粒子群算法地鐵隧道支護(hù)荷載反演分析

地鐵隧道豎向土壓力荷載的計(jì)算研究

以某市地鐵區(qū)間隧道為研究對(duì)象,使用flac3d軟件模擬分析了橋梁基礎(chǔ)下淺埋暗挖法施工過(guò)程中,地鐵隧道周邊土體的變形和襯砌應(yīng)力分布情況;同時(shí)建立了隧道拱頂沉降值的時(shí)間序列模型,并預(yù)測(cè)了拱頂沉降的變化趨勢(shì)。結(jié)果表明:由于上部橋梁基礎(chǔ)偏壓和土體強(qiáng)度較低的影響,在開挖完成后隧道的右側(cè)地層出現(xiàn)了較大的變形;同時(shí)在隧道初次襯砌兩側(cè)邊墻的中部也出現(xiàn)了較大的應(yīng)力值,對(duì)于這些隧道部位可采用錨桿注漿加固或采用鋼支撐進(jìn)行加強(qiáng)支護(hù),以確保施工過(guò)程安全可靠;另一方面,基于arma模型的時(shí)間序列分析法可以較好地模擬隧道結(jié)構(gòu)的復(fù)雜變形,為科學(xué)分析隧道變形特點(diǎn)和較準(zhǔn)確地預(yù)測(cè)變形進(jìn)行了有益的探索。

文章以ⅵ級(jí)圍巖地鐵隧道鉆爆法施工為背景工程,采用有限元?jiǎng)恿Ψ治龇椒ㄑ芯苛吮茖?duì)于隧道圍巖的影響。使用ansys/ls-dyna的完全重啟動(dòng)方法,利用軟件中的高能炸藥材料模型,分段對(duì)隧道爆破進(jìn)行有限元模型計(jì)算,實(shí)現(xiàn)了隧道毫秒延期起爆的模擬計(jì)算。通過(guò)修正高能炸藥材料模型狀態(tài)方程中的a,b和e_0值,實(shí)現(xiàn)了在平面應(yīng)變計(jì)算模式下對(duì)不同炮孔藥量的區(qū)分。在完全重啟動(dòng)的過(guò)程中,采用帶有失效模式的雙線性彈塑性模型來(lái)描述巖石性質(zhì),通過(guò)調(diào)整巖石刪蝕應(yīng)變系數(shù)fs,并配合手動(dòng)刪除單元來(lái)區(qū)分不同炮孔臨空面條件的改變。結(jié)果表明:(1)掏槽孔爆破所傳遞給圍巖的能量最大,其對(duì)圍巖的影響最大；(2)周邊孔對(duì)拱周圍巖的影響最大,造成拱周圍巖部分進(jìn)入塑性狀態(tài),但圍巖應(yīng)力隨距離衰減很快,塑性區(qū)并未向深處發(fā)展；(3)爆炸能量的主要傳播方向?yàn)閹r石拋擲方向的反方向,爆破荷載在隧道輪廓上的分布并不均勻,以往將爆破荷載等效為均布荷載的算法有不合理之處；(4)單位炸藥能量傳遞給圍巖的比例受臨空面條件影響,臨空面條件越好,傳遞給圍巖的能量比例越低,對(duì)于圍巖影響越??；(5)該爆破模擬方法相對(duì)于爆破荷載等效法能更真實(shí)反映爆破荷載傳遞情況,并且占用資源少,計(jì)算速度快,具有一定的實(shí)用性。

盾構(gòu)掘進(jìn)優(yōu)化能夠提高施工的穩(wěn)定性,確保施工效率和施工質(zhì)量,因此,將改進(jìn)粒子群算法應(yīng)用于盾構(gòu)掘進(jìn)施工優(yōu)化中.文章分析了盾構(gòu)掘進(jìn)施工參數(shù)對(duì)施工質(zhì)量的影響,并設(shè)計(jì)了施工優(yōu)化的數(shù)學(xué)模型;研究了改進(jìn)粒子群算法,提出了慣性權(quán)重的調(diào)節(jié)算法和設(shè)計(jì)盾構(gòu)掘進(jìn)施工優(yōu)化的算法流程;最后進(jìn)行了盾構(gòu)掘進(jìn)施工優(yōu)化的仿真分析.結(jié)果表明:該算法能夠有效地控制盾構(gòu)掘進(jìn)施工的沉降量,從而確保了盾構(gòu)掘進(jìn)施工質(zhì)量.

