某型横向橡胶止挡结构优化设计

采用多学科优化平台Isight和参数高阶网格变形软件Sculptor对某型横向橡胶止挡进行结构形状优化设计.通过Sculptor进行参数化建模,通过Isight多目标优化算法NSGA-II获得合理的形状参数.采用Abaqus进行有限元计算,结果表明改进后的止挡垂向静刚度满足设计要求,结构设计合理.     

基于Isight与Tosca的抗侧滚扭杆装置优化分析

基于Isight和Tosca软件对抗侧滚扭杆装置轻量化设计问题进行优化分析.采用Isight软件集成Abaqus软件对扭杆轴进行结构参数优化分析;采用Tosca软件集成Abaqus软件和fe-safe软件对扭转臂进行结构拓扑优化分析,研究扭杆轴与扭转臂的轻量化设计方法.     

水下自航行器外形及水动力性能优化

研究水下自航行器(AUV) 外形及水动力性能优化的问题,为使得AUV具有较小航行阻力的同时拥有较大承载能力,需要不断进行AUV模型重建以及水动力结果分析,人工完成将会耗时很长,Isight多学科优化设计平台搭载常用的优化算法—NSGA-II遗传算法,整合Solidworks、Gambit、Fluent三大集成模块实现数据交换以进行AUV外形的建模、仿真并完成设计过程的自动化和智能的设计探索,确定最佳设计参数;仿真结果表明,最终优化后的AUV不仅减小了航行阻力并且拥有更大的承载能力;因此采用多学科优化软件Isight能够有效提高AUV外形及水动力性能优化的准确性和效率,提升其整体水动力性能。     

纯电动汽车转矩控制策略及仿真

研究纯电动汽车转矩优化控制问题.针对传统纯电动汽车转矩控制方法存在控制模式单一、动力性和经济性较差等缺点,提出驱动模式识别的纯电动汽车转矩优化控制方法.将整车驱动行驶时工作模式划分成三种驱动模式,建立了驱动模式模糊识别器.根据驱动模式识别结果,运用线性计算、转矩补偿和动力总成效率寻优方法分别制定了三种驱动模式下的转矩优化控制策略.仿真结果表明,所研究的转矩优化控制方法能准确识别驱动模式,优化了整车驱动转矩,显著提升了整车的动力性和经济性.     

一种基于向量空间模型的NSGA-II改进算法

带拥挤距离排挤机制的非支配排序遗传算法(NSGA-II)在多目标优化领域具有广泛的应用,NSGA-II算法具有个体分布不均匀以及重复个体较多等缺陷.针对这些缺陷提出一种基于向量空间模型的NSGA-II改进算法VSMGA(Vector Space M odel Genetic Algorithm),VSM GA算法在NSGA-II算法的基础上引入了向量空间模型,利用目标权重向量之间的余弦距离代替原来的拥挤距离,提出一种距离排挤机制和重复个体排除规则.实验结果表明与NSGA-II算法比较,VSMGA算法具有更好的分布性和稳定性.     

电动汽车排放的改进差分进化算法

文章针对增程式电动汽车增程器燃油经济性和CO、HC排放问题进行优化。首先,将问题利用归一化和加权平均的方法转化为单一目标问题,以增程器外特性、功率区间需求和其他特性参数作为约束条件,利用MATLAB软件基于map图进行建模和仿真,使用改进的差分进化算法予以实现。最后,在AVL Puma Open台架实验平台上对HWFET工况下的增程器燃油经济性和CO、HC排放运用文章所提出的策略进行实验验证。实验结果表明,以增程器的燃油经济性和CO、HC排放为目标,可以实时精确地控制发动机转速、发电机转矩,有效实现降低整车油耗和排放。     

考虑交通流量的改进型电动汽车充/换电设施选址布局

为了有效促进电动汽车在我国的蓬勃发展、提高电动汽车使用效能并降低交通物流业的环境污染,本文拟通过构建考虑交通流量的电动汽车充/换电设施规划方法进行电动汽车充/换电设施优化布局研究。首先,从便利性原则、经济性原则、安全性原则、可行性原则4个方面分析电动汽车充/换电设施的布局原则;在此基础上,综合分析典型选址模型的局限性,以充/换电设施的服务能力最大化为目标,构建考虑交通流量的改进型电动汽车充/换电设施截流选址模型;然后,考虑到该模型的NP-hard特性,将二进制粒子群算法引入充/换电设施的布局模型求解中以提高计算效率;最后,以深圳市某区域为实例,基于MATLAB软件进行电动汽车充/换电设施规划布局研究,为该区域充/换电设施布局提供行之有效的方案。     

