基于粒子群算法纯电动汽车传统优化设计

为了纯电动汽车更好适应城市路况,获得更好的动力性和经济性,以某型单挡的纯电动汽车为研究对象,在基于整车设计参数和动力性能参数上,合理匹配两挡AMT变速器。以加速时间最短和百公里能耗最少为优化目标,以整车动力性、能量消耗和传动系统速比为约束条件,搭建Matlab/Simulink与Isight联合仿真模型。采用粒子群算法对传动系统速比进行优化,优化后仿真结果表明：在NEDC循环工况下,百公里能量消耗降低了2.6%,(0～100)km/h加速时间缩短了4.7%,并进行实车试验,验证仿真合理性。     

基于改进粒子群算法的机械结构优化设计

针对粒子群算法在寻优过程中存在的容易陷入局部极小、收敛速度慢等缺点,结合粒子在实际寻找食物的过程中,大部分可以飞到其预期的最佳位置,而少数粒子由于受不确定因素影响,发生飞行偏离,本文提出了一种改进粒子群算法。算法中的模拟不确定因素干扰操作,能够有效避免群体过度集中现象,有效增加了种群的多样性。典型复杂机械优化设计的仿真结果表明,该改进算法能够快速、有效地进行全局搜索。     

基于粒子群算法的电动汽车电能计量优化

电动汽车充电过程中电能的准确计量对其推广具有重要研究意义。该文建立了三相电压不平衡度模型,以三相电压不平衡度最小为优化目标,利用标准粒子群(Particle Swarm Optimization,PSO)算法采用MATLAB编程对其进行优化,根据优化结果通过调整单相电价的方式引导电动汽车有序充电,使得三相电压不平衡度最小。最终解决电动汽车充电过程中由于负荷不平衡引起的三相电压不平衡导致单相充电用户收费不合理的问题。算例分析表明,标准粒子群算法能够有效地优化电动汽车作为单相负荷引起的三相电压不平衡问题。     

基于粒子群算法的并联机构结构参数优化设计

介绍了粒子群优化算法的原理和实现方法，分析了该算法的主要参数对搜索性能的影响，井把粒子群算法用于六自由度的并联机构的参数优化设计中，取得了较好的效果，试验证明，粒子群算法是一种有效的优化方法，适用于大型复杂结构的优化设计。     

纯电动汽车动力系统速比优化设计

综合考虑纯电动汽车的动力性、续驶里程以及能耗需求,在某款固定速比纯电动汽车作为研究样本的基础上,为了使驱动电机工作点落在高效率区域范围,提出了两挡电控机械式自动变纯电动车模型和动力系统优化数学模型,基于Isight集成Cruise,构建两挡AMT纯电动汽车联合优化仿真流程及平台。以100 km/h加速时间和整车NEDC工况100 km能量消耗为优化目标,将动力性、能量消耗以及变速器速比约束等指标作为约束条件,对动力系统速比进行优化;将优化后的设计变量在Cruise仿真平台进行动力性与经济性仿真分析,并制订以车速、负荷率为参考的双参数经济性换挡策略。结果表明,NEDC循环工况能量消耗降低0. 52 kWh/100km,经济性改善率3. 78%,100 km/h加速时间缩短了2. 23%。     

基于粒子群算法的螺旋输送机多目标优化设计

以螺旋输送机的重量最小和输送效率最大作为数学模型的2个目标函数,螺旋体的结构参数为设计变量,建立了螺旋输送机的多目标优化模型,并用粒子群算法编程求解数学模型。求解优化结果表明,螺旋输送机的重量减少8.2%,输送效率提高4.5%,对螺旋输送机的优化设计具有一定的指导意义。     

基于粒子群算法的电动汽车常用工况的两挡变速器速比优化

针对电动汽车多挡变速器速比优化过程中,仅对单一特定工况进行优化,而与实际工况相差较多的不足,提出了基于粒子群算法的传动系常用运行区效率最优的速比优化方法,即通过多种特定工况的叠加找出电动汽车常用运行区,并通过调节速比的方式使电动汽车传动系的高效区最大可能地落入常用运行区内,使传动系平均运行效率最高。以整车动力性为约束条件,以电动汽车传动系常用运行区域下平均效率为经济目标,整车加速时间为动力性目标构建适应度函数,利用Matlab软件编写程序实现速比优化,并用AMESim软件搭建整车模型进行整车能耗验证。结果显示,通过优化后整车动力性经济性均有提升,表明所用的方法有效。     