以自動(dòng)門的控制系統(tǒng)中的主要的受控對(duì)象無(wú)刷直流電動(dòng)機(jī)為研究對(duì)象,對(duì)其速度控制進(jìn)行了深入的研究。首先對(duì)無(wú)刷直流電動(dòng)機(jī)的參數(shù)和結(jié)構(gòu)進(jìn)行分析,建立起數(shù)學(xué)模型,然后將粒子群群算法與pid控制相結(jié)合,應(yīng)用于電機(jī)的速度控制,使得自動(dòng)門的開門關(guān)門速度和時(shí)間可以快速地響應(yīng)外部要求,達(dá)到控制要求。

針對(duì)項(xiàng)目工程pert網(wǎng)絡(luò)計(jì)劃的費(fèi)用-優(yōu)化問(wèn)題,本文提出了一種改進(jìn)的粒子群算法。該算法引入了可行性優(yōu)先的約束處理技術(shù),不需要罰因子,對(duì)問(wèn)題依賴小。仿真實(shí)驗(yàn)表明了該算法的可行性和有效性。

提出了一種基于進(jìn)化機(jī)制的ebg(electromagneticbandgap)結(jié)構(gòu)優(yōu)化設(shè)計(jì)方法,該方法結(jié)合改進(jìn)的簡(jiǎn)化粒子群算法ispso(improvedsimpleparticleswarmoptimization)和電磁仿真軟件ie3d,實(shí)現(xiàn)ebg結(jié)構(gòu)自動(dòng)優(yōu)化設(shè)計(jì),使其達(dá)到設(shè)計(jì)指標(biāo)。算法實(shí)現(xiàn)過(guò)程中,ebg結(jié)構(gòu)的幾何參數(shù)通過(guò)外部改進(jìn)的粒子群優(yōu)化算法來(lái)優(yōu)化設(shè)計(jì),結(jié)構(gòu)特性的仿真通過(guò)電磁仿真軟件ie3d來(lái)完成的。利用ispso/ie3d方法優(yōu)化設(shè)計(jì)了一個(gè)ebg結(jié)構(gòu),仿真試驗(yàn)表明該ebg結(jié)構(gòu)性能優(yōu)異,進(jìn)而也驗(yàn)證了ispso/ie3d自動(dòng)設(shè)計(jì)方法對(duì)ebg結(jié)構(gòu)設(shè)計(jì)的有效性。最后將該ebg結(jié)構(gòu)用于微帶天線設(shè)計(jì)中,提高了天線的性能。

為了克服常規(guī)粒子群算法(pso)應(yīng)用于巖土工程彈塑性反演時(shí)搜索效率較低、計(jì)算工作量大的缺點(diǎn),通過(guò)對(duì)算法中適應(yīng)值比較方式和粒子運(yùn)動(dòng)模式的深入分析,指出了其中存在的制約搜索效率的內(nèi)在因素,并提出相應(yīng)修改策略,在此基礎(chǔ)上形成一種新的改進(jìn)粒子群算法(ipso);將新算法用于巖土材料彈塑性參數(shù)反演,結(jié)果表明,與常規(guī)粒子群算法相比,改進(jìn)算法明顯提高了參數(shù)的搜索效率,利用較少的迭代次數(shù)就能得到滿足精度要求的結(jié)果,從而減小了巖土工程彈塑性反分析的計(jì)算量,是一種可行的參數(shù)反演方法.

