一种基于遗传算法的新时延估计方法

提出了一种新的时延估计方法,通过采用FIR滤波器模型并结合遗传算法解决了代价函数复杂计算量下的高效全局优化．算法利用最小二乘法准则,推导得到优化目标函数,并将时延,滤波器系数列入到参数估计模型中,继而将目标函数作为适应度函数,将时延,滤波器系数作为决策变量,应用遗传算法进行全局优化．通过仿真实验表明,本文不仅在滤波器长度比较短的情况下获得最优的时延估计,而且大大地减少了计算量,提高了稳健性．     

基于人体舒适度的室内温度优化设定方法

建立一个简化的办公建筑热力学模型,模型中假设白天空调开放,夜间自然通风。通过对该模型的分析,建立空调冷负荷与室外温度、热物质温度、室内温度设定值等环境变量的定量关系。同时,为评估环境舒适度,采用描述人体舒适度的预测平均指标(predicted mean vote,IPMV),并确定IPMV与室内温度和平均辐射温度的定量关系。基于上述定量关系,以空调冷负荷最小化为优化目标,同时以-0.9≤IPMV≤0.9为限制条件,优化求解得到了最优的室内温度设定值。通过Energy Plus等软件对优化结果进行仿真计算,与26℃固定温度设定值的情形相比,本文提出的室内温度优化设定方法既可保证室内人员的舒适度又可以降低空调能耗。     

用户偏好的室内环境舒适度智能控制方法仿真研究

摘要：研究室内环境舒适度优化控制问题。室内热环境是一种具有多变量、强耦合、非线性、参数时变系统,难以采用传统的数学和仿真方法对其建模,当前控制方法难解决舒适和节能两个控制目标的矛盾,为此,提了一种基于用户偏好的室内环境舒适度智能控制方法。首先将室内环境舒适度优化问题看作一个多目标优化问题,然后根据用户偏好信息作为评价指建立用户热/冷抱怨事件模型,最后通过遗传算法室内舒适度控制系统的最优参数进行求解,解决了决舒适和节能冲突难题,并通过仿真实验对控制方法进行测试。仿真结果表明,本文方法通过实时采集室内环境和用户偏好信息,通过智能、动态调节控制系统参数,使室内环境处于一种最舒适状态,克服传统方法不足,实验证明了本文控制方法的有效性。     

改进遗传算法求解惠更斯问题的研究

将惠更斯函数作为目标函数,采用改进的实数编码遗传算法进行求解。通过系统地调整群体规模、变异率和杂交率三种进化控制参数值,设计并进行了分组实验,得到了一组满意的进化控制参数。运用这组参数进行计算得到的优化结果十分接近惠更斯问题的理论值,使惠更斯问题得到比传统算法更好的解决方法。     

低比转速离心叶轮的POD代理模型优化方法

针对离心泵叶轮水力优化过程中须不断预估叶型控制参数扰动对内流场变化的敏感性、计算量随控制参数的维数呈指数倍增长等不足,提出了基于本征正交分解(POD)代理模型的低比转速离心叶轮优化方法.采用泰勒多项式对离心泵叶片型线进行参数化控制,由控制参数扰动得到叶片型线的初始样本集,由叶片型线参数及叶轮CFD内流场数据构建样本快照集.采用POD方法预测各控制参数扰动下的流场,由此预估目标函数对控制变量的敏感性,并沿梯度矢量方向不断优化更新叶片型线.分析结果表明:POD代理模型能够快速地对流场进行精确的预测,大大减少离心泵优化设计的计算量.     

基于NSGA-Ⅱ算法的多目标公交调度优化模型

针对传统公交调度方案容易导致运营经济成本和乘客时间成本的不合理分配问题,提出了一种基于NSGA-Ⅱ算法的多目标公交调度优化模型。综合公交车辆运营成本、乘客出行成本及乘车舒适度三个目标函数,建立公交调度优化模型,通过非支配排序遗传算法对模型的pareto最优解进行计算。最后以深圳市某路公交为实例,通过采集线路参数,计算得到该线路最优发车间隔。验证了NSGA-Ⅱ优化算法在公交调度中的有效性,对公交运营与线路改善有一定的借鉴意义。     

近室温下圆翅热管翅片结构的遗传算法优化

阐明了采用热管作为空调系统的热回收装置具有巨大的节能意义.分析了近室温下的圆翅热管传热模型.以单位温差、单位换热量下的热管翅片体积最小为目标函数,建立了热管翅片高度、间距、厚度等结构参数的函数关系式.利用遗传算法对目标函数进行了优化,计算结果表明了遗传算法的有效性.     

