基于应答机定位的路程校正技术

针对现有列车行进中故障定位误差大,安装射频标签的费用和工作量大的问题,通过在列车上安装校正系统,在真实的列车运行过程中采集数据进行试验,采用路程校正时的同步与延时算法,建立应答机数据库模型。通过多次试样测量表明,以应答机为路程校正点获取的路程与实际的路程相比,误差一般在5 m以下。说明列车行进中以应答机为校正源可以保证校正的路程精度。     

接触器触头系统振动机理分析及算法优化

为了解决合闸过程中动、静触头接触引起的振动弹跳问题.本文建立了接触系统的二自由度运动微分方程,并利用遗传算法对交流接触器吸合过程进行优化,同时通过高速摄影实验对接触弹跳的全过程进行了观察和分析.结果表明:理论与实验结果高度一致,铁心在触头分离前发生碰撞,进一步加剧触头弹跳;铁芯弹跳再次碰撞时,触头的弹跳不受影响;在接触器运行过程中,动铁芯的运动会引起系统轻微振动;采用遗传算法优化的接触器触头弹跳时间和最大振幅均减小.研究结果为进一步控制和减小接触弹跳提供了理论依据.     

基于改进LFM算法的主动解列断面搜索方法

针对传统解列断面算法复杂度高的问题,提出一种基于改进LFM算法的解列断面搜索方式。首先,基于节点间电气联系和能量转移分布熵完成电网加权复杂网络建模;其次,基于主动解列断面约束条件,对LFM算法做适应性改良;最后,通过改进LFM算法得到解列断面,并在IEEE39节点系统中验证了算法有效性。仿真结果表明,改进LFM算法可充分考虑传统解列断面的约束条件,在算法具有较低复杂度的同时对系统运行状态更强的适应性。     

基于Stacking集成算法的岩爆等级预测研究

岩爆是地下工程面临的一个巨大灾害，岩爆预测可以降低岩爆带来的危害。机器学习是岩爆预测方法的研究热点和发展方向，但现阶段各机器学习算法表现不同，并且相互独立工作，没有融合，不能优势互补，导致各机器学习算法的准确率、泛化性和稳定性较低。本文采用Stacking集成算法，融合现阶段使用较多的8个机器学习算法(4个集成算法和4个基本算法)，充分发挥各算法的优势，实现优势互补；为保证新特征信息具有多样性，结合各种机器学习算法的原理和岩爆样本库的特点，提出3组考虑多个岩爆预测指标的Stacking集成算法，每组算法拥有不同基模型和多个元模型，解决了传统Stacking集成算法接受特征信息受限和元模型选择困难的难题。对比分析各组Stacking集成算法与独立算法的准确率、精确率、召回率和F1值，结果表明构建的Stacking集成算法可以有效融合各机器学习算法，预测性能显著提升。在3组Stacking集成算法中，Stacking集成算法二的基模型由Random Forest Classifier,Extra Trees Classifier,Gradient Boosting Classifier和L...     

求解带能力约束车辆路径优化问题的改进模拟退火算法

为高效求解带能力约束的车辆路径优化问题,提出一种带有回火操作的改进模拟退火算法.解析多约束条件下的路径优化特点,构建了结构简单且功能模块相对独立的模拟退火框架,以便相关约束及其算法的耦合嵌套.在此基础上,改变较优解在迭代过程中的接受规则,引入回火操作使全局搜索与局部搜索实现平衡;设计强制的随机邻域变换策略,以提高多约束条件下的新解生成质量.结合初始解生成方法,构建了整体算法.通过不同类型算例的对比实验表明,所提算法具有优越的求解性能,相应的求解框架与优化方法研究,能够为相关的多约束耦合求解提供参考.