定时误差对部分并行干扰消除检测器的影响

重点分析了基于硬判决的部分并行干扰消除(PPIC)检测器的残余多址干扰的结构及统计特性,研究了PPIC在定时跟踪误差情况下的性能,并给出了其在定时误差跟踪下的封闭形式的误码表达式。实验表明:采用部分干扰因子可以抑制PIC系统性能恶化,而基于文献[4]给出的部分干扰因子可进一步改善系统性能。     

基于ADSP-BF533的网络音视频监视系统

主要介绍ADSP-BF533的基本特征，并提出了一种基于ADSP-BF533的具有体积小、成本低等特点的网络视频监视系统的软件和硬件设计方案。     

浅埋条件下并行立交隧道施工安全性的三维数值模拟

以长沙市营盘路湘江隧道东岸并行立交段施工为研究对象,对浅埋条件下并行立交隧道施工安全性进行三维数值模拟分析。研究结果表明：隧道施工结束后地表沉降最大值为39．66mm,并位于隧道上下立交区域,地表沉降不能满足安全要求,还需对地表采取加固措施,如采取地表锚杆、地表袖阀管注浆或旋喷桩加固;下部隧道初期支护变形及受力受上部隧道施工影响不大,安全系数均大于1,结构能满足安全要求,但施工中仍不能忽视对初期支护变形及内力的监测,视情况采取加固措施,或改变施工工艺,如可以先行贯通下部隧道二次衬砌。其研究结果可为类似地质条件和施工方法的同类工程提供借鉴。     

基于遗传算法和神经网络的润扬长江大桥深基坑变形预测

针对深基坑变形问题,用遗传算法优化BP神经网络的初始权重,建立了GA-BP神经网络深基坑变形预测模型,克服了BP神经网络收敛速度慢、易陷入局部极小点的缺点。利用模型对润扬长江公路大桥南锚碇深基坑变形进行分析,并对模型拟合结果进行了检验,结果表明深基坑变形和支撑轴力具有一致响应趋势,预测模型性能良好,预测精度较高,简便易行。     

资源受限项目调度问题的探讨

分析了城市轨道交通项目资源受限调度问题的成因与分类。此问题的解是在满足紧前关系和资源约束条件下产生的一种使某种管理目标为最优的调度方案。研究提出了对其进度问题和调度问题应用智能算法求解的方法和步骤,特别对串行调度方案(SSS)和并行调度方案(PSS)的适用条件和范围,数学模型的编码方式和解码规则进行了详细阐述,为广泛存在于城市轨道交通项目和其他大规模建设项目管理中的资源受限问题的解决提供了新思路。     

城市轨道交通网络化列车开行方案优化方法

通过引入备选集,建立双层规划模型,将网络化列车开行方案这一复杂的混合交通网络设计问题简化成0-1规划问题;采用混合遗传模拟退火算法对城市轨道交通网络化列车开行方案优化问题进行求解。上层模型以城市轨道交通网络化列车开行方案涉及的运营单位和乘客综合费用最小化为目标,以交路必须覆盖整个运营网络、限制区间交路数、满足发车间隔时间限制和区间客流量小于列车运力为约束条件;下层模型为用于城市轨道交通网络客流分配的随机用户均衡问题优化模型,它充分考虑了乘客选择出行时路径感知费用与实际费用之间的差异。算例结果表明,采用基于备选集的双层规划模型和混合遗传模拟退火算法对城市轨道交通网络化列车开行方案进行优化是可行和有效的,而且求解效率高。     

铁道车辆承载吸能结构优化研究

为得到具有理想耐撞性能的铁道车辆承载吸能结构,分别基于多项式响应面法的二次响应面模型、四次响应面模型和Kriging法的响应面模型等3种代理模型,构造承载吸能结构的比吸能SEA及比吸能与撞击力峰值之比REAF关于设计参数的二次、四次和Kriging法响应曲面,结合遗传算法整体寻优分别得到这3种代理模型的SEA和REAF的最优值.对比分析结果表明:Kriging法响应面模型的拟合精度高于多项式的二次和四次响应面模型,四次响应面模型的拟合精度次之;但是Kriging法响应面模型拟合曲面没有多项式响应面模型的光滑,其原因是Kriging模型采用的局部插值方法虽能提高模型拟合精度、却不利于降低模型拟合过程中的数字噪声;整车车体碰撞仿真表明,承载吸能结构优化后的整车车体具有更好的耐撞性能.     

遗传算法在船舶运行轨迹大数据智能采集中的应用

针对当前舰船航迹数据采集方法信息更新速度慢、采集精确度低,无法满足海上航道信息采集要求的问题,提出了基于遗传算法的船舶运行轨迹大数据智能采集应用方法。分析和挖掘船舶航迹数据,得到船舶总体运行特征,优化航迹压缩算法,通过实时处理冗余信息并进行多层存储,噪声去除、插值和航迹分割大型船舶航迹数据,实现轨迹空间并行聚类,采用遗传算法简化航迹数据,得到多个块区域的点集合数据,并窗口化处理块区域,识别航迹通道边界,完成船舶航迹数据的精确采集。实验结果表明,所提方法的信息更新速度较快,能够有效提高采集精确度,满足船舶航行轨迹采集要求。     

基于改进遗传算法的双向渐进结构优化方法研究

本文提出了一种基于改进遗传算法的软删除双向渐进结构优化法(G-BESO),以解决传统双向渐进结构优化法(BESO)中参数(如进化率)设置不当而导致无法获得最优拓扑构型的问题.首先确定单元权重系数与单元密度的递推关系式,形成一种考虑单元密度历史信息的材料插值模型,从而增强恢复误删高效单元的能力.然后引入遗传算法中的交叉和变异操作,启发式地更新结构状态以提高全局寻优能力.最后将该方法编写成可用于实际工程结构优化设计的程序.算例表明,提出的方法能稳定得到最优拓扑形状且计算效率更高,可为工程结构的拓扑优化设计提供一定参考.     

基于黄金比例遗传算法的动车组列车节能优化研究

为研究注重最小化能耗的动车组列车运行控制,针对列车单质点模型受力分析不准确问题,提出一种对附加阻力进行处理的多质点方法,进而以多质点模型为基础进行2次优化。为解决遗传算法寻优时容易陷入局部最优的问题,提出一种基于黄金比例遗传算法的优化方法,1次优化通过该算法为列车运行寻求一组满足约束条件的目标速度集合,获得列车节能运行速度曲线。考虑过电分相对列车运行的影响,进行2次优化,将运行区间划分为操纵固定段和操纵可优化段,并通过黄金比例遗传算法搜索出一组操纵可优化段内满意的工况转换点,结合1次优化得到列车最终运行曲线。以兰考南-开封北线路CRH3型动车组为仿真实例,列车运行能耗降低了10.83%,表明所提方法是可行的。