基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.     

应用粒子群算法从已知数据中确定置信测度和似然测度

应用粒子群算法确定置信测度和似然测度,针对2种模糊测度的特点,对基本粒子群算法进行改进.通过与基本粒子群算法和遗传算法的分析和比较,验证了改进算法的有效性和高效性.     

改进PSO优化SVM的滚动轴承故障诊断

提出一种基于改进粒子群算法和支持向量机的滚动轴承故障诊断方法.首先分析基本粒子群算法的不足及其关键参数,提出多方面改进的粒子群算法,利用10种基准测试函数对比多种粒子群算法,证明该改进算法的优势.然后结合支持向量机,建立滚动轴承故障诊断模型,并提取滚动轴承振动信号的时域、频域、小波包节点能量和CEEMDAN分量排列熵四种特征,构成单一特征和组合特征作为诊断模型的输入特征向量.最后利用凯斯西储大学滚动轴承数据进行验证,并与网格算法、遗传算法和多种不同粒子群算法进行对比.试验证明,本改进粒子群算法优化支持向量机模型在滚动轴承故障诊断中更具优势.     

一种求解TSP问题的改进粒子群优化算法

针对基本粒子群优化算法(PSO)容易陷入局部最优的缺点,将遗传算法、模拟退火算法与粒子群算法结合,提出一种改进的粒子群优化算法.在PSO的快速寻优基础上,融入遗传算法的交叉与变异操作,使粒子群具有变异能力,同时引入模拟退火算法的Metropolis准则,允许粒子在目标函数有限范围内变坏,防止陷入局部最优,形成一种新的算法模型,应用于TSP问题求解.采用TSPLIB中burma 14和att 48作为实验数据,对算法求解旅行商问题进行模拟与分析.仿真实验结果表明该改进算法提高了求解质量,全局搜索能力得到增强.     

遗传算法优化的PHEV模糊能量管理策略研究

选取某款插电式并联式混合动力汽车(PHEV)进行转毂实验,通过转毂实验分析整车的动力性、经济性及整车控制策略,利用GT-suite软件搭建整车一维动力性模型并制定能量管理控制策略,对比分析仿真结果和实验结果:发动机功率实验数据和仿真数据变化趋势一致,电池SOC变化趋势一致,并且最大误差小于20％,验证了仿真模型的准确性.在一维模型基础上利用GT-suite软件和Simulink软件联合仿真,利用基于模糊规则能量管理策略优化混合动力模式下发动机和电机功率分配,然后以整车经济性最佳为优化目标,利用遗传算法优化模糊控制器.结果表明:相对于特定规则的能量管理策略,基于模糊规则策略下整车经济性提高了8.98％,基于遗传算法优化的模糊控制策略整车经济性提高了15.69％.     

基于粒子群优化算法的协同空战导弹目标分配

为了取得协同空战的最佳攻击效果,在协同攻击的过程中进行导弹-目标最优分配是一种有效的解决方法。首先运用作战效能和运筹学理论建立多目标协同攻击的导弹-目标最优分配模型,其次在分析基本粒子群优化算法特点的基础之上提出了一种改进粒子群优化算法,其中的主要改进有3点:惯性权自适应调整、粒子速度与位置自动更新以及优化策略改进。然后将该改进粒子群优化算法应用于协同空战导弹-目标最优分配问题的迭代求解。仿真结果表明所采取的改进策略加快了算法的收敛速度,提高了粒子的局部求解精度与全局寻优能力,并且与基本粒子群算法、遗传算法相比较,该改进粒子群优化算法能够更加快速、有效地求出多目标协同攻击的导弹-目标分配最优解。     

一种新的混合粒子群优化算法

针对粒子群优化算法容易陷入局部极值,进化后期收敛速度慢、精度低等缺点,本文将粒子群优化算法与遗传算法相结合,在基本粒子群优化算法中引入了正态变异算子,提出了一种新的混合进化算法,新算法增加了种群的多样性,增强了算法的全局寻优能力,提高了算法的搜索效率。使用新算法对经典函数进行优化测试,结果表明,本算法保持了粒子群优化算法简捷快速、容易实现的特点;同时,正态变异算子的引入提升了算法后期的收敛速度与全局搜索能力。新的算法能够以更小的种群数和进化代数获得较好的优化能力,在克服陷入局部最优和收敛速度方面均优于基本粒子群优化算法、遗传算法以及加入混沌扰动的粒子群优化算法(CPSO)。     

