简介:建立随机风作用下高速列车动力学参数的可靠性优化设计方法.首先考虑自然风的脉动特性,采用Cooper理论和谐波叠加法模拟随车移动点的脉动风速,给出随机风作用下高速列车非定常气动载荷的计算方法.然后建立高速列车车辆系统动力学模型,计算高速列车的运行安全性,并基于可靠性理论,给出随机风作用下高速列车失效概率的计算方法.在此基础上,以高速列车动力学参数为优化设计变量,以失效概率和轮轴横向力为优化目标,采用多目标遗传算法NSGA—II进行动力学参数的自动寻优,建立随机风作用下高速列车动力学参数的可靠性优化设计模型.经可靠性优化计算,高速列车的失效概率由原始的0.4884降低为0.1406,轮轴横向力由原始的45.13kN降低为43.01kN.通过优化高速列车动力学参数可以显著改善随机风作用下高速列车的运行安全性.
简介:利用参数互异的Fitzhugh—Nagumo神经元构建了含耦合时滞的无标度神经元网络模型,通过数值模拟的方法,提出研究参数异质性和耦合时滞影响下神经元网络的共振动力学.结果发现,当耦合项中不含时滞时,适中的参数异质性能够使得神经元网络对外界弱周期信号的响应达到最优,即适中的参数异质性能够诱导神经元网络的共振响应,而且异质性诱导共振对耦合强度具有鲁棒性.更重要的是,耦合时滞对参数异质性作用下神经元网络的共振特性也有着显著性影响.当时滞约为信号周期的整数倍时,神经元网络能够周期性地出现共振现象,即适当的耦合时滞能够诱导神经元网络的多重共振,而且这种现象在异质性参数的适当范围内都能明显出现.