基于多目标优化的兴趣点指路标志布设模型

在指路标志的工程应用中,常要为兴趣点规划一条布设指路标志的指引路径.首先,基于道路网络的拓扑表达,考虑指引路径的长度、交通量和设置指路标志的数量,定义了衡量指引路径优劣的多目标搜索路径度量值.其次,以网络分析为基础,建立了搜寻最优指引路径的模型,从给定入口开始,以广度搜索算法在路网上搜索,并动态更新搜索路径的度量值,直至获取优化的指引路径.最后,以广州大学城为试验区域,利用上述模型计算得到了从南沙港快线出口到中山大学的指路标志布设的规划路径.对比规划路径与最短路径的多目标优化度量值表明:规划路径兼顾了布设路径的便捷性和指路标志牌布设成本的特点,模型是可行有效的.     

城市路网交通流元胞自动机模型研究

研究城市路网交通流的动态特性,揭示交通拥堵、环境污染和交通事故的产生原因和规律,能为城市交通问题的解决提供理论依据.元胞自动机模型是研究城市路网交通流动态特性的一个有效工具,能够再现许多重要的交通流特征.从路段模型、交叉口模型和路网模型3个方面总结和评述了国内外各种典型交通流元胞自动机模型.在现有模型的基础上,通过对车辆起讫点分布、路径选择行为、双向通行多车道路段车辆换道规则、不同控制交叉口的车辆更新规则以及网络拓扑结构等方面进行改进,可以提高元胞自动机模型在城市路网交通流仿真中的真实性.     

基于BP神经网络基坑支护结构变形预测研究

为了精确的预测佛山某建筑基坑变形情况,提出了一种BP神经网络多数据纵向预报方法,选取前三次的多个测点数据进行预处理,然后再对BP神经网络分析、训练、测试,并分析隐含层数对预测精度的影响,通过对比试算确定隐含层数目,最终达到能够高精度预测基坑支护结构水平位移和沉降。结果表明:所提出的方法可以精确地预测基坑变形,对工程建设具有一定的参考价值。     

上武公路景观设计中乡土植物的选择和应用

2013年4—5月,对上武公路路域的乡土植物资源进行了实地调查,结果表明:上武公路路域分布有乡土植物325种,其中乔本类植物、灌木类植物、藤本类植物、草本类植物分别有50、134、41、100种,分别占路域植物种数的15.4%、41.2%、12.6%和30.8%。对该路域乡土植物资源特点进行分析,筛选出符合公路绿化防护植物物种有159种,其中乔本类40种、灌木类68种、藤本类17种、草本类34种,并对乡土树种的选择和利用提出建议。     

泥石流对公路工程的影响及其防护措施

介绍泥石流的形成条件及其对公路工程的影响,结合"5·12"汶川地震后泥石流灾害工程的防治对策,对公路工程泥石流防治的措施进行分析和探讨,对震后修建的防治泥石流灾害新型结构进行总结。     

基于可持续发展的城市交通微循环路网优化模型

文章基于可持续发展的理念,建立了交通微循环的路网优化双层模型：上层为考虑支路改扩建和新建的混合网络设计问题,下层为符合UE准则的运量分布和平衡配流组合模型;提出遗传算法对模型进行求解。模型对交通微循环项目的实施建设有一定指导意义。     

一种被动声纳目标识别数据融合方法的研究

文章首先对目标噪声信号采用五种不同的方法提取特征矢量,然后采用基于自适应遗传BP算法的神经网络分别对五种特征矢量并发地进行分类,再采用遗传算法对分类器组合过程中的多参数进行优化,最后由五种分类结果最优组合产生最终的分类结果。实验结果表明该系统具有很好的分类效果。     

全回转起重船作业过程稳性仿真

对船体、起重机分别进行建模,实现了在一定配载与作业半径条件下,起重机吊重全回转过程的船舶实时浮态与稳性的计算及显示,达到了作业前预配载,快速找到最佳配载方案;作业中实时监测船舶作业浮态与稳性变化,保证作业的安全可靠的两大目标,具有较强的工程应用价值。     

Hybrid neural network model for history-dependent automotive shock absorbers

The method of numerical multi-body simulation is an often used and well-understood development tool in the automotive industry. In order to reproduce the ride comfort or handling behaviour of vehicles, mathematical models have to be built up. To achieve accurate simulation results, highly detailed component models are required. However, the formulation of appropriate physically-based model equations of complex automotive components (e.g. air springs, shock absorbers, rubber bearings, tyres, etc.) can be very difficult. To handle this, empirical modelling methods have been developed. Simple algebraic equations are used to describe complex system behaviour. This simplification is very effective, although it largely ignores the natural laws of mechanics and thermodynamics but is still capable to predict the component response. This article illustrates how to take advantage of this approach in numerical simulations. We describe the development of a hybrid automotive shock absorber model based on both spline and neural network (NN) approaches. By combining these different approaches, an accurate model is achieved without loss of variability. Non-isothermal laboratory force-displacement measurements of an automotive shock absorber are being used to estimate the parameters of the NN. As shown, the model replicates the measured data with sufficient accuracy, especially the hysteresis. Finally, we present a set of quarter-car simulations with a built-in hybrid NN shock absorber.     

网络计划工期－费用的动态规划决策

关键路线法中网络计划工期－费用优化，可以化为一系列单阶段决策，构成确定性离散优化决策问题，本文试用动态规划处理这一过程。