基于Q学习算法的摘挂列车调车作业计划优化

针对摘挂列车编组调车作业计划编制问题,基于强化学习技术和Q学习算法,提出1种调车作业计划优化方法。在表格调车法的基础上,将调车作业计划分为下落和重组2个部分。通过动作、状态和奖励3要素构建调车作业问题的强化学习模型,以调车机车为智能体,以车组下落的股道编号为动作,以待编车列的下落情况为状态,形成车组挂车、摘车具体条件和车辆重组流程,并依据车组下落的连接状态和车辆重组后产生的总调车程设计奖励函数。改进Q学习算法求解模型,以最小化调车程为目标,建立待编车列与最优调车作业计划之间的映射关系,智能体学习充分后即可求解得到最优的调车作业计划。通过3组算例对比验证本方法效果,结果表明:相较于统筹对口法和排序二叉树法,本方法使用的股道数量更少、调车作业计划更优;相较于分支定界法,本方法可在更短时间内求解质量近似的调车作业计划。因而,本方法有助于提高车站调车作业计划编制的智能化决策水平。     

面向调移车辆数优化的摘挂列车调车作业计划编制方法

调车作业计划是规定车辆如何调移及其作业程序的具体行动计划。提出了在调车钩数最优前提下以减少调移车辆数为目标的摘挂列车调车作业计划编制方法,构建了摘挂列车调车作业计划编制0-1线性优化模型,并设计了基于消逆规则的启发式分支定界算法对模型进行求解。算例表明,所提出的方法能够求解出调车钩数不劣于统筹对口法且调移车辆数更少的调车作业计划,在给出的算例中总调移车辆数减少了约20%。所提出的方法能够对调移车辆数进行优化,对调车作业计划编制质量的进一步提高、调车过程能耗降低等方面有积极意义。     

基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。     

含软弱土层边坡稳定性分析的全局滑面自动搜索技术

提出了一种用于边坡稳定性分析的全局滑面自动搜索技术,首先采用三角网格进行了边坡土层的几何离散,然后,结合蒙特卡洛法等角/等边逐段扫描与模拟退火法,构建了全套的边坡全局临界滑面搜索扫描算法。以Fortran和Matlab为计算手段进行联合编程,采用简明Morgenstern-Price法进行了边坡稳定性分析计算。通过选用3个算例进行了算法的可靠性验证,计算结果表明:截面三角网格划分方法具有良好的适应性,能较好地对不规则层位几何形状进行离散;多段折线滑面具有较圆弧滑面更为优秀的极限滑面定位功能,其安全系数随着滑面段数的增加会逐步达到收敛;本搜索方法可不依赖于工程师经验进行多段折线初始滑面的大致范围选择,其能快速地、全自动地进行由弱到强不同复杂土质情况的边坡稳定性计算分析,并能找到全局临界滑面与安全系数。     

Strain prediction for critical positions of FPSO under different loading of stored oil using GAIFOA-BP neural network

FPSO (floating, production, storage and offloading) units are widely used in the offshore oil and gas industry. Generally, FPSOs have excellent oil storage capacity owing to their huge oil cargo holds. The volume and distribution of stored oil in the cargo holds influence the strain level of hull girder, especially at critical positions of FPSO. However, strain prediction using structural analysis tools is computationally expensive and time consuming. In this study, a prediction tool based on back-propagation (BP) neural network called GAIFOA-BP is proposed to predict the strain values of concerned positions of an FPSO model under different oil storage conditions. The GAIFOA-BP combines BP model and GAIFOA which is a combination of genetic algorithm (GA) and an improved fruit fly optimization algorithm (IFOA). Results from three benchmark tests show that the GAIFOA-BP model has a remarkable performance. Subsequently, a total of 81 sets of training data and 25 sets of testing data are obtained from experiment using fiber Bragg grating (FBG) sensors installed on the surface of an FPSO model. The numerical results show that the GAIFOA-BP is capable of predicting the strain values with higher accuracy as compared with other BP models. Finally, the reserved GAIFOA-BP model is utilized to predict the strain values under the inputs of a 10-day time series of volume and distribution of stored oil. The predicted strain results are further used to calculate the fatigue consumption of measurement points.     

考虑横向漂移的船舶路径跟踪自抗扰控制

针对船舶运动系统中内部动态不确定和外部干扰等问题,进行了欠驱动船舶路径跟踪的自抗扰方法研究。利用Backstepping设计参考航向角,并通过线性扩张状态观测器对流干扰和横向运动引起的横向漂移进行估计。其次,根据自抗扰算法对航向进行控制,采用线性扩张状态观测器对外界干扰及内部不确定项进行估计。最后仿真结果表明,在风流干扰下所设计的控制器仍能使船准确地跟踪上参考路径,验证了所提控制方案的有效性。     

客车捎带模式下高铁快捷货物输送方案研究

以提高高铁快运当日达产品的时效性、收益率为核心,对既有载客动车组捎带模式下的快捷货物输送方案进行优化。借助时空网络以列车运行成本与时间惩罚费用之和最小为目标,同时满足货主时限、列车容量以及列车停站方案等约束,建立输送方案优化模型,通过匈牙利算法,并借助Matlab的Yalmip工具箱求解模型。以兰州西站至天水南站、宝鸡南站及西安北站部分时间段的快捷货物运输需求为背景进行算例分析,验证模型的有效性。结果表明合理估算列车装载容量及货物的延迟时限对输送方案的选择起重要作用。     

基于FPGA的里程轮信号优选算法设计

文中通过对里程信号产生机理进行分析,提出了一种基于FPGA架构的里程优选算法,给出了实现算法的硬件架构图,并设计相应硬件电路和模拟实验。结果表明:该算法可以对3个里程轮脉冲信号进行优选采集,当里程轮处于超速或者停转状态时也能输出正确的脉冲信号。     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

基于K-Means聚类算法的城市轨道交通站点分类及客流特征分析

文章立足于沈阳市轨道交通站点800 m范围内的人口分布、开发强度、公交接驳、路网长度分布、站点位置属性、站点客流数据等六大维度数据,采用K-Means聚类算法将城市轨道交通站点划分为居住型、商业商务型、综合开发型、产业型、交通枢纽型五大类;基于站点聚类成果,叠合多样化数据分析总结各类站点客流的普适性规律,可为后续站点周边基础设施完善、站点客流预测、车站运营组织方案做出指导。