基于大数据深度学习的输电塔结构抗风易损性评估

为了有效预测输电网系统在强风作用下的响应，并开展高效精准的性能评估，文章提出了基于深度学习模型的风致易损性评估框架。以某具备健康监测系统的输电塔结构为例，首先对监测数据进行清洗和重构，通过大数据深度学习建立荷载输入和响应输出的等效映射模型，然后通过数值模拟生成灾害强度均匀的风场数据并由深度学习模型预测输电塔关键杆件响应，计算不同性能水准的易损性曲线。研究结果表明，经训练的深度学习模型可以涵盖实际工程中存在的各类不确定性因素，有效映射复杂风环境下输电塔结构的动力响应。提出的框架方法可以避免单纯通过数值模型制备大量动态响应数据，更高效地进行输电网系统风致易损性评估。     

海滨区冲填土层特大型储罐基础工程选型研究

江苏LNG储罐,位于盐城黄海海滨。废黄河及古淮河冲填土地质构造,沉积层厚达230 m以上,属中等软土。土质主要为回填土、粉土、粉质粘土、粉砂。特大型储罐荷载大,冲填土层如何满足抗压、抗拔、抗水平位移的技术规范要求,极具挑战性。桩基施工过程中,相互干扰,有孔壁坍塌、缩颈、泥皮、沉渣难清等可能。尤其考虑到对水平位移的敏感,设计上不宜选用高架承台结构,而应该从多种桩基类型方案里挑选优化。文章对于软土地基条件下,大型储罐基础工程的设计选型,进行了总结分析。对软土地基条件下大体积储存设施的设计和施工,具有针对性的借鉴作用。     

低碳时变城配送车辆路径-发车调度集成优化

针对交通拥挤环境下日益增长的城市配送需求，通过分析时序依赖对成本和碳排放的影响，引入车辆在节点等待和离散调度策略，研究基于时序依赖的低碳城市配送车辆路径与离散调度问题。为求解该问题，设计基于遗传算法与局部搜索相结合的混合进化搜索算法对模型求解，用积极的局部搜索机制替代随机的变异操作，并通过可行解构造算法、变概率交叉和多种局部搜索策略来提高算法求解质量和求解效率。通过对比仿真实验对算法和模型的有效性进行了验证。     

对地铁车辆网络的诊断分析与控制系统论述

当前地铁中的车辆网络系统是非常关键的,随着国家越来越重视地铁列车的研究工作,地铁车辆网络控制以及诊断系统也得到了逐渐的完善和健全。因此,当前需要对地铁车辆诊断系统进行不断地探究,能够将其中的问题能够及时发现,并且妥善解决,这样才可以保证从根本上提高地铁车辆的运行效率。本文主要结合地铁车辆运行的实际状况,进一步研究地铁车辆网络控制以及诊断系统。