基于BP神经网络的桥式起重机主梁故障预测和评估

为及时发现主梁故障,做好日常检测维修工作,延长桥式起重机使用寿命,利用BP神经网络对桥式起重机主梁进行故障预测和评估。从主梁载荷分析和结构失效准则入手,建立主梁故障评估体系,利用采集的各项实际数据作为BP神经网络的输入,主梁的故障特征作为输出,进而预测主梁的故障情况。通过BP神经网络训练,验证桥式起重机主梁评估体系的可行性,为通用桥式起重机主梁故障的安全评估提供方法。     

基于索网找形的吊弦长度计算方法探讨

在总结现有吊弦计算方法的基础上提出一种新的计算方法,阐述了新方法的基本理论基础和计算流程.最后对2种方法优缺点进行了总结.本文提出的新方法对传统的计算方法的不足进行了弥补,有理论指导意义.     

面向双向渐进结构拓扑优化法的高效灵敏度过滤算法研究

连续体结构拓扑优化过程中往往存在着棋盘格和网格依赖性等数值不稳定现象,过滤算法是解决此类问题的有效手段,其实质是对单元灵敏度进行光滑处理。灵敏度过滤算法是将中心单元灵敏度用其过滤半径内单元灵敏度的加权平均值替代。在面向复杂工程结构时,由于结构网格量规模庞大,如何准确且快速确定单元的邻域是影响计算效率的关键一环。现广泛使用的是通过枚举计算单元形心间的距离,这种方法易于实现但需要消耗大量计算用时,且无法反映单元之间的连通关系,不能适应结构当中存在孔洞等非设计域的情况。为避免上述情况产生,基于双向渐近结构优化法,提出一种准确快速搜索单元邻域的新策略,通过构建的节点与单元的关联信息,建立从中心单元—从属单元—邻域单元的逐层搜寻模式。这种搜索策略可以极大节省前处理运算耗时,也能够适用于任意非规则网格以及三维模型。最后引入了存在非设计域孔洞的算例,发现使用此过滤策略能够得到性能更优的结果,得到的柔度值比使用枚举的方法低4%,同时能够有效消除“孤岛”现象。     

车撞混凝土桥墩精细化建模方法

车桥碰撞属于典型的非线性动力过程,采用理论方法通常难以求解。有限元方法(Finite element method,FEM)是研究车桥碰撞问题的重要工具,但其前处理过程涉及参数及算法众多,实际操作极其繁杂。为提升研究者建模效率,同时提高模型计算精度,提出一种精细化建模方法,该方法操作步骤为：1)以实际工程为背景,建立完整车辆-桥梁碰撞模型,并进行验证;2)进行网格敏感性分析,选择合适网格尺寸,取得计算效率与精度的平衡;3)对重力荷载进行初始加载,避免桥墩产生P-delta效应。研究结果表明：该精细化建模方法能较好地还原真实事故情况,并且碰撞过程满足能量守恒定律,沙漏能仅为总能量的2.3%;网格尺寸为35 mm和50 mm时桥墩的损伤情况、碰撞力和最大位移均比较接近,100 mm网格桥墩产生的碰撞力和最大位移偏大;ANSYS/LS-DYNA软件默认加载方式下的桥墩轴力呈现幅度较大的波动,最大轴力比预期轴力高75%,采取的重力初始化方法能够在一定程度上消除ANSYS/LS-DYNA软件的固有弊端,避免P-delta效应。该精细化建模方法能有效实现车桥碰撞模拟,并且能够取得良好的精度,可为未...     