通過(guò)電梯群控粒子群算法和技術(shù)工程分析．給出了算法原理、最優(yōu)調(diào)度轎廂以響應(yīng)層站呼叫的流程．得到基礎(chǔ)參數(shù)的取法。結(jié)論電梯運(yùn)行模式是決定電梯群控設(shè)計(jì)和最優(yōu)調(diào)度的主要因素；在電梯群控諸多智能算法的評(píng)價(jià)函數(shù)中，主要由最短候梯時(shí)間決定最優(yōu)調(diào)度轎廂?；诹Ｗ尤核惴ǖ碾娞萑嚎卦O(shè)計(jì)與量化分析例說(shuō)明了上述結(jié)論。

基于可靠度指標(biāo)的幾何含義,分析了粒子群算法的原理、模型和算法實(shí)現(xiàn)過(guò)程。通過(guò)算例用matlab語(yǔ)言編程進(jìn)行計(jì)算,并與一次二階矩法和蒙特卡羅法得出的結(jié)果進(jìn)行了比較,證明了粒子群算法在化工設(shè)備可靠性分析中的有效性和可行性。

根據(jù)《蘭州軌道交通1號(hào)線一期工程地震安全性評(píng)價(jià)報(bào)告》所給出的100年超越概率63%、10%和2%的場(chǎng)地基巖地震加速度時(shí)程,利用有限差分軟件進(jìn)行地下隧道硐室的地震反應(yīng)分析。在模型底部施加基巖地震動(dòng),設(shè)置監(jiān)測(cè)點(diǎn)監(jiān)測(cè)襯砌結(jié)構(gòu)的彎矩、軸力及剪力隨時(shí)間的變化過(guò)程,得到100年超越概率63%、10%及2%工況下的隧道結(jié)構(gòu)地震響應(yīng)。結(jié)果表明:隧道襯砌結(jié)構(gòu)最大彎矩位于拱頂處,最大軸力位于拱頂和拱底處,最大剪力位于上側(cè)壁或下側(cè)壁處;隧道結(jié)構(gòu)內(nèi)力隨著超越概率的降低而增大;以超越概率63%的結(jié)構(gòu)最大內(nèi)力為基準(zhǔn)值,在超越概率10%和2%時(shí),彎矩分別增大1.2和1.7倍,軸力分別增大1.3和1.5倍,剪力分別增大1.5和2.9倍,增幅最大。這可能預(yù)示著隧道結(jié)構(gòu)在強(qiáng)地震動(dòng)作用下會(huì)發(fā)生剪切破壞。

為優(yōu)化電力市場(chǎng)競(jìng)價(jià),以發(fā)電機(jī)組實(shí)際報(bào)價(jià)結(jié)算購(gòu)電費(fèi)用最低為目標(biāo)函數(shù),提出了基于粒子群算法的電力市場(chǎng)競(jìng)價(jià)方法。算例仿真計(jì)算的結(jié)果表明,在滿足電力系統(tǒng)多種約束的前提下,能取得較好的收斂結(jié)果,進(jìn)一步驗(yàn)證算法的正確性和有效性。

以某地鐵路段為依托,選取列車速度、路基剛度、土層泊松比等因素進(jìn)行分析,從一個(gè)新的角度研究列車荷載作用下地鐵隧道對(duì)既有鐵路橋的影響。研究結(jié)果表明,不同列車速度對(duì)地鐵隧道的擾動(dòng)范圍及大小不同,列車時(shí)速越高,其對(duì)土體擾動(dòng)范圍越廣,產(chǎn)生沉降越大；隨著路基下部地基剛度的增加,路基地表沉降呈減小趨勢(shì),且其影響深度也減小,這使得對(duì)下部地鐵隧道的影響也較小；在同一泊松比的情況下,應(yīng)力在x、y、z方向的影響都比較大,且衰減幅度較快,隨著泊松比的增大,水平應(yīng)力隨之增大,豎向應(yīng)力幅值則有所減小,這與一般規(guī)律相符合。

提出了一種改進(jìn)混沌粒子群算法,將拋物線與混沌序列相融合產(chǎn)生慣性權(quán)重,并引入遺傳算法中的交叉思想,增加種群中粒子的多樣性.建立了考慮汽輪機(jī)閥點(diǎn)效應(yīng)的火電廠經(jīng)濟(jì)負(fù)荷分配模型,并采用等概率負(fù)荷調(diào)整約束處理方法處理經(jīng)濟(jì)負(fù)荷分配中的約束條件,以40臺(tái)機(jī)組經(jīng)濟(jì)負(fù)荷分配為例進(jìn)行仿真計(jì)算.結(jié)果表明:與傳統(tǒng)混沌粒子群算法相比,改進(jìn)混沌粒子群算法優(yōu)化后的煤耗成本最佳值約降低0.78%;通過(guò)與其他智能優(yōu)化算法的對(duì)比,驗(yàn)證了所提出的改進(jìn)算法具有更好的優(yōu)化效果和魯棒性.

