考虑弱化效应的加高扩容尾矿坝地震可靠度分析及风险评价

地震荷载下的坝体稳定性及溃坝风险始终是岩土工程界的研究重点之一。本文引入弱化系数考虑地震对尾矿坝筑坝材料的弱化效应,采用极限平衡拟静力法与光滑粒子流体动力学方法结合进行尾矿坝地震可靠度分析及风险评价。利用极限平衡拟静力法与蒙特卡罗方法寻求可能的失效样本,进而采用自主研发的SPH程序模拟失效样本下尾矿坝失稳过程以及最终堆积状态,引入临界位移值确定滑动面积以评估尾矿坝的失效后果。应用本文方法对云南某一加高扩容尾矿坝的稳定性及风险进行了评价,算例分析表明：随尾矿坝扩容高度的上升,旧坝的稳定性基本保持不变,而新坝的稳定性持续降低,扩容高度完成后,尾矿坝最小安全系数与规范要求值接近,需要重点关注其稳定性。可靠度分析结果表明：当尾矿坝筑坝材料变异系数为0.1时,其相应的失效概率为1%,该失效概率值的变异系数约为0.3。不考虑地震作用对筑坝材料的弱化效应,扩容尾矿坝的失稳风险为309.17m2,考虑弱化效应后,随弱化系数减小,扩容尾矿坝的失稳风险增大。随着弱化系数的减小,临界位移值对失稳风险的影响逐渐减弱,弱化系数大于0.5时,临界位移值对扩容尾矿坝的失稳风险影响显著。     

考虑学习效率的教室内热环境调控系统研究

教室环境对学生的舒适程度和学习效率有直接影响,因此如何对其进行调控非常重要。针对现有室内调控方案未考虑学习效率的问题,在确定热舒适度与学习效率量化关系的情况下,提出一套针对教室的室内热环境调控系统。将学习效率最高时的预测平均投票值(predicted mean vote,PMV)作为系统的目标,为实时获取PMV提出了基于粒子群优化的BPNN(back propagation neural network)模型对其进行预测的方法,通过PMV反推出热环境参数(温度、风速和相对湿度)的目标值,并提出基于BPNN的比例积分微分(proportion integration differentiation,PID)控制器对其进行调控以改变室内热环境。通过实地采集的数据对调控系统进行仿真模拟,结果证明了调控系统的可行性和有效性,为积极推进教室内热环境的调控提供了有效依据。     

辽河特细砂混凝土骨料的分形研究

分形几何是根据事物局部形态与整体形态间的自相似关系,针对无特征尺寸的不规则图形而提出的几何问题研究理论。运用分形几何理论对辽河特细砂混凝土骨料进行研究,得出了辽河特细砂质量分布与分形维数的关系;同时得到了特细砂骨料级配孔隙率与体积分形之间的联系,求出了特细砂体积分形维数。确定了分形维数跟颗粒粒径大小之间的关系,抗压强度与分形维数的关系,从理论上得出特细砂混凝土抗压强度要小于普通砂混凝土。又与试验相结合,得出不同配合比配制的不同强度等级的特细砂混凝土,其骨料级配分形维数是不同的。     

基于粒子滤波和Mean-shift的自适应目标跟踪方法

目标跟踪技术一直是计算机视觉的核心内容。本文结合粒子滤波与Mean-shift跟踪方法,提出了一种新的自适应目标跟踪方法,通过利用粒子滤波获取目标的初始位置,进而采用Mean-shift跟踪方法,实现目标跟踪的准确定位,同时,通过抑制背景特征分布,更新目标特征分布,从而在跟踪过程中自适应调整目标的模板表示。实验结果表明了本文提出方法的有效性。     

基于SVM-RFE和粒子群优化算法的恶意域名检测模型

域名解析作为网络建立连接的第一个步骤,对恶意域名进行快速识别是阻断异常网络行为的有效措施。本研究利用机器学习和随机搜索算法,提出了一种基于SVM-RFE和粒子群优化算法的恶意域名检测模型。分析域名字符特征、解析特征和注册特征,使用SVM-RFE算法进行特征权重排序,通过优化的粒子群算法确定最佳SVM参数和特征选择。实验证明该检测模型具有较好的效率和准确度。     

