考虑张裂缝的地震边坡屈服加速度计算方法研究

传统边坡地震稳定性分析方法鲜有考虑土体拉裂破坏引起的张裂缝。基于极限平衡-拟静力法建立了水平地震力和竖向地震力作用下的力与力矩平衡方程,运用变分理论获得其临界破坏面及其对应的正应力分布,考虑土体没有抗拉强度建立考虑张裂缝的地震边坡屈服加速度的闭合解答。张裂缝的出现会显著降低地震边坡的稳定性,对于垂直边坡将达到50%。当边坡坡度较大时,竖向地震力向下作用获得的屈服加速度更小,当边坡坡度较小时,竖向地震力向上作用获得的屈服加速度更小。     

相依随机序列滑动平均的若干极限定理

基于服从指数分布的独立随机变量序列,构造带参数的滑动似然比,给出任意随机序列的用不等式表示的强极限定理,即小偏差定理。所得结果推广了已有结论。     

边坡稳定Bishop法的实施新方法

Bishop条分法是边坡稳定分析的常用方法，传统Bishop简化法以圆弧滑动面作为前提。基于力平衡推导出适合非圆弧滑动面的安全系数计算方法，给出考题验证，在直线滑动面情况下，给出力学对比分析。     

边坡稳定Bishop法的实施新方法

Bishop条分法是边坡稳定分析的常用方法,传统Bishop简化法以圆弧滑动面作为前提.基于力平衡推导出适合非圆弧滑动面的安全系数计算方法,给出考题验证,在直线滑动面情况下,给出力学对比分析.     

蚁群算法在非圆弧滑动面边坡稳定分析中的应用

利用蚁群算法能够对多变量的、复杂的、非线性的问题进行优化,并能在全局范围内进行优化搜索的特点,将其应用于非均质或复杂边坡稳定分析中,对非圆弧滑裂面进行搜索,并利用斯宾塞法计算出其对应的安全系数。计算表明,蚁群算法能够成功地搜索到全局最优解,得到临界滑动面及其对应的最小安全系数,运用蚁群算法解决复杂边坡稳定分析问题是可行和适宜的。     

水平与竖向加速度-时程曲线叠加效应下边坡永久位移计算的极限上限分析

实际边坡动力稳定性受地震竖向与水平方向效应共同作用,传统边坡地震永久位移计算方法较少考虑竖向地震波影响,采用实际地震的竖向与水平方向加速度-时程曲线共同效应更符合工程实际。基于极限分析上限法和Newmark刚塑性滑块模型,提出一种基于实际水平向与竖向地震加速度-时程曲线的边坡永久位移计算改进方法,以3个工程边坡为例,探讨了两组具有代表性实测典型水平和竖向地震地面运动记录对边坡地震永久位移计算的影响。研究结果表明:不考虑竖向地震加速度时程曲线时,本文方法可蜕化为与前人方法兼容;不同地震波的竖向与水平地震动时程曲线的叠加效应不同,竖向地震对边坡永久位移的影响不可忽略。     

滑面正应力假设的边坡安全系数计算方法的适用性探讨

对滑面正应力假设的安全系数计算方法中滑面初始应力的假定方法进行了探讨,利用随机变量模拟了不同的滑面正应力初始值分布,通过对典型算例的计算分析发现,该方法适用于圆弧滑动面的安全系数计算,其结果与其他极限平衡方法相差不大,对非圆弧滑动面,尤其是相邻条块存在较大转折的非圆弧滑动面而言,该法存在较大误差．     

