下的应用

母线差动保护的正确动作可以快速切除母线上发生的故障,其拒动和误动都会给电力系统带来负荷损失、电网振荡等严重危害。在母线差动保护中,母线“分列运行”压板起着重要的作用。本文通过对母线“分列运行”压板在两种特殊情况下的投退情况下的分析与比较,探讨母线“分列运行”压板在BP-2B母线差动保护中的作用。

基于GA-BP-PSO算法的薄壁注塑件翘曲变形优化

以聚对苯二甲酸乙二酯(PET)的塑料瓶胚零件为例,通过Moldflow软件设计浇注系统和冷却系统并进行有限元分析以优化零件的翘曲变形量。选定熔体温度、模具温度、保压压力、保压时间和注射时间为5个影响因素,设计了L16(45)的正交试验表。对正交实验数据进行了极差分析,得出了各因素对翘曲变形量的影响程度并获得较优工艺参数。通过GA-BP-PSO算法对工艺参数进一步优化,得到最佳工艺参数:熔体温度265℃、模具温度60℃、保压压力125 MPa、保压时间12.8671 s、注射时间0.3405 s。上述工艺参数对应的零件翘曲变形量为0.1373 mm。最后通过Moldflow软件进行数值模拟,得到翘曲变形量为0.1395 mm,较优化前的翘曲变形量0.1796 mm,降低了22.33%。软件模拟值和经GA-BP-PSO算法得到的预测值仅相差1.60%,将优化后的工艺参数组合应用于实际生产中,所获得的产品符合生产要求,验证了GA-BP-PSO算法的准确性与可行性。

基于GA-BP-Garson模型的市政污泥干燥过程含水率预测

市政污泥干燥过程中内部水分检测困难,为准确预测市政污泥热风干燥过程中内部水分的变化规律,将干燥时间、干燥温度、泥层厚度、流量压差作为输入变量,含水率作为输出变量,采用BP神经网络以及GA-BP神经网络分别建立市政污泥热风干燥过程的水分预测模型;对GA-BP神经网络进行敏感性分析,研究了4个输入变量对预测结果的影响。结果表明,BP和GA-BP 2种水分预测模型测试集的决定系数(R^(2))分别为0.99955和0.99964,均方根误差(RMSE)分别为0.51317和0.45523,即GA-BP预测模型的预测效果更佳,能更准确地预测市政污泥干燥过程中含水率的动态变化。敏感性分析表明,干燥时间对GA-BP含水率预测模型的影响最为显著。研究结果可为污泥干燥工艺和过程的优化提供理论依据,为污泥资源化利用提供参考。

基于BP-SA混合学习策略优化的舰载消磁系统在役考核评估方法

装备在役考核是验证装备服役后的作战与保障效能,促进装备迭代升级的重要手段。针对舰载消磁系统在役考核工作特点和常规考核评估方法的不足,从作战效能、适用性、可靠性、维修性以及测试性等5个方面建立了舰载消磁系统在役考核指标体系。在传统BP神经网络的基础上,引入模拟退火策略随机寻找更优解,提高了神经网络的收敛性和稳定性。评估模型经过70组舰载消磁系统数据样本的训练、测试和验证,最终得到剩余预测残差RPD为9.3093的实验结果,表明了该模型不仅克服了传统BP神经网络算法局部极小、拟合效果差等问题,且对于舰载消磁系统在役考核结果具有很好的预测与评估能力。

基于PSO-BP-UKF算法的锂电池SOC估计方法研究

锂电池的荷电状态(SOC)是锂电池质量管理的核心之一。基于有效的SOC估计是确保锂电池安全高效工作的必要条件,提出一种利用粒子群算法(PSO)优化反向传播(BP)神经网络,并将优化后的BP神经网络SOC输出值作为无迹卡尔曼滤波(UKF)观测值的锂电池SOC估计方法。使用来自马里兰大学的FUDS工况电池测试数据,将所提的PSO-BP-UKF算法与GA-BP-UKF算法、BP算法进行对比。结果表明,在25℃环境下,PSO-BP-UKF算法的最大偏差<3.17%,平均误差<6.44%,均方根偏差<0.0025,相比GA-BP-UKF算法和BP方法都有较大幅度的提高,说明所提算法具备有效性与实用性。

