薄壁变径构件黏性介质内压成形方法及应用研究

提出黏性介质内压成形选择构件最小尺寸作为成形用筒坯直径,并在筒坯内侧注入加载黏性介质,使之成为在黏性介质较高成形压力和较大黏性附着力共同作用下可均匀变形的一种成形新方法。给出了黏性介质内压成形原理,并通过有限元和试验方法讨论了黏性介质内压成形变形特点及在复杂薄壁变径构件中的应用情况。     

双种群进化模型的电力负荷预测

传统灰色预测模型GM（1,1）在预测增长较快的电力负荷时效果会变差。针对这一缺陷,提出了一种改进的双种群ESOGM模型,将进化策略对参数优化处理的优点与GM（1,1）模型相结合,利用进化策略算法优化模型中的参数。电力负荷预测实例表明该模型具有较高的预测精度和较广的应用范围。     

基于膜计算的一种新型求解非线性方程组的优化算法

非线性方程组的数值求解问题是一个很重要的课题。大多数的求解算法,例如梯度下降法和牛顿法,其收敛性和性能特征在很大程度上依赖于初始点。对于很多非线性方程组,选择好的初始点是一件非常困难的事情。针对以上这些问题提出一种基于膜计算优化算法,算法首先对搜索的空间分割,每个子空间作为一基本膜,在其中的区域中应用进化策略,并且对于每个膜区域把最好的解传给最外层膜。最外层膜区域采用全局搜索策略粒子群算法寻找最优解。仿真实验结果表明该算法比其他算法收敛速度快、精度高。     

基于进化策略的广义积分计算方法研究

提出了一种基于进化策略算法的广义积分计算新方法,该方法根据被积函数的变量区间任意选取分割点,作为进化策略的初始的群体,通过进化策略算法来优化这些分割点,最终可得到一些最优的分割点,然后再求和,再根据和函数定义适应度函数,在给定的终止条件下,可获的精度较高的积分值.最后,以广义积分(无穷积分),二重广义积分(瑕积分)为例,仿真结果表明,该算法相比传统的一些方法,具有计算精度高,自适应性强等特点.     

孔周煤岩体渐进性破坏过程裂隙和应变能演化特征北大核心

为探究瓦斯抽采钻孔孔周煤岩体渐进性破坏过程中裂隙和应变能演化特征,设计了完整试样和含孔试样,开展渐进性破坏试验;通过VIC-3D观测系统,获取试样表面变形情况,计算并分析试样表面裂隙动态演化过程,裂隙分布情况及应变能演化特征。研究结果表明:含孔试样抗压强度较低,且钻孔孔周产生较多裂隙,孔上下两侧变形严重,表明在实际钻孔施工过程中,煤岩体抗压强度会大幅下降,钻孔周围产生较多裂隙,从而造成钻孔破坏,甚至塌孔;渐进性破坏过程中,孔周煤岩体表面裂隙发生动态演化,其动态演化过程与加载应力呈对应关系,同时通过对比裂隙张开量和错动量演化特征,判定试样破坏的主要裂隙类型为张开、错动混合型裂隙;在渐进性破坏过程中,孔周煤岩体表面裂隙演化过程与局部化区域变形能密度累积保持对应关系,不同局部化区域的应变能密度演化特征不同,体现出孔周煤岩体在渐进性破坏过程中存在内部能量调整。     

大数据技术与人工智能在城市地下综合管廊中应用：回溯、挑战及展望

地上的国土面积很有限，向广袤土地拓展开发利用更多的城市地下空间势在必行，综合管廊能够将多种看不见的城市基础管线、能源设施和智能装备集中安设于一个无障碍地下通道。由于管廊建设项目“全过程”的规建管活动堆积了海量的系统的观测数据，随着21世纪计算机科学技术的进步，大数据和人工智能AI等前沿科技陆续被运用到管廊工程信息化业务发展中。简介大数据及AI基础，展示管廊领域涉及的大数据核心关键技术，深度解析了AI科学与工程大数据相结合的管廊监测、管廊结构安全(耐久)性实时预测与预警实施的技术难点及发展前景，并阐述了借助区块链大数据技术构建管廊综合管理智慧平台的缘由。以“综合管廊”“大数据”“AI”“监测”“神经网络”“运维管理”“预测”“智慧建设”等及其组合为检索关键词，通过调研近五六年来已刊出文献，对管廊工程中大数据智能技术现有的应用研究作了总结与评述。分析认为：从业者不仅应注重面向廊内收容物巡检、人员状态捕捉或相关环境监测的数智化技术创新与应用，更要基于全寿命安全管控理念将目光延拓至结构本体输出量(如变形、加速度、内力、温度)的多步向前预测和智能控制上，建立跨界融合研究和个性化学习的机制，力争管...     

多项式函数的泛函网络构造与逼近算法

关于多项式函数算法优化问题,人工神经网络是解决函数逼近问题的一个重要方法.但由于传统的学习型神经网络存在缺陷,如对初始权重非常敏感,极易收敛于局部极小;收敛缓慢甚至不能收敛;过拟合与过训练;网络隐含节点数不确定等.针对上述问题,提出了一种多项式函数的三层泛函网络与逼近算法,并给出了中间隐层计算单元个数是如何确定.提出的算法能以任意精度逼近多项式函数,同时具有较快收敛速度和良好性能,克服了人工神经网络的不足.最后,给出了两个数值算例进一步验证算法的正确性.     

混合快速细菌觅食算法求解非线性方程

对于非线性方程组的求解,传统方法有很多,如牛顿法、梯度下降法等,但这些算法存在要求方程组连续可微、初值的选取是否合适等缺点,根据以上缺点将求解的问题转化为优化的问题,提出了新的交叉优化算法,充分利用细菌觅食算法局部搜索能力和粒子群算法的全局搜索能力,充分发挥了这两个算法各自优点。数值实验表明,新的算法可以弥补粒子群算法局部搜索能力弱和细菌觅食算法的全局搜索能力的不足,是求解非线性方程的有效方法。     

进化策略在极大似然法参数估计中的应用

采用极大似然法进行参数估计,是为了避免传统优化算法的缺点。本文采用进化策略算法与极大似然参数估计法相结合使参数估计变量不再受初始值影响,从而可获得全局更优的解。最后,以威布尔三参数分布为例进行参数估计。结果表明,该方法有求解精度高和收敛速度快的优点,从而使进化策略算法能更好地应用于数理统计中。