任意平面网坐标自动解算的非线性最小二乘平差算法

首次将求解带约束非线性规划问题的一种十分有效的SQPM（序列二次规划法）算法应用于求解平面网坐标平差法的非线性最小二乘问题，并对其进行了一系列大的改进。改进的SQPM算法无论在迭代收敛性和迭代收敛速率方面还是在解算控制点的数量方面都取得了令人满意的结果。真正实现了任意平面网控制点坐标平差值的自动解算。近百个算例和工程实例验证了该法的可行性。     

基于线路能力约束下的铁路空车调配迭代算法

以空车总走行里程最小为目标，以空车供需平衡和车流量不超过线路通过能力为约束条件，建立空车调配数学模型，并设计分步优化迭代算法进行求解。该算法的基本思路是：先放弃模型中能力约束条件，将问题转化为标准运输问题求解；再检验解是否满足能力约束条件，若满足，则得到最优解；否则，记忆有效解，调整OD供需量、路段通过容量和路网路段，形成新的能力约束条件下的空车调配子模型，再求解。如此反复迭代，直到全部空车车流配置殆尽为止；累计各步迭代的结果，得到空车调配方案。在应用实例中，分别采用直接求解算法和分步优化迭代算法求解，分步优化迭代算法得到的空车调配方案比直接求解法可减少空车走行里程6000km，且路网配流相对均衡。结果验证了空车调配数学模型及其分步优化迭代算法的正确性及可行性。     

用简化牛顿法进行缓和曲线段坐标反算解算

构造迭代表达式,给出用简化牛顿法进行缓和曲线段任意里程中边桩坐标反算解算的具体算法,在卡西欧fx-4800p计算器上编程实现,并举例验证算法及程序的正确性.     

子午线弧长计算的数值积分算法及其比较

子午线弧长计算的经典算法是对子午线曲率半径按照牛顿二项式定理进行展开,分项积分得到近似解析解。研究了五种常用的数值积分算法及其在子午线弧长计算中的应用,并用Matlab软件予以实现。将数值积分结果与经典算法结果进行比较,结果表明:利用数值积分算法求解子午线弧长,简单易行,准确可靠。同时,还证明了复合辛普森算法和龙贝格算法要优于其它几种算法。     

基于中点弦测法的轨道不平顺精确值数学模型研究

弦测法是测量轨道不平顺的一种基本方法,原理简单,使用方便,高效迅捷。传统观点是直接将弦测值作为轨道不平顺的近似描述,这会不可避免地因基准线变动而产生较大误差。针对该问题建立了一个描述中点弦测法本质的数学模型,分析了轨道不平顺与其弦测值之间的关系,构造了一种计算轨道不平顺精确值的迭代算法与快速算法,并采用数值仿真对弦测过程进行模拟。结果显示:迭代算法总体误差较小,传递函数较好,但由于迭代次数等原因会产生端点误差;快速算法以牺牲计算内存为代价能达到较高精度,绝对误差在1μm以内,传递函数效果极好,从而证明了所建立的数学模型的正确性与计算结果的精确性。     

考虑加载历史的高速铁路梁轨相互作用分析

目前大多数梁轨相互作用研究中并未考虑加载历史的影响,本文推导了考虑加载历史的线路纵向阻力表达式,与梁轨相对位移的微分方程联立,迭代求解钢轨纵向力和墩台水平力,计算结果更贴近实际情况。以高速铁路简支梁桥、连续梁桥和独塔斜拉桥为算例,采用考虑加载历史的荷载步法计算挠曲力和制动力,并与影响线及逐跨加载法进行对比。分析在梁体温度变形基础上各纵向力的计算方法,并与数值相加的结果进行比较。研究表明,逐跨加载法误差较大,影响线法计算钢轨纵向力结果虽偏安全,但其计算出的墩顶水平力比实际结果小10%~40%;通过单独计算钢轨纵向力并数值相加来检算钢轨时,应考虑伸缩力或制动力系数为-1时的情况;检算墩台时采用数值相加法有时会比实际结果小40%。     

轮轨作用力计算分析及其校核

文章对文献[1]中的车辆-轨道的计算模型以及轮轨接触力迭代求解方法进行了改进。算例分析表明:改进后的数值计算结果与文献[2、3]给出的测试和仿真分析结果具有较好的一致性。此外,利用有限元分析软件ANSYS进行了建模、分析和验证。     

施工期混凝土时间效应数值分析

推导并且建立了混凝土徐变的应力-应变-时间耦合本构关系的全量型数值迭代模型及其算法.采用该方法对偏心柱和简支梁进行数值计算,计算结果与试验值吻合较好,表明该算法可以满足混凝土构件收缩徐变的分析要求.     

基于物流金融的动态质押物配送路径优化

对物流金融业务中的动态存货质押物在配送和运输过程中的路径问题进行优化研究,以存货质押物在配送过程中的总线路最小为目标,将该问题看成是VRP问题并建立数学模型,通过对模拟退火算法和遗传算法2种算法优点和缺点进行对比,得出模拟退火算法能更好解决该问题,并用算例验证该算法,该算法能够避免解陷入局部最优,最终经过迭代得出最优配送路径。     

全局收敛L-M迭代法的非线性参数平差

采用全局收敛的L-M非线性迭代算法,可以较大程度减弱非线性模型线性化的模型误差,在雅可比矩阵近似奇异或坏条件时,L-M迭代仍然可以收敛;同时,该算法具有全局收敛特性,大大降低了平差对迭代初值的要求,可以在初值受误差影响较大的情况下得到精确解。通过与几种不同的非线性规划算法的比较,证明了全局收敛的L-M迭代算法无论是解算精度还是收敛范围均具有相对优势。     

滑带土抗剪强度指标反算的有限元方法

提出用有限元法反算滑带土抗剪强度指标的新方法,并应用于受地下水和库水位影响的复杂条件下某古滑坡体的强度指标反算.为便于比较,基于传统反算法的基本原理,采用重度替代法建立了相应条件下包括传递系数法在内的滑带土综合抗剪强度指标反算的理论公式.实例计算结果表明,有限元反算法克服了传统的极限平衡理论反算法的缺点,所得结果更加合理、可靠.     

