载人空降乘员护颈装置优化设计

为了确保空降车着陆冲击过程中乘员的安全性,针对乘员易损伤部位颈部设计了双叶刚性护颈、圆柱形气囊护颈和仿生气囊护颈3款乘员护颈装置,并基于前期实验验证的数值模型,分别将3款护颈装置与气囊缓冲座椅相匹配。采用微型多目标遗传算法对3款护颈装置的防护特性参数进行优化。优化结果表明,仿生气囊护颈能最大限度地对乘员颈部实施有效的防护,为空降乘员防护装置的研发提供了依据。     

基于变异算子和邻域值自适应的MOEA/D算法

基于分解的多目标进化算法（MOEA/D）在解决多目标问题时，具有简单有效的特点。但多数MOEA/D采用固定的控制参数，导致全局搜索能力差，难以平衡收敛性和多样性。针对以上问题提出一种基于变异算子和邻域值自适应的多目标优化算法。该算法根据种群中个体适应度值的分散或集中程度进行判断，并据此对变异算子进行自适应的调节，从而增强算法的全局搜索能力；根据进化所处的阶段以及个体适应度值的集中程度，自适应地调节邻域值大小，保证每个个体在不同的进化代数都有一个邻域值大小；在子问题邻域中，统计子问题对应个体的被支配数，通过判断被支配数是否超过设定的上限，来决定是否将Pareto支配关系也作为邻域内判断个体好坏的准则之一。将提出的算法与传统的MOEA/D在标准测试问题上进行对比。实验结果表明，提出的算法求得的解集具有更好的收敛性和多样性，在求解性能上具有一定的优势。     

配网运行方式综合优化管理研究

网络重构、并联电容器组以及分布式电源的选址优化是基于配网扩建管理中,较为经济的调控手段。文中通过优化系统的网络结构、优化配置电容器组以及分布式电源的安装位置以综合改善配网的损耗、系统电压稳定性以及线路负荷均衡度。文中建立了配网多目标优化控制模型;并通过非支配排序遗传算法以及模糊决策分析法求解配网最佳运行方式。最后,通过仿真测试系统验证了综合方式运行优化的有效性。     

基于反向支配关系的指令重用优化

提出了一种基于反向支配关系的指令重用优化,在编译器中计算条件分支的反向支配基本块以及基本块内的控制无关语句,将这些信息编码成一条指令放置在分支指令之前.修改过的寄存器重命名阶段根据指令提供的信息保留部分错路指令的结果以便恢复后重用,降低了处理器分支预测错误的代价.实验表明该方法对典型应用有性能提升,与纯硬件方法相比硬件开销更小.     

互联网网络时延特征研究

互联网宏观拓扑结构下时延特征的研究对互联网结构与性能的理解具有重要作用。择取CAIDA Ark项目下分别位于4个不同地区的探测数据,提取网络时延与通信直径,发现网络时延与通信直径关系很小且超过70%的有效路径中存在支配时延。经分析,正是支配时延的存在影响了网络时延与通信直径的关系。对支配时延链路两端进行地理映射,发现支配时延以较高概率出现在同一国家同一城市某一链路传输之间。在此基础上,得出链路两端距离小于5 000 km的支配时延主要由排队时延组成,而链路两端距离大于5 000 km的支配时延主要由传播时延组成的结论。     

基于差分进化算法的混合动力系统多目标优化

针对混合动力能量管理系统多目标优化问题通常采用加权求和等方法的缺点,采用Pareto最优原理处理燃油经济性与排放性(CO、NOx、HC)评价指标,提出一种基于非支配排序的自适应差分进化算法,并应用于混合动力能量管理多目标优化系统之中并进行仿真分析。结果表明,提出的优化方法能够得到一组非支配Pareto最优解集,且燃油经济性最大提高了5.30%,CO排放物最大下降了3.65%,NOx最大下降了14.40%,HC最大下降了3.26%。     

热管式定风量换气节能装置的设计及性能分析

主要研究了兼顾火电机组经济性与环保性的负荷优化分配算法,建立了考虑阀点效应的多目标负荷分配模型。应用自主编写的算法,获得了待决策的非支配解集合(Pareto front,PF),其中算法的核心操作是多目标融合、剔除同一层相近个体、保留不同层差异个体。给出了6台机组的负荷优化分配算例,仿真结果验证了模型的合理性,并表明方法可以进一步减少火电机组煤耗成本和污染物排放量。结合逼近理想解排序法(technique for order preference by similarity to an ideel solution,TOPSIS),讨论了不同目标权重下负荷分配方案的区别,证明了基于TOPSIS的多目标负荷分配方案的确定依赖于各自目标在决策中所占的重要程度。     

基于NSGA_2与LMI的主动悬架混合H2/H∞鲁棒控制

考虑实际应用,提出一种考虑电液作动器动态特性的主动悬架模糊静态输出反馈控制器的设计方法。利用T-S模糊模型逼近具有非线性动态特性的主动悬架模型,将悬架设计考虑的三个指标中的行驶平顺性（车身垂直加速度）作为H2性能指标,操纵稳定性（轮胎动载荷）和悬架动行程作为H∞性能指标,利用多目标遗传算法——NSGA_2对控制增益进行搜索,通过解线性矩阵不等式得到H2和H∞范数。用MATLAB/Simulink仿真进行比较,结果表明,所得主动悬架的三个性能指标都优于被动悬架。     

汽车B柱加强板热冲压工艺的遗传算法多目标优化

为了提高汽车B柱加强板热冲压件的厚度均匀性,提出了非支配排序遗传算法的工艺参数多目标优化方法。分析了B柱加强板的热冲压过程,选择板料加热温度、冲压速度、摩擦系数和模具间隙作为优化参数。以减小最大减薄率和最大增厚率作为优化目标,建立多目标优化模型。使用最优拉丁超立方抽样法在优化空间内设计实验点,并依据Autoform有限元软件得到实验值。基于BP神经网络拟合工艺参数与质量参数之间的关系,并依据预测均方根误差验证了拟合的精确性。使用非支配排序遗传算法搜索多个优化目标的Pareto前沿解。经生产验证,与厂家工艺相比,优化后的热冲压件最大减薄率减小了22.25%,最大增厚率减小了7.34%,说明优化后冲压件的质量得到了提高;且优化后最大减薄率和最大增厚率的标准差均减小,说明优化工艺的生产稳定性更好。     

改进的多目标遗传算法在营养决策中应用

将多目标遗传算法NSGA-Ⅱ应用于营养决策优化。采用多维实数向量的编码方式,使用状态转移表对遗传算子进行描述。对NSGA-Ⅱ算法进行改进,在进化操作中增加了随机变换运算和删除运算,加快了算法的收敛并避免了早熟。仿真结果证明该算法能逼近Pareto域,并在该域中均匀分布,经一次运行便可提供更多科学合理的营养决策优化候选方案。