不同支配关系的多目标算法的柔性作业调度

为了提高多目标进化算法所获得解的质量,研究者做了大量的研究,传统的基于Pareto支配关系的多目标进化算法具有一定的局限性。本文利用不同的支配关系与NSGA-II(Non-dominated Sorting Genetic Algorithm)算法相结合,对单机器人搬运的柔性作业车间调度的多目标优化问题进行求解,通过实验比较分析了不同方法在多目标优化问题求解中的优劣性。本文以NSGA-II为框架结合Lorenz支配关系和CDAS(Control Dominance Area of Solutions)支配关系并与传统的基于Pareto支配关系的NSGA-II三种算法去研究同一优化调度问题,发现基于Lorenz支配关系和CDAS支配关系的优化算法比基于传统的Pareto支配关系的优化算法的效果更佳。     

基于NSGA-II算法的电容称重传感器抗偏载能力的优化

为了满足在保证电容称重传感器最小识别极距变化的同时达到提高其抗偏载能力的要求,对传感器进行了多目标优化的研究。分析计算了电容称重传感器力学性能与结构参数之间的关系,建立了以其导向性能和抗弯性能为优化目标的1/1000g精度电容称重传感器的多目标优化模型。应用Isight优化软件中的改进型非支配解遗传（NSGA-II）算法得到电容称重传感器的Pareto最优解集,并通过有限元验证了优化结果的准确性。研究表明,在保证电容称重传感器最小识别极距变化的前提下,极大地屏蔽了偏载对电容精度的影响,结果具有很强的实用性。     

基于NSGA-II的醋酸甲酯水解工艺经济优化控制

针对PTA生产系统中副产物醋酸甲酯水解工艺,研究基于最小经济成本的集成优化与厂级动态控制.首先根据醋酸甲酯水解工艺动力学机理模型,建立Aspen稳态模拟系统,采用灵敏度分析计算待优化变量的可行域,建立经济优化总成本目标函数;然后将模型计算和过程模拟相结合,利用NSGA-II算法寻找较优的反应精馏塔各操作参数,实现最小经...     

混合动力汽车模型预测控制策略研究

针对传统混合动力汽车控制方法无法实现实时最优控制的问题,提出了基于简化混合动力汽车系统模型的预测控制智能优化策略.通过将3自由度的系统模型简化为1自由度的系统模型,并采用连续广义最小残量方法求解模型预测控制问题.运用MATLAB/Simulink与GT-POWER联合仿真平台进行仿真,实验结果验证了系统模型简化的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能.     

插电式混合动力汽车模型预测控制策略研究

针对传统插电式混合动力汽车智能控制策略计算量大,难以实现实时最优控制的问题,提出了基于蓄电池充放电管理的插电式混合动力汽车预测控制策略.利用实测通勤插电式混合动力汽车车速信息,以蓄电池荷电状态为系统状态变量,以蓄电池充放电功率为系统控制变量,插电式混合动力汽车燃油消耗量最低为系统性能指标,设计了插电式混合动力汽车的模型预测控制智能优化算法,运用连续广义最小残量方法求解最优控制问题.在Matlab/Simulink与GT-POWER联合仿真平台上进行仿真,实验结果验证了所设计的模型预测控制算法不仅可以大幅度提高混合动力汽车的燃油经济性,而且能够满足实时控制的要求.     

Multidisciplinary design of a guided flying vehicle using simplex nondominated sorting genetic algorithm II

This paper presents design of a typical Guided Flying Vehicle (GFV) using the multidisciplinary design optimization (MDO). The main objectives of this multi-disciplinary design are maximizing the payload’s weight as well as minimizing the miss distance. The main disciplines considered for this design include aerodynamics, dynamic, guidance, control, structure, weight and balance. This design of GFV is applied to three and six Degree of Freedom (DOF) to show comparison of simulation results. The hybrid scheme of optimization algorithm is based on Nelder-Mead Simplex optimization algorithm and Nondominated Sorting Genetic Algorithm II (NSGA II), called Simplex-NSGA II. This scheme is implemented for finding an optimal solution through the MDO. The Simplex-NSGA II method is a heuristic optimization algorithm that applies to multi-objective functions and the results are then compared with the most famous algorithms, like Nondominated Sorting Genetic Algorithm II (NSGA II) and Multi-Objective Particle Swarm Optimization (MOPSO). Simulation results demonstrate the superior performance of the Simplex-NSGA II over NSGA II and MOPSO. Also, it is used in this study in order to achieve an optimal solution using MDO in both 3DOF and 6DOF simulations of GFV to reach desirable performance index.     

