基于个体位置变异的粒子群算法

针对粒子群算法随着迭代次数的增多,其种群多样性降低,粒子群算法容易陷入局部最优的不足,提出了一种基于个体位置变异的粒子群算法。该算法在保证最终收敛的前提下极大扩展了粒子的空间搜索范围,从而降低了粒子群算法发生早熟的可能,并且程序量较小。仿真实验中,将算法应用于6个典型测试函数中,并与其它改进粒子群算法进行比较,结果表明,该算法具有较强的全局寻优能力和较好的收敛速度,明显提高了粒子群算法的优化性能。     

框架式轨枕及其结构有限元分析

本文建立“钢轨—轨下垫层—框架式轨枕—弹性地基”的一体化计算模型，并采用有限元法进行结构分析，计算框架式轨枕截面内力，分析基础弹性系数和轨下垫板刚度对框架式轨枕受力的影响，为框架式轨枕的设计与应用提供基础参数。     

提速情况下磁浮轨道结构振动响应及传递特性研究

中低速磁浮交通提速是目前研究趋势，但速度的提升会影响车辆运行稳定性。为探究提速后轨道的动力响应及其适应性，通过建立中低速磁浮车-轨-桥耦合动力学模型，对更高速度下轨道的振动响应进行仿真分析，并以长沙磁浮快线为对象，测试100～140 km/h速度区间内轨道的振动加速度及振动位移。研究结果表明：轨道各结构的振动响应存在差别，沿着F轨-轨枕-轨道梁逐渐减弱，车辆对轨道的垂向冲击大多被F轨的振动及弹性变形吸收，而横向冲击则更多地传递至下方的轨枕和轨道梁；随着车辆运行速度的提高，轨道的振动加速度响应逐渐加剧，轨道梁横向振动加速度较之垂向振动加速度增加更为明显，而轨道的振动位移响应则基本未表现出与速度的相关性；当车辆的运行速度提升至140 km/h后，轨道梁的垂、横向最大振动加速度分别为2.37 m/s²和0.96 m/s²,速度提升至160 km/h时，轨道梁的垂向最大振动位移为3.55 mm, F轨内外磁极面最大高度差为0.44 mm,均在规定的限值范围内，轨道的振动响应满足要求。     

道岔轨下刚度不均匀对轮轨系统动力特性的影响分析

本文应用刚柔多体混合建模理论,建立道岔区车辆和钢轨动态空间仿真模型,在模型中考虑了道岔区尖轨和心轨部位轨道的几何不平顺,考虑了由于道岔区钢轨断面分布不均匀、道岔结构特征产生的结构不均匀以及轨枕长度的变化、轨下基础弹性分布等参数变化引起的轨道竖向刚度不均匀,研究了这种轨道竖向刚度不均匀和几何不平顺对列车不同速度下的轨道结构系统动态刚度的影响,以及在不同的速度下对列车通过道岔时车辆的振动响应、轮轨作用力和道岔区轨道结构各部分振动的影响,并分析竖向刚度不均匀对列车运行通过道岔区平稳性变化的影响规律,为研究道岔区轨道结构刚度优化提供理论依据.     

高速铁路曲线线路车线耦合系统动力学性能仿真分析

依据系统工程理论,建立高速铁路曲线线路车线耦合系统有限元模型,对曲线线路在高速行车条件下的耦合系统动力学性能进行仿真,研究时速300 km等级高速动车组作用下曲线线路安全与平稳性指标,曲线线路轨道结构各部分的振动响应、列车速度与曲线半径和超高的关系.结果表明动车组以350 km·h-1的速度通过半径为5 500,7 000和9 000 m的曲线线路时,动车组的垂向和横向振动加速度以及平稳性能均满足舒适度要求,而且脱轨系数和轮轴横向力也能满足列车运行安全性要求;钢轨支点的横向力表现为过超高时内轨侧大、外轨侧小,欠超高时外轨侧大、内轨侧小;钢轨、轨枕的垂向和横向加速度随速度增加明显增大,而道床和路基的垂向加速度变化不大;钢轨和轨枕的横向动位移和动态轨距扩大量随速度的增加而增大;相同速度下,曲线半径小的轨道振动相对较大.     