基于SSA-BP-SVM模型的云龙湖水质反演研究

利用遥感技术进行水质监测,全面地掌握水质分布情况对水环境保护具有重要意义.水质参数与地表反射率并非简单的线性关系,BP神经网络和支持向量机(SVM),因其非线性模拟的特点,被广泛应用于水质反演.传统BP神经网络存在收敛缓慢、容易陷入局部最优的问题;SVM虽然具有很好的拟合能力,但受惩罚系数及核函数参数影响较大.以云龙湖为研究区域,利用Sentinel-2影像和实测数据,针对重要水质参数电导率和浊度,提出一种基于麻雀搜索算法(SSA)优化BP神经网络及SVM的水质反演耦合模型,利用SSA对BP神经网络及SVM进行参数寻优,基于验证集MAE计算模型权重,对SSA-BP、SSA-SVM模型测试组输出层加权计算后获得最终反演结果.与BPNN、SVM、SSA-BP、SSA-SVM模型对比,结果表明:(1)Sentinel-2影像对电导率及浊度的敏感波段均为可见光及短波红外波段;(2)SSA-BP-SVM水质反演耦合模型精度更高,电导率及浊度反演模型R 2分别为0.92、0.89;(3)云龙湖具有典型的城市水体特征,电导率受上游南望净水厂排水影响较大,浊度受社会生产活动带来的颗粒污染物影响较大.基于Sentinel-2影像利用SSA-BP-SVM模型进行水质反演具有较好的应用潜力,能够为云龙湖水质监测以及制定保护措施提供一定的技术支撑.

基于BP-MIV的地铁磁感应电压影响因素贡献度分析

地铁牵引电流在列车运行中动态变化,导致周边电网回路中产生磁感应电压,由此产生的感应电流是致使变压器发生直流偏磁的关键因素之一。磁感应电压的产生受多种因素影响,为定量分析不同影响因素对其贡献度的大小,首先利用磁感应电压公式推导出地铁磁感应电压的主要影响因素,其次建立“地铁线路-输电线”磁耦合边界元模型,仿真分析关键因素对感应电压的影响,在列车平稳运行阶段,感应电压受影响很小,在1 000 m处,感应电压已衰减了90%,继而构建了产生磁感应电压的反向(back propagation,BP)神经网络,并采用平均影响值(mean impact value,MIV)解析各个影响因素对磁感应电压的贡献度。结果表明,等效回路中磁感应电压更易被等效回路长度影响,其贡献度为44.38%,相对距离的贡献度最小,仅为21.31%。因此,电力系统构成等效回路的面积是影响最终在闭合回路中产生磁感应电压值的最重要因素。

预测动车组牵引系统故障率的TSOBP-ARIMA-Prophet组合模型

针对单一模型预测故障率时的适用性差异问题,在考虑动车组牵引系统故障率数据特点的基础上,提出TSOBP-ARIMA-Prophet组合模型。首先,针对动车组牵引系统故障率的复杂非线性,引入金枪鱼群算法(TSO)优化BP模型,训练出TSOBP预测模型;其次,针对故障率的非平稳波动性,选取ARIMA预测模型;然后,针对故障率的季节周期性,选取Prophet预测模型;最后,运用方差倒数法对3个模型的预测结果赋权,得到TSOBP-ARIMA-Prophet组合模型的预测结果。以某动车组牵引系统为例,采用该组合模型预测故障率,并与3个单一模型及TSOBP-ARIMA组合模型对比验证其预测能力。结果表明:该组合模型预测时均方误差为0.0752,较TSOBP,ARIMA和Prophet模型单独预测时分别降低了45.83%,61.65%和53.42%,预测精度显著提高,且较TSOBP-ARIMA组合模型对数据趋势的感知力更优,可有效提升对动车组牵引系统故障率的预测能力。

基于BP-NSGA-Ⅱ优化的高速电梯轿厢水平振动变论域模糊PID控制

针对影响高速电梯乘坐舒适性和安全性的轿厢水平振动问题,提出一种基于反向传播(Backpropagation,BP)神经网络和非支配排序遗传算法-Ⅱ(Non-dominant Sorting Genetic Algorithm-Ⅱ,NSGA-Ⅱ)的变论域模糊PID控制方法。首先建立基于达朗贝尔原理的轿厢动力学模型,其次在传统变论域模糊PID控制的基础上建立以量化因子作为输入,轿厢水平振动加速度均方根和位移均方根作为输出的BP神经网络模型,最后将该模型作为NSGA-Ⅱ算法的适应度函数,通过NSGA-Ⅱ算法优化量化因子来提高系统控制精度。仿真分析结果表明:基于BP神经网络和NSGA-Ⅱ算法的变论域模糊PID控制方法对轿厢水平振动的抑制效果优于变论域模糊PID控制方法。