基于多岛遗传算法的功率分流式双模混合动力客车参数优化

协调优化混合动力系统设计参数和控制策略参数是提高功率分流式双模混合动力系统综合性能的关键。针对现有多目标遗传算法、粒子群算法以及模拟退火等优化算法实施难度高、求解周期长的问题,以汽车动力性能和电池SOC平衡为约束条件,将油电转换系数引入目标函数,提出一种基于多岛遗传算法(Multi-island genetic algorithm, MIGA)的动力系统设计参数和控制参数集成优化方法。利用Isight仿真平台进行建模仿真,结果表明,在保持车辆动力性、车速跟随以及电池SOC平衡的基础上,相较于优化前,在中国典型城市公交工况下系统等效油耗降低了0.21L/100km,对应节油比例为1.3%。对参数优化后的经济性仿真结果分析发现,优化后发动机向着高负荷区域移动,工作情况得到改善;电机MG1和MG2效率均有不同程度的提高,较好的验证了所提出的参数优化方法的有效性。     

功率分流式混合动力系统参数匹配优化研究

功率分流式混合动力系统部件参数的匹配优化对整车的动力性和燃油经济性具有显著影响。以某款功率分流式混合动力客车为研究对象,采用车辆系统动力学理论和经验公式对动力系统部件参数进行初步匹配,然后针对蜜蜂算法、遗传算法等具有优化周期长、寻优能力较差等特点,提出一种带精英策略的遗传算法和模拟退火算法的组合优化算法,利用组合优化算法对动力系统部件参数进一步优化,在中国城市公交典型工况下,使用Isight、Matlab/Simulink和Cruise软件进行500次联合优化仿真。结果表明:相比于优化前,500次优化后整车综合油耗降低了4.5 L/100 km,节油率达16.6%,同时优化后的发动机和二号电机的工作效率向高效区移动,验证了组合优化算法对动力系统部件参数优化的有效性。     

引入单纯形算子的粒子群优化算法在板形模式识别中的应用

将粒子群理论引入板形模糊模式识别系统，对识别后的板形进行优化，提高了板形识别的精度。粒子群算法作为一种全局优化算法，对于复杂优化问题，存在容易陷入局部极值的不足，因此，提出了粒子群和单纯形混合优化算法，将具有良好局部搜索能力的单纯形法与粒子群算法的全局搜索能力结合起来，有效地提高了板形模式识别优化的收敛速度，同时也提高了识别精度。     

自适应粒子群优化支持向量回归的工程系统可靠性预测

针对可靠性预测精度低的问题提出了一种支持向量机回归预测模型。在可靠性预测过程中，开发了一种结合正弦映射和自适应策略来更新惯性权重的自适应粒子群优化算法，通过增强算法的局部挖掘能力与全局搜索能力，在一定程度上提高了粒子群算法的精度和收敛效率。基于8种测试基准函数将提出的算法与其他粒子群算法进行比较验证，结果表明，提出的自适应粒子群算法相比于其他算法具有更好的搜索能力。在此基础上，提出了一种新的自适应粒子群优化-支持向量机回归混合可靠性预测模型，对支持向量机回归的参数进行调整并预测涡轮增压器和工业机器人系统的可靠性，结果表明该混合模型在可靠性预测方面可达到实际工程精度要求。     

自动化立体仓库的货位分配优化

为有效解决自动化立体仓库(AS/RS),即自动存取系统的货位分配问题,以货架稳定性和出入库效率为目标,结合多色集合、粒子群算法和模拟退火算法三者优势,建立区域划分、货位分配两阶段的多目标货位分配决策模型。区域划分阶段考虑货物出入库效率和货架受力情况,采用多色集合的围道布尔矩阵进行划分。货位分配阶段根据入库货物的类型和数目,采用结合模拟退火算法的混合粒子群算法求解货位分配优化问题。在MATLAB软件中运行实例,结果证明,与遗传算法和粒子群算法比较,混合粒子群算法在求解货位分配优化问题时的收敛速度快、稳定性高,且能在保证货架稳定性的前提下提高出入库效率。     

面向能耗的纯电动汽车两档变速系统参数优化匹配

为降低汽车动力系统的能量损耗,延长汽车续航里程,针对纯电动汽车两档变速系统,提出一种面向能耗的两档变速系统参数优化匹配方法。基于新欧洲行驶循环工况对两档变速系统进行参数初步匹配;进而基于一定的换挡策略和电机实时效率,建立以电机功率、转速、传动比为变量,以比能耗和百公里加速时间为目标的多目标优化模型,并利用多目标粒子群算法对优化模型进行求解。结果表明,优化后的动力参数能有效提高电动汽车的动力性和经济性。     

混合粒子群算法在液压钻机控制中的应用

为了能够提高对液压钻机控制的精度,深入地研究了混合粒子群优化算法在其中的应用.首先,分析了液压钻机控制系统的基本原理;然后,分析了混合粒子群优化算法的基本原理;最后,分别利用传统粒子群算法和混合粒子群算法对液压钻机控制进行仿真分析,结果表明该方法具有非常好的鲁棒性.     

