路面模量反演的修正迭代法研究

为更好地评价路面结构的性能,应用落锤式弯沉仪(Falling Weight Deflectometer,FWD)的检测数据,通过预估模量的初值,建立弯沉值对模量的导数矩阵,不断修正初始模量值的方法,开发了路面模量反演的修正迭代法.该算法同其他算法相比具有收敛速度快、精度高、稳定性好的优点.     

沥青路面三层结构模量反演最佳反演点的确定

进行沥青路面三层结构模量反演,利用惰性弯沉点反演出土基模量后,再利用荷载中心点和距离荷载中心点附近的一点进行面层和基层模量反演时发现可能存在反算面层和基层模量的最佳反演点,通过大量的模量反算证实了最佳反演点的存在,寻找到最佳反演点的位置,并从理论上解释了最佳反演点存在的必然性.通过与国内外模量反算方法的对比,说明利用最佳反演点反演沥青路面三层结构模量不仅精度高而且效率也很高,使大量的模量反算成为可能.     

路面结构的动荷载效应及对反分析结果的影响

采用有限元方法分析路面结构的动、静荷载作用响应，并与弹性层状体系理论分析结果比较，表明路面结构的动、静荷载反应有明显的差别。路基不同深度处存在刚性下卧层时，考虑静荷载作用的分析结果有显著的差别，而考虑动荷载作用的分析结果差别不大。在利用动态弯沉盆数据进行路面结构模量反分析时，如忽视动荷载的影响，则反算结果误差很大，甚至不可信。如果按照动力学模型进行路面结构反分析，结果可基本不受下卧层的影响。     

沥青路面面层和基层结构模量的反算

分析了路面面层刚度对路表弯沉盆形状的影响 ,并在此基础上利用“惰性点”理论开发了一套反算路面面层和基层模量的方法 .通过大量理论分析和数值验证发现 ,当路面面层模量较大时 ,荷载作用下路表弯沉盆较坦 ;相反 ,当面层模量较小时 ,路表弯沉盆较陡 .利用这一特性 ,创造了一种新的反算路面模量的迭代方法 ,即利用惰性点方法反算得到的地基模量 ,匹配荷载中心点和附近校核点 2处的弯沉值 ,得到面层和基层的模量 .该方法过程收敛 ,且反算解唯一 .最后还给出了一套沥青路面结构模量反算程序的算例和结果敏感性分析     

运用惰性点方法反算沥青路面结构地基模量

在水泥混凝土路面中存在的路面弯沉盆惰性点,可以用于反算水泥混凝土路面结构模量.为此论证了惰性点在沥青路面弯沉盆中的存在性,并利用惰性点方法开发出一套反算沥青路面结构地基模量的程序.首先论证典型的沥青路面3层体系可以简化为2层体系,在此2层体系中存在惰性点.然后,通过回归分析方法得出了路面结构信息与惰性点参数的相关关系.最后通过此关系,可以在实测弯沉盆中找到惰性点,并求解地基模量.     

基层模量对路面性能的影响分析

利用弹性层状理论计算程序Bisar分析了基层模量对沥青层内部竖向压应力、剪应力、面层底部拉应力和表面湾沉的影响,进而计算了基层模量对路面稳定性,疲劳寿命和永久变形的影响,分析表明,基层和模量必须保持在一个合理的范围内,才能从整体上获得好的路用性能,较高的基层模量会增加面层竖向压应力,易于引起路面车辙,但过低的基层模量会增大路面表面的剪应力并沥青底部受拉,进而降低沥青面在行车荷载作用下的疲劳寿命,由此提得出了沥青路面合适的基层模量范围在0．8－1．2GPa之间。     

甘肃黄土地区土基回弹模量

选取甘肃黄土地区有代表性的几条高等级公路，采用承载板、贝克曼弯沉梁、落锤式弯沉仪3种方法实测土基回弹模量，建立三者之间的相互转换公式，进而提出了路基设计回弹模量取值范围为35～71MPa，保证率97．7％，为进一步研究甘肃黄土地区的路面典型结构打下基础。     

不同等效原则的基层顶面当量回弹模量算法

应用弹性层状理论，研究了不同等效方法对基层顶面当量回弹模量换算结果的影响。结果表明，以弯沉等效为指标的基层顶面当量回弹模量值不能很好地反映板下地基的受力特性，会导致板底应力计算结果偏小；而以板底拉应力等效为指标的基层顶面当量回弹模量值能较为真实地反映基层刚度和厚度变化对板底拉应力的影响。因此，对于水泥混凝土路面结构设计时建议采用基于拉应力等效的换算方法，而基于弯沉等效的换算方法则可用于基层(或垫层)弯沉的检测。     

基于人工神经网络的沥青路面模量评估

介绍了利用弯沉盆参数和人工神经网络方法来处理FWD（落锤弯沉仪）的测量结果用于结构层模量的评估。在研究弯沉盆信息时,利用FORTRAN程序进行了轴对称模型的动力有限元分析.与现有的反算程序中利用迭代不断调整模量来匹配弯沉的方法不同,本方法利用基层破坏指数和形状因子两个参数来确定土基模量,并将土基模量和其他参数一起作为输入,利用人工神经网络来预估上层模量.最后,分别利用本方法和软件ELMOD对实测FWD数据进行分析,结果验证了本方法的可行性.     

