基于实数编码遗传算法的桥梁有限元模型修正方法

为克服传统桥梁有限元模型修正迭代优化过程中存在的局部收敛和提高模型修正精度, 提出了联合实数编码遗传算法与静动力实测数据的有限元模型修正方法; 引入四边形等参元理论和牛顿迭代法编制宏命令, 实现有限元模型中车辆荷载的快速自动加载; 基于结构有限元模型静动力特性构造目标函数, 以实数编码遗传算法为优化策略, 采用MATLAB平台建立了有限元模型修正框架; 通过对一个简支框架结构的数值模拟, 对比了所提出优化方法与其他方法的收敛效率和修正结果, 以验证所提出方法的有效性; 采用拉丁超立方体抽样分析了有限元模型参数变化对桥梁动力响应的影响, 以确定待修正参数, 并采用所提方法修正了一座改建的空心板桥梁的实体有限元模型。分析结果表明: 零阶算法和一阶算法对参数的敏感性和修正范围依赖大, 选用敏感性较小的参数或者参数修正范围大于50%将会导致错误的修正结果; 实数编码遗传算法对初始输入不敏感, 可避免局部收敛的情况; 采用灵敏度分析得到的主要待修正参数有空心板弹性模量、现浇层弹性模量以及支座横桥向和顺桥向的约束刚度; 修正后的空心板弹性模量增幅约为19.13%, 现浇层弹性模量增幅约为16.00%, 横向约束刚度增幅约为46.21%, 纵向约束刚度增幅约为72.72%, 修正后的有限元模型的静动力特性与实测响应吻合良好, 各测点静力响应误差均小于4%, 动力响应误差小于3%。      

Dynamic Fault Diagnosis Using the Improved Linear Evidence Updating Strategy

The majority of the existing fault diagnosis methods using Dempster-Shafer(DS) evidence theory(DST) all provide the "static" fused results by combining several pieces of diagnosis evidence, which only reflect the current running status of monitored equipment. This paper presents the dynamic diagnosis strategy by using recursively the improved linear evidence updating rule. Its updated result can synthesize the diagnosis evidence collected at historical, current and future time steps by dynamically adjusting the proposed smoothing linear combination weights. The diagnosis examples of machine rotor show that the proposed method can provide more reliable and accurate results than the diagnosis methods based on the classical updating strategies.     

复杂电力系统的鲁棒降阶方法研究

针对当前复杂电力系统的数学模型的多变量、高阶次、强耦合,把H∞控制中的模型匹配问题与高阶系统平衡截断降阶方法相结合,提出了鲁棒降阶控制方法．应用这种方法对两区域间互联电力系统进行降阶,并与改进平衡法的降阶系统进行仿真比较,然后对鲁棒降阶系统进行解耦．通过仿真结果可以看出鲁棒降阶方法具有更好的降阶效果,降阶系统可以达到所希望的性能要求．     

��������������ĵ�·��ͨ�¹�Ԥ��

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

基于量子神经网络的道路交通事故预测

道路交通事故预测是道路交通安全研究的一项重要内容. 针对BP神经网络在道路交通事故预测中精度不足及收敛速度慢的问题,引入量子神经网络并构建道路交通事故预测模型. 模型通过对道路交通事故时间序列进行相空间重构,有效扩充训练样本数量;且隐含层神经元采用态叠加的激励函数,对道路交通事故数据的特征空间进行多层梯级划分,以快速匹配输入数据与特征空间的对应关系,提高模型的收敛速度;在训练过程中动态调整量子间隔,以响应事故数据的强随机性. 实验结果表明,该预测模型能够较好地适应道路交通事故数据的特性,且预测精度和收敛速度较改进BP神经网络有显著提高.     

基于比值更新的索穹顶结构找力分析方法

为了快速高效求解索穹顶结构的预应力分布,提出了一种基于比值更新的找力新方法. 以不断更新的索预应力比值来分配拉索预应力,以索力和位形作为收敛控制参数,迭代得到满足精度要求的预应力分布. 基于此,首先对索穹顶结构进行了不考虑重力影响的找力分析,验证了该方法的正确性;其次当考虑重力影响且每个索段划分为多个单元时,可引入沿索长的索水平分力这一不变量,将索力的比值替换为索水平分力的比值. 结果表明:基于比值更新的找力分析方法计算速度快,位形偏差小,精度高;考虑重力影响的找力分析结果与不考虑重力影响相差较大（最大为19.34%）,索穹顶结构的找力分析宜考虑重力的影响;将每个索段划分为单个单元和多个单元的找力分析结果相差甚微（最大仅0.05%）,当索预应力较大且索长较短时,可将每个索段划分为单个单元以简化求解预应力分布.      

基于深度学习的短时交通流预测研究

针对交通流时间序列,在深度学习的理论框架下,构建基于LSTM-RNN的城市快 速路短时交通流预测模型.根据交通流的时空相关性完成时间序列的重构,依靠模型训练对时 空关联特性进行识别和强化,兼顾精度和时效性确定神经网络深度,完成短时交通流预测模 型搭建.基于TensorFlow 的Keras 完成LSTM-RNN的逐层构建和精细化调参,利用路网实测数 据样本完成算法验证,实现模型本地保存并根据预测精度进行自适应更新.结果表明,本文所 采用的预测算法精度高,受训练样本量的限制较小,实时性、扩展性和实用性均得到有效提高.     

