基于有限元法及遗传算法的推力杆球铰多目标优化方法

为优化推力杆的球铰结构并提高其疲劳寿命,提出一种基于有限元法和遗传算法的推力杆球铰多目标优化方法。该优化方法通过有限元法计算不同橡胶衬套预压缩量和球铰结构的推力杆球铰橡胶衬套的应变分布特征和刚度参数,进而得到推力杆刚度参数、橡胶衬套预压缩量与球铰关键结构参数之间的关系,并在此基础上采用遗传算法建立推力杆球铰的多目标优化模型。利用建立的多目标优化模型计算得到推力杆球铰的优化方案。样件台架试验结果表明,此优化方案使推力杆球铰的疲劳寿命提高了7倍。提出的多目标优化方法充实了变截面橡胶金属复合结构的设计理论,并为推力杆的优化设计提供了理论依据。     

冻融循环对不同塑性路基土剪切强度的影响研究

为了研究冻融循环对不同塑性路基土剪切强度的影响,通过室内三轴试验和冻融循环试验对3种塑性指数的土样进行了研究。结果得到:当冻融循环次数增加时,剪切强度随着塑性指标的增加而有所增大;当塑性指数相同时,剪切强度随冻融次数增加与围压增加改变各不相同,与冻融循环次数成反比,与围压成正比。并且冻融循环6~7次后,3种塑性指数土样的剪切强度的变化均会趋于平缓。     

基于交通因子状态网络的城市交叉口交通流预测

信息技术的快速发展,为交通研究和城市交通管理提供了大规模、多样化的数据资源,并为城市交通状态估计和交通流预测方法的研究提供了有力支持。将城市交叉口视为一个微观交通系统,采用数据驱动与领域知识结合的方式,建立微观层次的交通因子状态网络模型（Traffic Factor State Network,TFSN）,考察交通因素之间的相互关联,并考虑环境因素的影响。该模型结合交通因子和环境影响因子的影响,通过对交通流数据进行聚类分析,估算出对应于环境影响因子的交通状态,并通过实际案例验证其物理意义以及与交通流实际状态的对应关系。进一步地,基于不同交通状态下的交通流数据建立高阶多元马尔可夫链,进行交通流预测,并根据交通流时间序列的聚类性能指标提高模型的预测准确性。对数据序列马氏性强弱、马尔可夫模型阶数与模型预测准确性之间关系进行分析。研究结果表明：根据马氏性合理选择马尔可夫模型的阶数可以提升模型预测准确性;直接对原始交通流数据进行预测的平均绝对百分比误差为24.61%,而不同交通状态下交通流预测的平均绝对百分比误差为16.99%,相比直接预测误差下降了7.62%,验证了所提出的微观交通因子状态网络的有效性和可用性。     

Impact of an electrified parkade on the built environment: An unsupervised learning approach

Proposed legislation in British Columbia would require 30 percent of new car sales to be zero-emission vehicles by 2030, and 100 percent by 2040. The growing amount of energy demand and usage data from smart meters or internet of things (IoT) devices enables new research areas. We reporton machine learning approaches to reevaluate the impacts of battery electric vehicles (BEV) on the built environment. We developed a daily power profile analysis based on unsupervised learning, to understand the underlying structure of building and BEV charging station demand data. In addition, we have implemented a load aggregation method based on the features revealed by a clustering process. This aggregation method simulates the electricity demand of an arbitrary number of charging stations, all of which are connected to the main feeder of a building. Several scenarios are simulated using charging stations and building demand data from the University of British Columbia campus in Vancouver. Results for 150 charging stations revealed that the feeder load could increase from a peak load scenario of 300 kW to more than 1000 kW during a high-consumption weekday.     