风机齿轮传动系统整体方案的粒子群算法两层优化设计方法

提出了一种基于粒子群两层优化的风机齿轮传动系统整体方案设计方法,在充分考虑风机齿轮传动系统内在机理的前提下,以系统整体的可靠性为设计目标,通过两层优化相结合的方式,使用改进的粒子群算法寻找整个优化空间中的最优设计方案。该设计方法能够有效避免齿轮传动系统中常出现的短板效应,提高风机齿轮传动系统的可靠性。     

基于改进粒子群优化算法的复合材料可靠性优化设计

提出了一种可用于求解非线性约束优化问题的改进粒子群算法,并将其用于求解复合材料可靠性优化设计。在满足层合结构系统可靠度的情况下,以总厚度最小为目标函数,对复合材料的纤维方向角和厚度进行优化设计。结果表明,改进粒子群算法不但具备基本算法的简单易实现、需调整参数少的特性,而且能够在确保全局收敛性的基础上,快速搜索到高质量的优化解,对复合材料层合结构的可靠性优化设计十分有效。     

基于粒子群算法的磁悬浮储能飞轮结构优化设计

对基于磁悬浮支承技术的储能飞轮进行了结构优化设计。以飞轮储能密度最大为优化目标,以飞轮在设计转速下需满足的结构强度、形态等方面要求为约束条件,建立了结构优化数学模型,并基于粒子群算法求得优化结果。同时还运用ANSYS软件对优化后的飞轮进行了有限元分析,与优化前相比,优化后飞轮的储能性能大大提高。     

基于改进粒子群算法的复合材料机翼结构布局优化设计

采用粒子群算法对复合材料机翼结构进行布局优化求解.针对粒子群算法的早熟收敛现象,采用了两种改进措施:根据粒子的浓度变异粒子以增加粒子种群多样性;将变尺度混沌优化方法结合到粒子群算法中用以变异搜索最优粒子.算例结果表明,文中所提优化方法是可行有效的.     

基于粒子群算法的齿轮连杆机构优化设计

粒子群算法是一种智能算法,规则简单,容易实现且求解效率较高,很适用于求解机构优化设计问题.实践表明,应用粒子群算法能实现齿轮连杆机构的优化设计,并取得了很好的效果.     

基于MAZAK柔性制造线的粒子群与免疫算法研究

将免疫遗传算法运用到柔性生产中能够极大地改进遗传算法的缺点,提高收敛效果。在此基础上提出了粒子群算法,并与免疫遗传算法进行对比,分析最优结果;将其应用到车间调度中能极大地提高调度路径的优化。运用仿真将克隆免疫算法的调度结果与粒子群算法的调度结果对比,以获得较优的结果。     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

基于多目标粒子群算法的平衡式变幅臂架系统优化设计

平衡式变幅广泛用于港口装卸用门座式起重机的工作性变幅机构,其变幅臂架系统为单自由度系统,设计变量多,受力较复杂,约束条件多。因此,针对其特点,以平衡式臂架系统自重最轻、变幅功率最小作为优化目标,以实际工况的工作性能要求作为约束条件,建立臂架系统及活动系统的优化模型,采用多目标粒子群算法并通过Python语言编程进行优化求解,以获得最优的几何尺寸参数。通过ADAMS软件对优化结果进行仿真验证,有效地缩短了设计周期,提高了设计水平。     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

基于粒子群算法的汽车ABS控制器参数的优化设计

提出了基于粒子群算法的汽车ABS控制器参数的优化设计方法。该方法将ABS控制器的参数编码为粒子群中粒子的向量,通过粒子群在参数空间的寻优得到优化的控制参数。然后分别以未优化的参数和优化的参数作为控制参数进行了仿真试验,仿真结果证实了该算法的有效性。最后以优化的参数作为控制参数进行路试,取得了比较满意的制动效果。     

基于改进粒子群优化算法的无级变速器冷却系统优化设计

提出了一种基于改进粒子群优化算法的无级变速器冷却系统优化设计方法。首先确定了整个冷却系统的基本设计方案;然后在考虑整机和局部能量损失特性、冷却压力控制阀工作特性的基础上,采用改进粒子群优化算法对冷却系统关键结构参数进行了优化。仿真计算和整车试验结果表明,所设计的冷却系统可以随发动机转速的不同实现较优的整机和局部冷却流量分配,并可以满足各种极限工况的冷却要求。     

基于粒子群算法的纯电动轿车无刷直流电机控制器研究

采用一种基于粒子群算法的无刷直流电机PID控制器参数优化策略,给出了该算法的具体实现步骤。仿真与实验表明,相对于遗传算法和模拟退火算法,该方法在改进阶跃波响应性能方面,如减少稳态误差、无刷直流电机的速度控制中的上升时间、调整时间及最大超调量等方面,其效率更高。