基于改进粒子群算法的油田注水管网优化设计

注水采油是我国陆上油田主要的采油方式之一.在油田地面工程投资中,注水管网投资占有很大比重.为节约投资成本,采用改进粒子群优化算法对管网布局数学模型进行求解,求得管网优化的最短路径.在改进算法中通过标准差判断算法是否陷入局部最优,引入遗传算法中的选择交叉操作以增加粒子多样性,从而跳出局部最优,加快收敛速度.研究实例表明,改进粒子群优化算法优于基本粒子群算法.     

车辆路径问题的并行粒子群算法研究

设计了一种引入了模拟退火机制的并行粒子群算法.该算法结合了基本粒子群优化算法的快速寻优能力和模拟退火算法的概率突跳性,避免了基本粒子群优化算法易于陷入局部最优的缺点,提高了进化后期算法的收敛精度.将该算法用于解决车辆路径问题,实验结果表明该算法具有较好的性能.     

一种改进的粒子群优化算法

针对粒子群优化算法早熟收敛现象,提出了一种改进的粒子群优化算法.该算法将模拟退火算法的"上山性"引入粒子群算法中,同时为了增加种群的多样性,将交叉和变异算子也结合进去,形成了一种新的改进粒子群算法.比较了高斯变异和柯西变异这两种变异算子对改进算法的影响.改进算法对典型函数的优化计算结果表明,与基本粒子群算法相比,改进算法能够更加快速有效的收敛到全局最优解,而且采用柯西变异算子的改进算法的效果比采用高斯变异算子的效果要好.     

基于MOEA的PHEV控制策略与参数优化

针对并联混合动力汽车（PHEV）控制策略与传动系统参数优化问题,建立了以最小化燃油消耗与污染物排放量的多目标优化模型,研究基于多目标进化算法的PHEV控制策略与传动系统参数优化方法.采用ADVISOR仿真并将仿真所得的燃油消耗与污染物排放量作为候选方案的目标值,基于帕累托支配性原理判定候选方案的优劣,限定待优化变量的取值在PHEV生产精度要求范围内.实验结果显示：优化后的系统1×105m燃油消耗平均降低了22.32%,污染物CO,HC与NOx排放量平均降低了22.06%,7.98%和7%;电动机工作效率由0.18提高到0.52以上;系统总效率平均提升了22.99%.     

计及能耗经济性和电池寿命的PHEV能量管理策略优化

针对一款混联式双电机插电混合动力汽车，建立了整车动力学模型和电池寿命衰减模型，同时为反映电池温度对电池寿命的影响，建立了电池温度模型；考虑能量管理控制对能耗经济性和电池寿命衰减的影响，制定了一种多模式逻辑规则能量管理策略，并分析了控制参数变化对能耗经济性和电池寿命的影响。建立包含等效油耗和电池寿命衰减的多目标优化模型，基于多目标改进遗传算法对能量管理策略控制参数进行优化，优化结果表明：基于本文插电式混合动力汽车能量管理策略的优化方法得到的控制参数Pareto最优解集兼顾了插电式混合动力汽车的能耗经济性和电池寿命，可以得到多组不同的控制参数优化解，为能量管理策略的设计应用提供了多种可供选择的方案。     

基于系统综合效率最优的双轴并联PHEV联合优化控制策略

针对双轴并联插电式混合动力汽车控制策略与参数优化问题,综合考虑发动机和电动机工作区间对整车经济性的影响,以系统综合效率最高为目标提出了同时优化转矩分配和变速器挡位的联合优化控制策略,同时引入成本函数对整车经济性和换挡成本进行综合评价.制定控制策略后,以整车在NEDC工况下的电平衡油耗最低为优化目标,采用Isight/Cruise/Simulink联合仿真优化平台采用自适应模拟退火算法对联合优化控制策略参数进行了优化.仿真结果表明,经优化参数后的联合优化控制策略比未经参数优化的规则策略节省油耗7.7%,比运用初始规则策略节省油耗17.3%.     