插电式桥间耦合混合动力汽车能量管理策略及其优化

为了提高某插电式桥间耦合混合动力汽车的能耗经济性,制定了一种基于系统效率最优的发动机启动策略,并引入发动机启动功率修正因子和启动车速限值。利用粒子群算法对发动机启动功率修正因子、启动车速以及能量管理控制规则的关键参数进行离线优化。在AMESim-Simulink联合仿真平台下搭建整车模型及控制策略模型进行仿真验证。结果表明,与未优化的能量管理策略相比,优化后控制策略的能耗经济型得到了明显提升,整车综合能耗降低了12.6%。     

新型并联式混合动力汽车模式切换协调控制

针对一种基于行星齿轮机构的新型并联式混合动力汽车,以实现整车系统效率最优为目标,对混合动力系统工作模式区域进行划分,制定出整车能量分配策略。研究了各工作模式切换之间的扭矩协调控制算法,并进行了驱动工况仿真分析。结果表明,综合了系统效率最优的能量分配策略与协调控制算法既能优化动力系统效率,又能够有效提高混合动力汽车模式切换过程中动力传递的平稳性。     

功率分流式混合动力汽车整车参数匹配与优化研究

针对功率分流式混合动力汽车,首先根据整车设计参数及动力性能目标要求,分别对电机、动力电池组、发动机、主减速器和行星排等传动系统部件进行参数匹配,并运用AVL-Cruise软件建立目标车辆整车模型;其次在满足动力性能目标的前提下,运用AVL-Cruise和Isight软件搭建联合仿真模型,分别采用粒子群优化算法和多岛遗传算法,将行星排特征参数和主减速器传动比作为优化参数,百公里油耗和电耗加权之和作为优化目标进行优化研究,并对比分析2种优化算法的计算结果来获得兼顾动力性能和经济性的最优结构参数,为研究功率分流式混合动力汽车传动系统提供理论依据。     

基于混合粒子群算法求解装配线第二类平衡问题

阐述了装配线平衡问题类型及其平衡求解的相关算法,给出了装配线第二类平衡问题的数学描述。在分析用标准粒子群优化算法求解装配线第二类平衡问题的缺陷基础上,利用粒子群优化算法所具有的全局搜索能力和高搜索效率以及模拟退火算法所具有的局部搜索能力,提出了采用粒子群和模拟退火的混合算法求解第二类平衡问题的方法,并给出了求解流程。应用实例证明,用混合粒子群优化算法比标准粒子群优化算法求解第二类平衡问题能获得更优的结果。     

求解第Ⅰ类装配线平衡问题的离散粒子群优化算法

为求解具有NP难性质的第Ⅰ类装配线平衡问题,提出一类离散粒子群优化算法。该算法中所发展的排列数编码方法使得粒子解码后总满足装配作业间先后关系约束。针对排列数编码特点,提出一种基于位置交叉算子的粒子位置更新机制,确保了更新后粒子仍为排列数。为增强该算法的全局寻优能力,将简化变邻域搜索算法嵌入该算法中,对群体最佳粒子的邻域进行局部搜索,从而构建一种混合粒子群优化算法。通过将该算法和混合粒子群优化算法用于一系列测试算例并与遗传算法结果比较,验证了算法的有效性。计算结果对比表明,离散粒子群算法引入简化变邻域搜索可明显增强全局寻优能力,就综合解的质量和计算效率而言,混合粒子群优化算法优于现有遗传算法。     

基于混合二进制粒子群-遗传算法的测试优化选择研究

测试优化选择是一个组合优化问题.通过对测试选择的目标和约束条件进行深入分析, 建立了其数学模型, 并提出了一种混合粒子群-遗传算法用于求解满足测试性指标要求的最小完备测试集.该算法将遗传算法中的遗传算子引入到二进制粒子群算法中, 既避免陷入局部最优和早熟收敛现象, 又提高了搜索效率.大量实验证明, 对于测试优化选择问题, 混合粒子群-遗传算法能够快速有效的获得全局最优解.     

