| 基于多目标遗传算法的行驶工况构建优化 |
| |
| 引用本文： | 俞叶锋,张宸,高展,伍晨波,朱磊,黄震. 基于多目标遗传算法的行驶工况构建优化[J]. 内燃机工程, 2023, 44(5): 57-65 |
| |
| 作者姓名： | 俞叶锋 张宸 高展 伍晨波 朱磊 黄震 |
| |
| 作者单位： | 上海交通大学 中英国际低碳学院,上海交通大学 国家电投智慧能源创新学院,上海交通大学 中英国际低碳学院;上海交通大学 机械与动力工程学院,上海交通大学 机械与动力工程学院;中国汽车工程研究院股份有限公司,重庆401122,上海交通大学 机械与动力工程学院,上海交通大学 国家电投智慧能源创新学院;上海交通大学 机械与动力工程学院 |
| |
| 基金项目： | 国家自然科学基金项目（52071216,52106175） |
| |
| 摘 要： | 在利用短行程法构建行驶工况的过程中,为综合考虑短行程的典型性和行驶工况的代表性,将二者量化并作为多目标优化过程中的两个目标函数,引入非支配排序遗传算法Ⅱ（nondominated sorting genetic algorithmⅡ,NSGA-Ⅱ）对短行程的选择进行优化。将NSGA-Ⅱ优化方法与常用的短行程选择方法进行对比,在相同时间内,随机选择法、相关性法、距离法和NSGA-Ⅱ分别构建了7 582、7 209、9 615和20个候选行驶工况。结果显示,4种方法中,在整体上,NSGA-Ⅱ产生的行驶工况集中在代表性较高的区域同时使得构成行驶工况的短行程整体上典型性较高;在最优工况的比较中,NSGA-Ⅱ的最优工况与原始数据的特征参数相对误差最小,包含的短行程到离簇中心的平均距离最短,表明采用NSGA-Ⅱ算法对短行程选择过程进行优化有助于从多个角度提升行驶工况的构建质量。
|
| 关 键 词： | 行驶工况 多目标优化 遗传算法 非支配排序遗传算法 短行程 |
| 收稿时间： | 2022-12-20 |
| 修稿时间： | 2023-02-15 |
Optimization of Driving Cycle Development Based on Multi-Objective Genetic Algorithm |
| |
| YU Yefeng,ZHANG Chen,GAO Zhan,WU Chenbo,ZHU Lei and HUANG Zhen. Optimization of Driving Cycle Development Based on Multi-Objective Genetic Algorithm[J]. Chinese Internal Combustion Engine Engineering, 2023, 44(5): 57-65 |
| |
| Authors: | YU Yefeng ZHANG Chen GAO Zhan WU Chenbo ZHU Lei HUANG Zhen |
| |
| Abstract: | |
| |
| Keywords: | |
|
| 点击此处可从《内燃机工程》浏览原始摘要信息 |
|
点击此处可从《内燃机工程》下载免费的PDF全文 |
|
