基于量子粒子群算法的矮塔斜拉桥索力优化

斜拉索最优索力的确定是矮塔斜拉桥合理设计的关键。为了更为精确地确定矮塔斜拉桥的拉索索力,本文首先将粒子群优化(PSO)算法与量子计算理论相结合,采用量子角进行染色体编码,并结合一种种群扰动算子,提出了一种新的量子粒子群(QPSO)算法。然后,基于量子粒子群(QPSO)算法,并结合有限单元和罚函数技术提出了一种确定矮塔斜拉桥成桥索力的全局搜索算法。最后,采用开发的数值计算程序对某一矮塔斜拉桥进行了索力优化计算。研究表明QPSO算法无论是在收敛速度上还在计算精度上均优于PSO算法,提出的索力优化方法是求解矮塔斜拉桥索力优化问题的有力工具。     

基于影响矩阵和粒子群算法的异形斜拉桥调索

斜拉桥的合理成桥索力的确定是斜拉桥设计和施工中的关键环节,获取符合条件的初索力是建立桥梁的有限元模型、完成施工阶段的分析和施工索力监测的基础。异形斜拉桥的结构相对比较复杂,其受力特点不同于常规的斜拉桥,传统的迭代法或具有不适用性,且迭代法需要进行多次试算,过程较为繁琐。粒子群算法可以高效便捷地得到合理的成桥状态,实现索力优化的自动化和智能化。为验证结合粒子群算法的索力优化方法的可行性,以某异形斜拉桥项目为背景,建立三维有限元模型,结合影响矩阵法和粒子群算法编MATLAB程序对桥梁斜拉索的初始索力进行求解,并与传统迭代法的优化结果进行比较,验证该方法的可行性。结果表明：传统迭代法在优化结构较复杂的异形斜拉桥时具有局限性,基于影响矩阵和粒子群算法的索力优化方法能够用来自动化求解结构较为复杂的异形斜拉桥的初始索力群,优化过程简便、高效。     

混凝土斜拉桥合理成桥状态确定的分步算法

在现有的最小弯曲能量法、影响矩阵法和应力平衡法等方法的基础上 ,提出了斜拉桥合理成桥状态确定的分步算法。基本思路是 :先用最小弯曲能量法初定成桥状态 ;然后以应力平衡法确定主梁合理预应力和主梁成桥恒载弯矩“可行域”;最后用影响矩阵法确定综合考虑主梁、塔和索等结构受力要求的合理成桥状态。     

基于响应面法及粒子群算法的异形斜拉桥索力优化

为简化异形斜拉桥的索力优化过程,提出了采用响应面法与粒子群算法相结合的索力优化方法。该方法首先通过分析异形结构的受力特点确定优化目标,再利用响应面法将优化目标函数与成桥索力的关系显式化并构建响应面方程,最后结合粒子群算法根据响应面方程进行索力寻优。为验证该优化方法的有效性,以某异形斜拉桥为背景开展索力优化。基于该异形斜拉桥受力特点,以主梁的横梁两端最大剪力差为优化目标、以斜拉索成桥索力为优化变量、以斜拉桥成桥索力均匀性为约束条件,建立了索力优化目标函数进行索力优化。结果表明：优化后该异形斜拉桥主梁的横梁两端最大剪力差减小20.3%,主梁最大弯矩减小13.8%,南北侧边箱梁最大竖向位移差减小25.0%;全桥成桥索力及主梁弯矩均匀性均有所提升,主梁受力、线形更加合理。     

基于 Midas 有限元下的大跨斜拉桥成桥索力优化

为了深化对大跨斜拉桥成桥索力优化问题的认识,根据斜拉桥合理成桥状态的确定原则,阐述各类方法的求解思路与优化过程。大跨斜拉桥成桥索力优化,仅靠一种方法完成索力优化是不够精确的。通过论述斜拉桥合理成桥状态的基本原则,介绍了常用的几种成桥索力优化方法。首先选择最小弯曲能法获得初始索力,并使用影响矩阵法进行二次优化,对成桥索力状态进行叙述。基于大型有限元软件Midas Civil建立斜拉桥模型,以合理成桥状态为控制目标,对背景桥梁成桥索力进行优化。     

基于影响矩阵法的斜拉桥成桥索力优化

介绍了斜拉桥成桥索力优化的影响矩阵法,运用大型有限元程序ANSYS中的优化模块,结合某独塔斜拉桥验证了这种方法计算合理成桥索力的可行性和有效性。计算结果表明,将影响矩阵法引入斜拉桥成桥索力的有限元分析中是可行的,可为类似桥梁的设计提供参考和验证。     

矮塔斜拉桥索鞍受力分析

以山西大同十里河矮塔斜拉桥为研究对象,为了准确地校核该桥索鞍的实际受力状况,文章采用空间有限元方法进行计算分析,将实际索力按空间抛物面形式的面压力施加在各个对应孔道上,并分析了拉索孔道施工偏差对运营阶段塔的影响.分析结果表明,该桥索鞍内必须设置钢套管否则混凝土会被压裂,同时施工时要严格控制孔道的光滑及对称性,否则塔会发生侧倾影响全桥的正常运营;孔道的最外侧是受拉应力最大的点,要适当加厚外缘的钢板厚度或在该区域做局部加强处理.     

