大跨度斜拉桥静风稳定性及影响参数分析

随着跨径不断增大,斜拉桥存在静风失稳的可能性增加。笔者综合考虑了静风荷载和结构自身非线性因素的影响,引用大跨度桥梁非线性静风稳定性分析理论,采用增量双重迭代搜索法对某大跨度斜拉桥进行了非线性静风稳定性分析,根据其非线性全过程分析结果探明其静风失稳机理,并探讨了不同参数对其静风稳定性的影响。     

改进节约蚁群算法求解物流配送车辆路径问题

针对节约蚁群算法在求解车辆路径问题易陷入局部极值的不足,提出一种基于连接表扰动策略和吸引力因子局部搜索的改进节约蚁群算法.该算法在陷入局部最优后,引入连接表扰动策略以帮助算法跳出局部最优,该策略在每只蚂蚁进行解构建之前,随机禁忌若干条吸引力因子较大的边以增加算法的勘探能力;同时采用吸引力因子局部搜索优化每只蚂蚁的解,该局部搜索利用吸引力因子引导局部搜索.实验结果表明,改进节约蚁群算法求解车辆路径问题时优于原有节约蚁群算法以及多种已有算法.      

外激励作用下亚音速二维粘弹性壁板系统的混沌运动

为了研究壁板在亚音速气流和外激扰联合作用下的非线性运动特性,基于Hamilton原理,建立了外激励作用下亚音速粘弹性壁板的非线性运动方程,并采用Galerkin方法将其离散为常微分方程组,研究了系统的平衡点及其稳定性.利用Melnikov方法得到了壁板出现混沌运动时系统参数所满足的临界条件,分析了外激励幅值、频率及气流来流速度之间的临界关系,并与系统混沌运动的数值模拟结果进行了对比.结果表明:当无量纲动压值超过64.42时,壁板系统平衡点的个数及其稳定性均会发生改变;使用Melnikov方法确定的混沌运动临界参数与数值模拟结果相符,该方法可用于判定混沌运动是否发生.      

基于时间序列相似性搜索的交通流短时预测方法

为了进一步提高交通流短时预测的效果,在分析现有预测模型存在问题的基础上,设计了1种基于时间序列相似性搜索的交通流短时多步预测方法.利用界标模型对交通流时间序列数据进行模式表示,在历史数据库中搜索与当前交通流时间序列相似度较高的历史时间序列,进而确定与预测时刻相对应的历史数据,利用回声状态网络模型实现交通流的短时多步预测.采用某特大城市快速路5 min采样间隔的交通流量数据进行实验验证和对比分析.实验结果表明,回声状态网络模型的预测精度分别比ARIMA模型和BP神经网络模型提高了6.25%和3.85%,以时间序列相似性搜索结果作为模型输入数据能够进一步提高交通流短时预测的精度.      

基于概率模型和数据驱动的动力总成悬置系统可靠性优化

针对电动汽车动力总成悬置系统（PMS）一部分参数为概率变量,一部分参数为离散数据的复杂不确定情形,开展了基于概率模型和数据驱动的电动汽车PMS可靠性优化设计研究。首先,基于任意多项式混沌（APC）展开和广义最大熵原理推导了一种求解该复杂不确定情形下PMS响应不确定性和可靠性的高效方法;然后,基于蒙特卡洛抽样,给出了该复杂不确定情形下求解PMS响应不确定性和可靠性的参考方法;接着,提出了一种基于APC展开法的灵敏度分析方法,进一步提出了一种考虑响应不确定性和可靠性的PMS优化设计方法;最后,通过应用算例验证方法的有效性,并对系统进行了灵敏度分析和可靠性优化。结果表明,所提出的方法可有效地处理电动汽车PMS一部分参数为概率变量、一部分参数为离散数据的复杂不确定情形,并能可靠地优化该情形下的系统固有特性,且方法具有较高的计算精度和计算效率。     

基于混沌分析的船舶参数激励横摇运动及其减摇鳍控制研究

船舶参数激励横摇可能导致船舶的大幅度横摇运动,威胁船舶、货物和海上人命安全。为了减小参数激励带来的不利因素,通过李亚普诺夫指数和功率谱对船舶在规则纵浪中运动的稳定性进行分析。从而分析船舶参数激励横摇运动的产生机理,不仅分析了船舶参数激励横摇产生混沌现象的条件,而且确定出船舶参数激励横摇运动的安全与危险区域。然后基于Backstepping算法和闭环增益成形算法设计出减摇鳍控制器,并且在考虑一定的干扰后进行了仿真试验。仿真结果表明该控制策略对于消除船舶参数激励横摇系统的混沌现象是十分有效的,并且其鲁棒性能令人满意。     

基于混合系统的微弱信号参数提取方法

针对强噪声背景下微弱正弦信号的幅值、频率、相位的提取,构建了锁相环和混沌振子组成的混合检测系统。把待测信号作为混沌振子的内置策动力,在周期状态下测得信号的频率。用锁相环锁定待测信号的相位。最后再次把信号输入到混沌系统,利用混沌振子对周期信号的敏感性和对噪声的免疫性来提取信号的幅值。仿真结果表明:该系统可实现对微弱正弦信号的频率、相位以及幅值进行有效提取,精度较高,抗噪性能好且操作简便易行。     

考虑可靠性的降级路网最优路径搜索方法

针对路网降级时路网出行时间的随机性和可靠性对出行者路径选择影响较大的问题,研究了降级路网可靠性路径的选择方法．基于BPR路段出行时间模型,构建了降级路网路径出行时间的均值模型及其可靠度模型．以路径出行时间最小、路径出行时间最可靠为目标,构建了路径选择的双目标加权规划模型,设计了基于改进蚁群算法的模型求解算法．算例分析表明：该算法能快速获取可靠的路径．     

基于XGboost模型的城市轨道交通列车运行速度实时异常检测研究

随着城市轨道交通的迅猛发展,为保证列车安全行驶,对列车速度异常检测方法研究十分必要.为此提出一种将极端梯度提升(XGboost)和异常检验方法结合的列车速度异常检测方法.首先利用现场采样的列车速度数据,对XGboost模型进行训练,然后利用交叉验证和网格搜索方法确定XGboost模型最优参数,最后利用极大似然估计和格拉布斯检验,对预测结果进行异常判定.实验结果表明:与另外4种常用模型的测试集对比,F1值分别提高7.08％、12.9％、16.9％和2.9％,该方法在时间效率上满足列车运行实时检测要求.     

交通网络最优路径搜索的蚁群算法

针对交通网络中最优路径搜索问题,本文提出一种基于蚁群算法的新的求解方法。首先从剖析最优路径问题的求解要求出发,探讨蚁群算法求解的优势,由于其并行性、正反馈、协作性等特点,能在较短的时间内发现较优解。然后,根据交通网络的特性,在基本蚁群算法的基础上,引入信息素限定规则,采用平滑机制进行局部更新,改进了全局更新模型等,使该算法更能满足交通系统最优路径的求解要求,降低了路径选择的复杂性,从而提高计算效率。对改进的模型进行的模拟实验和比较分析表明,该模型与算法的效果良好。该研究为交通系统最优路径问题开创了一条新的途径,同时显示出蚁群算法在交通分配中的良好使用前景。