市域铁路牵引电缆贯通供电方案及潮流算法

研究了市域铁路牵引电缆贯通供电方案，该方案全线贯通式供电，设置一主一备两个主变电所，在主变电所内设置同相供电装置. 对贯通式供电时双边供电、单边供电下供电臂距离的设置进行了建模求解，模型以电压损失作为约束条件，通过逐渐增加列车数量的方式，求得供电臂所能承担最大列车数量，进一步得到供电臂距离的可行值，为牵引变压器位置的设置提供参考和校验. 采用基于线路的牵引供电系统建模，将牵引供电系统分为电缆层和牵引层，提出适用于牵引电缆贯通供电的分层交互迭代潮流算法. 该算法在层内进行潮流求解，同时层之间进行变量取值修正，以实现交互迭代，能够达到矩阵降阶、提高计算效率的目的. 在本文案例分析中，相较于传统供电方案，牵引电缆贯通供电方案再生制动能量利用率提升至99.15%，每年通过再生制动能量利用可以节省的电费为2 955万元，一次性投资可以节省大约13 672万元.      

基于动态资源调度算法的数据中心负载均衡方案研究

云数据中心大多采用静态调度算法对虚拟化资源进行分配和调度,调度一旦完成,若无维护,资源分配状况一般不会发生变化,但随着资源池的持续使用,资源使用不均衡的问题会越来越严重。针对该问题,提出基于动态资源调度(DRS,Dynamic Resource Scheduler)算法的负载均衡解决方案,使数据中心物理节点上的资源使用达到相对均衡。采用DRS算法对资源进行实时监控,根据监控结果筛选出与平均负载值偏差较大的物理主机,结合虚拟机已分配与实际使用的资源,计算出其最终得分,根据得分,选择合适的虚拟机进行动态资源均衡,使物理主机的负载值趋于平均负载值。实验结果表明,DRS算法在数据中心应用中具有有效性和稳定性,可以周期性地进行资源动态调度,实现数据中心的负载相对均衡。     

疫情期间社区商超物资配送路径优化研究

在抗击新型冠状病毒肺炎的战役中,采取"商超+社区"创新无接触配送模式对疫情影响下的社区进行物资配送,以保障居民生活物资供应。利用SOM神经网络算法与遗传算法求解车辆路径规划中的特例问题——TSP问题,以湖北省黄石港区社区物资配送路径为例,对两种算法的优化结果进行对比,发现遗传算法比SOM神经网络算法拥有更高的求解精度及效率。结果表明:优化后的路径距离为初始路径距离的37.2%,使用遗传算法可更快地搜寻到最佳的物资配送路径,得到较好的物资配送方案。     

气泡混合土抗冻融循环性能试验研究

为解决冻土地区普通路基由于保温性能差导致的路基病害问题，采用保温隔热性能好的气泡混合土作为路基填料，可起到保护冻土、减少病害的作用。为探讨气泡混合土的抗冻性能，选取了不同容重的气泡混合土试件进行冻融循环试验研究，研究气泡混合土质量及强度损失规律，从而获知气泡混合土的容重对其抗冻性能的影响；进而，向气泡混合土试件中掺入玻璃纤维，探讨其对气泡混合土抗冻性能的增强作用。结果表明：气泡混合土的抗冻性能随着容重的增大而提高，表现为容重越大，所能经受的冻融循环次数越多，抗压强度和质量损失率越低；容重为800kg/m3的气泡混合土试件经过15次冻融循环后抗压强度迅速降低，经过100次冻融循环后，试件的质量损失达到9.2%；而容重为1 200kg/m3的气泡混合土试件在经过50次冻融循环后，抗压强度才开始明显降低，经过100次冻融循环后，试件的质量损失只有4.5%。玻璃纤维能显著提高气泡混合土的抗冻性能，其抗压强度损失率和质量损失率明显较未掺纤维的普通气泡混合土要小，且抗压强度和质量损失的速率明显降低；不同容重的气泡混合土试件掺入纤维后，经过50次冻融循环后，试件的抗压强度损失减少50%以上，质量损失减少40%以上。     

基于Adaboost的改进Elman神经网络港口吞吐量预测方法

为提高港口吞吐量的预测精度,建立基于Adaboost算法改进的Elman神经网络预测模型,进行吞吐量的预测.首先对Elman神经网络进行多次训练和迭代,然后将每个Elman神经网络作为弱预测器,基于Adaboost算法将多个弱预测器加权组合,形成Elman-Adaboost强预测器模型.经过Adaboost算法优化的强预测器对误差较大的数据样本有更强的识别能力,可以实现对数据的动态增强学习.以宁波-舟山港2011-2017年的港口吞吐量数据为样本进行仿真,分别使用BP神经网络、Elman神经网络、BP-Adaboost神经网络以及Elman-Adaboost神经网络进行预测,比较四种模型的预测精度.研究结果表明:Elman-Adaboost强预测器模型用于港口吞吐量的预测,预测结果的相对误差最大值1.91％,最小值0.06％,可以将预测误差控制在2％以下,数据拟合效果更好预测精度更高,可以作为港口吞吐量预测的一种方法.     