基于改进粒子群的非对称斜拉桥成桥索力优化

针对非对称斜拉桥主塔水平受力复杂和主梁弯矩不对称的特点,提出了以主塔拉压应变能和主梁弯曲应变能为目标函数,以主塔水平位移和主梁竖向位移为控制条件的索力优化过程。并且根据粒子群算法在多参数优化中的问题,提出了速度惯性依据群体最优变化而变化的改进粒子群算法。以某长江大桥为背景,分别利用ANSYS自带零阶优化,标准粒子群算法和本文提出的改进粒子算法进行优化比较。优化结果表现,改进的粒子群算法在优化结果和优化速度上都较前两种有改善。     

基于QPSO—RBF的交通量预测方法研究

实时、准确的交通量预测是实现动态交通流控制及诱导的前提和基础,为了更好的对其进行预测,在分析径向基函数(RBF)神经网络预测模型的特点和标准粒子群优化(PSO)算法缺陷的基础上,将量子粒子群优化(QPSO)算法的全局搜索能力与RBF神经网络的局部优化相结合,克服了标准PSO算法收敛不稳定性和RBF神经网络易陷入局部极小值的缺点,并建立了QPSO-RBF的交通量预测模型.仿真实例结果表明,提出的预测模型预测精度较高,具有较强的学习能力和预测能力,对于交通量预测具有一定的可行性和有效性.     

矮塔混凝土斜拉桥成桥索力优化研究

在研究一般斜拉桥成桥索力优化方法的基础上,针对矮塔混凝土斜拉桥结构受力特点,依据影响矩阵调值原理,提出了以结构整体弯曲能量最小为目标、以主梁主塔单元的弯矩和轴力以及部分关键节点的位移为约束条件的矮塔混凝土斜拉桥索力优化方法。应用MIDAS/CIVIL2010＂未知荷载系数＂模块,对某混凝土矮塔斜拉桥实际工程进行成桥索力优化。分析结果表明,此种方法可以方便得到满足设计要求的合理成桥索力。     

基于组合优化算法的混合动力客车控制策略优化

结合模拟退火算法全局优化能力强和非线性二次规划算法能够快速寻优的特点,使用Isight优化软件将二者建立组合优化算法对建立的功率解析控制策略进行全局优化。优化结果表明,所提出的组合优化算法避免了模拟退火算法局部优化不强的缺点,提高了优化质量和计算效率;在保证整车动力性的前提下,使整车综合油耗下降了12%。     

基于SORA方法的汽车耐撞性优化

通过分析序列优化与可靠性评估方法(SORA)的单循环优化策略,建立了对轿车耐撞性的SORA优化流程。构造了正面40%重叠可变形壁障碰撞响应的近似模型,应用SORA方法,将可靠性分析和确定性优化分开依次进行,从而保证计算精度的同时提高了计算效率。优化结果验证表明SORA方法有效,优化后该轿车的耐撞性和轻量化指标都达到预期目标。     

协同优化方法在电动汽车多学科设计优化中的应用

根据多学科设计优化方法的思想,运用协同优化方法将电动汽车经济性优化问题分解为1个系统级优化问题和若干个子系统级优化问题.以电动汽车经济性最优为日标,协调其动力性能和续驶里程,利用多学科设计软件iSIGHT建立仿真优化模型,并采用自适应模拟退火和广义简约梯度算法进行优化.结果表明,利用协同优化方法在满足电动汽车动力性能和续驶里程的前提下使经济性能达到了最优目标.     

信号周期时长优化方法研究

分析传统交通信号控制系统中周期时长优化存在的问题,为适应混合交通自适应控制系统进行区域或干线战略控制和战术控制的需要,构建了基于双层规划的信号周期时长优化模型,借助分层迭代的思想,通过改进粒子群优化算法求解双层规划模型。利用Vissim仿真长春某一实验路网的不同交通状态,对模型和算法的有效性进行对比验证。     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

交通量预测模型的优化

章对使用指数模型预测交通流量过程中模型参数估计方法进行了优化，提出采用遗传算法(GA)的思路，通过仿真，可以归纳出GA在求解参数最优问题上优势，省去了严格的数学公式的推导步骤，为交通预测模型的优化研究提供了新思路。     

高速公路排水优化设计

公路排水设计对路基的稳定性和路面的使用寿命具有明显影响。高速公路排水设计除应满足排水功能外,还应该具备更高的景观要求和安全要求。文章分析了当今高速公路排水设计中存在的不足,并提出了改进建议。     

客车结构优化设计

把灵敏度分析引入到客车结构优化设计中,通过对某型客车各梁的相关参数相对于整车质量变化的灵敏度分析,找出对质量变化最敏感的设计参数,再对其进行尺寸优化,计算出最优数值,根据型钢标准对优化结果进行圆整,从而得到改进后的尺寸,对客车结构的改进提供指导,提高优化设计的效率,减少其盲目性。     

筑路机械合理配置的优化决策

在筑路施工作业中，施工机械的合理配置是一个复杂的技术问题。为了解决配置中的最优化问题，采用根据作业任务优选机械和对机械用量进行优化决策的方法，运用优化理论和运筹方法建立一套优化决策模型，并通过实例进行定量计算和定性分析进一步说明其优化决策的意义。