智能混合动力汽车经济性自适应巡航控制策略研究

针对智能混合动力汽车自适应巡航过程中的能量控制策略问题,结合模型预测控制在处理多目标、多约束优化问题方面的优势和粒子群算法运算量小、收敛快的特点,将粒子群算法作为模型预测控制的滚动优化方法,构造基于模型预测控制的粒子群算法.仿真结果表明,文中算法能够使绝大部分工况点落在较低燃油消耗率区域,只有少部分工况点落在非经济区域,虽然多消耗了1.06%的燃油,但在运算速度上却获得了60.3%的提升.     

Modeling, Control Design and Performance Analysis of PHEV Powertrain

Developing Parallel Hybrid Electric Vehicle (PHEV) is becoming an active research field of new type electric automobiles for its high fuel economy and low emissions. Due to the complexity of PHEV powertrain, simulation becomes an important method in study of PHEV control strategy. In this paper, a forward-facing simulation software and the models of PHEV powertrain based on MATLAB/Simulink are develooed to study on the PHEV control strategy, The simulation results are also shown in the paper.     

并联混合动力汽车模糊多目标控制策略

针对并联混合动力汽车(PHEV),提出一种模糊多目标整车控制策略.通过应用电动机等效燃油消耗的概念,将整车燃油消耗与尾气排放同时作为优化目标.应用模糊逻辑和最小加权偏差法,并根据当前工况对优化目标的偏好情况,求得瞬时最优工作点.基于ADVISOR仿真平台的研究表明,模糊多目标控制策略(FMCS)相对基于规则的控制策略(RBCS)能够在不损失车辆动力性能的前提下有效降低燃油消耗和尾气排放,同时将电池荷电状态(SOC)维持在合理范围内.     

基于速度预测与自适应差分进化算法的混合动力汽车能量管理策略

为提高单行星排构型的混合动力汽车（hybrid electric vehicle, HEV）的燃油经济性,降低车辆燃油消耗量,提出了一种基于门控循环单元神经网络（gated recurrent unit neural network, GRU-NN）速度预测模型与自适应差分进化（adaptive differential evolution, A-DE）算法的能量管理策略,在模型预测控制（model predictive control, MPC）框架下预测未来车辆的行车速度,将整个工况内的全局优化求解问题转化为在预测时域内的局部优化求解,以发动机燃油消耗量最低与行车过程电池荷电状态（state of charge, SOC）平衡为目标,利用A-DE算法实现预测域内的最优控制序列求解。仿真结果表明,在实车采集的道路工况下,基于GRU-NN与A-DE算法的能量管理策略相较于ECMS燃油消耗量减少了4.55%,相较于动态规划燃油经济性达到了93.04%。     

新型的融合优化算法及其在电力系统中的应用

提出了一种新型的融合优化算法,该算法结合了遗传算法(GA)的复制、交叉、变异操作以及粒子群优化算法(PSO)的个体速度和位置更新的原理,并将混沌的概念引入其中,它的性能要优于GA和PSO.在标准测试函数上进行了仿真比较,验证了新型算法的有效性.最后,这种新的融合优化算法被应用到了电力系统最优潮流的计算中,对IEEE-30系统进行仿真,并与遗传算法、标准PSO算法进行比较,结果表明新型的融合优化算法具有更好的优化性能.     

基于多目标优化的混合动力系统DOH参数匹配

以一款并联式混合动力系统为研究对象,提出一种基于混合度(DOH)进行动力性、经济性、排放性的多目标优化参数匹配方法。建立综合整车各性能指标为价值函数,选定DOH为匹配设计变量,采用粒子群优化算法(Particle Swarm Optimization ,PSO)进行优化,获得不同权重系数下的优化DOH,同时权衡部件成本进而选定最佳DOH进行参数匹配,并开展回归实验验证,其结果表明：和优化前相比,最高车速提高了19.7%,每加仑行驶的里程提高了10.9%,排放量降低了19.8%。