地铁乘务排班计划优化的最短路快速算法

乘务排班计划是城市轨道交通运营管理中的重要环节,为了解决目前乘务排班效率低下的问题,对乘务排班计划进行优化。在考虑便乘的情况下,以乘务排班计划总接续时间最小及总运营成本最小为目标建立地铁乘务排班计划编制的双目标优化模型。在满足相关约束条件的基础上,将乘务作业段按照早、白、夜班分成3组,以乘务作业段为顶点,乘务作业段之间的接续关系为弧构建早、白、夜班的网络图,并形成乘务作业段接续时间矩阵,将乘务排班转化为最短路问题。运用相关最短路算法进行求解,该算法采用动态优化逼近的方法,一条最短路径即为一个乘务任务。以成都地铁5号线为例进行乘务排班计划编制,对模型和算法进行测试。研究结果表明：在求得的乘务排班计划中,早班乘务任务个数为53个,任务时长为280 h 34 min 57 s;白班乘务任务个数为41个,任务时长为199 h 54 min 51 s;夜班乘务任务个数为49个,任务时长为215 h 25 min 37 s。总乘务任务个数为143个,总工作时长为695 h 55 min 25 s。与手工编制结果相比,降低了乘务排班计划的总成本及接续时间,提高了求解效率。     

基于改进型D3QN深度强化学习的铁路智能选线方法

传统的人工选线方法劳动强度大,设计效率低,随着我国铁路建设重心向西部复杂艰险山区转移,人工选线面临的困难日趋凸显。为缩减铁路选线的人力物力成本,提高设计效率,亟需发展结合了人工智能和信息技术的现代选线技术。为此,提出一种基于深度强化学习理论的铁路智能选线方法。以带有空间属性信息的数字高程模型为选线环境,以相邻空间点间的建造费用为即时奖励,以工程建造费用最小为优化目标,设置离散化的备选动作,考虑多种约束条件,构建面向铁路选线的深度强化学习模型。结合深度学习的感知能力和强化学习的决策能力,利用双竞争深度Q学习网络(DuelingDouble-Deep Q Network,D3QN)对模型进行训练,既克服强化学习问题对复杂状态和动作空间难以收敛的缺点,同时解决了传统DQN算法易于出现过估计、训练不稳定的问题,实现自动对选线环境进行感知、搜索、判断、决策,最终寻得目标函数最优的线路方案。以某山区铁路对本方法进行验证,实验结果表明：该方法能搜索到多样化的线路备选方案,可以为设计人员提供新的设计思路;有效降低了铁路建设的经济费用,较人工选线方案节约最多达17.5%。智能选线方法可以帮助节省选线工作...     

基于数据挖掘的船舶引航事故致因分析

为控制和预防船舶引航事故的发生,采用Apriori算法挖掘船舶引航风险因素的关联规则,在挖掘风险因素间强关系的基础上结合定性贝叶斯网络的事故致因网络关联分析,综合确定船舶引航事故致因链。根据事故致因链分析引航事故最可能的形成过程和关键环节,以提出有针对性的防范对策。     

基于区块链技术的船舶信息安全预测

研究基于区块链技术的船舶信息安全预测方法,提升船舶信息传输的安全性。利用模型链整合区块链技术与信息安全预测算法,实现船舶信息的安全传输。模型链选取Boosting算法作为信息安全预测算法,预测船舶信息传输节点的决策权。确定具有决策权的船舶信息传输节点后,区块链技术采用改进的共识机制,利用区块链加密服务提供商为船舶信息传输提供密码服务。区块链加密服务提供商选取SM2签名算法作为区块链加密服务的数字签名方案,保证船舶信息传输安全。实验结果表明,船舶通信系统节点数量为80个时,区块链技术的共识效率提升比高达22%,可以实现船舶信息的安全传输。     

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...     

基于NSGA-Ⅱ算法的陡波型柔性立管优化设计方法

在柔性立管中部添加浮力块可使其形成陡波构型,合理的浮力块布置对陡波型柔性立管整体性能具有重要意义.论文以陡波型柔性立管悬挂点张力和锚固点张力为优化目标,以立管最大有效张力和最小弯曲半径为约束条件,构建了多目标优化模型.针对我国某海域应用于浮式生产储油装置的陡波型柔性立管系统,选取立管动态响应最大的4种典型工况开展动态时...