劣质绝缘子电场正问题优化算法分析

针对劣化绝缘子的电场法检测中绝缘子电场计算精度低的问题,提出基于遗传算法优化的模拟电荷法进行高压静电场计算,给出了优化方法原理、可行性分析,建立了绝缘子电场计算目标函数及优化模型,并进行了绝缘子串周围电场的计算分析.分析结果表明,将绝缘子串周围检测点电位作为目标函数,应用遗传算法优化模拟电荷的电荷量,可更好地对目标函数进行全局寻优,提高了模拟电荷法的寻优速度、绝缘子串周围电场的计算精度以及绝缘子串中劣质绝缘子诊断的准确度.     

基于多种群空间映射遗传算法的立体仓库储位优化

针对在自动化立体仓库中储位分配混乱及仓储效率低的问题, 提出一个通过多种群空间映射遗传算法求解的组合优化模型. 该方法对基本遗传算法进行改进, 对货物自身需求量、 货架重心及货物相关性这3个方向组成的目标函数进行整体寻优. MATLAB仿真实验结果表明, 该方法得到了较现有算法更优的结果, 3个目标函数值均有改善, 并且任务容量会影响改进方法的优化能力.     

建筑空调系统能耗监测动态分析模型与优化控制方法

针对大型建筑空调系统能耗监测与能效优化控制问题,通过分析建筑物与外界环境的能量交换、室内温变过程的动态特征和变化机理,考虑随机不确定性因素的影响,建立了以温度、湿度等为变量的建筑物空调能耗过程随机动态模型,分析了建筑物空调能耗与室内外环境热交换的平衡制约关系.以建筑物舒适度指标作为能耗控制目标,建立空调能耗最小的优化控制模型,分析了系统优化途径;根据建筑物实际监测数据,应用动态回归方法探讨了如何确定建筑空调能耗模型的结构与参数,通过实际数据分析与模拟仿真结果的比较验证了模型的正确性.     

基于神经网络的尾流激励叶片气动力辨识方法

发动机中存在上下游干涉作用,上游叶片的尾迹流会引起下游叶片发生强迫振动。针对这一现象,提出了采用神经网络模型的方法辨识尾流激励下的叶片气动力。通过计算流体力学（CFD）方法获得时域尾流压力波及其叶片气动力作为训练信号和测试信号,分别用BP神经网络和NARX神经网络建立尾流激励下的叶片气动力辨识模型,对测试信号的叶片气动力进行辨识,并与CFD结果进行比较,探究这两种辨识模型的计算精度。算例结果表明基于NARX神经网络的叶片气动力辨识模型较基于BP神经网络的叶片气动力辨识模型计算精度更高,泛化能力更强。基于NARX神经网络的尾流激励叶片气动力辨识模型,可以快速准确地辨识不同振幅的随机尾流激励和周期尾流激励下的叶片气动力。     

基于PCA与RBF的建筑能耗预测建模

由于建筑能耗因子间存在非线性和高度冗余特性,传统预测方法很难消除数据之间冗余和捕捉非线性特征,导致预测精度较低.为了提高建筑能耗预测精度,提出一种将主成分分析(principal component analysis,PCA)和径向基函数(radial basic function,RBF)神经网络相结合的建筑能耗预测方法(PCA-RBF).利用PCA消除建筑能耗高维变量数据的相关性,并按累积贡献率提取主成分,将主成分作为RBF神经网络的输入进行训练学习.通过PCA避免了模型过多的输入导致的训练耗时长及预测精度较低的不足.通过将PCA-RBF模型方法应用于某办公建筑能耗的预测中,并与RBF神经网络及BP神经网络模型相比,实验结果表明PCARBF模型方法能有效提高建筑能耗预测精度.     

反问题与神经网络相结合的混流泵叶片优化设计

针对三元扭曲叶片优化设计过程中设计变量较多的问题，采用动量矩为设计变量，再通过反问题计算得到叶片来间接对叶片进行参数化；针对评价函数计算量太大的问题，根据试验设计理论安排训练样本，采用神经网络建立设计变量与目标函数间的复杂的响应关系，并且详细研究了反向传播和径向基函数2种网络在对评价函数进行预测过程中的应用，建立了一种新的叶片优化设计方法，与传统的优化方法相比，其设计变量数目较少，以叶轮内的三维粘性流动分析为基础且大大缩短了计算时间，利用此方法对一台混流泵的扬程和效率进行优化，所得叶片性能良好，从而验证了此方法的有效性。     

