共查询到20条相似文献,搜索用时 15 毫秒
1.
为了获取菜园坝长江大桥的基准有限元模型,结合Kriging代理模型和一种改进的粒子群优化算法,利用荷载试验数据对其初始有限元模型进行修正。首先,叙述模型修正和Kriging模型基本理论,在基本粒子群算法中引入交叉变异计算,提出一种改进的粒子群算法,并通过测试函数对改进的粒子群算法进行验证;其次,简要介绍菜园坝长江大桥荷载试验、荷载试验结果及初始有限元模型;最后,根据敏感性分析选定6个待修正参数,通过试验设计得到频率和位移关于修正的参数的样本,并建立有限元模型的Kriging代理模型以预测结构响应;以频率和位移的试验值和计算值残差为目标函数,分别利用基本粒子群算法和改进的粒子群算法在修正参数的设计空间内寻找目标函数的最小值,并对比分析模型修正的结果。结果表明:测试函数表明改进的粒子群算法具有较好的稳定性和成功率,并能获得更为精确的优化结果;建立的Kriging代理模型均方根误差较小,可以替代有限元模型预测结构频率和位移;经过模型修正,菜园坝长江大桥前5阶频率计算值与试验值相对误差均控制在5%之内;除个别测点外,位移相对误差均控制在10%以内;相比基本粒子群算法,改进的粒子群算法获得了更小的目标函数值,修正后的频率和位移的相对误差更小。 相似文献
2.
为了提高城市道路短时交通流预测的精度,提出了一种基于时空遗传粒子群支持向量机的短时交通流预测模型.通过主成分分析法对路网原始交通流量进行时空相关性分析,用较少的主成分代替原始交通流量并作为预测因子,在粒子群算法中引入遗传算法的交叉和变异因子,避免粒子群算法陷入局部最优.利用改进后的粒子群算法优化支持向量机参数,得到最优的支持向量机模型,并实现城市道路的短时交通流预测.以长春市路网的实测数据为基础进行了实例验证,结果表明,优化支持向量机参数时,遗传粒子群算法不会陷入局部最优,优化效果更好;与粒子群支持向量机模型和遗传粒子群支持向量机模型相比,所提出预测模型的相对误差波动较稳定,平均预测精度分别提高了4.96%和3.41%. 相似文献
3.
4.
5.
6.
7.
8.
针对线性二次型调节器(LQR)在智能汽车横向控制中,系数矩阵Q和R选取困难导致的控制精度低和参数整定效率低的问题,提出了一种遗传粒子混合优化(GA-PSO)方法。基于车辆二自由度模型设计了横向LQR控制器和前馈控制器,以该模型下控制器自身能量损失函数作为代价函数对系数矩阵进行优化,并对比了GA-PSO和粒子群优化(PSO)算法的优化效果。CarSim/Simulink联合仿真结果表明,经GA-PSO算法优化后的控制器跟踪精度和计算效率分别提高了47.06%和63.54%,且优化后的控制器具有较强的鲁棒性。 相似文献
9.
在土层工程地质情况一定的条件下,如何寻找一组最佳设计参数,以达到既经济又安全的目的,是土钉支护设计的一个重要问题。这是一个复杂的优化设计问题。就此,提出基于混合粒子群优化(PSO)算法的基坑土钉支护优化设计方法,以单位长度土钉墙的土钉材料造价作为优化的目标函数。该方法保持了PSO算法结构简单的特点,改善了PSO算法的全局寻优能力,提高了算法的收敛速度和计算精度,不活动粒子的处理使算法避免了“早熟”现象的出现。工程实例计算表明,该方法是进行土钉支护结构优化设计的有效方法。 相似文献
10.
《中外公路》2020,(4)
针对大型桥梁静动力有限元模型修正问题,提出一种基于元模型的修正方法。首先,对桥梁结构进行子结构划分,并利用人工神经网络算法建立修正参数与结构静、动力特性的关系模型(元模型);其次,分别以桥梁静动力测试结果作为有限元模型修正的优化目标,将桥梁静动力有限元模型修正问题转化为多目标优化问题,从而克服了采用单目标优化时,结构静力特性与动力特性目标之间的权值难以选择的问题;再次,通过元模型建立及多目标优化的方法进行结构有限元模型的修正。最后,利用一座钢管混凝土拱桥的静动力试验实测结果,对所提模型修正方法的适用性进行验证。结果表明:该方法具有较好的精度和适用性,可作为大型桥梁结构静动力有限元模型修正的一种实用方法。 相似文献
11.
