基于改进BESO算法的带隔板薄壁方管耐撞性拓扑优化

为了提高带隔板薄壁方管的耐撞性能,实现吸能管轻量化的设计目标,采用改进的双向渐进结构优化法(BESO)对吸能管进行拓扑优化.针对传统BESO算法不能满足带隔板吸能管压溃过程中管壁与隔板的作用不同而导致的优化目标不同的问题,提出多设计域优化目标分离法;针对优化过程中的模型信息储存问题,提出克隆体法.代码采用Python编写,与ABAQUS无缝对接.研究结果表明:拓扑优化后的结构比之原始结构,质量下降了27.98％,比吸能提高了30.89％,验证了所提算法的有效性和可靠性.     

计及牵引负荷相关性的随机潮流计算

结合随机潮流计算量化系统状态变量的概率信息,构建牵引变电所概率负荷模型,描述牵引负荷的随机性和波动性,对实现系统优化运行具有重要意义。通过蒙特卡洛算法模拟相应数据并结合非线性递减惯性权重与混沌优化的粒子群算法辨识模型参数;针对随机潮流计算输入变量的相关性控制问题,提出一种基于模拟退火算法与拉丁超立方采样的方法。仿真实验结果表明:改进的粒子群算法较普通粒子群算法拟合精度更高;改进的相关性控制方法可以不受随机变量概率密度表达式的约束,实现多个随机变量的相关性控制;计及牵引负荷样本之间的相关性对节点电压越限概率、支路功率的影响较仅考虑普通负荷相关性时更为明显,可指导系统进行概率潮流优化。     

基于双偏好矩阵的B2B智能推荐研究与实践

B2B电商平台的用户都具有企业特征,传统的协同过滤算法以用户-商品偏好矩阵为主,难以体现用户的企业特征。在传统协同过滤算法的基础上增加企业-类别矩阵,改进形成双偏好矩阵协同过滤算法,搭建具有企业数据特征的B2B电商平台智能推荐引擎,应用于电商大数据分析平台,并在铁路某电商平台上进行实践应用,算法响应时间为毫秒级。为了证明算法的实用性,分别在准确率、召回率、覆盖率、新颖度等方面与传统的协同过滤算法、KNN算法进行对比,均具有优势,尤其是在不活跃用户的准确性方面提升超过10%。     

基于特征图裁剪的高铁周界入侵实时检测算法

为解决高速铁路周界入侵高可靠度检测的难题,研究基于深度学习的异物入侵实时检测算法。针对深度卷积神经网络存在内存占用量大和检测耗时长的问题,提出以特征图L1范数为准则的递归裁剪算法,逐步降低模型计算量及储存空间,同时将检测准确率保持在较高水平。在基于ImageNet数据库和铁路场景数据库的测试中,该算法可以将VGG16模型压缩约660倍并加速计算4.4倍,而损失的检测准确率分别只有1.2%和0.25%。研究结果表明,基于特征图L1范数的裁剪准则普遍适用于任何具有卷积运算的神经网络结构中,性能优于现有基于卷积核L1范数的裁剪准则。     

基于优化的MsEclat算法的铁路机车事故故障关联规则挖掘

为从铁路机车大数据中挖掘出与机车事故故障有关的关联规则,提出1种优化的MsEclat算法。先提出改进的Eclat算法——MsEclat算法,构建最小支持度索引表,以各项目的支持度值为排序依据重新构建数据集,依据垂直挖掘思想获得针对不同项目的频繁项集,解决Eclat算法无法在多最小支持度情况下挖掘关联规则的缺陷;进一步改进得到优化的MsEclat算法,在融合布尔矩阵、并行计算编程模型MapReduce基础上,设计频繁项集挖掘步骤,提高算法在大数据分析场景下的执行效率。通过算法对比,验证MsEclat算法及其优化算法在多最小支持度关联规则挖掘方面的计算效率优势。最后,以某铁路局的机车运转养护大数据为例,采用优化的MsEclat算法,挖掘机车事故故障的关联规则。结果表明:该算法在6个分布式节点的情况下耗时3.945 034 s,挖掘得到频繁项集156条,如运用故障高发的机车中,83.78%的概率会同时出现频次较多的行车安全装备问题等;形成相应关联规则后,可用于分析该局机车的事故故障发生情况及质量安全状态。     