基于改进滑模极值搜索算法的货运列车黏着控制研究

针对传统的滑模极值搜索控制算法（SMESC）在货运列车最佳黏着工作点追踪过程中存在稳态振荡、收敛速度慢的问题，提出了参数时变的改进滑模极值搜索控制算法。为削弱稳态振荡和加快SMESC收敛速度，分析了SMESC中增益参数与稳态振幅间的数学关系，以及辅助函数斜率与收敛性的联系，并对其进行优化：设计了时变辅助函数斜率以改善SMESC的收敛速度，设计了以观测误差为基准的动态增益参数以削减稳态振荡，并进行了收敛性分析。针对行车阻力无法直接测量的问题，引入了基于粒子群算法（PSO）的阻力参数估计，最后设计了基于SMESC的黏着控制律，通过与传统滑模极值搜索进行对比，证实了所提方法的有效性和实用性。     

基于IPSO-Capsule-NN模型的中欧班列出口需求量预测

为提高中欧班列出口需求量的预测精度,提出将改进粒子群算法(IPSO)与胶囊神经网络(Capsule-NN)相结合的预测模型(IPSO-Capsule-NN)。与全连接神经网络不同,胶囊神经网络通过动态路由算法增强了模型的拟合能力和泛化能力。利用改进粒子群算法优化胶囊神经网络的神经元数量、迭代次数以及学习率,以克服人为设定模型参数随机性较大导致模型精确度不高的不足之处。此外,针对标准粒子群算法存在的缺点,提出一种非线性递减惯性权重并引入Levy飞行对粒子群算法的全局寻优能力和收敛速度进行优化。将采用spearman秩相关性分析得到的11个因素作为中欧班列出口需求量的影响因素并对其进行预测,结果表明:胶囊神经网络具有2层隐含层时,IPSO-Capsule-NN模型预测精度更高。     

双块式无砟轨道轨枕成段开裂整治技术研究

受相关因素的影响,一高速铁路CRTSⅠ型双块式无砟轨道采用的SK-2型轨枕出现了成段开裂现象,严重影响了行车安全。依据相关规范对SK-2型双块式轨枕的混凝土抗压强度、轨枕挡肩混凝土抗剪能力、轨枕承轨台纵向抗剪能力进行了受力检算,并结合该高速铁路线路实际情况提出了病害整治方案。结果表明:在承受的最不利荷载作用下,SK-2型双块式轨枕的混凝土抗压强度、轨枕挡肩混凝土抗剪能力、轨枕承轨台纵向抗剪能力均满足要求,轨枕的设计满足本线使用要求,建议整治时更换的新轨枕维持原设计;结合现场实际,提出了单根轨枕更换及通过拆除道床板实现轨枕连续更换的病害整治方案。     

改进粒子群优化算法的BP神经网络在机车滚动轴承故障诊断中的应用

本文提出了一个基于改进粒子群优化算法的BP神经网络优化模型来进行轴承故障诊断,此模型融合粒子群优化算法的全局寻优能力和BP神经网络算法的局部搜索的优势,有效地防止了网络陷入局部极小值,同时又保证了诊断结果的精确性.仿真结果表明机车滚动轴承故障得到了有效诊断.相比于常规的BP神经网络模型,此方法不仅改进网络的收敛速度并且提高了预测准确性.     

基于IPSO的霍尔特指数平滑系数的铁路客运量预测研究

为了提高霍尔特指数平滑法对铁路客运量预测的精度,基于改进粒子群算法(IPSO)对铁路客运量预测领域中霍尔特指数平滑系数的取值进行优化研究。以我国各省铁路客运量为研究对象进行仿真实验,以验证改进粒子群算法的寻优效果,并求解霍尔特指数以预测各省铁路客运量的平滑系数最优取值。研究表明,相较于经典的线性递减权重优化法和固定权重法,非线性递减权重优化的粒子群算法能更加准确地求出最优平滑系数,具有更好的寻优能力和收敛速度。以上海市为例,其收敛速度分别提高4代和14代,求解精度分别提高了0.000 18、0.000 006。     

国内外板式轨道用扣件简析

国内外板式轨道用扣件简析铁道部专业设计院线路所张庆到目前为止，国内外铁路的轨下基础大多采用传统的道碴道床上铺设木枕或混凝土轨枕的结构型式。随着铁路列车速度的提高和运量的增大，这种习用的轨下基础已逐渐不适应铁路运输发展的需求。因此，许多国家纷纷研究新型...     

基于改进MH算法的高铁ATO运行操纵多目标优化研究

在高速列车运行过程中,运行环境变化将对ATO提出更高的计算要求,ATO既要满足实时计算又要满足运行操纵多目标优化。针对该问题提出一种改进MH算法计算列车运行操纵序列。在原有MH算法基础上,对算法计算频率与寻优目标函数进行改进,提出随机惯性权重粒子群算法与司机驾驶逻辑相结合的方式计算运行操纵序列,通过选取合理的计算间隔时间使得算法性能最佳。以武广高铁85km线路仿真高铁自动驾驶,改进MH算法中随机惯性权重粒子群算法的收敛速度优于原算法。仿真结果表明:改进MH算法在列车运行准点性和停车精度方面得到提升,为ATO在线计算提供思路。     

