基于BB-递归核函数SVR算法的U型折弯件模型参数优化研究

影响U型折弯件回弹的因素众多,工件尺寸、力学性能、负载条件、材料各向异性等相互耦合,表现出高度复杂的非线性,从而导致回弹预测结果的不确定性。本研究以板料折弯件回弹后的张开角(α)为目标函数,构建一个递归核函数支持向量回归(SVR)模型,并部署到分支界限法(BB)中,从而筛选出维度为4的最优的特征变量参数子集,其决定系数(R^(2))为0.982147,均方误差(MSE)为0.00433,模型预测精度相对较高。算法优化得到的折弯件参数为:厚度(t)为12 mm,上模宽度(d)为90 mm,上模圆角半径(r)为9 mm,载荷速度(v)为10 mm/s。BB递归核函数SVR算法、有限元模拟和实际测量的α分别为16.3°、17.5°和18.2°,尽管有限元结果更接近于实际值,但是BB递归核函数SVR算法可以为有限元模拟提供筛选出的参数(t,d,r,v)的数据,以快速进行模拟并预测张开角α,并实现回弹补偿装置的高效设计。

局部线性下的函数型主成分聚类算法

函数型聚类分析在统计学领域被广泛关注,其分析过程通常在降维目标实现后进行。为了有效解决函数型主成分聚类问题,文章结合局部线性嵌入算法(Locally Linear Embedding,LLE)在非线性空间下的适用性,提出了一种局部线性下的函数型主成分分析模型(LLE Function Principle Component Analysis,LFPCA)。首先,采用函数型主成分分析法作为降维目标方法,改进了FPCA的算法模型,通过将LLE算法的权重系数矩阵与函数型主成分定义相结合,构建出一个适用于非线性空间下的聚类算法;其次,在求解算法的过程中定义了函数型主成分得分,并结合EM算法构建出GMM模型来近似函数型算法的概率密度函数,使模型更高效且适用性更强;最后,通过随机模拟实验及应用分析验证了LFPCA算法模型在真实数据集上具有良好的聚类效能。

基于Apriori算法和改进剪枝算法研究针灸结合推拿治疗神经根型颈椎病的选穴配伍规律

目的:研究针灸结合推拿疗法治疗神经根型颈椎病的选穴规律及配伍特点,为临床治疗神经根型颈椎病提供参考依据。方法:检索2012年2月—2022年2月中国知网、万方数据库、维普数据库刊登的针灸结合推拿治疗神经根型颈椎病的相关文献,建立文献数据库与腧穴数据库,采用Vlookup函数和数据转置对腧穴数据进行分析,采用SPSSPRO频数分析得出高频腧穴,采用Apriori算法和改进剪枝算法进行关联规则分析,最后按照支持度、置信度和提升度进行深入分析。结果:共检索出文献414篇,最终纳入文献133篇。频次≥14次的腧穴共20个,排名前十的依次为风池穴、天宗穴、合谷穴、肩井穴、曲池穴、后溪穴、手三里穴、颈夹脊穴、外关穴、风府穴。使用频次≥14次的腧穴归经以手阳明大肠经、手太阳小肠经、足少阳胆经、督脉、经外奇穴、足太阳膀胱经、手少阳三焦经为主。设置最小支持度为20%,最小置信度为80%,关联规则为后项→前项,采用Apriori算法和改进剪枝算法对频次≥14次的20个腧穴进行关联规则分析,置信度排名前四的腧穴配伍组合分别为肩井、风府、后溪、外关→风池、天宗,肩井、风府、外关、曲池→风池、天宗,手三里、天宗、肩井、后溪→风池、曲池,肩井、后溪、天宗、风府→风池、外关。结论:针灸结合推拿治疗神经根型颈椎病选穴具有注重分经辨证,腧穴配伍侧重本经配穴,远近配穴与同名经配穴的规律特点。运用Apriori算法和改进剪枝算法可以有效挖掘针灸结合推拿治疗神经根型颈椎病的特点,具有较高的学习价值。

基于NNC法和DMC算法的CCHP型微电网两阶段调度

冷热电联产(combined cooling, heating and power,CCHP)系统与微电网的结合有利于促进消纳可再生能源,为了提升CCHP型微电网的经济性、环保性和稳定性,提出了两阶段优化调度模型。离线优化阶段基于需求侧响应策略,建立了基于归一化法向约束法的多目标规划模型,并用熵权-TOPSIS法筛选最优结果。在线优化阶段建立了基于动态矩阵控制算法的有限时域优化模型,对离线优化结果进行跟踪优化和反馈校正,以降低不确定性因素的影响。最后,设计对比方案进行分析,验证了所提优化模型的有效性。