考虑三方利益的车货匹配优化

为研究平台模式下考虑车主、货主及平台三方异质化需求的车货匹配问题，在既往研究考虑车货双方利益的基础上，引入了平台方需求. 首先，在分析车货匹配活动参与方需求的基础上，构建了最大化送达时效满意度、最小化货运成本和最大化平台收益的多目标优化模型；其次，在模型求解方面，改进了带精英保留策略的快速非支配排序遗传算法（non-dominated sorting genetic algorithm Ⅱ，NSGA Ⅱ），一方面在子代种群更新过程中引入精英选择系数，提升种群的多样性，另一方面结合自适应的思想，在算法迭代过程中调整交叉变异的概率；最后，利用成渝区域间的车源和货源数据进行仿真实验. 结果表明:改进的NSGAⅡ在中小型算例上的准确率均超过91%，与传统的NSGAⅡ相比，平均收敛速度提升了45%左右；在算法稳定性方面，所提出的算法受随机初始化影响较低，多次实验的相对标准偏差值小于1%.      

基于正态云模型和模糊层次分析法的列车通信网络性能评估方法

为保证高速列车安全、可靠运行,研究了列车通信网络性能评估方法;综合考虑列车通信网络的实时性、可靠性和服务质量,建立了合理的列车通信网络性能评价指标体系,采用模糊层次分析法确定列车通信网络性能评估指标的权重;考虑列车通信网络评估过程中具有不确定性,构建了基于正态云模型和模糊熵的二维评估模型;建立了基于交换式以太网的大容量和高可靠性列车通信网络仿真平台,获取各指标样本数据,运用二维评估模型计算各指标的隶属度,依据模糊理论最大隶属度法则确定列车通信网络性能等级。研究结果表明:在列车通信网络状态良好时,60%评估样本的网络性能等级为Ⅰ、Ⅱ级,在网络丢包率和误码率较大时,40%评估样本的评估等级为Ⅲ、Ⅳ级,表明二维评估模型能够有效地反映列车通信网络状态;与仅运用模糊综合评价法相比较,两者的评估结果基本一致,反映了二维评估模型的准确性;模糊综合评价法不能消除评估过程中不确定性因素的影响,从而导致评估结果缺乏精确度,因此,提出的方法更适合于列车通信网络性能评估。      

求解QoS组播路由问题的改进蚂蚁算法

蚂蚁算法是一种相对较新的启发式方法,通过模拟蚂蚁的觅食行为,提出了求解Qos组播路由问题的改进蚂蚁算法。仿真实验表明,该算法能以较高速度收敛,有效地解决QoS组播路由问题。     

水冷型质子交换膜燃料电池温度控制策略

为了解决传统温度控制策略在质子交换膜燃料电池(proton exchange membrane fuel cell,PEMFC)电堆实际操作过程中存在的强耦合性,避免在电堆电流大幅加载时电堆内部出现短时高温,提出了一种基于电堆空气入口压力变化的改进温度控制策略.该策略以冷却水入口压力为调节目标,通过调节冷却水泵的转速控制冷却水流速,调节散热器风扇转速控制电堆冷却水入口温度.考虑电堆极板耐压的条件下,在自主搭建的多功能PEMFC测试平台上对传统控制策略与改进控制策略做了实验对比.结果表明,改进温度控制策略使冷却水入口温度最大超调量减小34.7%,冷却水出入口最大温度偏差减小17.8%,实现了较高的控制精度;电流从120 A降低到90 A时,调整时间最少缩短100 s,提高了系统的响应速度,满足燃料电池发电系统对温度控制的需求.      

��ֽ���ϸ����ʳ�㷨��⹫������������

为了提高公交车辆优化调度方案的有效性,考虑公交车辆平均客运量,最大、最小发车间隔等约束, 建立了以企业收益和乘客利益最大为目标的公交车辆调度模型.针对公交车调度强NP组合优化的特点,提出了一种基于差分进化细菌觅食优化算法求其有效近似解.传统细菌觅食算法优化过程速度较慢,利用差分进化方法对趋化过程中的细菌位置进行修正,增加收敛的精度.最后,结合某公交线路的数据,编程进行计算与仿真,结果表明,利用该模型及其算法能够快速得到公交发车间隔的满意解.     

基于改进粒子群算法的PMSM多参数辨识

针对标准粒子群优化算法对永磁同步电机多参数辨识精度低与收敛慢的问题,设计了一种自适应自治群组粒子群优化算法进行辨识,并在Matlab/Simulink中搭建参数辨识模型.仿真结果表明:改进后的算法对永磁同步电机多参数辨识的整体精度更高,收敛速度更快.     