双线钢筋混凝土轨枕地段钢轨低接头病害分析及整治

重点介绍双线钢筋混凝土轨枕地段，钢轨低接头产生的主要原因是钢轨踏面本身不平顺，及驶入端轨面低于驶出端轨面所造成的不平顺。文章针对病害产生的原因，提出了一系列行之有效的整治方法。     

轨道结构参数对钢轨和轨枕振动特性的影响

建立轨道结构三维实体有限元模型,同时考虑钢轨、轨下垫层、轨枕和道床,并与已有轨道结构振动模型的数值结果进行比较。结果表明,本文模型的数值结果在高频部分较合理,能够反映轨道结构高频振动特性。分析不同轨道结构参数对钢轨和轨枕振动特性的影响,这些轨道结构参数主要包括钢轨材料损失因子和钢轨质量、轨下垫层损失因子和垂向刚度、轨枕质量和损失因子、道床的刚度与阻尼特性等。分析结果表明,轨道结构参数的改变对钢轨和轨枕在不同频域范围影响不同,通过合理的轨道结构系统参数优化设置,可达到减振降噪效果。相关计算和分析结果可为低噪声轨道的设计提供依据与参考。     

适用于轨道交通供电故障定位的改进二进制粒子群算法

提出了一种结合了交叉操作和保留最优解操作的改进二进制粒子群算法,并将其用于轨道交通电网故障定位中.改进后的算法较好地改善了传统粒子群算法易于局部收敛的缺点,并且加快了算法的收敛速度,在城市轨道交通供电系统发生故障时能迅速准确地判断出故障区段.还对轨道交通单端供电系统和多端供电系统故障分别进行了仿真计算,验证了该算法在轨道交通电网故障定位中的可行性,并且验证了算法具有计算速度快、收敛性好和容错性高的特点.     

粒子群优化算法在多用户检测中的应用

粒子群优化算法是一类有效的随机全局优化技术。它利用一个粒子群搜索解空间,每个粒子表示一个被优化问题的解,通过粒子间的相互作用发现复杂空间中的最优区域。多用户检测技术是直扩序列码分多址中的一项关键技术。将粒子群优化算法应用于多用户检测中,能有效抑制多址干扰,实现结构简单、鲁棒性强的目的,在加速收敛的同时降低了计算复杂度。仿真结果表明,这种多用户检测器充分利用了粒子群优化算法的优良特性,与传统的码分多址接收机、基于进化算法的多用户检测器和基于遗传算法的多用户检测器比较,在误码率和收敛速度等方面都有显著的改善。     

郑西高铁K921段无砟轨道上拱整治方案研究

郑西高铁修建在大面积湿陷性黄土地区。论述和分析灵宝西—华山北区间K921+000—208区段线路轨道结构、线路设备、地质勘察和地基处理。针对K921+000—208区段线路病害,分析产生原因并进行研究,提出病害区段无砟轨道结构局部重新施作、局部挖除及重植轨枕、道床板落道整治、打磨轨枕承轨台和道床现浇承轨台方案;建议采用局部挖除及重植轨枕方案。     

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分（PID,Proportional Integral Derivative）控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足，提出一种基于PID型迭代学习控制（ILC,Iterative Learning Control）的列车自动驾驶（ATO,Automatic Train Operation）曲线跟踪算法。通过迭代学习控制，优化跟踪过程，减小跟踪误差，缩短收敛时间；设置典型场景对所设计的算法进行仿真试验，并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明，PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度，能够在有限的迭代次数内实现精确跟踪，验证了所提算法的有效性。     

基于粒子群优化支持向量机的斜拉桥主梁损伤识别研究

为了能够更加准确地判断结构损伤位置和程度,本文提出了基于粒子群优化支持向量机(PSO-SVM)方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标,利用粒子群(PSO)算法寻找支持向量机(SVM)最优参数,建立SVM预测模型,以不同位置、不同损伤程度下最敏感索的张力指标作为SVM的训练和测试输入,由SVM的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证,结果表明:采用PSO算法很好地解决了采用SVM方法进行损伤识别时的参数选择随机性难题,实现了对SVM模型参数的自动优化,基于PSO-SVM的损伤识别方法对斜拉桥主梁不同程度的损伤均有很高的识别率。     

粒子群优化的神经网络在齿轮故障诊断中的应用

针对BP神经网络容易陷入局部极小及收敛速度慢的问题,本文利用粒子群优化算法代替BP算法中的梯度下降法训练神经网络的权重和阚值,有效地改善了BP网络诊断性能;利用训练后的神经网络对齿轮进行了故障诊断,并比较了基于粒子群优化算法与BP算法的诊断结果,通过仿真实验表明:无论是在诊断速度上还是在诊断精度上,PSO-BP神经网络诊断性能都比单独的运用神经网络有很大提高.