基于人工神经网络智能算法的9310钢本构模型优化

目的研究9310钢在变形温度为800~1200℃、应变速率为0.01~50s-1和高度压下量为70%条件下的热变形行为,建立预测效果相对较好的9310钢本构模型。方法使用Gleeble-3800热模拟机对9310钢进行等温恒应变速率热压缩实验,基于热压缩实验数据,分析了应变速率对9310钢流动软化效应的影响,建立了考虑应变补偿的Arrhenius本构模型与支持向量回归(SVR)本构模型,并进行了模型精度分析,之后引入人工神经网络(ANN)智能算法优化了Arrhenius本构模型。结果与变形温度相比,应变速率对9310钢流动软化效应的影响更为显著。相较于支持向量回归(SVR)本构模型,考虑应变补偿的Arrhenius本构模型精度更高,其相关系数R为0.9934,平均相对误差(AARE)和均方误差(MSE)分别为0.0556和89.362,它在预测高应变速率(1、10、50 s-1)流动应力时出现了较大偏差,经ANN智能算法优化后,相关系数R提高至0.9991,AARE和MSE分别降至0.0199和9.998,且绝对误差在±10MPa以内的预测流动应力占比为98.34%。结论在低应变速率(0.01 s-1)下软化效应更强,在高应变速率(10 s-1)下再结晶程度较低,软化效应较弱。ANN智能算法优化后的Arrhenius本构模型具有较高的精度,能较准确地预测9310钢的流动行为。

细胞型膜进化算法求解旅行商问题

结合细胞型膜进化算法探索解决旅行商问题的方法.首先构建一个细胞型膜结构模型,利用膜系统的极大并行性,在基本膜中通过混合粒子群算法初始化种群.然后,通过膜进化算法的分裂、融合、溶解和修复算子,迭代地优化路径的全局最优解.最后,根据每个基本膜的适应度,选取适应度值最大的膜作为旅行商问题的解.在实验中,将该算法应用于多个实例,并与传统的粒子群算法和遗传算法等进行比较.实验结果表明,该算法在求解旅行商问题方面表现出更好的收敛性和搜索能力,显著提高了求解效果.

电-气互联系统预测-校正型仿射能流算法

综合能源系统能流耦合渐趋紧密,与此同时可再生能源和负荷需求的强不确定性对系统能流分析提出了挑战。因此,提出一种电-气互联系统(IEGS)仿射型区间能流算法,在仿射能流计算结果中保留噪声元特征,通过噪声元系数分析各独立不确定因素对系统状态变量的影响程度。建立电、气子系统仿射模型及能流方程。提出基于域收缩思想的IEGS预测-校正型仿射能流算法,根据灵敏度对状态量的解域进行保守的预测,并构建优化模型对解域进行压缩校正。同时,采用多能流分布式迭代方法进行求解,其无须考虑复杂耦合网络中的多能流计算顺序。最后通过仿真验证了所提方法在保守性、计算效率方面的优势,并量化分析了不确定因素对系统状态量的影响。

圆筒型FPSO总体强度校核设计波优化算法

针对圆筒型FPSO总体结构强度准静态设计方法依赖工程师经验的局限性,将设计波法引入圆筒型FPSO总体结构强度校核,提出了针对特征荷载选择的优化算法。该方法通过分析圆筒型FPSO总体结构承载特点和失效模式,结合常用特征载荷中有相同设计波的特征荷载,选择了舷侧外板波浪压力、上部模块重心处的水平和垂向加速度,作为设计波筛选的特征载荷;并根据圆筒型FPSO结构对称性,减少加载浪向,优化设计波搜索相位;基于本文方法的校核工况减少了60%,有效提升了校核效率。该方法已被应用于中国首条完全自主设计的圆筒型FPSO“海洋石油122”平台的强度校核中,校核结果通过了挪威船级社认证,该平台目前已完成设计,进入建造阶段,这也说明了本方法的可行性以及对后续同类FPSO设计的借鉴意义。

