基于列车车次的动车组运用优化模型与算法

动车组运用计划的编制通常需要综合考虑运输安全、效率及成本等多方面因素,其编制质量及编制效率对高速铁路运营有重要影响.为了快速获得高质量动车组运用计划,以降低综合运营成本和总空驶里程等为优化目标,建立了基于列车车次的可改编动车组运用优化混合整数线性规划模型,并设计了一个迭代逼近算法框架.该算法框架将整个问题分解为主问题和...     

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...     

基于模拟退火-自适应布谷鸟算法的城市公交调度优化研究

为改善城市常规公交运营效率,提出基于模拟退火-自适应布谷鸟算法的公交调度优化模型.通过结合线路实际客流数据反映的客流特征,建立考虑公交公司和乘客双方利益的公交调度优化模型;改进布谷鸟算法固定步长并加入模拟退火算法退火操作,设计模拟退火-自适应布谷鸟算法,改善寻优过程中跳出局部最优解而全局寻优的能力;以福州125路公交线...     

考虑空车调配协调的货物列车开行方案优化研究

为实现空车调配与货物列车开行方案协调优化,结合基本运行图架构与车流径路,构建货运时空服务拓展网络。考虑配空与装卸取送、集编发等环节的时间接续要求,节点与区段不对流空车要求,以重车流全程运送与空车配送等广义总费用最少为目标,建立整数规划弧路模型。针对既有算法设计局限性,结合重车或空车配空的时间接续要求,提出将不同的 k 短路重车流方案与空车配空方案相关联的改进可行解构造方法,设计混合差分进化求解算法。实例研究表明,考虑空车调配进行重车、空车流组织协调优化,能够减少空车走行费用,及时满足装车需求,有效保证作业车流配合中转车流集结编组及时挂线,提高方案可实施性。     

动车组WTDS轴温数据的深度挖掘及应用

为进一步对系统动车组车载信息无线传输系统(WTDS)中已有的数据进行深度剖析,总结规律、开发应用,针对WTDS的轴温数据,设定更全面的阈值线,采用标准曲线比样法以及多元非线性回归等数学算法,建立了轴温数据分析预测模型.基于CRH5A型动车组的实际轴温数据,采用上述预测模型预测其未来轴温并进行故障判别,结果表明:该分析预...     

基于累积前景理论的物流配送干扰管理问题研究

在实际物流配送中,客户时间窗的变化经常导致配送方案的改变,而对其他客户满意度造成的影响.为此,提出累积前景理论,建立了价值函数和概率权重的乘积来衡量客户的满意度,并运用干扰管理的思想,设计了扰动最小的干扰策略和扰动恢复模型.同时,提出一种改进的自适应蚁群算法,改进了蚂蚁状态转移规则和蚂蚁的信息素更新方式,并用模拟退火算...     

典型水声信道盲均衡算法比较研究

水声通信系统因所处的环境复杂,水声信道均衡是一个非常重要的环节,在简介典型的4种盲均衡算法原理的基础上,即最小均方恒模算法(Least Mean Square Constant Modulus Alogorithm, LMS-CMA)、修正恒模算法(Modified Constant Modulus Alogorithm, MCMA)、判决引导(Decision Directed, DD)算法、双模式切换算法等,采用典型实数水声信道和混合相位的复数水声信道两种模型进行仿真测试,实验结果表明,相对于LMS-CMA和MCMA算法,双模式切换算法具有更快的收敛速度和更小的稳态剩余误差;相对于DD算法,双模式算法具有更佳的稳健性.     

基于改进LSD直线检测算法的钢轨表面边界提取

针对传统LSD直线检测算法容易丢失图像细节,造成提取直线不连续等不足,提出一种基于双边滤波改进Canny提取边缘图像的LSD直线检测算法.利用Canny算法提取边缘图像,基于边缘图像采用LSD直线检测算法进行直线提取;考虑到Canny边缘检测中使用高斯滤波,在降噪的同时会模糊图像边缘,而双边滤波对于图像边缘有较好的保护...     

基于形态学探针重建算法的光栅常数评定

为了消除原子力显微镜(atomic force microscopy,AFM)在测量光栅常数时探针和噪声造成的光栅常数评定误差,利用MATLAB对不同形状参数的探针扫描图像进行仿真.分析了探针结构对扫描结果的影响,提出基于形态学探针重建算法评定光栅常数,通过标定方式和改进Garcia探针模型进行形态学探针重建来消除探针...     

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.