基于粒子群优化的高速公路网集成优化控制模型(英文)

应用非线性最优控制方法,研究了高速公路网的匝道控制和路径诱导的集成问题,构造了集成控制的最优控制模型.在模型中,以路网总耗时最小为优化目标,以METANET模型为网络交通流模型,考虑了控制变量的更新周期约束,采用粒子群优化技术求解优化模型.仿真结果表明:无控制时,路网总耗时为3 376 veh·h;仅实施匝道控制时,路网总耗时为3 005 veh·h;仅实施路径诱导时,路网总耗时为2 768 veh·h;集成控制时,路网总耗时为2 464 veh·h.可见,集成控制效果最优.     

融入偏好信息的列车运行过程多目标优化算法

列车运行过程优化是一个多目标、大滞后、非线性的极其复杂的优化问题.为了更好地解决上述问题,以列车能耗、舒适性、停靠准确性和运行时间为控制目标,以列车运动动力学方程为约束,建立了列车运行过程的多目标优化模型,提出了一种融入偏好信息的列车运行过程多目标遗传粒子群算法.提出的改进策略具有以下优点,在融入偏好信息的基础上通过控制粒子群中个体在解空间的分布能够更好地保持粒子群多样性,从而在进化过程中具有更明显的全局收敛的指向作用.仿真得到的速度距离曲线表明,在列车及其运行线路相同的情况下,本文所提出的算法性能较佳、寻优结果较好.     

波形腹板钢箱-混凝土箱梁桥的有限元模型修正

为了缩小波形钢腹钢箱-混凝土组合箱梁桥有限元值与实测值之间的偏差,提出了采用响应面法和Fmincon算法相结合的桥梁有限元模型修正方法.以甘肃景中机场连接线的一座波形钢腹钢箱-混凝土组合箱梁桥为研究对象,首先对其进行静、动载试验,获得其弯曲振动频率、挠度及应变的实测值;其次分别采用实体和板壳模式的有限元建模获得该桥相应...     

基于云模型的自学习进化算法

结合进化论和遗传理论的最新进展,提出基于学习算子的自学习进化算法;并将正态云模型引入进化过程中,提出云学习算子和基于云学习算子的自学习进化算法．最后的仿真实验表明,该算法具有精度高、收敛速度快等优点,能在很大程度上解决了现存进化算法的低效问题．     

�����Ŵ��㷨�Ż���·����·��

公路运输路径问题已被证明是高维非线性完全问题,实际中还会增加非流通图约束,使求解更复杂,研究价值较高.鉴于传统遗传算法在求解过程中容易出现早熟收敛、冗余迭代的缺陷,在初始种群生成、交叉变异及搜索操作方面提出改进,设计混沌遗传算法.采用遍历城市顺序的染色体编码,结合随机法与贪心法生成较优初始种群,避免出现大量非可行染色体,提高了后续的遗传效率.接着,执行优先保留交叉和平移变异操作,依次引入局部邻域搜索以及混沌搜索以加快算法收敛,还给出最优解的非连通公路约束满足判据.最后,实验结果验证了新算法的有效性,不但取得了较优解,而且子代种群离散程度较小,收敛性更好.     

基于Darknet框架下YOLO v2算法的车辆多目标检测方法

针对道路车辆目标检测传统方法需随场景变化提取不同特征, 检测率较低与鲁棒性差的问题, 提出了一种基于Darknet框架下YOLO v2算法的车辆多目标检测方法; 根据目标路段场景与车流量的变化对YOLO-voc网络模型进行改进, 基于ImageNet数据集和微调技术获得分类训练网络模型, 对训练结果和车辆目标特征进行分析后进一步调整改进的算法参数, 最终获得更适合于道路车辆检测的YOLO-vocRV网络模型下车辆多目标检测方法; 为验证检测方法的有效性和完备性, 采用不同车流密度进行了车辆多目标检测试验, 并与经典YOLO-voc、YOLO9000模型进行了对比; 采用改进YOLO-vocRV网络模型, 选取20 000次迭代, 分析了多目标检测结果。试验结果表明: 在阻塞流样本条件下, YOLO9000网络模型检测率为93.71%, YOLO-voc网络模型检测率为94.48%, 改进YOLO-vocRV网络模型检测率达到了96.95%, 因此, 改进网络模型YOLOvocRV检测率较高; YOLO-vocRV模型精确度和召回率均聚集在0.95, 因此, 在获得较好精确度的条件下损失的召回率明显较小, 达到了很好的折中; 采用混合样本训练后, 基于YOLO-vocRV模型的车辆多目标检测方法的检测率在自由流状态下可达99.11%, 同步流状态下可达97.62%, 阻塞流状态下可达到97.14%, 具有较小的误检率和良好的鲁棒性。      

基于遗传算法收敛特性的停机准则

关于遗传算法及改进遗传算法收敛问题的研究表明,理论上分析各类不同结构遗传算法的收敛性是可行的.对已被证明收敛的遗传算法,在计算过程中最突出的问题便是如何判断当前计算结果已经到达最优解从而停止迭代.文中从遗传算法收敛特点及不同种群中最优个体适应值的一致性、种群的多样性出发,提出判断算法自动停止迭代的依据.