伪蒙特卡罗法及其在边坡可靠度分析中的应用

在确定具有最小可靠度指标的滑动面（即临界可靠度滑动面）时,由于常规的蒙特卡罗法抽样耗时巨大,临界可靠度滑动面的获得较为耗时。对于均质边坡,利用简化Bishop法构建了可靠度分析的功能函数,设计了6种随机变量的标准差组合,假定了随机变量的4种抽样范围,利用抽样次数较小的蒙特卡罗法即伪蒙特卡罗法对随机生成的132组可行滑动面进行了伪可靠度指标的计算并与蒙特卡罗法计算得到的可靠度指标进行了比较分析,研究发现：只有一个随机变量的前提下,滑动面的伪可靠度指标与蒙特卡罗法计算的可靠度指标呈完全线性关系,在其它条件相同的情况下,伪蒙特卡罗法抽样范围越大,伪可靠度指标与蒙特卡罗法计算的可靠度指标之间的拟合直线斜率越小,反之亦然;伪蒙特卡罗法抽样次数越大,伪可靠度指标与蒙特卡罗法计算的可靠度指标之间的拟合直线斜率越大,反之亦然。对均质边坡,可应用伪蒙特卡罗法快速计算其临界可靠度指标。     

基于数值应力场的加固边坡临界滑动场

传统的极限平衡法广泛用于边坡稳定性,计算出的边坡安全系数在工程界普遍接受。但边坡加固后的受力较为复杂,由于极限平衡法假设条件较多,加上计算加固边坡安全系数的合理性受到质疑,所以较多地采用数值分析方法,但数值分析法不易获取工程意义上的安全系数。为此,利用数值分析法计算加固边坡应力分布,再利用临界滑动场理论搜索基于数值应力的临界滑面和计算最小安全系数。通过两种常用边坡加固方式（锚杆框格梁加固和抗滑桩加固）的分析,说明本方法在加固边坡分析中的优势和适用性。     

实用累计平均数字半调算法

在基于累计平均和视觉计算的数字半调算法的基础上，提出了累计平均的互补算法，并以实验结果为依据在算法中加入了动态阀值和随机筛动的修改，实现了一种实用数字半调算法．     

基于蚁群算法的产品虚拟设计方法

为了更有效地解决产品优化问题,建立了基于相关矩阵的多目标产品优化虚拟设计模型,提出了一种基于蚁群算法的产品虚拟设计方法,并在C++环境下进行了仿真实验.实验结果证明,该方法有效地解决了产品虚拟设计中的优化求解问题,实验结果准确可靠.     

基于蚁群算法的硬币识别研究

蚁群算法具有离散性、并行性、正反馈性和鲁棒性,是目前较为先进的优化算法.利用蚁群算法的聚类能力,提出一种硬币识别新方法.根据硬币图像的特点,确定了6个有效的图像纹理特征函数,通过对硬币图像的特征函数值进行蚁群聚类,可有效实现各类硬币图像的识别.实验结果表明,该算法用于硬币识别可达到100%的识别率,并且识别时间较短,是一种有效的硬币识别方法.     

基于蚁群算法的遥感图像聚类方法

聚类分析是遥感图像非监督分类的有效方法,蚁群算法具有离散性和并行性的特点,蚂蚁觅食行为、蚂蚁堆积尸体行为和基于蚂蚁自我聚集行为的聚类算法是目前研究较为广泛的3种基于蚂蚁的仿生聚类算法.为验证上述3种算法的有效性,在对这3种聚类算法进行研究的基础上,针对遥感图像进行了聚类实验.实验结果表明,基于蚂蚁的聚类方法对图像的聚类分析是有效的,较传统的k均值和模糊C均值算法有一定优越性.     

