摘要：本文针对传统寻优算法预规划投篮轨迹时容易陷入局部最优的问题,探讨一种远距离篮球最优投篮轨迹预规划算法,结合投篮角度、球心与筐心重合度两个目标构建了一个多目标函数。利用粒子群算法和差分进化算法对帝国竞争算法进行改进,将多目标函数作为改进帝国竞争算法的适应度函数,对多目标函数进行求解,得到的最优解就是预规划出来的远距离篮球最优投篮轨迹。研究表明:针对3种远距离工况,所研究算法完成了远距离篮球最优投篮轨迹预规划且改进帝国竞争算法求解得到的投篮轨迹的投篮命中率更高,由此说明改进帝国竞争算法的规划能力更高,使得规划出来的投篮轨迹达到最优。

摘要：超高性能混凝土(Ultra-high Performance Concrete,UHPC)与钢筋界面的良好黏结是保证结构安全和正常使用的关键,直接决定了结构设计与性能评估。然而,传统基于试验或力学推导的界面黏结性能评估方法难以反映众多因素的影响,预测精度低、方差大。近年来,基于人工智能的数据驱动技术发展迅猛,为解决上述问题提供了新思路。建立了样本容量为670的钢筋与UHPC界面黏结试验数据库,分析了特征相关性和主要因素影响规律。剔除数据缺失、数据噪声等无效数据后,得到了557组有效数据子库。基于机器学习方法训练并生成了9种黏结强度预测模型,包括4个线性模型和5个非线性模型。采用决定系数(R^(2))、均方根误差(RMSE)和平均绝对误差(MAE)指标开展了模型预测精度评价,对比了机器学习模型和传统模型的预测精度。结果表明:钢纤维掺量2%的试验样本占75.8%,钢筋直径16 mm的试验样本占64.6%,缺乏其他纤维掺量与钢筋直径的研究样本,尤其是低配纤、高配纤以及大直径钢筋的试验数据。5次随机抽样训练预测结果中,人工神经网络模型对试验结果预测最好,R^(2)、RMSE和MAE分为0.918、4.22和2.51,支持向量机模型对试验结果预测最差。对全集预测结果中,规范和学者提出的传统模型精度不足且过于保守,精度最高的模型预测结果R^(2)为0.474、RMSE为11.5、MAE为9.5。9种机器学习方法中,人工神经网络模型和树类模型对试验结果预测最好,精度最高模型R^(2)为0.966、RMSE为2.9、MAE为1.6;相较精度最高的传统模型,其R^(2)提高了103.8%,RMSE和MAE分别降低了74.8%和83.2%,表明机器学习模型可大幅提升预测精度,为UHPC与钢筋界面黏结强度计算提供了新的思路。

摘要：开发了一种适用于微污染原水预处理及污水深度处理的新工艺———BIOSMEDI滤池 ,它以轻质滤料为过滤介质 ,采用与填料相适应的独特滤池构造 ,同时采用脉冲反冲洗、气水同向流。该滤池具有滤料比表面积大 ,不易堵塞 ,滤层阻力小 ,滤速高 ,反冲洗耗水、耗气小等优点。试验表明 ,该生物滤池在 10℃以上时氨氮的去除负荷≥ 0 .5kgNH3-N/(m3·d)。