12.
提出一种基于粒子群优化神经网络PID的车道保持控制方法。首先搭建车路模型和EPS(Electric Power Steering,电动助力转向系统)模型;然后建立粒子群优化神经网络PID控制器,利用粒子群算法优化神经网络的初始权值和阈值,提高神经网络算法的收敛速度和精度,优化后的神经网络算法在线调整PID控制器的3个参数比例Kp、积分Ki、微分Kd,输出最优组合;最后,进行车道保持硬件在环试验,试验表明:相对于常规PID控制和神经网络PID控制,在粒子群优化神经网络控制下,车道保持系统的跟踪精度和稳定性都更高。 相似文献
13.
14.
为了提高短期交通流的预测精度,提出了一种基于小波包分解(wavelet packet decomposition, WPD)、粒子群优化(particle swarm optimization, PSO)算法和回声状态网(echo state network, ESN)的短期交通流预测方法。该方法命名为WPD-PSO-ESN。首先,在数据预处理阶段,采用小波包分解将交通流数据分解为不同频段的子序列,并将各子序列送入回声状态网预测模型;然后,在建立预测模型阶段,利用粒子群优化算法在线优化回声状态网的参数,以提高回声状态网的泛化能力和预测精度;进一步,针对粒子群优化算法存在的早熟收敛和易陷入局部最优的缺陷,通过检测粒子飞行过程中的状态信息,设计了惯性权重自适应调整策略,以期提高粒子群优化算法的寻优能力;最后,在结果输出阶段,采用加权平均法融合各子序列的预测值以得到模型的最终预测结果。试验结果表明:通过小波包分解和单支重构可以更加容易地抓住原始信号中的动态信息,更适合用于回声状态网的时间序列建模;带有自适应惯性权重调整策略的粒子群优化算法具备更强的跳出局部最优的能力,优化后的回声状态网模型精度更高;对于短期交通流预测,与前馈型误差反传神经网络、反馈型Elman神经网络和传统回声状态网等预测方法相比,WPD-PSO-ESN预测方法具有更高的预测精度,能够满足智能交通系统对预测精度的需求,对实现实时交通控制和建设智能交通系统具有重要意义。 相似文献
15.
《公路交通科技》2017,(5)
拉索一般设置有一个或多个中间支承,其振动频率与索力对应关系不甚明确,基于动力刚度法与粒子群算法,对带有多个中间支承的拉索进行参数识别。将拉索视为无限自由度体系,导出精确的单元动力刚度矩阵,通过集成及求解得到总体动力刚度矩阵和频率方程,引入Wittrick-Williams算法求解拉索振动频率;根据拉索振动频率拟合的参数识别方法,将之转化为一优化问题,采用带变异算子的粒子群优化算法进行拉索参数识别。通过有限元仿真分析对带有两个中间弹性支承的两端固结拉索进行了算法的验证,并选取一座实桥的3根两端设置高阻尼橡胶减振器的典型拉索进行了参数识别。研究表明,对具复杂边界条件拉索,基于动力刚度法与粒子群优化算法的参数识别方法能够获得较好的索力测试精度。 相似文献
16.
17.
18.
19.
20.
考虑库存成本的配送中心动态选址模型及算法 总被引:1,自引:1,他引:0
为了解决传统配送中心选址没有同时考虑库存持有成本和决策环境的动态变化的问题,建立了一种新的模型。首先,利用两步骤近似方法获得(Q,R)库存策略下每一个周期配送中心的库存成本计算公式;然后,针对传统设施动态选址模型对选址成本的不恰当表示进行了修正,并与库存成本计算方法相结合,从而建立考虑库存成本的配送中心动态选址模型。最后,分别用遗传算法、克隆选择算法、粒子群优化算法求解所建立的模型,并从算法的精确度、稳定性、运算速度和收敛性比较了三种算法的性能。算例测试结果表明:所建立的模型是有效的;从总体上看,遗传算法的适应性要强于克隆选择算法和粒子群算法。 相似文献