考虑地层三维空间分布的盾构掘进模拟

为研究复杂地层条件下盾构掘进引起的地层扰动规律,提出了一种考虑地层三维空间分布的盾构掘进模拟方法. 该方法利用Kriging算法构建三维地质模型,通过条件判断算法将地层空间分布信息嵌入到有限元模型中,进而实现考虑地层三维空间分布的盾构掘进模拟. 此外,采用C#语言编写了复杂地层盾构掘进模拟前处理程序. 以长沙地铁四号线为例,根据掘进断面内极软岩、软岩、坚硬岩的占比,选取具有3种不同地层条件的区段,利用该前处理程序构建了土压平衡盾构机掘进过程模型,并开展模拟. 模拟结果显示盾构掘进断面内极软岩占比增大会导致地表最终沉降量显著增加. 相比于极软岩占比为50%的掘进断面,全断面极软岩处的地表最终沉降量增加了11.67?mm. 模拟结果与实测数据规律一致,验证了所提方法的有效性.     

多需求点间车辆调度模型及优化算法混合求解研究

为解决多需求点间同时集送货问题,建立考虑需求拆分和转运的车辆路径模型.在模型中,加入车辆装载量动态变化约束、节点可多次访问约束和需求可拆分转运约束,提高问题的普遍性.在模型的优化算法中,算术、蚁群优化算法混合求解.通过算术蚁群算法嵌套优化模式,外层算术优化算法得到配送车辆的任务量,内层蚁群算法优化路径,并将结果反馈给外层算法继续更新求解,直至达到终止条件.同时,添加概率系数、增加算子位置更新公式和更新动态禁忌矩阵对混合算术蚁群算法改进,增加解的多样性,提高算法的求解效率.最后通过实例验证并与混合鲸鱼算法等比较,改进的算法解决本文问题效果更好.     

基于传动链仿真的发电机智能反演优化设计

提出了一种针对运行在传动链系统中的发电机智能反演优化设计方法,并以一台运行在传动链系统中的15 kW永磁同步发电机为研究对象,针对其运行效率对发电机的设计参数进行优化.首先,在充分考虑变流器侧对整个传动链系统的影响下,建立了面向传动链系统的协同仿真建模平台,验证了传动链的电磁设计参数与协同仿真计算平台的正确性;其次,通过方差分析从发电机的8个设计参数中选定6个敏感参数,并在选定优化变量后提出了一种基于遗传算法优化的拉丁超立方抽样方案,该抽样方案可以兼顾样本空间均匀分布与各变量维度投影的均匀性;然后,通过基于高斯随机过程的智能反演优化设计模型结合基于范围选择的多目标优化算法,获得发电机的效率与最大额定输出转矩的Pareto前沿,并针对优化后的齿槽参数进行绕组设计,结果显示优化后的效率为96.2%,对比其原始设计方案,发电机电磁损耗降低了16.8%,效率提高了0.6%; 最后,通过实验验证了仿真平台的准确性,进一步说明了样本数据与优化设计的有效性.所提设计方法可针对不同规格的大型传动链系统展开优化设计,其优化方法具有一定的普适性,可用于我国海上大型传动链系统的一体化精确仿真计算与流程化优化设计.     

梯度羰基铁/碳纤维增强复合超材料的多尺度结构及超宽频电磁波吸收性能

先进电磁波吸收材料对薄厚度、轻重量、宽频带、强吸收等综合性能提出了更高要求。在此,我们提出了一种具有梯度电磁特性的新型层状台阶吸波超材料。通过在环氧树脂中分散不同含量的羰基铁和碳纤维来获得不同复介电常数和复磁导率的材料。通过对各层材料的电磁参数和几何尺寸实现宽频吸波性能的优化。在相同厚度和相同各层材料电磁参数条件下,平板层状结构在2.0–40 GHz范围内只能实现小于?6 dB的反射损耗,而本文设计的层状台阶超材料实现了小于?10 dB的电磁波吸收。此外,层状台阶超材料在11.2–21.4 GHz和28.5–40 GHz的频率范围反射损耗小于?15 dB。根据实验和仿真结果,本文讨论了多尺度结构协同效应所引起的多种电磁波吸收机制。因此,将多层结构和周期性台阶结构结结合获得新型的梯度吸收超材料,可为宽频电磁吸波材料的设计和研制提供新的思路。     