电动车用两档AMT传动比粒子群优化的研究

本文以某款电动乘用车为基础,提出了驱动电机+两档AMT新型驱动系统的方案。针对整车传动系统速比选择和优化的问题,本文提出了一种基于粒子群优化算法的速比优化设计方法。该方法首先根据整车的动力性的要求,确定车辆总传动比的范围作为优化变量的可行域,然后采用粒子群优化算法,以NEDC循环工况下驱动电机平均效率为目标函数,对整车分别在一档和二档下的总传动比进行了优化设计。最后建立了MATLAB模型对配备两档AMT的电动车和无变速器的电动车的经济性进行了仿真和比较。仿真结果显示,采用驱动电机+两档AMT的新型动力系统可降低对驱动电机的功率需求,同时在保证动力性满足要求的条件下提高了车辆的经济性。     

面向能耗的纯电动汽车双电机动力系统参数优化匹配

由于动力系统参数匹配会影响纯电动汽车的动力性和经济性,针对新型双电机动力系统提出一种面向能耗的双电机动力系统参数优化匹配方法。基于新欧洲行驶循环工况对双电机动力系统进行参数初步匹配;进而基于工作模式的划分和双电机的动力分配,建立以电机功率、转速、传动比为变量,以比能耗和百公里加速时间为目标的多目标优化模型,并利用多目标粒子群优化算法对优化模型进行求解。优化结果表明,优化后的动力参数能有效提高电动汽车的动力性和经济性。     

混合优化算法在氧化铝生产中物料平衡计算上的应用

通过分析传统的单一优化算法所存在的优点与不足,成功将粒子群算法、混沌优化以及单纯形法3种优化算法有机结合起来,提出一种基于混沌-单纯形法的混合粒子群协同优化算法,加强粒子群的局部寻优效率和全局寻优性能,以提高搜索速度和成功率.Benchmark 函数仿真以及氧化铝生产中拜耳法物料平衡计算的最终结果表明:新算法不仅在稳定性和收敛性上优于传统粒子群算法和相应的改进粒子群优化算法,且具有较高的收敛速度和全局收敛能力,同时也是进行物料平衡计算的一种有效的方法.     

改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。     

胃肠道机器人的无线能量传输系统的优化

胃肠道机器人的无线能量传输(WPT)系统的性能易受到尺寸、安全性等诸多因素的影响。为使胃肠道机器人在这些限制下依然能够安全稳定地接收能量,本文建立了系统的数学模型,并用智能优化算法对其进行优化。采用平板螺旋线圈作为系统的发射线圈,建立能量传输系统优化的数学模型。接着,根据安全性、功率要求等限制分析系统的约束条件,并以效能积作为优化函数。对粒子群优化算法进行改进,并引入布谷鸟搜索策略。最后,用改进的粒子群算法对系统进行优化,并对优化后的参数进行了实验验证。实验结果表明:系统传输效率为10.2%,接收功率为637 mW,达到预期结果。优化后的WPT系统基本满足了胃肠道机器人能量传输的要求。     

基于混合粒子群算法优化BP神经网络的机床热误差建模

为了降低机床热误差对主轴加工精度的影响,采用了混合粒子群算法优化BP神经网络结构,并对优化结果进行实验验证.引用了粒子群算法耦合遗传算法,给出BP神经网络结构简图,通过混合粒子群算法优化BP神经网络结构.构造机床热误差优化目标函数,采用混合粒子群算法优化目标函数,给出了混合粒子群算法优化BP神经网络流程图.建立BP神经网络热误差预测模型和BP神经网络热误差优化模型,采用三轴立式铣床对两种预测结果进行实验验证.实验结果表明:采用BP神经网络热误差预测模型,机床y轴、z轴预测结果与实验结果偏差最大值分别为6.9μm和6.7μm;采用BP神经网络热误差优化模型,机床y轴、z轴预测结果与实验结果偏差最大值分别为3.3μm和3.5μm.采用混合粒子群算法优化BP神经网络结构,能够提高机床热误差预测精度.     

基于粒子群-拟牛顿混合算法的管道机器人定位

针对管道机器人定位问题,通过磁偶极子理论建立了以极低频电磁脉冲为检测手段的定位模型,推导出了定位模型的非线性方程组.在此基础上设计了基于粒子群优化-拟牛顿混合算法用于定位方程组的求解,提高了管道机器人的定位精度,避免了粒子群优化算法局部精细搜索能力差和拟牛顿算法对初值敏感的不足.数值仿真与实验结果验证了管道机器人定位模型和数值算法的有效性和可行性,实验定位平均误差满足管道机器人工作中定位的需要,采用改进的混合算法后,平均定位误差在x、y、z三个方向上分别降低了4.19 cm、3.81 cm、4.65 cm,提高了定位精度.