通過(guò)研究粒子群(pso)優(yōu)化算法的基本原理,分析了該算法中各個(gè)參數(shù)的不同取值對(duì)算法搜索能力和收斂速度的影響,并將pso優(yōu)化算法應(yīng)用于電廠機(jī)組負(fù)荷優(yōu)化分配問(wèn)題的研究。通過(guò)在3臺(tái)機(jī)組系統(tǒng)的應(yīng)用,驗(yàn)證表明較之遺傳算法等傳統(tǒng)優(yōu)化算法,pso優(yōu)化算法在優(yōu)化結(jié)果、搜索區(qū)間控制以及收斂速度等方面具有較好的特性,能更好地達(dá)到或接近全局最優(yōu)解。

負(fù)荷優(yōu)化分配是火電廠運(yùn)行優(yōu)化的一個(gè)重要研究領(lǐng)域,在機(jī)組之間合理地優(yōu)化分配負(fù)荷能夠提高整個(gè)火電廠運(yùn)行的經(jīng)濟(jì)性。針對(duì)火電廠實(shí)際的運(yùn)行情況,考慮多個(gè)實(shí)際約束條件,建立了并行火電機(jī)組間連續(xù)多時(shí)段動(dòng)態(tài)負(fù)荷優(yōu)化分配的數(shù)學(xué)模型;提出運(yùn)用新近發(fā)展起來(lái)的智能算法-粒子群算法來(lái)解決動(dòng)態(tài)負(fù)荷優(yōu)化分配問(wèn)題,詳細(xì)介紹和研究了該算法的基本原理以及在負(fù)荷優(yōu)化分配問(wèn)題上的實(shí)現(xiàn)過(guò)程,并針對(duì)原算法的不足,對(duì)算法進(jìn)行了改進(jìn);根據(jù)負(fù)荷分配和算法的特性,對(duì)初始種群的生成方法進(jìn)行了改進(jìn),同時(shí)對(duì)約束條件進(jìn)行了有效處理。仿真實(shí)例表明,該方法收斂性好,收斂速度快,能夠有效地達(dá)到或接近全局最優(yōu),從而為火電廠機(jī)組負(fù)荷優(yōu)化分配的求解提供了新的有效算法。

針對(duì)最小二乘支持向量機(jī)在電力負(fù)荷預(yù)測(cè)應(yīng)用中的參數(shù)優(yōu)化問(wèn)題,將改進(jìn)粒子群算法引入到最小二乘支持向量機(jī)參數(shù)中,建立一種新型的電力負(fù)荷預(yù)測(cè)模型(ipso-lssvm)。首先將最小二乘支持向量機(jī)參數(shù)編碼為粒子初始位置向量;然后通過(guò)粒子個(gè)體之間的信息交流、協(xié)作找到最小二乘支持向量機(jī)的最優(yōu)參數(shù),并針對(duì)標(biāo)準(zhǔn)粒子群算法的不足進(jìn)行相應(yīng)改進(jìn);最后將其應(yīng)用于電力負(fù)荷建模與預(yù)測(cè),并通過(guò)仿真對(duì)比實(shí)驗(yàn)測(cè)試其性能。實(shí)驗(yàn)結(jié)果表明,ipso-lssvm可以獲得較高準(zhǔn)確度的電力負(fù)荷預(yù)測(cè)結(jié)果,大幅度減少了訓(xùn)練時(shí)間,滿足電力負(fù)荷在線預(yù)測(cè)要求。