基于成本迭代与需求迭代的四阶段交通模型双重反馈算法研究

四阶段交通模型作为最流行的交通需求预测模型理论,其计算结果存在不一致性的缺陷,反馈算法被引入模型结构中来解决不一致性的问题。研究提出了成本迭代与需求迭代的双重迭代反馈算法,并使用案例比较了它与既有反馈算法的差异。研究结果表明:成本迭代+需求迭代的双重迭代模型结构能够在不影响预测结果的前提下减少迭代次数和系统运行时间,收敛过程更加稳定且能够适用于不同规格的交通网络。     

桥梁结构非线性静力分析

从能量变分原理导出梁单元的平衡方程，并由此建立了桥梁结构几何非线性分析的有限元列式，并指出文献「２」的不足。采用位移控制法给出非线性迭代解法，编制了相应的程序，可分析桥梁结构在极限载荷、屈曲等情况下的非线性响应。通过算例表明该方法具有较好的精度，能满足工程实际的需要。     

GPS坐标转换公式

本文给出了GPS数据后处理中两组正反算公式：地心直角坐标和大地坐标相互转换公式，高斯正反算公式，并针对求子午弧长公式的系数复杂而且容易印刷错的特点，导出了简洁的递推公式，非常适用于编程计算。     

道岔竖向刚度算法探究

采用解析解法计算道岔竖向刚度可清晰的反应力在结构上的传递过程。算法中钢轨及扣件系统刚度计算采用文克尔地基梁模型,铁垫板及板下胶垫刚度计算采用有限长梁初始参数法,然后串联两者,通过迭代求得道岔竖向刚度。以12号可动心轨道岔为例,对比解析解和数值解计算结果可得,两者刚度变化规律基本相同,尖轨前端在直向过岔时,里轨由于帮轨作用刚度增加约9.7%,基本轨由于铁垫板长度增加,刚度增加约1.2kN/mm;导曲线部分,由于共用垫板钢轨的距离变大,帮轨作用下降,轨道刚度减小。但由于解析解算法的不连续性,计算结果图不平滑,有平台和突变的情况。     

基于卡西欧5800计算器单交点非对称曲线坐标正反算程序设计

详细介绍了单交点非对称型曲线的坐标正算与反算原理,并根据数学模型,用现在使用比较普遍的卡西欧5800计算器进行程序设计,程序设计为类Basic语言,在保证计算精度的基础上,提高外业的工作效率。此程序也适用于单元曲线及对称型曲线坐标正反算。     

改进型柔性神经网络及在开关磁阻电机磁化曲线建模中的应用

针对传统神经网络建模的不足提出了一种改进型的柔性神经网络。阐述该网络在学习、训练过程中不仅可以调节连接权,而且加强了对网络非线性函数参数的实时修改,通过多自由度的训练与调整,使所建网络达到最佳的性能。给出了所建网络的结构与学习算法,并通过算例的形式将其与传统BP神经网络及传统已有柔性神经网络进行了全方位比较。结果表明,改进型网络由于其三自由度调节参数的能力,具有比传统BP网络及已有柔性神经网络更强的学习能力,它以最少的迭代循环次数实现了期望精度。     

基于CO_2排放的车辆路径优化模型及其算法研究

物流不仅是能源消耗大户,同时也是CO2排放的重要来源。在分析配送车辆燃油消耗和CO2排放因素的多种车辆类型车辆路径问题特点的基础上,构建其相应的优化模型,并给出基于遗传算法的启发式求解算法。最后,针对该模型和求解算法进行数值算例仿真,研究结果显示:路径最短的路线不一定是能耗最小的路线;与传统基于路径最短的车辆路径对比,基于CO2排放的车辆路径总行驶里程较长,但其综合成本较低;遗传算法是解决绿色车辆路径问题的一个有效的求解算法。     

基于等价销距的铁路限界安全检算算法研究

限界安全检算是影响铁路超限货物运输安全的重要因素,传统的单纯以货物轮廓加偏差量、标准车折减后的建筑限界为基准的检算限界,可能会漏掉某些关键控制点信息。为避免造成安全隐患,引入等价销距的概念,量化分析货物偏差量等价变换过程,设计等价销距计算公式。在此基础上,设计基于等价销距的限界安全距离检算算法,并与传统的检算方法进行比较,分析车辆在上下振动、左右振动和前后振动6个维度对检算结果的影响。计算结果表明,基于等价销距的限界安全检算算法能够有效确保超限货物运输安全。     

基于PID型迭代学习控制的列车自动驾驶曲线跟踪算法研究

针对基于比例微分积分（PID,Proportional Integral Derivative）控制的列车速度跟踪算法在跟踪进度、收敛性和稳定性等方面存在的不足，提出一种基于PID型迭代学习控制（ILC,Iterative Learning Control）的列车自动驾驶（ATO,Automatic Train Operation）曲线跟踪算法。通过迭代学习控制，优化跟踪过程，减小跟踪误差，缩短收敛时间；设置典型场景对所设计的算法进行仿真试验，并将仿真结果与基于PID控制算法的跟踪效果进行对比分析。结果表明，PID型ILC算法对列车目标速度和目标位移具有较高的跟踪精度，能够在有限的迭代次数内实现精确跟踪，验证了所提算法的有效性。