基于PSO-BP的钻井机械钻速预测模型

机械钻速预测是优化钻进过程、提高钻井效率的关键技术,现有的计算模型主要建立在物理实验和理论分析的基础上,缺少对钻井工程实测数据的应用,导致计算精度难以满足复杂的现场需求.基于此,提出一种人工智能算法与BP(back propagation)神经网络相结合的钻井机械钻速预测模型.首先,利用小波滤波方法对实测数据进行降噪处理,并依据互信息关联分析优选输入参数降低模型冗余.其次,利用粒子群优化(particle swarm optimization,PSO)算法实现对BP神经网络初始权值、阈值的优化,建立机械钻速预测新模型,并将PSO-BP新模型与标准BP、BAS(Beetle Antennae Search,天牛须算法)-BP及GA(genetic algorithm,遗传算法)-BP等三种模型进行对比分析.最后,根据实际工况对PSO-BP钻井机械钻速预测模型进行模型评价.结果表明,PSO-BP机械钻速预测模型不仅具有良好的预测精度,而且为钻进过程中提高机械钻速提供科学的参考.     

基于大爆炸优化算法的结构参数识别

作为一种新颖的优化工具,大爆炸算法（Big Bang-Big Crunch optimization,BB-BC）被成功应用于很多复杂优化问题。结构参数识别一直是结构健康监测的核心问题,利用BB-BC算法进行结构参数识别的研究。该方法的基本思想是通过最小化识别模型与实际结构系统响应的误差,从而将参数识别问题转化成一个多峰值非线性非凸的优化问题,并利用BB-BC算法发现系统参数的最优估计。利用BB-BC算法在输入输出数据不完备且噪声污染条件下,同时在没有系统质量、刚度等先验信息的情况下对结构系统进行了参数识别,并与基于遗传算法（GA）、粒子群（PSO）的参数识别方法进行了比较。结果表明：该方法可以成功地应用于结构参数识别,识别效能更优越。     

聚乙烯粉末粒度及粒度分布测定的研究

用乙醇做分散介质,用激光粒度测定仪测定三个聚乙烯粉末试样的粒度及粒度分布,测试快速、准确。试验结果令人满意。     

考虑机场、航空公司与空管需求的机场群离场航班时刻优化

随着我国航空流量的不断增加,机场群内航班延误时间长、延误架次多、机场时刻紧张等问题逐渐暴露,这些问题主要是航班时刻设置不合理所导致。为解决这些问题,需要对机场群内航班时刻进行优化。本文通过从机场、航空公司、空管三个角度综合考虑,分别以延误时间、航空公司航班时刻调整总方差、管制员总调整量作为优化目标,建立了机场群航班时刻优化模型,并使用权重线性递减的粒子群优化算法实现对模型的求解。以京津冀机场群为例进行分析,使用Matlab对模型进行寻优。结果表明优化后机场群内总延误时间由77 580分钟至46 260分钟,航空公司航班时刻调整总方差由447.076减少至63.141,管制员总调整量由467 次减少至253 次,三个目标均得到了优化。可见该模型权衡了机场、航空公司与空管之间的公平性,为机场群航班时刻的优化提供了理论参考。     

基于QPSO分数阶PI~λD~μ的纯电动汽车调速系统研究

为了获得比传统整数阶PID更好的控制性能,本文结合量子粒子群(QPSO,Quantum Particle Swarm Optimization)算法和分数阶微积分理论提出一个分数阶PIλDμ控制方法.通过QPSO优化算法对分别采用整数阶和分数阶PID控制器的目标函数的KP,KI,KD参数进行优化,并将结果导入电动汽车调速模块中进行验证.仿真结果表明,经过QPSO算法优化后的分数阶PIλDμ参数能够明显改善纯电动汽车的调速性能,并使驱动系统的响应速度更快、稳定性更好.