基于GA算法与有限元耦合的岩土力学参数应力反分析方法研究

由于岩土工程的复杂性和不确定性,致使岩土力学参数很难准确获得。位移反分析方法是目前获取岩土力学参数的主流方法。但常规反演算法存在无法跳出局部最优解、易陷入"维数灾难"等缺陷。同时,位移监测具有滞后、测量误差大等缺点,致使反演结果存在不唯一性。针对以上问题,基于非参数统计模型对参数进行灵敏度分析,剔除灵敏度小的参数,有效提高反演效率。并提出岩土力学参数GA算法与有限元耦合应力反分析模型,该模型采用应力反分析方法,克服常规算法反演过程中易陷入局部极优的难题。最后通过实例验证模型的有效性。     

基于免疫多输出支持向量回归算法的隧道工程位移反分析新方法

智能位移反分析作为计算模型参数辨识的一种方法在隧道工程中得到了广泛应用,鉴于现阶段智能位移反分析方法存在的主要问题,在一维支持向量回归算法的基础上,引入多输出的损失函数,建立了隧道工程围岩位移反分析的多输出支持向量回归(MSVR)模型,该模型将多个输出变量统一建模,解决了位移变量间的相关性问题,并引入免疫克隆选择算法(...     

基于粒子群—有限差分耦合算法的隧道岩体力学参数反演

基于数值计算的优化反演技术发展受到优化算法特点的制约。FLAC2D在岩土工程专业软件的二次开发平台上,提出仿生智能优化算法—粒子群优化算法（PSO）与有限差分结合（FLAC2D）的耦合算法（PSO-FLAC2D）并编程。在隧道围岩物理力学参数反演应用中,该程序表现出反演参数不限、并行搜索、全局最优及稳定高效的优点,作为一种新的位移反演技术可为同类问题的研究提供借鉴和参考。     

GATS混合算法及其收敛性研究

通过对遗传算法和ｔａｂｕ算法的优势和不足分析，提出一种将二者混合使用的求解优化问题的算法。该算法以遗传算法为基础，用遗传算法作全局搜索，用ｔａｂｕ Ｓｅａｒｃｈ算法作局部搜索，改进遗传算法的计算结果。最后，利用马尔可夫链理论证明了混合算法的全局收敛性，并进行了实例研究。     

基于机器学习和非支配排序遗传算法的盾构姿态预测与优化北大核心

提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法。依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾构姿态预测模型,并对输入参数进行重要性分析。将盾构姿态预测模型函数作为适应度函数,引入NSGA-Ⅲ算法优化盾构姿态,并得到盾构参数控制范围。结果表明:采用BO-RF算法和工程实测数据训练模型,所得预测模型精度较高;千斤顶推力对盾构姿态影响最大,膨润土掺加量对盾构姿态的影响最小;采用BO-RF-NSGA-Ⅲ优化方法,盾构切口水平位移和垂直位移平均值分别减小了37.20%、36.87%,盾构尾部水平位移和垂直位移平均值分别减小了26.52%和18.10%,对盾构姿态的优化效果显著。该优化方法可靠适用,值得推广。     

改进的道岔智能故障诊断系统建模研究

铁路系统转辙机维修方式仍沿用故障修模式,无法提高故障排除速度和准确性,提出利用改进遗传算法优化贝叶斯网络的方法建立故障诊断模型。利用遗传算法搜索能力强,不易陷入局部最优的特点,采用连接矩阵代替网络结构的编码方式,通过修改适应度函数、更新遗传操作方式、修正非法图等方法改进遗传算法,最终解决贝叶斯网络结构学习算法容易缩小搜索空间及易陷入局部最优的缺点。最后利用标准Asia网络验证本文算法比K2和GA算法有更好的搜索结果和更快的收敛速度,以道岔失去表示故障为例验证改进算法对转辙机故障诊断的优越性。     

基于粒子群算法的车站列车进路搜索方法研究

现有进路搜索算法普遍采用遍历搜索,从提高搜索效率出发,引入智能优化型的粒子群算法在解空间内追随最优粒子进行搜索。针对粒子群算法在进路搜索中的应用,对粒子含义与粒子位置迭代部分重新定义。从搜索的安全性与高效性等方面考虑,采用迭代次数控制与精度控制相结合的方式结束搜索。进行实验仿真,测试算法可行性与核心参数最优取值,实验结果表明：惯性参数为0.3,历史最优参数为0.3,全局最优参数为0.4,具有最高搜索效率,搜索算法按照搜索精度要求用时0.5 s左右,安全、高效地完成了列车进路搜索,为智能优化算法在铁路车站列车进路搜索的应用提供一定的参考价值。     

基于混合遗传算法的铁路物流中心布局研究

铁路物流中心的经济性和高效性取决于各个区域布局的科学合理性,兼顾经济和效率的原则,提出一种面向工程的铁路物流中心布局优化模型,以得到物流园区的最优布局方案。在优化模型中引入功能区转动变量,基于计算几何将功能区之间及功能区与不规则边界间的干涉情况作为罚函数纳入总优化目标函数中,从而增强优化模型的工程适用性,再采用混合遗传算法对模型进行全局最优解搜索。实例分析验证表明,该模型能很好地适应不规则边界,对物流中心的设计具有重要的指导作用。     

克隆选择算法在基坑支护位移反分析中的应用

在基坑工程中,传统的位移反分析方法计算量较大,不易掌握,且求得的岩土体力学性能参数的精度较低。为此,提出应用克隆选择算法求解位移反分析问题的新方法,其核心是采用BP网络为正演工具代替有限元方法,描述土体力学性能参数和位移的非线性映射,可减少计算量,并利用克隆选择算法为反演工具,通过反演分析确定土体力学性能参数,具有较高的精度。依据该反分析方法获得的岩土体力学性能参数又可以估算下一工况的基坑位移。仿真试验结果表明了新方法的可行性和有效性。     

隧道施工围岩变形预测的智能模型

将支持向量回归(SVR)算法引入隧道施工期围岩变形预测,并采用遗传算法来自动搜索支持向量回归算法的模型参数,形成GA-SVR算法。结合香河隧道的施工变形监测,建立起了公路隧道施工围岩变形预测的GA-SVR智能模型。采用此模型对香河隧道后继开挖的监测时间点进行变形预测,并与实测变形对比,所建立的GA-SVR智能模型预测最大相对误差仅为6.99%,平均预测相对误差仅为1.99%,完全可用于公路隧道施工期的围岩变形预测,并为类似工程提供了借鉴。