青少年体成分预测及营养运动方案推荐系统设计与实现
这是一篇关于体成分,预测方法,粒子群算法,营养运动方案,个性化推荐的论文, 主要内容为保持一定的人体成分比例是衡量一个人是否健康的重要指标之一。当疾病发生时,人体内相关体成分含量的变化往往会早于临床症状,通过对体成分进行量化分析可以判断人体的健康状况。因此,根据测量的人体体成分数据,如何正确、快速地预测出今后一段时间的人体成分十分必要,可以帮助青少年预测自身的健康状况,从而指导青少年改善饮食和运动方案。但如何预测人体成分是一个难题,存在预测不准确、难以预测的问题。针对青少年的体成分预测不够准确和营养运动方案质量不高,本文提出一种基于粒子群算法的青少年体成分预测方法,并依据体成分预测结果向青少年推荐个性化的营养运动方案,设计并实现青少年体成分预测及营养运动方案推荐系统。主要的研究工作如下:1、针对现有的体成分预测仅仅只是当前的体成分做出测量,没有对未来一段时间的体成分进行预测,提出一种基于粒子群算法的青少年体成分预测方法,对青少年未来一段时间的体成分进行预测,以基于相关性协方差的马氏距离作为衡量人体成分相异度距离的标准,通过粒子群算法计算权值,找到相异度距离最小的体成分数据作为参考值,从而预测体成分。模拟预测和案例分析表明,该方法的人体成分预测结果与实际跟踪测量的数据较为接近,具有一定的精确性。2、针对现有的运动营养方案仅仅只是当前的体成分对应的运动营养方案,没有对未来一段时间的体成分进行运动营养方案推荐,提出一种个性化运动营养推荐方案,为青少年提供未来一段时间的运动和营养方案,通过分析体成分、运动方案、营养方案的属性,建立联系规则,并构建规则库,依据青少年的个体属性推荐运动营养方案。3、设计并实现了青少年体成分预测及营养运动方案推荐系统。利用基于粒子群算法的青少年体成分预测方法和个性化运动营养推荐方案开发实现了系统,包括客户端和后台管理系统,其中客户端包括PC端和移动端,用户可查看体成分的测试数据和预测结果,并向其推荐个性化营养运动方案,后台管理系统包括学校管理、学生管理、体成分管理、运动管理、营养管理、运动方案管理、营养方案管理等功能。开发实现的青少年体成分预测及营养运动方案推荐系统已在某公司试用,经对某市3万多中小学生的测试与使用表明,总体效果良好,具有一定的实用性。
基于故障预测的设备管理系统的设计与实现
这是一篇关于设备管理,故障预测,支持向量机,粒子群算法的论文, 主要内容为随着工业水平的不断进步,制造设备朝着大型化、复杂化、智能化等方向发展,这对现有设备管理模式提出了挑战,传统的设备管理模式存在信息化程度不高、维护维修机制不完善、设备状态数据没有得到很好利用等问题。针对这些问题研究并实现了一套基于故障预测的设备管理系统,对于提升设备管理的能力水平,构建数字化、信息化、智能化的设备管理模式,具有理论研究意义和工程应用价值。论文主要研究工作如下:首先,以汽车零部件生产企业的设备管理模式为研究对象,针对传统设备管理模式存在的诸多问题,并结合实际情况对设备管理系统的业务需求进行分析。将系统需求分为了设备日常管理需求、设备状态监测需求、设备维护维修需求和系统管理需求,使用UML用例图来展示系统的需求,并详细分析了系统的各个功能需求。其次,研究了设备故障预测方法。设计了一种基于粒子群算法的支持向量机故障预测模型,利用粒子群算法对支持向量机模型中的核函数参数σ和惩罚系数C进行寻优,并将求解得到的最优解用于支持向量机模型对数据集的训练和预测中,并通过仿真测试验证了故障预测模型的有效性。最后,根据设备管理系统的需求设计并实现系统。详细阐述了整个系统的设计过程,设计了系统的整体架构以及系统的各个功能模块,建立了数据库E-R图和表结构。采用Java语言编写系统代码,借助Spring Boot开发框架实现了一套通用性高、扩展性强的基于故障预测的设备管理系统。
激光选区熔化工艺数据库与工艺推荐研究
这是一篇关于激光选区熔化,工艺数据库,工艺推荐,BP神经网络,层次分析法,案例推理,粒子群算法,GH4169的论文, 主要内容为激光选区熔化(Selective Laser Melting,SLM)技术成形范围广、制造周期短、成形件综合性能优良,在航天发动机复杂构件快速研制领域拥有传统制造技术不具备的优势。但SLM成形件力学性能受关键工艺参数的复杂耦合影响,导致“经验法”难以在较少的“试错”次数中准确获取满足需求的工艺方案;SLM历史工艺数据未得到知识挖掘,难以为后续工艺设计提供指导。为此,本文开展SLM工艺数据库与工艺推荐研究,设计工艺数据库并采集实验数据、建立工艺知识库、提出用于SLM工艺推荐的案例推理-粒子群混合模型,并开发了相应系统。