沥青路面惰性弯沉点的选取及土基模量的反演

水泥混凝土路面存在弯沉几乎不随模量变化而变化的惰性弯沉点,并可用于反算水泥混凝土路面结构模量。为了使理论弯沉盆与实测弯沉盆相匹配,将刚性下卧层引入到理论弯沉盆的计算当中,经过大量的弯沉盆计算发现,沥青路面惰性弯沉点的选取较为困难,提出了一种基于均方根误差最小准则的惰性弯沉点选取方法,并将其应用于土基模量的反演中。在基于惰性弯沉点的土基模量反算中发现基层模量的大小对土基模量反演的精度有比较大的影响,并分别回归出针对柔性基层和半刚性基层的路面结构信息与惰性点参数的关系。选取不同的路面结构进行土基模量反演,理论上论证回归公式的精度,用实测弯沉盆进行模量反算,并与国内外其它反算程序比较,验证了基于惰性弯沉点的土基模量反演方法的精度和可靠性。     

基于多信息素的蚁群算法

针对传统增强型蚁群算法容易出现早熟和停滞现象的缺陷,提出一种多信息素的蚁群算法(MPAS),并以TSPLIB的数据为例对该算法进行实验测试.MPAS算法将信息素分为局部和全局两种不同的信息素,在搜索过程中,对局部和全局信息素采用不同的更新策略和动态的路径选择概率,使得在搜索的中后期能更有效地发现全局最优解.在中大型问题上MPAS算法有着更好的发现最优解的能力.     

基于信息素改进的蚁群算法

蚁群算法是一种优秀的启发式算法,具有较强的鲁棒性。针对基本蚁群算法在求解过程中容易出现收敛时间过长以及容易陷入局部最优的不足。本文提出了一种改进的蚁群算法,该算法通过在信息素挥发系数上增加一个收敛函数,加快了收敛速度;通过信息素增量与优秀路径选择相结合,引导算法收敛到最优路径,实验结果表明,改进后的算法在收敛速度和全局寻优能力上有了较大的提高。     

基于蚁群算法的多目标优化问题研究

为保持所求得的多目标优化问题Pareto最优解的多样性,文章提出了一种新的蚁群算法。选择策略采用多信息素权重,信息素更新结合了局部信息素更新与全局信息素更新。其中,全局信息素更新采用了两个最好解。此外,通过在外部设置外部集来存储Pareto解,并将改进的算法应用在双目标TSP上。最后进行了仿真实验,结果表明新方法比NSGA-II和SPEA2更有效。     

基于蚁群寻路的图像分割算法

文章主要是对蚁群算法做了一定的改进,将它用于图像分割,然后将分割出来的图像的边界利用腐蚀算法进行细化以达到更好的分割效果。分割算法可以看作一个组合优化问题,人工蚁群算法就是一种优化方法。因此,将人工蚁群算法引入到图像分割处理中完全可行。经过实验证明,该方法是完全可行的。     

基于蚁群算法求解TSP

蚁群算法是通过模拟蚂蚁觅食而发展出的一种新的启发式算法,被广泛地用于解决组合优化问题,它是新兴的仿生进化算法,具有并行计算、正反馈等特点,具有较强的发现问题的能力,在许多领域得到应用。文章应用蚁群算法求解TSP问题,分析了蚁群算法的原理、特征、参数及求解TSP问题的具体实现步骤。     

基于蚁群算法的卫星网动态路由算法

卫星网络路由应当具有使用较小的通信开销和处理能力计算出最优路径,并能够适应卫星网络拓扑结构动态变化等特点,这与蚁群算法的特征相匹配,能很好地解决这一问题。以此为背景,提出了一种新型的基于蚁群算法的卫星网动态路由算法(DRAS-ACA),并在NS2网络仿真平台上实现了该路由算法,使用gnuplot分析了仿真结果。     

基于模式求解旅行商问题的蚁群算法

群体智能已经被广泛应用于分布式控制、调度、优化等领域.其中蚁群算法已经成为该领域的一个研究热点.在蚁群算法的基础上针对旅行商问题(TSP),首先提出了小窗口蚁群算法,提高初始解的质量,然后与基于模式的蚁群算法相结合,通过提取模式,改变计算粒度,缩短计算时间,提高计算精度.实验结果表明该算法有较好的效果.     

基于蚁群算法的物流配送算法

蚁群算法是一种新型智能仿生类算法.以近年来国内外学者提出的蚁群算法思想为基础,结合实际应用,对和生活紧密相关的物流配送系统进行了研究,提出了基于蚁群算法的配送算法,从而快速实现了企业物流配送业务,减少了企业的物流成本.     

基于改进蚁群算法的物流车辆调度问题研究

传统蚁群算法在求解中容易出现搜索时间长、收敛过早或停滞现象,为克服这些缺点,通过对蚁群算法进行选择策略、信息素更新等方面的改进,以加快算法的收敛速度,提高算法的搜索能力。再将改进后的蚁群算法引入物流运输车辆调度、综合车辆调度理论,对物流运输车辆的优化调度进行了探讨,对有时间窗车辆调度问题(VSPTW)探求新的求解方法,运用Matlab语言进行编程实现,应用实例对算法进行验证。实践证明,改进后的蚁群算法基本上克服了一般蚁群算法自身的不足,提高了算法的性能。     

一种基于CVRP的改进蚁群算法

针对有容量约束的车辆路径优化问题（Capacity Vehicle Routing Problem,CVRP）的特点,提出了一种改进的蚁群算法。算法中,首先让蚂蚁找到需求量满足要求的客户点集,再在选定的客户集中以选择概率选择客户点,改变了基本蚁群算法的信息素更新规则,限定了路线上信息素的浓度,调整了蚂蚁的选择概率,动态改变了算法主要参数等,从而优化了其搜索解的能力和收敛速度,实例仿真证明了改进的蚁群算法对小规模CVRP的解决是有效的。