具有稚虫迁徙机制的S型自适应混沌蜉蝣算法

针对蜉蝣优化算法(MA)全局搜索能力较弱,对子代优秀个体有效信息利用不够充分的缺点,以及在计算中后期易陷入局部收敛,进而影响优化效果的问题,提出一种具有稚虫迁徙机制的S型自适应混沌蜉蝣优化算法(S-AMA)。S-AMA算法首先采用Logistic混沌映射产生蜉蝣种群,增加算法初期种群的多样性;随后,将蜉蝣生命周期进行数学建模,并引入S型生命系数替换原有的重力惯性系数,动态调整算法探索能力和开发能力间的平衡性;最后,根据蜉蝣在缺氧环境下的种群活动,引入稚虫迁徙机制强化子代优秀个体摆脱局部最优的能力,进而更加充分地搜索最优解附近的区域,以增强算法的收敛精度。实验部分将S-AMA应用于标准函数测试集,并分别进行优化对比实验、Wilcoxon秩和检验。结果表明:与对比算法相比,S-AMA算法具有更好的寻优能力、收敛速度及鲁棒性。

U型障碍物多方向多层填充的移动机器人改进蚁群算法

针对传统蚁群算法在移动机器人路径规划中典型的U型障碍物死锁问题,提出了一种U型障碍物多方向多层填充的改进蚁群算法。首先证明了路径规划的最优解不会进入U型障碍物之中;其次证明了运用此多方向多层填充法在填充U型障碍物解决死锁问题的同时,不会造成原有通路的阻塞,具有原通路保持性,且填充的迭代次数与迭代总时间少;之后对填充图形的迭代次数给出了理论性的判定,此填充方法不仅适用于U型障碍物还适用于其它可填充区域,且其对于可填充区域可实现完全填充;最后将此填充方法与蚁群算法结合。仿真结果表明,改进蚁群算法相比于传统蚁群算法有效率提升。

基于改进粒子群算法的自适应构网型变流器控制策略

构网型控制是一种改善新能源高渗透率下电力系统稳定性问题的技术手段。针对传统构网型变流器均采用固定参数控制而未能发挥出最佳调频效果这一问题,基于构网型变流器控制参数可调的特点,提出一种自适应控制策略,以优化构网型变流器的输出并改善电力系统的动态特性。首先,通过仿真实验得到典型构网型变流器虚拟惯量和阻尼系数在大功率事件下对系统动态特性的影响;其次,研究典型构网型变流器的频率曲线与功角曲线,提出包含频率偏差和频率变化率的自适应构网型变流器控制策略;然后,通过改进粒子群算法对自适应控制策略涉及参数进行整定;最后,基于MATLAB/Simulink搭建的微电网模型,验证所提控制策略的稳定性与鲁棒性。仿真结果表明,所提控制策略可以自适应改变控制参数,使构网型变流器的输出能够满足系统各个阶段的不同需求,优化电力系统的动态特性。

改进型PSO算法解算三维测边网平差模型

空间三维测边网属于典型的秩亏自由网。针对目前网平差常用的最小二乘算法存在线性化求导复杂,计算量大等问题,本文基于高精度测距值,以控制点坐标反算距离与观测距离差值之和最小为目标,构成非线性方程组,建立函数模型;考虑到非线性方程组求解方法中智能优化算法无需求导和公式推导简单等优点,引入粒子群(PSO)智能优化算法,并构建改进型PSO算法。研究结果表明,根据本文提出的改进型PSO算法进行平差解算,可保证解算结果的准确性,且该算法较传统PSO算法的寻优速度更快,不仅可为空间三维测边网的解算提供新思路,还可为建立空间三维测边网提供理论支撑。

基于增强生长型神经气的高维多目标进化算法

随着对高维多目标优化问题的深入研究,带有不规则Pareto前沿的高维多目标优化问题因其复杂的Pareto前沿分布,给现有方法的求解带来了挑战。针对上述问题,提出一种基于增强生长型神经气的高维多目标进化算法,该算法综合生长型神经气网络的学习特性与二元质量指标的优化特性来增强种群在不规则Pareto前沿的收敛压力。首先,设计了一种增强的生长型神经气网络,该网络利用Pareto最优前沿的拓扑信息指导种群向Pareto最优前沿方向收敛。然后,提出了一种联合度量指标以配合Pareto支配信息来综合评价个体的收敛性。最后,提出一种基于自适应参考点的环境选择增强种群在高维目标空间的多样性。为验证所提算法的性能,在DTLZ和WFG基准问题集中的44个不规则高维多目标优化问题与5种先进的高维多目标进化算法进行对比实验。实验结果表明,所提出的基于增强生长型神经气的高维多目标进化算法的整体性能优于对比算法。

