船体零件智能优化排样系统的设计研究

针对船体零件的排样问题,开发了基于智能算法的板材套料优化排样系统。该系统采用粒子群算法,并将免疫记忆和浓度机制引入算法提高了零件的排序优化速度。通过零件图形信息数据库管理模块和排样解码算法,实现图形的输入和编码、定位排放和正交靠接及自动计算生成最优排样结果。排样实例表明了该系统具有良好界面和人机交互功能,且有效提高了排样自动化程度和材料利用率。     

基于颗粒流的膨胀土路基破坏特征分析

研究目的:膨胀土具有强烈胀缩性,常处于非饱和状态,对水分状态的变化十分敏感,并由此引起膨胀土强度和体积的变化,往往造成工程建筑物的破坏。结合新建玉蒙线膨胀土路基的修筑,利用颗粒流离散元方法,对膨胀土的干湿胀缩效应从颗粒间强度变化及颗粒体积胀缩入手进行数值模拟,分析膨胀土路基在干湿胀缩循环下的破坏特征及过程。研究结论:颗粒流数值方法可以合理再现膨胀土的室内加压平衡法膨胀力测试实验及自由膨胀率测试实验;通过对膨胀土路基进行单次胀缩及多次胀缩模拟试验,可从细观角度揭示了膨胀土路基在胀缩循环下的浅表层塌滑现象;对比现场部分填筑中路基的破坏特征,表明数值模拟与现场情况基本吻合。     

基于发动机在环的重型柴油车实际道路细小颗粒物排放特性研究

本文中选取了一台7.8L的重型柴油机,在发动机台架上运行WHSC(世界统一稳态循环)、冷热态WHTC(世界统一瞬态循环),并通过发动机在环的方法在发动机台架上运行重型柴油车实际道路(PEMS)循环,采用能够同时测量PN10(10 nm以上颗粒物数量)和PN23(23 nm以上颗粒物数量)的颗粒计数器等设备测量了细小颗粒...     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。     

基于改进极限学习机的公交站点 短时客流预测方法

以公交车IC 卡和GPS数据为基础，提出了一种基于改进粒子群算法优化极限学习机(IPSO-ELM)的公交站点短时客流预测模型.依托IC 卡和GPS 数据在站点的特征表现和内在联系，定义了站点间距，并分析了站间距和车辆到总站距离间的联系；提出了公交乘客上车站点确定方法，进而得到公交站点上车客流量；通过分析公交客流数据特征，确定ELM输入参数维度，并采用IPSO 算法找到ELM的最优隐含层节点参数；最后依托广州市19 路公交车客流数据仓库进行了方法验证.结果表明：所用优化后的ELM方法预测误差在10%以内，并与应用广泛的SVM、ARIMA和传统ELM模型进行对比分析，发现改进的ELM方法拥有更高的可靠性和泛化性能.     

基于深度学习和监测数据的桥梁损伤识别方法

为了挖掘桥梁健康监测数据蕴含的大量隐藏信息,以及改进传统结构损伤识别方法的不足之处,提出了基于桥梁监测数据的损伤识别方法。从有限元模拟数据和实际监测数据中分别提取加速度响应,并对原始数据进行了预处理。通过卷积神经网络和栈式自编码网络分别对明州大桥监测数据的可视化图像和时间序列进行识别,同时与浅层神经网络方法的识别正确率对比。结果表明:基于深度学习和监测数据的损伤识别方法不论是通过图像识别还是通过时间序列识别,都表现出优秀的性能:识别正确率达85%以上。与浅层神经网络相比,深度神经网络的损伤工况分类能力更强,识别正确率提高20%以上。     

海水-冰晶两相流非等温流动及传热研究

船舶在冰区航行时,存在冰晶颗粒混合海水流入船舶冷却系统现象。基于颗粒动力学理论,建立适用于海水-冰晶两相流的欧拉-欧拉双流体模型,耦合相间传热传质模型对海水-冰晶两相流在水平直管内流动及传热特性数值模拟。研究表明,冰晶颗粒流动过程中,在管道上部位置R=8~10mm处冰晶体积分数达到最大值,且随着速度增加而增大；当入口含冰率(IPF)为4%时,冰晶速度的最大值出现在管道中心轴线上方。当入口速度为1.0~3.0 m·s-1，含冰率4%~30%时，局部传热系数随入口速度及含冰率增大而增加。     

基于PSO算法的地铁智能调线调坡系统开发与研究

为解决人工调线调坡费时费力、效率低下，且无有效评价指标评判方案优劣的现状问题，从分析线路平纵断面设计变量入手，依据规范相关规定制定约束条件，创新性地建立带有侵限容忍值惩罚项和合规性惩罚项的目标函数，提出一套基于粒子群优化算法，适用于矩形、马蹄形、圆形等多种隧道断面类型的地铁调线调坡数学分析模型，并以此开发地铁智能调线调坡系统。以长沙地铁4号线某区间右线隧道为例，对比人工设计和智能系统的调线调坡结果。由对比结果可知，智能系统在线路参数选择的合理性和改善侵限情况等方面均明显优于人工调线调坡，且具有可靠性和高效性。     

Application of Lagrangian relaxation approach to α-reliable path finding in stochastic networks with correlated link travel times

This study investigates the important problem of determining a reliable path in a stochastic network with correlated link travel times. First, the distribution of path travel time is quantified by using trip records from GPS probe vehicles. Second, the spatial correlation of link travel time is explicitly considered by using a correlation coefficient matrix, which is incorporated into the α-reliable path problem by Cholesky decomposition. Third, the Lagrangian relaxation based framework is used to handle the α-reliable path problem, by which the intractable problem with a non-linear and non-additive structure can be decomposed into several easy-to-solve problems. Finally, the path-finding performance of this approach is tested on a real-world network. The results show that 15 iterations of calculation can yield a small relative gap between upper and lower bounds of the optimal solution and the average running time is about 5 s for most OD settings. The applicability of α-reliable path finding is validated by a case study.