Sylvester矩阵方程的改进IO迭代算法

通过对Sylvester矩阵方程的理论分析,可知IO迭代算法中迭代矩阵的谱半径随内迭代次数的增大而减小,更新了IO迭代算法中内迭代次数的选择方法,并证明了该算法收敛性与初始矩阵无关。Sylvester矩阵在满足一些特定条件下,为了进一步提高收敛速度,可通过选择适当的相关参数,使得IO迭代算法有较好的收敛速度且比Smith算法的迭代次数明显减少。     

PRM蚁群融合算法的AGV路径规划研究

针对AGV运货时需一次性取多件货物的路径规划问题,提出一种PRM算法与蚁群算法相结合的融合算法,将问题拆分为路径的选择与TSP问题分布解决,即先利用PRM算法进行AGV路径规划,再利用蚁群算法决策出取货顺序,生成总的路径。最后采用matlab进行仿真实验,并与A*算法进行对比,结果证明了PRM蚁群融合算法比A*算法得出的路径更短、效率更高。     

多裂纹系在水工混凝土结构中的危害性评价

利用断裂力学的概念和方法,研究水工混凝土结构中多裂纹系应力强度因子的计算,根据“释放应力”的概念和修正ｃａｕｃｈｙ型奇异积分方程组,获得Ｆｒｅｄｈｏｌｍ积分方程组,并考虑裂纹之间,裂纹与边界间的相互作用的基础上,提出了虚拟荷载方法。最后,由所求得的应力强度因子和全场应力分析,判断出最危险裂纹扩展的位置,对带有多裂纹系的试样进行了实验,结果与计算值的吻合良好。     

光伏模组积灰与阴影特性分析及识别方法

针对光伏模组积灰与阴影特性识别问题,详细分析了积灰和阴影的光伏特性曲线差异,揭示了阴影光伏曲线的拐点时变特性。提出由特性曲线的拐点数量及电流电压特性条件共同构成训练模型的输入特征量,基于CatBoost算法训练积灰和阴影识别模型。最后,利用光伏模组实测数据对CatBoost算法、ID3和GA-BP算法训练出的识别模型进行性能分析和对比测试,结果表明基于CatBoost训练出的识别模型输入量区分性强、诊断精度高,极具工程应用价值。     

基于新型相似日选取和VMD-NGO-BiGRU的短期光伏功率预测

光伏功率预测在现代电力系统调度和运行中起着重要作用.针对光伏发电功率的多变性和复杂性,提出了一种基于新型相似日选取和北方苍鹰算法（Northern Goshawk Optimization, NGO）优化双向门控循环单元（Bidirectional Gated Recurrent Unit, BiGRU）的短期光伏功率预测方法.首先,利用斯皮尔曼相关系数选取主要气象因子,通过变分模态分解（Variational Mode Decomposition, VMD）将原始光伏功率和最大气象因子分解重构为一系列子信号.其次,通过构建新的评价指标筛选出相似日数据集,利用一组BiGRU建立以相似日子信号为网络输入的深度学习模型,并利用NGO对每个BiGRU网络的超参数进行有效优化.最后,对各子信号的预测结果进行综合,得到最终的光伏功率预测值.仿真结果表明,所提混合深度学习方法在预测精度和计算效率方面均优于其他方法.     

基于压缩感知的在线多示例学习目标追踪

近年来提出的多示例学习算法在一定程度上能够克服模板漂移问题。然而,在线学习需要获取足够多的有用数据才能达到稳定的追踪效果,但是这却增加了算法的复杂度。为了解决这一问题,在压缩感知理论的基础上,运用随机观测的方法对多尺度图像特征进行降维,提取的这些低维特征中包含大量的有用信息。因此,我们提出的算法是先利用压缩感知理论提取目标特征之后,再使用在线多示例学习算法分类器对这些特征进行分类从而实现目标的稳定跟踪。通过对不同的图像序列进行实验,结果表明基于压缩感知的在线多示例学习算法对实时的目标追踪有很好的适应性。