在無(wú)功優(yōu)化、分布式電源(dg)有功優(yōu)化和網(wǎng)絡(luò)重構(gòu)協(xié)同的條件下,以有功網(wǎng)損最小為目標(biāo)函數(shù)、多種電氣限制和網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)為約束條件建立了配電網(wǎng)綜合運(yùn)行優(yōu)化模型;針對(duì)基本粒子群算法容易陷入局部最優(yōu)、收斂速度慢等缺點(diǎn),提出一種改進(jìn)的粒子群(ipso)算法,并將其用于求解配電網(wǎng)綜合運(yùn)行優(yōu)化模型.結(jié)果表明,所建配電網(wǎng)綜合運(yùn)行優(yōu)化模型能夠同時(shí)優(yōu)化補(bǔ)償電容器投切容量、有載調(diào)壓變壓器變比、dg出力和網(wǎng)絡(luò)開關(guān)狀態(tài),從而獲得配電網(wǎng)的最佳運(yùn)行狀態(tài).同時(shí),通過(guò)ieee33節(jié)點(diǎn)配電網(wǎng)算例的仿真結(jié)果驗(yàn)證了配電網(wǎng)綜合運(yùn)行優(yōu)化模型的有效性和ipso算法的高效性.

利用粒子群算法對(duì)入侵檢測(cè)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行優(yōu)化。仿真結(jié)果表明,與bp神經(jīng)網(wǎng)絡(luò)和ga神經(jīng)網(wǎng)絡(luò)相比較,具有較強(qiáng)的逼近和容錯(cuò)能力、較快的收斂速度和較好的檢測(cè)效果。

針對(duì)粒子群算法易陷入局部最優(yōu)的缺點(diǎn),提出了一種雙適應(yīng)度方法、動(dòng)態(tài)鄰域算子和隨機(jī)動(dòng)態(tài)調(diào)整慣性權(quán)重機(jī)制有機(jī)結(jié)合的混合改進(jìn)策略。算例計(jì)算表明,該改進(jìn)策略能增強(qiáng)粒子的局部收斂能力,加快算法的收斂速度,便于處理復(fù)雜約束條件,為求解具有復(fù)雜約束條件的非線性規(guī)劃問(wèn)題提供了一種簡(jiǎn)單有效的方法。文中探討了梯級(jí)水電站優(yōu)化調(diào)度的相關(guān)問(wèn)題,考慮了豐枯分時(shí)電價(jià)因素,建立了梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度數(shù)學(xué)模型,并應(yīng)用改進(jìn)粒子群算法進(jìn)行求解。實(shí)際梯級(jí)水電站計(jì)算表明,該模型使枯水期大部分時(shí)間出力均勻平穩(wěn),豐水期能兼顧防洪和蓄水的不同要求,有利于電力系統(tǒng)的穩(wěn)定運(yùn)行。改進(jìn)粒子群算法計(jì)算速度快、收斂精度高,為梯級(jí)水電站長(zhǎng)期優(yōu)化調(diào)度提供了一種簡(jiǎn)單實(shí)用的求解方法。

電梯混合能源控制優(yōu)化是對(duì)電梯、太陽(yáng)能、蓄電池、超級(jí)電容等設(shè)備間的能量交換進(jìn)行控制優(yōu)化。根據(jù)電梯系統(tǒng)的特點(diǎn)，在滿足電梯所需能量的前提下，以電網(wǎng)所需的耗電量最小為優(yōu)化指標(biāo)，建立電梯的混合能源優(yōu)化目標(biāo)函數(shù)。其中目標(biāo)優(yōu)化函數(shù)中的變量如0－1等非連續(xù)的開關(guān)變量，其混合能源管理優(yōu)化過(guò)程是非線性變參數(shù)優(yōu)化問(wèn)題，難以用普通的解析方法進(jìn)行計(jì)算。采用混沌粒子群算法的智能求解策略，通過(guò)對(duì)某電梯的仿真，驗(yàn)證了模型和算法的有效性。

經(jīng)典kriging插值算法在當(dāng)區(qū)域化變量的變化呈非正態(tài)分布時(shí),變異函數(shù)會(huì)出現(xiàn)明顯的病態(tài),另外,變異函數(shù)是對(duì)區(qū)域化變量間差值取平方,致使插值結(jié)果容易受區(qū)域化變量異常值的影響。采取對(duì)區(qū)域化變量取自然對(duì)數(shù)的措施,以減弱上述因素的影響,另外在變異函數(shù)模型中,引入粒子群(pso)優(yōu)化算法對(duì)變異函數(shù)模型參數(shù)進(jìn)行尋優(yōu),取得了良好的效果。