Multi-objective optimization for hydraulic hybrid vehicle based on adaptive simulated annealing genetic algorithm

Along with the shortage of energy and the increasingly serious pollution of environment in cities, automobile industries all over the world are exploring and developing energy saving and clean automobile. Hydraulic hybrid vehicle has better potential in medium-size and large-size passenger vehicles than its electric counterparts. The key components’ sizes have remarkable influence on the vehicle performance and fuel economy, and an optimization process is needed to find the best design parameters for maximum fuel economy while satisfying the vehicle performance constraints. Multi-Objective optimization method based on adaptive simulated annealing genetic algorithm (ASAGA) is proposed to optimize the key components in HHV. In the objective function of the optimization, all the weighting factors can be set with different values according to different requirements. The optimal results show that the proposed method effectively distinguishes the key components’ optimal parameters’ position of HHV, enhances the performance and fuel consumption.     

基于动态规划不同优化目标的HEV转矩分配策略对比研究

双动力源的结构模式使得混合动力汽车相对于传统汽车拥有更高的燃油经济性,同时也给混合动力汽车整车控制器的设计提出了更高的要求。本文采用动态规划算法,分别以油耗最低同时电池SOC波动尽可能小、以及整车效率最高为目标,对混合动力汽车在NEDC循环工况下的最优转矩分配进行求解。并将两种转矩分配结果进行对比分析,得出选择不同优化目标对控制效果的影响以及SOC参数选择的标准,为制定更加高效的控制规则提供了理论依据。     

Real-time energy management strategy based on predictive cruise control for hybrid electric vehicles

With the help of traffic information of the connected environment, an energy management strategy (EMS) is proposed based on preceding vehicle speed prediction, host vehicle speed planning, and dynamic programming (DP) with PI correction to improve the fuel economy of connected hybrid electric vehicles (HEVs). A conditional linear Gaussian (CLG) model for estimating the future speed of the preceding vehicle is established and trained by utilizing historical data. Based on the predicted information of the preceding vehicle and traffic light status, the speed curve of the host vehicle can ensure that the vehicle follows safety and complies with traffic rules simultaneously as planned. The real-time power allocation is composed of offline optimization results of DP and the real-time PI correction items according to the actual operation of the engine. The effectiveness of the control strategy is verified by the simulation system of HEVs in the interconnected environment established by E-COSM 2021 on the MATLAB/Simulink and CarMaker platforms.     

改进NSGA Ⅱ算法在车辆路径多目标优化问题中的应用

本文选用NSGA Ⅱ作为求解VRP多目标优化问题的算法基础,分析概括出VRP的三个主要目标函数和三个约束条件,实现了VRP多目标优化问题的数学建模。选择MATLAB作为软件工具进行代码编写,选取Benchmark Problems中C101里的数据作为实验数据进行软件仿真;并且针对NSGA Ⅱ在设计方面的不足之处,对NSGA Ⅱ的初始群体确定和交叉算子两个环节进行改进;然后通过对两种算法仿真结果的比较分析,证实了改进算法在克服早熟现象、提高算法效率以及算法稳定性方面的有效性。     

燃料电池有轨电车能量管理Pareto多目标优化

节能环保的出行方式得到政府的大力推广, 其中燃料电池混合动力有轨电车由于可无网运行且节能环保而备受关注.为了改善燃料电池/超级电容/动力电池大功率有轨电车的燃料经济性与系统耐久性, 提出一种有轨电车能量管理策略(Energy management strategy, EMS)的多目标优化方法. 首先以氢燃料消耗量和能量源性能衰减率作为评价指标, 建立多目标成本函数. 由于两个指标很难在同一个等式中评价, 设计了基于状态机与非支配排序的能量管理Pareto多目标优化方法, 获得了有轨电车能量管理策略Pareto非劣解集, 并分析了能量管理策略的目标功率参数对性能指标的影响规律, 进而遴选出兼顾燃料经济性与系统耐久性的综合最优解. 结果表明, 与功率跟随策略和基于遗传算法优化策略相比, 该能量管理优化方法的燃料经济性分别提高了29.4 %和2.4 %.