基于ICEEMDAN-IWOA-BiLSTM混合算法模型的短期负荷预测

电力负荷具有不确定性、随机性及波动性的特点,难以对其实现精准预测。为此,提出了一种基于改进型自适应白噪声完备集成经验模态分解算法和经改进型鲸鱼算法优化的双向长短期记忆网络预测模型。首先对选取的澳大利亚某电网负荷数据进行预处理;其次利用经验模态分解方法将负荷数据分解为一系列子序列;然后利用改进的鲸鱼算法对双向长短期记忆网络进行超参数寻优;最后将分解后得到的各分量数据输入到优化模型中进行预测。结果表明,所提算法实现了电力负荷的精准预测,得到了比其他单一基准模型和多数组合模型更好的预测效果,具有一定的适用性与应用价值。

基于三次S型速度控制算法的移动机械臂末端振动研究

移动机械臂在实际工作环境中,受其自身柔性特征和外部因素的影响而引起机械臂末端的振动,而速度控制是实现机械臂末端抑振的有效手段之一。以UR10机械臂和Husky移动平台组成的移动机械臂为研究对象,针对梯形和S型速度控制算法的不足,提出一种三次S型速度控制算法,通过建立移动机械臂刚柔耦合动力学的理论和仿真模型得到移动机械臂末端的振动位移曲线和加速度变化曲线,验证了三次S型速度控制算法的正确性和抑振效果的有效性。

基于区间型数据离散化算法的电力应急物资供应质量可追溯模型研究

针对当前供应链时间参数计算能力较差,导致追溯模型使用后异常物资召回率较低的问题,设计基于区间型数据离散化算法的电力应急物资供应质量可追溯模型。确定电力应急物资供应周期,分析了电力应急物资供应质量关系;计算应急物资供应链时间参数,为模型的构建提供时间参考量。整合各类参数,构建区间型数据离散化物资质量可追溯模型。实验结果表明,模型具有可行性,且可有效提升异常物资召回率,保证了应急物资管理效果。

博弈论及哈里斯鹰算法的桥梁安全模糊评估模型

为了对桥梁的安全性能进行有效评估,首先建立由4个一级指标和30个二级指标构成的评估指标体系,利用数学转化公式消除监测数据不一致性对评估结果的影响。其次建立博弈论组合赋权模型,优化FAHP法和熵权法。然后利用哈里斯鹰智能算法进行权重迭代,得到全局最优解。最后通过贴近度排序对桥梁安全等级进行评估。案例分析表明,所得结果与工程实际相符。

平台用工模式下轴辐型算法共谋规制问题研究——以网约车为例

网约车行业作为共享经济下的典型行业,能够作为平台用工模式轴辐型算法共谋的规制问题的研究对象。适用现有反垄断法规定进行规制时,网约车平台与司机间法律关系模糊、欠缺意思联络要件导致无法对共谋行为进行认定的难题,在进行法律责任分配时也会产生两难困境。为了有效规制网约车算法共谋行为,应秉承包容审慎监管理念,引入不完全劳动关系概念区分不同模式平台司机间法律关系,借鉴域外经验通过舍弃意思联络要件或者扩大解释认定共谋行为,在维护司机权益基础上合理分配法律责任。

生成式人工智能的算法治理挑战与治理型监管

以ChatGPT为代表的大规模预训练语言模型日益展现出通用潜力,其超大规模、超多参数量、超级易扩展性和超级应用场景的技术特性对以算法透明度、算法公平性和算法问责为内核的算法治理体系带来全方位挑战。在全球人工智能治理的主流范式中,欧盟形成了基于风险的治理范式,我国构建了基于主体的治理范式,美国采用了基于应用的治理范式。三种治理范式均形成于传统人工智能的“1.0时代”,与展现通用潜能的新一代人工智能难以充分适配,并在不同维度凸显治理局限。因此,在人工智能技术范式变革之际,应以监管权的开放协同、监管方式的多元融合、监管措施的兼容一致为特征推动监管范式的全面革新,迈向面向人工智能“2.0时代”的“治理型监管”。

基于遗传算法的缓波型立管多目标集成优化

缓波型立管由于设计参数较多且优化目标之间相互影响,设计结果具有很大的不确定性。随着代理模型和智能优化算法的发展,针对缓波型立管的优化可以提出更好的解决方案。以提高力学性能和经济效益为优化目标,采用基于Kriging插值模型和NSGA-II算法的多目标优化策略,对考虑顶部浮体影响的深水缓波型立管进行动力响应分析,并开展线型—截面双目标优化集成设计和线型—浮筒三目标优化集成设计。将处于不同几何尺度的设计变量进行集成,旨在各目标存在相互竞争的情况下,与截面、浮筒设计形成有效互动以提高线型设计的总体性能。结果表明,Pareto最优解集可提供多个选择方案,以满足工程实际需要。将所选最优方案与初始设计进行对比,并以疲劳性能和成本估算作为优化的校核指标,取得了理想的优化效果。