基于网络算法的地铁长大区间隧道火灾通风模式

建立通风网络模型,通过模拟列车车头火灾下6种典型工况的通风排烟,着重分析不同位置隧道风机的开闭数量对通风排烟效果的影响。讨论了不同模式下的气流组织方向及风速特征值。分析模拟结果发现,开启起火隧道列车车头前车站风井的2台隧道风机正转排风、列车车尾后中间风井的2台隧道风机反转送风,同时开启未起火隧道侧2台隧道风机反转辅助送风,则通风效果最好。     

基于数字伺服控制的电控罗经设计及仿真

本电控罗经采用数字伺服控制方案来取代传统的模拟伺服控制方案,将微处理机引入控制系统,可以克服系统调试困难的缺点,具有实现复杂计算和现代化控制算法的能力。设计了基于PID控制的静基座和摇摆基座下电控罗经的控制算法,运用Simulink进行建模和仿真,并通过实际转台测试实验得出,所设计的数字伺服控制电控罗经在摇摆实验环境下,稳定时间为1.8h,罗经的稳态误差为0.5 °,满足设计预期指标和国际标准要求。     

接驳轨道枢纽的混合式灵活公交服务优化研究

为解决居民在轨道与小区间的出行难题，本文提出一种新型的混合式灵活公交接驳服务模式，构建了在轨道交通枢纽的客流吸引范围内灵活与固定接驳公交的协同运行机制. 在已知灵活乘客需求和车队规模的条件下，综合兼顾出行者与运营者的时间成本，以及同步考虑轨道线路和固定接驳公交线路发车计划，建立了混合式接驳公交系统线路和乘客接运计划优化模型，并采用基于重力模型的遗传算法进行求解，最后通过实例验证该模型的有效性和实用性.结果表明，该优化模型在能够有效减小车辆行驶距离和乘客出行时间的同时，提高了混合式接驳公交系统的乘客服务量，相比于单一的灵活型接驳公交系统目标结果更优.     

学习体验主导型教学评价指标体系构建与应用--以广州大学华软软件学院为例

有效的学习体验有助于调动学生的学习积极性。对大学来说,学习体验是学生提升专业能力的有效途径。从发达国家教学评价的发展历程来看,以学生学习体验为主导将纳入教学评价内容。本文对我国教学评价的现状和存在的问题,阐述了学习体验的内涵,构建了以学习体验为主导的教学评价指标体系,以期为我国高校的教学评价提供参考。     

基于条件生成对抗网络的扇区复杂度评估

扇区复杂度作为管制员工作负荷和动态空域配置的重要参考依据，需要事先准确地对其 进行评估。本文针对有监督复杂度数据集存在的小样本问题，提出基于条件生成对抗网络的扇 区复杂度评估框架。首先，构建交通流量、航空器性能和潜在冲突这3类复杂度指标，并结合主观 复杂度等级得到标定样本；其次，利用条件生成对抗网络设计有标记样本生成算法，获得增广数 据集；最后，分别采用逻辑回归、支持向量机和随机森林算法建立复杂度评估模型。以中南区域 扇区为例，从定性和定量的视角验证生成样本的有效性，并在多种训练集配置下对比各模型评估 结果。研究结果表明：条件生成对抗网络在200次迭代后逐步收敛至稳定；生成样本与真实样本 的绝大多数指标在均值上的相对误差小于5%，在标准差上的相对误差大于5%；在多分类评价指 标下，增广数据集对3种模型整体评估精度分别提升11.77%、11.04%和8.34%。本文提出的评估 框架可以在有限数据条件下提高样本多样性，是解决扇区复杂度评估问题的一种有效方法。     

基于不确定理论的常规公交车辆调度优化

为提高公交车的利用效率，本文将公交车辆调度方案划分为高峰型和平峰型。在考虑乘 客候车时间与站间运行时间不确定的现实条件下，综合考虑不同车型的运营成本和乘客候车成 本；基于不确定理论建立混合车型下的双重不确定多目标规划模型，并通过遗传算法的python编 码求解。以南昌市211路公交上行为例，进行sumo仿真结果表明：在保证公交持续运营的前提 下，调整车辆调度方案有助于降低成本和提高运行效率；在高峰期，将发车间隔降低25%，公交车 统一使用纯电动客车，总成本降低5%，平均延误减少4%；平峰期，总成本降低10%，平均延误降 低3%。两组仿真结果发现，考虑不确定因素的公交车辆合理调度安排有利于充分利用公交车辆 资源和提高运行效率。