地铁车辆车体刚性称重试验台加垫调平改进算法

针对现有刚性称重试验台,建立地铁车辆车体称重模型,并介绍了调平刚度矩阵算法。结合现场数据验证了车体称重模型及调平刚度矩阵算法的正确性。提出了现有车体称重试验台加垫调平的改进算法。经验证,该改进算法无需大量迭代计算,即能直接找出满足要求的加垫量范围,节约了计算时间。     

基于在途时间的快慢车停站方案优化算法

地铁开行快慢车是国内近几年的新探索,而其停站方案的不同会影响地铁的服务水平高低及企业运输成本等。首先确定车站重要度评价指标体系,对指标逐一打分形成评价指标矩阵,运用层次分析法评价沿线车站的重要度,并据此确定停站权重;然后将停站权重作为停站优化方案建模的重要参数,再构建基于启发式蚁群算法的MATLAB程序,对快慢车停站方案优化模型求解,得出优化停车方案;最后,以上海轨道交通16号线为例,设计相关调查问卷获取数据对优化算法进行求解,并与目前停站方案作对比分析。通过该优化算法可以缩短乘客出行时间,提升地铁服务水平,同时为运营管理部门制定行车方案提供决策支持。     

改进型EDF算法在计算机联锁全电子执行单元中的应用研究

针对计算机联锁全电子执行单元的安全性、可靠性、大数据量传输的要求,结合CAN总线的特点,提出一种基于指数分区的EDF动态调度算法,以此来提高CAN总线的实时性以及全电子执行单元发送消息的成功率。对改进后的EDF算法的编码进行详细的描述,通过使用量化误差的概念,推导任务的可调度性公式,以此来衡量算法的优化程度。使用Matlab中的truetime工具箱和全电子执行单元的通信数据,对该算法进行仿真实验,并与平均分区的EDF算法进行比较。仿真结果表明:本文算法能够平衡高低优先级的关系;发送消息的成功率更高。改进后的调度算法能够实现消息的动态调度,良好地解决了计算机联锁全电子执行单元中CAN总线网络资源不足时任务不可调度的问题。     

基于图矩阵的仿生寻迹算法研究与应用

为解决牵引供电实时监控中的“带电/停电/接地”状态识别和快速计算问题,模拟智能生物的行为特点,提出仿生寻迹算法.该算法基于网络拓扑的图矩阵,推导出拓扑连通的数学模型.在算法实现上,采用标记和追踪技巧,得到快速计算的有关公式.以实际牵引供电系统为例进行数值实验.通过定义计算量因子,比较和分析仿生寻迹算法和幂法的计算量因子和效率.结果表明:仿生寻迹算法比幂法收敛快,计算速度提高约50%.该算法已作为牵引供电运行状态在线监测系统的核心模块投入工程应用.     

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...     

城市轨道交通网络换乘性能研究

针对网络换乘性能,提出了计算城市轨道交通网络换乘次数的矩阵算法。利用图论建立网络数学模型,利用可达矩阵计算了网络拓扑结构的平均换乘次数。在此基础上考虑客流量的影响,通过挖掘地铁AFC(自动售检票)数据,计算按客流量加权的平均按乘次数。定义网络换乘效率为实际按乘次数与理论换乘次数的比值,并以北京地铁为例进行计算。计算结果验证了算法的有效性。     

基于灰色理论的列车自动运行系统预测模块优化算法

灰色理论在可改进ATO(列车自动运行)速度控制器的算法方面具有可行性和优越性。灰色系统模型主要分为预测模型和决策模型。介绍了传统GM(1,1)灰色预测模型的建立过程,阐述了优化GM(1,1)模型的计算流程和计算过程,并利用实际线路数据检验了优化后的预测模型。检验结果表明,通过优化后的预测模型得到的预测结果平均相对误差小,预测精度高;且同时改进权重系数和初始条件时,预测结果更精确。     

基于在线振动响应的桥梁损伤识别方法

选用桥梁单元的刚度下降率作为损伤因子.基于铁路列车-桥梁耦合振动模型,计算桥梁在线振动响应对损伤因子的灵敏度并构建灵敏度矩阵,以结构不同状态下的响应残差为约束条件建立灵敏度方程,用Tikhonov正则化方法求解灵敏度方程得到各单元的损伤因子,实现对桥梁损伤的定位和定量评估.应用该识别方法对简支梁桥和2跨连续梁桥的识别结果表明:该识别方法对测点位置不敏感.可根据梁上任意1个测点的响应准确确定损伤位置及损伤程度;不但能识别桥梁的绝对损伤,而且能识别桥梁的损伤增量,即相对损伤;抗噪能力较强,即使噪声水平达到10%,也能正确识别出5%以上的损伤,但对5%以下小幅损伤可能会有误判.     