基于径向基神经网络的建筑物空调负荷预测模型

本文建立了一种基于径向基（RBF）神经网络的建筑物空调负荷预测模型。对广州市某办公楼在夏季不同月份的逐时冷负荷,分别用RBF神经网络模型和BP神经网络模型进行训练和预测计算,发现RBF神经网络模型预测的均方根误差ΔRMSE和平均相对误差ΔMRE都仅是BP神经网络方法的64％左右。仿真结果表明径向基（RBF）神经网络具有更高的预测精度及更好的泛化能力,是建筑物空调负荷预测的一种有效方法。     

基于径向基函数神经网络的工程造价估算

提出了一种更有效的前向网络——径向基函数(RBF)神经网络,以多、高层办公楼为例,建立了工程造价的估算模型,运用MATLAB语言程序实现,同时采用同样的样本对BP网络进行训练,两者结果比较表明,这种方法弥补了BP网络存在的收敛速度慢,易陷入局部最优等缺陷,从而大大提高了其实用性,是对造价估算方式的又一新的尝试。     

基于径向基神经网络的风电场无功补偿优化算法

 针对风电场无功补偿容量计算工作量大、计算过程复杂的问题,提出了应用径向基神经网络优化风电场无功补偿容量计算的方法。首先建立了含风电场的电力系统潮流计算模型,以某风电场实际有功功率作为模型的输入,计算该风电场所需的无功补偿容量;以有功功率作为输入数据,以计算所得的无功补偿容量作为目标输出,建立径向基神经网络,并对该神经网络进行训练。用训练后的径向基神经网络代替潮流计算模型,对该风电场所需无功功率进行计算,结果表明,该方法计算复杂度比潮流计算模型低,计算量少。研究表明可用训练后的径向基神经网络模型代替潮流计算模型,实时计算风电场无功补偿容量。     

一种改进轻量化神经网络的齿轮箱故障诊断方法

针对齿轮箱故障诊断精度低以及深度神经网络模型对计算机硬件要求高等问题,提出了Shuffle-ECANet网络模型用于齿轮箱故障诊断。该模型以轻量化神经网络ShuffleNet V2为基础,在保留网络轻量化结构的同时对网络模型进行了优化,采用Gelu激活函数增强了模型非线性变换能力,嵌入高效通道注意力(efficient channel attention, ECA)模块以提高网络性能。深度可分离卷积提高了网络模型的运算效率,通道混洗技术使得信息更加流通,提高了特征表达能力。实验结果表明,本文所提网络模型在保证轻量化的同时适用于不同噪声工况的齿轮箱故障诊断,在原信号下可达99.6%的诊断准确率,在添加了信噪比为-8 dB的高斯白噪声下可达92.7%的诊断准确率。本文所提方法为神经网络更好地应用于齿轮箱故障诊断提供了一条新的途经。     

用Hopfield神经网络解决作业车间调度问题

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的 Hopfield 神经网络计算能量函数表达式,然后提出改进的 Hopfield 神经网络作业车间调度方法。为了避免 Hopfield 神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于 Hopfield 神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

基于Isight的自适应翼型前缘气动优化设计

为了兼顾翼型在各个飞行状态下的气动效率,基于Isight优化设计平台对自适应翼型前缘进行了气动优化设计研究.首先对Hicks-Henne型函数进行了改进,实现了翼型前缘的参数化描述;然后采用拉丁超立方实验设计方法生成样本点,并运用CFD软件进行翼型流场的气动计算,进而利用该样本数据完成对RBF神经网络的训练;最后对神经网络近似模型应用多岛遗传算法进行优化.以NACA 0006翼型为例,采用上述组合优化策略以升阻比为目标函数进行优化设计.仿真结果表明:改进后的Hicks-Henne型函数较好地描述了翼型前缘;组合优化方法显著提高了翼型气动优化效率.     

基于神经网络的跨音速非定常气动力的辨识

利用递归神经网络(RNN)模型具有时间记忆性,且会考虑之前的输入输出对当前输出影响的特点,以递归神经网络方法建立了NACA0012翼型在跨音速阶段的非定常气动力模型;利用CFD计算NACA0012翼型绕其刚心作变频俯仰运动的跨音速气动力系数为训练数据,建立跨音速非定常气动力模型。以建立的跨音速非定常气动力模型预测NACA0012翼型作俯仰简谐振动的气动力系数,并与CFD计算的气动力系数进行对比。结果表明,该模型具备优良的逼近非线性非定常气动力的能力;针对跨音速二维翼型,该模型相比CFD可以更快速地构建,并能迅速且较为准确地预测不同频率下作简谐振动时的气动力。