基于蚁群算法的行为识别特征优选方法

为了降低特征冗余,提高移动用户行为识别的准确率,提出一种基于蚁群算法的移动用户行为识别加速度信号特征优选方法。首先对样本数据进行预处理,根据特征对不同行为的分类敏感度进行初次优选,降低特征搜索空间的维度;然后利用蚁群算法结合神经网络分类器,以特征的分类准确度为评价准则对特征集合进行了二次优选。实验结果表明,该方法优选出的特征集具有较好的识别性能。     

基于蚁群算法的改进装配序列规划方法

机械产品的装配序列直接影响到产品质量和成本,装配序列规划是产品设计的重要内容.为快速实现产品装配序列规划,根据零部件间的装配优先关系,提出了一种改进的装配序列规划方法,并基于蚁群算法予以实现.该方法充分考虑装配过程中的几何约束关系,并引入稳定性、装配经验等因素的影响,以稳定性、装配经验、装配工具和方向的改变次数为影响因子构建优化目标评价体系,使所得解更具有实际指导意义.在求解过程中,根据几何约束关系运用动态候选集合策略限制蚁群的搜索空间,提高了搜索效率;考虑稳定性因素的影响改进了蚁群的状态转移规则,同时引入局部-全局信息素更新规则,保证了蚁群获得最优或近优解.最后,通过实例研究验证了算法的可行性和高效性.     

基于连续高阶模滑的多机电力系统励磁控制

为了提高多机电力系统暂态稳定性,提出一种连续高阶滑模励磁控制策略。各发电机功角偏差为滑模变量,把具有非线性和不确定性多机电力系统的高阶滑模控制转化为不确定积分链系统的有限时间稳定问题,控制器结合几何齐次连续控制律和二阶滑模超螺旋算法,实现系统状态有限时间收敛,克服系统未建模动态、测量误差和外部扰动等不确定性,利用精确鲁棒微分器观测功角微分,理论分析证明了闭环系统的有限时间稳定。所设计高阶滑模励磁控制器能够保持机端电压稳定,并能有效提高电力系统的暂态稳定性。针对3机系统的仿真结果验证了该控制方法的有效性。     

一种混沌蚁群算法的多峰函数优化方法

为了快速、准确地获得多峰函数的全局峰值以及局部峰值,在给出Henon混沌映射技术的基础上,提出了一种混沌蚁群算法的多峰函数优化方法.该方法将复杂函数的数值解所构成的数字字符转化为蚁群搜索路径上的城市分布网,并构建同函数变量个数相同的蚁群进行全局搜索求解,采用混沌映射技术自适应更新蚁群优化路径上的信息素量.采用低维及高维Benchmark测试函数验证该优化方法的求解性能,并同引力搜索算法以及其他文献方法作求解对比.通过对比可知,该方法在低维多峰函数优化时,其搜索效率均2倍高于其他文献方法.对于维数高于5维的高维函数,该方法的优化效率同其他文献方法基本相同,但在获得全局解及局部解的能力以及所求解的精度均远高于其他文献方法.     

基于蚁群算法的知识约简

Rough集理论中知识约简是个NP-hard问题,目前已提出较多的求解方法,但是每种方法由于其自身的局限性,只适用于一定条件下的求解．蚁群算法是较新的仿生优化算法,在解决各类组合优化问题中都取得了很好的效果．其显著优点是受问题规模的影响不大,对大规模问题的求解仍能发挥较优的性能．受蚁群算法该特性的启发,提出基于蚁群算法的知识约简方法．文中具体描述了将条件集的组合方式用一图结构来表示、构建目标评价函数、算法参数的设定以及算法的具体实施步骤等．最后通过于相关文献的比较实验,验证了该方法的有效性．     

基于蚁群和支持向量机的microRNA预测方法

由于microRNA在生物体系统中起着重要的调控功能,对microRNA进行快速有效的预测很有必要.本文通过使用蚁群算法和支持向量机相结合的思想,结合microRNA的前体pre-miRNA序列特征和结构特征,构造了一种microRNA的预测方法.通过采集Sanger和UCSE数据库中的人类阳性和部分阴性数据集进行学习和测试,同时使用J48和BP神经网络两种机器学习方法进行对比,实验结果显示,使用蚁群算法和支持向量机的方法预测pre-miRNA的识别率达97.471％,与另外两种方法相对比,识别率分别提高了8.736％和10.575％,预测的准确性有显著提高.