基于多目标优化模型的电动汽车增程器油耗及排放优化

针对增程式电动汽车油耗和排放优化问题,首先综合考虑增程器的油-电转换效率特性、HC排放特性、CO排放特性以及NOx排放特性,构造了增程器油耗和排放多目标优化模型,同时结合实际增程器工作中的机械和电气约束特征,分析了多目标优化模型的3种转速、转矩约束条件.然后采用多目标粒子群算法和加权尺度法对增程器油耗和排放多目标优化模型进行了离线优化,得出了增程器的最优全局工作点和各功率值下的多目标最优工作曲线.最后,采用NEDC,FTP和HWFET3种测试工况在AVL Puma Open发动机测试台架上进行了实验,并和基于最佳制动燃油消耗率(BSFC)的油耗单目标优化模型进行了比较.结果表明,本文提出的方法能够以微弱的油耗增加为代价,有效的改善整车的HC,CO和NOx排放.     

改进的r支配高维多目标粒子群优化算法

高维多目标优化问题是广泛存在于实际应用中的复杂优化问题,目前的研究方法大都限于进化算法.本文利用粒子群优化算法求解高维多目标优化问题,提出了一种基于r支配的多目标粒子群优化算法.采用r支配关系进行粒子的比较与选择,并结合粒子群优化算法收敛速度快的优势,使得算法在目标个数增加时仍保持较强的搜索能力;为了弥补由此造成的群体多样性的丢失,优化非r支配阈值的取值策略;此外,引入决策空间的拥挤距离测度,并给出新的外部存储器更新方法,从而进一步防止算法陷入局部最优.对多个基准测试函数的仿真结果表明所得解集在收敛性、多样性以及围绕参考点的分布性上均优于其他两种算法.     

LC振荡型忆阻混沌电路及时滞反馈控制

将磁控忆阻器耦合于LC振荡电路中,得到了一种新的忆阻混沌电路.随后通过理论上的动力学分析、数值仿真、电路实验等验证了该电路的混沌特性.为了实现电路的混沌控制,设计了一种新型模拟时滞控制器.利用该控制器将混沌电路状态变量加以延时并反馈至原电路中.数值仿真和电路实验结果均表明,所设计的时滞控制器可实现混沌电路的镇定控制.进一步研究时滞控制下电路的分岔行为,发现时滞控制下的电路又可通过倍周期分岔进入超混沌.     

蜂窝网无线定位技术在铁路场景下的应用

针对蜂窝网络定位技术定位精度不高和在铁路实际中难以应用的缺点,提出一种新的列车定位方法.方法的核心是将速度传感器和蜂窝网的定位参数处理为若干列车可能的位置区域,并计算区域中列车位置出现的概率,以所有位置中出现概率最大为优化目标,建立列车定位的误差优化模型.在此基础上进一步引入遗传粒子群优化算法对模型进行求解,并用Matlab仿真.仿真结果表明:在复杂的铁路环境中,该定位方法对不同来源的误差有很好的吸收作用,是一种有效的定位方法.     

类搜索算法

提出利用类结构驱动的群体进化计算方法——类搜索算法(CSA).CSA在个体间构造簇类形态的虚拟连接关系,并通过对类组织的结构和类搜索过程进行动态调节来优化模拟进化系统的计算状态,提高群体的搜索效率.介绍了CSA的基本模型,并基于CSA融合进化算子与差分计算机制设计出数值优化算法CSA/DE.对多个典型高纬函数和复杂混合函数的仿真实验结果说明,CSA/DE是一种对高纬连续问题高效、稳定的搜索优化方法.该工作一方面验证了CSA的可行性和有效性;另一方面则显示:基于类搜索模型可有效融合异构且具有不同计算特性的搜索机制,形成对待求解问题更具针对性且协调性更佳的搜索计算方法.这为高性能优化算法的设计提供了一条新的途径.     

基于粒子群优化的模糊PID控制在配料过程的应用

为避免模糊PID控制中参数选取的经验性及参数不变性,应用粒子群算法优化隶属函数分布,增强控制器自适应能力,并提高其控制精度,充分体现了算法的智能性.将粒子群优化的模糊PID控制应用于配料控制系统中,通过仿真并与模糊PID以及传统PID控制方法相比较,结果表明,粒子群算法收敛快,找到最优点时间短,优化后的模糊PID控制具有静态误差小、调节时间短、无超调、抗干扰能力强等优点,能很好地满足控制过程的动态特性,并具有较强的鲁棒性及适应性.     

基于PSO-BP的红外温度传感器环境温度补偿

针对红外温度传感器的测温精度易受环境温度的影响,提出了一种基于粒子群优化（ PSO）GP （ PSO-GP）神经网络的温度补偿方法。所提出的PSO-GP算法解决了一般GP算法迭代速度慢、且易陷入局部最优的问题,以热电堆传感器的环境温度补偿为例,进行算法实现,并以单纯的GP算法做对照。仿真结果表明：提出的PSO-GP算法对环境温度有明显的补偿效果,且优于单纯的GP算法补偿。所构建的补偿模型具有较高的补偿精度和实用价值。     

云视频监控系统的能耗优化研究

随着基于云计算的视频监控系统(以下简称云视频监控系统)的兴起,其无限扩展的终端设施、众多的物理服务器、频繁的网络传输等所带来的能耗问题不容忽视.分析了云视频监控系统的体系结构、能耗的产生及其优化机理,并将云视频监控系统的能耗研究分为监控节点、物理节点和存储节点这3个层次;然后,结合国内外应用于传感器网络和云计算数据中心的相关能耗优化理论与方法,分别对3个层面上的云视频监控系统的能耗优化方法进行综述,并进行了深入的分析和比较;最后,针对当前的研究空缺和问题,提出今后可能的研究方向和重点,并进行了总结.     

一种基于信息分离的高维多目标进化算法

高维多目标优化是指对目标维数大于三维的多目标问题(multi-objective optimization problem,简称MOP)进行优化.大多数传统的多目标进化算法采用Pareto支配关系指导搜索,很难在高维多目标优化问题上得到较为理想的结果.为此,提出了一种基于信息分离的高维多目标进化算法(multi-objective evolutionary algorithm based on information separation,简称ISEA).该算法在目标空间中将原坐标系进行旋转,使第1条坐标轴与向量(1,1,…,1)^T平行.ISEA定义转换坐标的第1个坐标值为收敛信息(convergence information,简称CI),剩余的坐标代表个体分布信息(diversity information,简称DI).同时,采用一种基于分层选择的邻域惩罚机制,利用一种由两个超圆锥组成的邻域形状保持种群的分布性,当个体被选入归档集后,其邻域内的个体将被惩罚进入下一层选择,防止邻近的个体同时被选入归档集.邻域形状的第1部分利用分布信息覆盖邻近的个体,第2部分覆盖边界上的差个体.与NNIA,e-MOEA, MSOPS,AR+DMO以及IBEA这5种经典算法进行了比较.实验结果表明,ISEA在处理高维多目标优化问题时具有良好的收敛性和分布性.     

弹性需求下易变质物品定价、营销与生产计划的联合优化

针对易变质的商品,分析基于弹性需求的定价、营销及生产计划的联合优化问题,并建立用于描述该问题的非线性规划模型。考虑到模型是高度非线性的,提出基于几何规划的求解方法。首先将高度非线性的问题简化为只含有一个变量的问题;然后利用黄金分割法获得原问题高质量的近优解;最后通过算例验证了所提出求解方法的可操作性和正确性,并分析了主要参数的灵敏度。