主要完成了以下工作:(1)设计了SLM工艺数据库并完成实验数据采集。首先分析得出SLM工艺流程及生产中存在的问题,提出了SLM工艺数据库的功能需求;然后建立了数据库的概念模型、逻辑模型;最后设计并实施正交实验,完成了工艺数据库的数据采集工作。(2)建立了包括预测模型库与案例库的SLM工艺知识库。采用BP神经网络(Back Propagation Neural Network,BP)与多元回归分析方法,以关键工艺参数为输入,分别建立了高温合金GH4169的致密度、抗拉强度、屈服强度、断后伸长率预测模型,并择优构建了预测模型库;BP神经网络模型的标准误差分别降低了30.47%、28.39%、22.33%、31.97%。基于工艺设计需求建立了案例表示模型并构建了案例库。(3)提出了一种用于SLM工艺推荐的案例推理-粒子群混合模型。首先建立了加权案例推理模型,实现了相似历史工艺方案的优选推荐;然后针对无法检索到相似案例的情况,提出了加权粒子群模型,快速准确地实现了对用户需求工艺方案的生成推荐;最后设计实验验证了模型的推荐效果,当案例库中存在、不存在相似案例时,混合模型的工艺推荐准确度分别达到99.81%、96.32%。(4)设计开发了SLM工艺数据库与工艺推荐系统。首先对系统进行解耦设计;然后选择合适的平台与工具对系统进行开发;最后测试了系统功能。结果表明,SLM工艺数据库与工艺推荐系统能够实现工艺数据的有效挖掘和工艺方案的准确推荐。
核反应堆中子-光子多群截面库制作与屏蔽优化设计方法研究
这是一篇关于多群截面库制作,屏蔽优化设计,粒子群算法,Open MC,ANISN的论文, 主要内容为核能具有清洁、低碳、高效和稳定的特点,是新时代能源发展的重要选择。随着核能的不断发展,核反应堆物理和屏蔽计算的精度要求越来越高,核反应堆高效和高质量的设计要求也逐步提升。辐射屏蔽计算是核反应堆安全分析的重要组成部分,其准确性对设备辐照损伤和人员剂量率计算十分重要。在核反应堆屏蔽计算中,确定论计算程序具有较高的计算效率,能够解决深穿透问题,因此被广泛使用。但是,确定论程序的计算精度主要取决于多群截面库的准确性。实际上,不同类型的反应堆甚至同一反应堆内的不同区域,其能谱存在很大差异,目前通用多群截面库,如Bugle96库,很难满足快速发展的核工业对辐射屏蔽计算精度的要求。为了提高确定论程序的计算精度,采用了蒙特卡罗方法制作多群截面库的办法。基于开源蒙特卡罗程序Open MC,改进了多群截面库的制作方法,使其能够进行中子-光子耦合多群截面库的制作。在Open MC程序统计通量、反应率和勒让德散射分量功能的基础上,增加了统计光子产生截面的功能,用于统计由中子反应引起的光子产生截面;增加了将原子弛豫、韧致辐射和正负电子湮灭产生的光子源进行散射归并的功能。为了验证本方法的适用性,首先选取了合适的能群结构,然后采用OECD/NEA快堆基准题、“萨凡纳”热堆基准题和HBR-2基准题进行中子-光子耦合多群截面的制作,并将制作的多群截面库提供给确定论程序DORT进行计算。计算结果与Open MC结果进行了对比,结果显示,keff、中子通量率、光子通量率、分群通量率分布和剂量率均符合较好,表明由本方法制作的中子-光子耦合多群截面库具有较高的精度。辐射屏蔽优化设计是核反应堆设计的重要组成部分。如何确定屏蔽层的厚度和材料种类是反应堆辐射屏蔽设计的关键。获得最佳的设计方案对核装置的辐射防护、轻量化以及其他特殊要求有重要的意义。辐射屏蔽设计是一个复杂的多目标优化问题。由于传统的屏蔽优化方法依靠人工调整和人工经验,不仅效率低,而且难以获得最优的屏蔽方案,因此有必要开发一种自动化的屏蔽优化设计方法。本文提出了一种将粒子群算法与屏蔽计算程序ANISN相结合的多目标屏蔽优化设计方法。同时,在标准粒子群算法中加入变异操作,避免陷入局部最优。在适应度评价方面,提供了线性加权组合和帕累托前沿两种策略。基于本文提出的多目标屏蔽优化设计方法,开发了多目标屏蔽优化设计程序,能够自动调整屏蔽层厚度和材料进行屏蔽优化设计。采用蒙特卡罗方法制作的中子-光子耦合多群截面库,以“萨凡娜”船用堆的屏蔽优化为例,将二次屏蔽层外的辐射剂量和屏蔽层的总重量作为优化设计目标,进行辐射屏蔽优化设计,由此对本文提出的多目标屏蔽优化设计方法及开发的多目标屏蔽优化程序进行验证。在得到优化的屏蔽方案后,使用蒙特卡罗程序Open MC进行计算验证,保证屏蔽方案符合剂量要求。结果表明,将本方法和程序用于核反应堆辐射屏蔽设计是可靠和有效的,能够提高屏蔽优化设计效率和屏蔽方案的质量。