用参数识别技术进行桥梁结构损伤识别

以有限元为工具,把桥梁结构模型中各单元的等效面积、惯性矩以及板壳单元的厚度作为识别参数,建立识别参数对于各种量测的灵敏度矩阵。测取结构某些部位的位移与应变,以此为基准与原先结构的分析结果进行比较,建立综合误差向量。通过优化方法调整当前计算模型的参数,使结构响应与相应的试验值最大程度地吻合,从而得到结构参数变化的信息。以此为基础实现桥梁结构的损伤判别。     

基于BEMD-IPSO-SVM的 扣件完损状态检测

扣件的完损状态关乎铁路系统的安危,而传统检测算法运算复杂且精度不足,为进一步提升检测性能,提出基于BEMD-IPSO-SVM的扣件完损状态检测算法。该算法首先对初始化的扣件图像进行二维经验模态分解,提取固有模态函数的频谱特征,通过改进粒子群算法优化支持向量机来实现检测分类,达到了简化运算,增强泛化性,提升识别准确度的目的。通过实验仿真得出平均检测准确率可达95.15%,证明该算法在扣件检测方面切实可行。     

高速列车电气系统布线数据处理软件研发与应用

分析总结高速列车电气系统布线数据分布规律,设计出数据文件载入算法、一次数据拣选算法、二次数据拣选算法及处理结果唯一性校验算法;开发出布线数据处理软件,可对由电气原理图导出的整车布线数据进行数据分类、整合及拣选处理,使得耗时费力的人工数据预处理工作由布线数据处理软件正确高效地完成.     

考虑碳排放的铁路隧道施工机械配置优化模型

生态文明建设需要铁路隧道等大型工程起到模范带头作用。为改善大气环境和缓解温室效应,以铁路隧道开挖支护施工为研究对象,在考虑碳排放量的情况下建立隧道开挖支护施工机械配置优化模型。参考施工机具台班费用定额数据以及PAS2050规范,基于CLCD数据库信息计算出隧道工程主要施工机械台班碳排放量。选取具有代表性的14个控制性定量指标作为计算目标偏好权重的基础,利用熵权法基于指标数据计算出目标偏好权重。使用经过均匀设计以及自组织映射改进过的遗传算法对新型机械配置优化模型进行求解计算。最后以乌鞘岭特长隧道6号斜井为例验证了模型及算法的可行性。     

铁路运输通道节点协调性的分析

对运输通道节点内部和外部的运输流进行分析,给出了用最初功效系数法来对决策矩阵进行同度量化,用离差决策法来确定各评价指标的权重系数,通过计算权重系数和同一度矩阵的值来比较节点协调性的评价方法。并以甘陕运输通道为例进行计算,计算结果与规划相符。     

基于GIS技术的滑坡危险度区划量化研究

在滑坡危险度区划过程中,滑坡影响因子的选择及其权重的确定直接影响到区划结果的质量和精度。如何保证影响因子的独立性及权重的客观性,一直是滑坡危险度区划工作中的瓶颈。此文以西部某区域为例,基于GIS技术,通过建立信息量模型,对滑坡危险度区划进行研究。并引入层次分析法中的判断矩阵,对信息量模型进行一致性检验,将通过一致性检验的信息量模型用于影响因子的量化分析。通过影响因子的量化分析,按照危险度大小将研究区域划分为低、中、高3个等级,区划结果与滑坡的实际分布基本吻合。     

基于改进骨干粒子群算法的大体积混凝土水化热管冷参数优化

针对大体积混凝土浇筑时的水化热温度控制问题，提出了一种基于动态惯性权重改进骨干粒子群算法的管冷参数优化方法。以某深水库区大跨度拱桥拱座大体积混凝土为工程背景，通过有限元分析软件二次开发子程序进行建模分析与优化计算，求解该管冷布置方案下的最佳管冷参数。结果表明：有限元分析软件二次开发子程序可以较为准确地计算分层浇筑下大体积混凝土的温度变化规律；基于动态惯性权重改进的骨干粒子群算法相较于标准粒子群算法在该优化问题上具有更好的收敛性；相较于设计管冷参数，优化后的管冷参数可以明显提高降温效果，第一层混凝土核心区温度最高降幅5.8℃,第二层混凝土核心区温度最高降幅8.9℃。