一种适用于变轴力柱混合试验的改进BWBN模型及其参数识别

原始的BWBN模型无法很好地描述钢筋混凝土(RC)柱在水平和竖向双向地震作用下的刚度、强度退化以及正负向滞回不对称现象,为了描述这些现象,对原始BWBN模型进行修正.结合16根定轴力柱子的滞回数据,利用改进Park-Ang损伤模型计算柱子强度退化、刚度退化与累计损伤的关系,并相应地对原始模型相关项进行了修正.此外,对变轴力柱用轴力分级插值以及正负向单独计算损伤的方式来考虑变轴力的影响.最后,利用定轴力、变轴力试验数据以及OpenSees的模拟数据对模型有效性进行验证,并计算模型识别数据与试验数据的Pearson相关系数,结果均为强相关,说明模型适用性良好.改进的变轴力BWBN模型能较好地考虑轴力变化对柱子侧向滞回性能的影响,这对于拓宽混合试验应用范围以及实现变轴力柱混合试验有一定意义.同时,本文的研究方法,对未来变轴力恢复模型的研究也有一定参考价值.     

基于深度强化学习的自动化集装箱码头集成调度方法

针对自动化集装箱码头卸货过程中岸桥、智能运输机器人和场桥设备交互作业, 实际调度环境复杂多变等问题, 以最小化最大完工时间为目标, 构建基于混合流水车间的三阶段集装箱码头集成调度模型, 为解决自动化码头调度环境动态性强的特点, 使用1种深度强化学习算法(DDQN)进行求解。依据码头实际调度情况, 使用神经网络实时拟合动作-值函数, 把各阶段设备状态数据输入模型, 采用经验回放机制训练模型, 把单一启发式规则加复合启发式规则作为设备候选行为, 通过强化学习动作选择与动作评估机制, 得到最优的集装箱-设备组合策略, 并与精确算法和常用的几种元启发式策略进行对比分析。结果表明: 较大规模算例下, 与目前较为先进的粒子群算法相比, 所提方法的总作业时间平均降低了7.84%, 与理论下界值的差距分别为6.0%, 5.6%, 4.6%, 三阶段设备负载较为均衡, 设备平均利用率为89%, 满足实际应用需求; 小规模算例下, 与Gurobi求解器的总完工时间平均误差为1.99%, 且随着算例规模增加, 所提算法在求解时间上显现出一定的优势, 求解时间最大提升59%, 验证了所提方法对于提升自动化集装箱码头运行效率的可行性和高效性。      

面向实际交通状态的混合动力汽车能耗和CO2排放模型

由于混合动力汽车与传统燃油车的能耗排放因子具有差异性，导致机动车交通路网能耗排放的量化评估存在不确定性。本文建立混合动力汽车在实际交通状态中的能耗和CO2排放因子测算模型，基于车辆比功率VSP(Vehicle Specific Power)作为车辆行驶状态与能耗排放之间耦合关系的表征参数。通过引入内燃机转速区分内燃机开启和关闭工作状态，并计算内燃机开启状态下VSP对应的平均能耗率，同时，建立能够解析混合动力汽车能耗排放产生机理的VSP分布。通过收集典型行驶工况下车辆测试油耗数据和北京市车辆实际行驶轨迹数据，验证了模型的准确性，并应用模型测算混合动力汽车不同速度区间下的油耗和CO2排放因子。研究结果表明：在城市行驶工况(UDDS)和高速行驶工况(HWY)中，模型测算能耗排放因子与真实值的平均相对误差分别为3.7%和-1.7%，与不考虑内燃机开启状态相比，测算误差减少5.6%和4.3%；在实际交通状态下，采用传统燃油车的测算方法会导致混合动力汽车行驶平均速度为高速区间时油耗和CO2排放量被低估，当行驶平均速度为低速区间时油耗和CO2排放量会被高估。