基于Pareto最优原理的混合动力汽车多目标优化

介绍了混合动力汽车（HEV）相关知识,建立了以最小化燃油消耗、HC+NOx排放量和CO排放量为目标的3目标优化模型,提出了基于Pareto最优原理的混合动力汽车多目标优化进化算法.该算法采用实数编码,以ADVISOR为HEV的仿真软件获得各候选方案目标值,基于Pareto支配性原理判定候选方案的优劣,并设计了可以调整待优化变量有效位的机制以保证优化所得的候选方案具有可实现性.针对不同车型的仿真实验结果表明,所提出的算法能够较好地解决混合动力汽车多目标优化问题,可以获得一组具有低燃油消耗与低污染物排放的Pareto最优解供决策者选择.     

面向动态过程的HEV模糊PID控制方法

提出面向动态过程的混合动力电动汽车(HEV)多能源动力系统控制方法. 针对城市公交HEV,建立HEV动力驱动模型,通过优化PID控制器参数实现提高HEV动态特性的目的. 同时为了解决提高HEV动态特性而引起其动力能量消耗增大的问题,提出面向动态过程的HEV模糊PID控制方法,在线确定控制系统的PID离散控制参数的变化规律,控制HEV多能源动力总成工作. 仿真结果表明,该方法既能保证HEV动态特性良好,又能有效控制HEV动力源输出,使HEV节能目标得以真正实现.     

燃料电池混合动力船舶复合储能系统与能量管理策略优化

为优化燃料电池混合动力船舶的能量管理策略和复合储能系统容量参数,以某燃料电池混合动力船舶为目标船,在Matlab/Simulink环境中搭建含复合储能系统在内的混合动力系统与能量管理系统仿真模型,应用蚁狮多目标优化算法进行优化,并将优化后的混合动力系统性能与原船进行仿真比较.结果 表明,优化后的混合动力系统能够满足电力需求,改善电能质量,延长设备寿命.     

基于Matlab/WAVE的汽油机工作过程的联合仿真优化

应用内燃机性能仿真软件WAVE对462PFI(进气道喷射)汽油机工作过程进行了数值仿真计算,仿真计算结果与实验数据取得了较好的一致性.用Matlab编制了多目标、多参数非线性约束优化算法程序,通过调用仿真计算模型,改变输入参数如压缩比、空燃比、点火提前角和气门正时等的输入数值,实现了联合仿真优化.在给定权重的条件下,寻求参数的最优匹配,使得发动机动力性、经济性和排放性能综合最优.     

基于二进制人工蜂群算法的认知无线电决策引擎

为实现认知无线电系统参数的自适应调整功能,提出了一种基于二进制人工蜂群算法的认知无线电决策引擎。将认知无线电决策问题转化为多目标函数优化问题,并采用加权和方法将复杂的多目标函数优化问题归一化为简单的单目标函数优化问题。采用二进制人工蜂群算法对此优化问题进行求解,实现对无线电系统参数的优化调整。最后,通过一种多载波系统对算法性能进行仿真分析,仿真结果验证了该算法的有效性和实用性。     

基于行为博弈进化算法的PHEV控制策略参数优化

控制策略是影响并联混合动力汽车(PHEV)性能的重要组成部分。针对混合动力汽车控制策略优化问题,设计了基于行为博弈进化算法的并联混合动力汽车控制策略参数优化方法(PGEA).该方法以行为博弈进化算法为优化工具,以混合动力汽车的加速性能、最大爬坡度、最高车速等动力性能指标为约束条件,采用ADVISOR仿真并联混合动力汽车,以最小化燃油消耗与污染物排放总量为优化目标。30组仿真实验结果表明：1)优化后的系统百公里燃油消耗与污染物排放之和最大降幅为23.68%,最小降幅为18.72%,平均下降22.13%;2)发动机效率、电动机效率和系统整体效率至少分别提高了16.67%、44.44%和18.39%;3) PGEA比基于Pareto最优原理的混合动力汽车多目标优化进化算法能够获得精度更高的解。     

