拟“车-桥耦合系统”的动态近似分析法

目前对于车体通过桥梁的动力响应问题,通常是将车辆子系统和桥梁结构耦合为一个系统,同时进行分析.文中提出一种近似但具有足够精度的方法用以计算车-桥耦合系统的动力响应.将车-桥耦合方程分解为两个部分,忽略作用在桥梁上的由移动车辆产生的惯性力项,只剩下移动力项.计算出桥梁在移动力作用下的响应,并把此响应作为车体动力响应的激励源反馈给车体,从而计算出车体的响应.从数值计算的角度,采用MATLAB编程并与车桥耦合系统精确的数值解作对比,验证了轻车过重桥情况下本文方法的可行性.通过分析表明,此方法能避免车-桥耦合系统计算时的庞大运算.     

一个函数逼近的结论及其应用

证明了一个用二次连续可导函数来逼近二阶导数存在有限个第一类不连续点的连续可导函数的结论,并用这个结论推广了广泛应用于随机控制模型研究中的一个随机分析结论,给某些重要随机控制模型的推广提供了关键性的理论工具．     

基于粒子群算法的起重船扒杆结构优化设计

基于Isight优化软件和通用有限元软件,以扒杆重量为目标函数,采用粒子群算法（PSO）和遗传算法对某起重船扒杆结构进行了优化设计,并讨论了PSO算法的稳定性。通过对两种算法优化结果的比较分析表明,PSO算法优化效果好,收敛速度快,且计算稳定性高,验证了PSO算法在工程船舶结构优化设计中的有效性。     

基于改进PSO算法的岩石蠕变模型参数辨识

微粒群优化（PSO）算法是一类随机全局优化技术,具有收敛速度快、规则简单、易于实现的优点．针对岩石蠕变本构模型参数的辨识问题,本文利用FLAC软件自带的fish语言实现了改进PSO算法对本构模型参数的辨识．该方法从岩石本构模型参数的随机值出发,以蠕变过程中试件变形的实验值与计算值的误差大小作为适应度函数来评价参数的品质,利用改进PSO算法规则实现模型参数的进化,搜索出全局最优的模型参数值,从而实现了岩石蠕变本构模型参数的自适应辨识．利用该方法对页岩蠕变实验进行了仿真研究,实验结果表明：改进的PSO算法用于岩石蠕变模型的参数辨识是有效的．     

求解预支约束下商品批发零售问题的近似算法

研究了求解预支约束下批发零售问题的一种新的近似算法,这一算法是一种改进的贪婪算法,即将部分穷举法与贪婪算法相结合并从理论上分析了该算法的可靠性和有效性,最后得出了该算法的性能保证为1-e-1.     

EPS颗粒混合轻质土技术在钱江通道南接线工程中的应用

结合EPS颗粒混合轻质土技术在钱江通道南接线工程中的应用实践,探讨了EPS颗粒混合轻质土的施工技术.实践证明,该材料有效地解决了软基过渡段的沉降和不均匀沉降、路堤与桥台相接处的差异沉降等问题,可以实现缩短工期和提高工程安全性的目的.     

地铁车厢立席乘客的空间舒适度建模与模拟

地铁车厢拥挤直接影响乘客的乘车舒适度.本文根据“人体空间气泡”的概念, 引入地铁车厢内乘客心理舒适度,结合乘客感知空间舒适性调查,建立乘客空间理论模 型,并以此得到基于空间舒适性的立席密度评价标准.基于现有行人模型,借鉴社会力模 型中人与人之间的排斥力,定义“广义拥挤力”,建立地铁车厢乘客“拥挤力”量化模型.以 北京地铁4 号线为研究对象,结合实地调研得到的车厢内乘客密度分布规律,应用 PFC2D 离散元软件以力的形式来模拟乘客空间舒适度状态.结果表明,要使80%乘客的空 间舒适度等级在舒适以上,则合理密度应该在4-5 人/m2之间,为制定合理立席密度标准 提供参考.     

基于粒子滤波的跟踪算法研究

在非线性条件下,扩展Kalman 滤波（ EKF）的应用最为广泛。但是,由于它采用了Taylor展开的线性变换来近似非线性模型,因而存在计算量大、实时性差、估计精度低等缺点。粒子滤波（ PF）用一些带有权值的随机样本（粒子）来表示所需要的后验概率密度,并通过这些粒子的加权来估计目标运动的状态,从而得到基于物理模型的近似最优数值解,具有精度高、收敛速度快等特点。通过仿真实验将PF与EKF的性能进行了对比,并且研究了噪声协方差与粒子数对PF的影响。 PF与EKF的对比实验结果表明,在强非线性条件下,PF比EKF跟踪精度更高,误差更低。     

无网格对称粒子法中两类热边界条件的处理

第二、三类边界条件对无网格对称粒子法求解瞬态热传导问题的计算精度和稳定性有重要影响。提出一种有效的方法来处理这两类边界条件。该方法采用统一表达式描述两类边界条件,并将边界粒子分为光滑域内的边界粒子和非光滑域的边界粒子。对于前者,在温度导数的对称粒子近似中引入边界条件方程,精确地施加边界条件;对于后者,根据其相邻粒子的温度导数,采用具有一阶连续性的粒子近似,计算出其温度导数。应用该方法计算了一个数值算例。计算结果与解析解和有限元法的计算结果符合良好,且计算误差随时间呈下降趋势,说明该方法具有良好的精度和稳定性。     

混合径向基神经网络对货运量的预测

为了定量预测多个外部因素影响下的货运量,建立了混合径向基神经网络模型.该模型以径向基神经网络为模型主体,并结合二阶振荡粒子群优化算法和灰色预测方法构成混合预测模型.该神经网络模型的参数设置更加简便,收敛速度更快.实例预测得到的结果相比较其他预测方法绝对误差值更小,误差变化范围更加稳定,证实了该神经网络模型的有效性,表明了其在多因素影响下的货运量预测中具有很好的适用性.