RPA云服务系统的设计与实现
这是一篇关于RPA,云服务,任务调度,粒子群算法的论文, 主要内容为办公自动化技术是当下企业降本增效中不可或缺的一部分,随着办公自动化的发展,该技术逐渐演变为RPA(Robotic Process Automation)技术。RPA是一种将繁琐且重复的用户操作自动化执行的软件,它可以模拟人工操作,有效帮助用户减少重复性工作。在Gartner预测报告中,RPA的市场占有率正在快速上升。伴随着RPA商业公司对云服务的不断完善,RPA与云服务的结合是必然趋势,本文将对RPA云服务系统与云任务调度两方面内容展开研究。针对RPA云服务系统的设计,本文在网页自动化场景下,利用Selenium引擎为RPA核心功能提供支撑,使用Kubernetes集群作为容器云技术设施,实现了一个RPA云服务系统。在RPA云服务系统基础上,本文对五大领域常见的工作流程设计了23个任务场景,并设计了一个Micro-Benchmark,通过实际测试,得出了RPA云任务负载不均衡的结论。因此,为了保证云服务的服务质量,本文使用一种改进粒子群SN-PSO(Based on Sliding Window and Non-Dominant Pareto PSO)算法对RPA任务进行调度优化,通过实际并发测试,验证了SN-PSO在并发环境下任务调度优化的有效性。本文的总体工作内容分为以下三点:(1)设计了一种基于网页自动化的RPA云服务系统,通过组合功能组件的方式实现用户自主按需设计任务流程,利用无人值守方案提供了用户任务以云端执行的模式。针对RPA在实际场景下的应用,本文针对制造业、财务、人力资源、物流及在线教育五大领域设计了共计23个任务集,在此任务集基础上,设计了一个Micro-Benchmark,为RPA任务调度优化提供数据支撑。(2)提出了一种基于滑动窗口与非支配解集的改进粒子群算法(Based on Sliding Window and Non-Dominant Pareto PSO,SN-PSO)。SN-PSO通过滑动窗口检测出陷入局部最优的粒子,并调整粒子位置中贡献较低的维度。该方案避免了随机变异导致的不确定性,减少了粒子的无效搜索行为。通过非支配解集的优化策略提高了种群的多样性,增强了粒子全局寻优能力。利用SN-PSO对RPA云任务调度作优化。(3)实现了RPA云服务系统并针对主要工作进行实验评估。针对RPA云服务系统的实现做了功能测试,且为了改善RPA任务负载不均衡问题,对RPA云服务系统中使用的改进粒子群算法进行了实验评估与分析,实验表明在实际使用场景下,SN-PSO能够有效地降低任务总执行时间,提高系统的运行效率。
基于改进粒子群算法的车间作业调度问题研究
这是一篇关于车间作业调度,粒子群算法,惯性权重的论文, 主要内容为车间作业调度问题(Job-shop Scheduling Problem,JSP)是实际生产调度问题的一个简化模型,是企业生产管理与控制的核心。有效的调度方法和优化技术的研究与应用,具有重要的理论意义和实践价值。 粒子群算法是近年来兴起的一种基于群体智能的进化类算法,具有操作简单和易于实现等优点,但由于该算法提出的时间比较短,仍然存在一些问题,比如容易早熟收敛、易陷入局部极值等。因此,本文将算法进行了改进,并将改进的算法应用于车间作业调度问题中。 本文首先对车间作业调度问题进行了描述,包括车间作业调度问题的模型、特点、国内外研究现状和解决车间调度问题的优化方法。其次,介绍了粒子群算法的起源、基本思想、数学描述、算法流程和改进措施以及粒子群算法存在的缺陷。再次,根据已有优化算法理论基础,针对粒子群算法的参数特点,从提高算法的收敛速度和精度方面考虑,提出了惯性权重随进化代数增加动态非线性变化的粒子群优化算法(NDCWPSO)和免疫粒子群算法。通过选取几个有代表性的函数进行测试,发现改进的粒子群算法在收敛精度、收敛速度上都有所提高。最后,根据车间作业调度问题的特点,建立了求解Job-shop调度问题的数学模型,通过对车间作业调度问题编码方式的研究,参考遗传算法中的粒子编码方法,本文采用基于工序的编码方式,并且以最大完工时间的最小值为目标,构建了基于改进粒子群算法的车间作业调度问题的求解方法,仿真试验结果表明改进的算法在性能上有所提高,验证了改进算法的有效性和可行性。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码港湾 ，原文地址：https://m.bishedaima.com/lunwen/46257.html
