正交异性组合桥面构造优化

正交异性组合桥面由于其较好的抗疲劳性能和静力承载能力、相对较轻的自重近年来在实际工程中得到较多应用。正交异性组合桥面通常由正交异性钢板和混凝土层组成,在加入混凝土层后结构刚度发生较大变化,若正交异性板仍采用传统正交异性钢桥面的构造形式将会造成不必要的钢材用量和焊接量增加。采用遗传算法,以单位面积造价最小为目标,结合现有规范考虑了构造约束和承载能力约束两类约束条件,采用两种应力控制方案,对不同桥面板跨度和混凝土厚度的正交异性组合桥面的构造进行优化。同时解决了构造改变导致荷载分配改变对承载能力分析造成的影响。优化结果表明,桥面跨度4.5m时,与未优化组合桥面相比,优化方案用钢量可降低1.7%~10.1%,焊接量可降低16.5%~31.8%。     

铁路客车轮对踏面硌伤自动分析系统的研究与实现

为了解决客车轮对踏面硌伤人工分析效率低且质量不高的问题,基于大数据关联分析技术,构建了一套硌伤自动分析系统.从硌伤排查、自动分析、故障定位、统计分析4个方面分析系统的主要组成和功能,探讨了实现系统的关键技术.系统的应用提高了对客车轮对踏面硌伤分析和故障排查的效率.     

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。     

基于特征熵权与样本加权的大跨桥梁多车道交通荷载聚类模型

为满足交通流荷载作用下大跨桥梁结构评估的需要,研究了基于荷载参数特征的交通流状态划分方法。首先,基于实测交通流数据,按照车道属性统计分析得到交通流的单位小时特征参数样本,选择单位小时内车型比例、车头间距及交通流速度作为交通流状态划分的参考特征;其次,改进经典k-means聚类算法以增强其对高维、复杂交通流荷载分类的鲁棒性,即通过引入特征熵值来表征各特征参数对聚类效果的重要性,同时计算样本点与周围样本点的接近程度来赋予样本点权值,以削弱样本离散性对聚类质量的不利影响;最后,通过聚类算法得到11种具有不同参数特征的交通流荷载,分析了其作用下某大跨斜拉桥拉索应力响应及造成的疲劳损伤。结果表明：改进算法的聚类质量指标比原始k-means算法提高了40%以上,对交通流状态划分具有良好的适用性;通过算法得到的不同类别的交通流荷载的特征参数差异性明显,其占有率也大不相同,同一类别的交通流荷载各样本特征参数聚拢效果良好;同车道内不同类别的交通流荷载的拉索等效应力差别较大,其变异系数均在0.2以上,尤其在考虑了不同交通流荷载模型的占有率后,这种差异性进一步增大。上述结果表明该交通流荷载聚类与模拟方法是有...     

物流中心选址与规模的层次优化模型

同时考虑生产商和分销商的利益,采用双层规划模型来描述物流中心选择以及规模问题.上层规划从生产商的角度出发,通过调整物流中心位置及规模使生产商的生产成本、运输成本和经营成本最小；下层规划从分销商的角度出发,通过调整从各个物流中心进货的数量使自身的平均运输成本最低.设计了基于遗传算法的求解方法,并用数值算例验证了模型和算法的有效性.     

基于谐波平衡法的Broyden网格分区迭代算法

在融合Broyden算法与网格分区思想的基础上,提出一种基于谐波平衡法且适用于对间隙型非线性动力系统进行频响特性分析的新型Broyden网格迭代算法.阐述了Broyden网格迭代算法的基本思想与计算流程.对决定该算法有效性的Broyden算法发散特性及不完整变量循环迭代过程等关键特性进行了分析与讨论.通过与相关文献采用的二分法所得的同等条件下的计算结果进行对比,证明该算法比二分法具有更好引导性与更全面的求解能力.通过网格分区的引导,该方法避免了数值迭代方法中普遍面临的迭代初值的盲目选择问题,为基于谐波平衡法全面考察间隙型非线性动力系统的频响特性提供了新途径.     

Multi-objective optimization of train routing problem combined with train scheduling on a high-speed railway network

Based on train scheduling, this paper puts forward a multi-objective optimization model for train routing on high-speed railway network, which can offer an important reference for train plan to provide a better service. The model does not only consider the average travel time of trains, but also take the energy consumption and the user satisfaction into account. Based on this model, an improved GA is designed to solve the train routing problem. The simulation results demonstrate that the accurate algorithm is suitable for a small-scale network, while the improved genetic algorithm based on train control (GATC) applies to a large-scale network. Finally, a sensitivity analysis of the parameters is performed to obtain the ideal parameters; a perturbation analysis shows that the proposed method can quickly handle the train disturbance.     

TRIP DISTRIBUTION MODELLING USING FUZZY LOGIC AND A GENETIC ALGORITHM

This article examines possibilities for the application of soft computing techniques for the prediction of travel demand. The model, based on fuzzy logic and a genetic algorithm, successfully solves the trip distribution problem. The possibilities of using the proposed model in solving trip generation, modal split and route choice problems have also been indicated. The model has been tested on a real numerical example. Exceptionally good correspondences between estimated and real values of passenger flows have been obtained.     

基于元胞理论的船厂码头移泊作业问题算法

为了解决大规模船厂的码头移泊作业问题，基于船舶移动路径具有过程演进的特性，建立了码头移泊作业问题的元胞数学模型。按照问题元胞模型的演进特性和演变规则，采用蚁群智能算法来对模型进行求解，并论证了该算法的收敛性。通过实例计算，其结果与船厂实际操作安排进行比较和分析，验证了该算法的有效性和优越性。