基于行为博弈进化算法的并联混合动力汽车控制策略参数优化

控制策略是影响并联混合动力汽车(PHEV)性能的重要组成部分。针对混合动力汽车控制策略优化问题,设计了基于行为博弈进化算法的并联混合动力汽车控制策略参数优化方法(PGEA);该方法以行为博弈进化算法为优化工具,以混合动力汽车的加速性能、最大爬坡度、最高车速等动力性能指标为约束条件,采用ADVISOR仿真并联混合动力汽车;以最小化燃油消耗与污染物排放总量为优化目标。30组仿真实验结果表明:(1)优化后的系统百公里燃油消耗与污染物排放之和最大降幅为23.68%,最小降幅为18.72%,平均下降22.13%;(2)发动机效率、电动机效率和系统整体效率至少分别提高了16.67%、44.44%和18.39%;(3)PGEA比基于Pareto最优原理的混合动力汽车多目标优化进化算法能够获得精度更高的解。     

混合动力系统参数优化匹配研究

以XMQ6103GF2城市公交客车为改造对象,为提高并联混合动力车辆（PHEV）动力系统的内燃机、电池、电机之间工作的协调性,解决整车的动力性、经济性、排放性及车辆成本问题,提出一种以动力系统功率最小化为目标,动力性能指标为约束条件的参数优化匹配方法。该参数匹配方法包括初步设计、参数优化和性能校核三个部分。在MATLAB平台下,采用 ADVISOR的电辅助控制策略进行仿真,仿真结果验证了该方法的有效性。     

混合动力系统参数优化匹配研究

以XMQ6103GF2城市公交客车为改造对象,为提高并联混合动力车辆(PHEV)动力系统的内燃机、电池、电机之间工作的协调性,解决整车的动力性、经济性、排放性及车辆成本问题,提出一种以动力系统功率最小化为目标,动力性能指标为约束条件的参数优化匹配方法.该参数匹配方法包括初步设计、参数优化和性能校核三个部分.在MATLAB平台下,采用 ADVISOR的电辅助控制策略进行仿真,仿真结果验证了该方法的有效性.     

轮毂电动机HEV动力系统设计与仿真

在传统前置前驱车辆的基础上,设计了一种前轮发动机驱动、后轮轮毂电动机驱动的新型混合动力系统,实现了HEV动力系统结构的简化.根据车辆各部件参数及整车动力性能要求,完成了轮毂电动机的选型并确定了轮毂电动机性能参数,运用ADVISOR2002软件构建了轮毂电动机HEV整车仿真模型,基于模糊逻辑制定了HEV能量管理策略,在NEDC工况下进行了HEV动力性能的仿真.仿真结果表明:在模糊控制策略作用下,所设计的轮毂电动机HEV提升了整车动力性能,改善了系统燃油经济性,提出的设计方案正确合理,可为基于轮毂电动机的HEV设计提供参考.     

基于PSO_MP算法的电力线信道模型参数识别方法

针对低压电力线信道模型的多参数识别问题,提出了一种基于粒子群优化的匹配追踪算法(particle swarm optimization_ matching pursuit, PSO_MP)。匹配追踪算法(matching pursuit, MP)实现过程简单,但是计算复杂、计算量比较大;粒子群优化算法(particle swarm optimization, PSO)具有全局搜索能力强、收敛快等优点;将两者结合使用不仅可以提高信道模型参数辨识精度,而且还可以提高系统收敛速度。针对传统的高斯原子数目较大的问题,设计了一种新的原子结构。仿真实验表明,基于PSO_MP的模型参数识别精度高,验证了该算法的可行性和优越性。     

基于基本遗传算法的PID参数整定

多目标优化问题一直是控制领域的重要研究问题。本文主要利用基本遗传算法来解决其中的参数优化问题。采用误差绝对值时间积分性能指标作为参数选择的最小目标函数,采用轮盘转的方法提高遗传算法的全局优化能力。最后,通过MATLAB仿真结果表明,根据遗传算法寻优设计的PID控制器比人为的通过调试或经验取得的数据更有说服力,控制效果更好。     

搭载回流式动力传动系统的PHEV参数优化

针对搭载回流式动力耦合传动系统的插电式混合动力汽车(PHEV,plug-in hybrid electric vehicle),提出了一种参数匹配优化设计方法。建立了整车各个模式下的等效输入功率模型,根据最小等效输入功率原则制定了各驱动模式间的切换规律,并设置控制参数系数对模式切换曲线进行调整。通过MATLAB/SIMULINK构建了整车经济性仿真模型,利用遗传算法对匹配的动力参数和控制参数系数进行了综合优化。仿真结果比较表明:此方法得到的一组参数能有效提升燃油经济性,百公里等效燃油消耗比优化前降低了4.8%。     

混合动力轿车的控制策略与建模

采用理论模型和试验数据相结合的建模方法，在系统仿真软件MATLAB／Simulink环境中建立了EQ7200HEV混合动力轿车样车A的仿真模型，该整车模型的控制策略采用了逻辑门限与瞬时优化相结合的算法，既可以满足实时性的要求，又能同时兼顾电池的充放电损失和制动回收电能．仿真结果与实验数据比较表明，文中提出的控制策略能有效地控制混合动力系统在高效区工作，显著地提高了汽车的燃油经济性．     

基于改进SA-WOA算法优化热封刀温度控制系统PID参数的研究

套袋机热封刀温度通常采用PID算法进行控制,但是PID控制参数大多由人为经验设定,控制效果不佳.为解决这一问题,本文提出一种改进SA-WOA算法实现PID控制参数的自整定.首先我们利用阶跃响应曲线法建立系统的传递函数模型,再考虑鲸鱼算法以及模拟退火算法的优点,将两者进行结合;然后在此基础上对算法进行改进,提高算法的收敛速度以及优化效果;再将改进后的算法在MATLAB R2017b平台上进行仿真对比实验;最后,将仿真所得控制参数在套袋机上进行实验测试.仿真对比结果表明,相对于继电反馈算法、粒子群算法以及基于模拟退火的改进粒子群算法,本文算法优化所得参数控制效果更好.实测实验结果表明,本文算法所得参数控制效果良好,可以更好地满足实际的需求.     

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%。     

SCE-UA算法在水环境系统优化问题中的应用

把SCE-UA算法应用到水环境系统优化问题的求解当中,成功求解了3个典型的优化问题:二维稳态水质模型横向扩散系数及流速推求、排放口最优化处理、水工建筑物调度参数识别.结果表明:该算法不但能求解一元函数约束的优化问题,通过构造罚函数,该算法还能够成功求解有多元函数约束的优化问题.该算法不依赖导数和优化问题的具体形式,并且参数极少,求解精度高,通用性较强,可高效识别水工建筑物的调度参数,在环境系统优化中有很高的推广价值.     

改进人工蜂群算法的四旋翼自抗扰控制参数优化

针对四旋翼自抗扰控制(ADRC)参数整定困难,给工程应用带来较大限制的问题,提出一种改进人工蜂群算法的四旋翼ADRC控制器参数优化方法。该算法采用自适应的探索策略,根据选择概率,从五种不同的搜索规则中进行选择,提高种群的多样性和寻优能力。将ADRC控制器中的参数作为蜂群中的种群应用到四旋翼无人机仿真模型中进行迭代寻优,并把风干扰模型作为环境噪声引入系统,测试算法性能。仿真结果表明,改进后的人工蜂群算法得到的控制器参数响应速度更快,稳态误差更小,抗干扰能力更强。     

复杂供应链多级库存系统的控制与协调仿真优化

本文讨论了由一个无限供应能力的供应商、多个制造商和多个有确定需求及随机需求的经销商所组成的复杂网状供应链多级库存系统的协调优化问题.首先建立了问题的最优控制数学模型;然后采用仿真优化方法,设计了一个复杂供应链多级库存系统的仿真优化器对问题进行求解,其中该仿真优化器由底层仿真器和基于遗传算法的上层优化器组成;最后利用仿真软件Arena对仿真优化器进行了设计与实现;并采用仿真数据实例验证了方法的有效性.     

改进蚁群算法优化SVM参数的网络入侵检测模型研究收

基于支持向量机（support vector machine, SVM)的网络入侵检测模型泛化能力与其参数选取密切相关,因此 SVM参数优化是一个难题。为进一步提高网络入侵检测率,提出一种改进蚁群优化SVM参数算法（modified ant colony optimization algorithm-support vector machine, MACO-SVM)的网络入侵检测模型。首先采用蚁群搜索路径节点代表支持向量机参数,将网络入侵检测率做为目标函数,然后通过蚁群算法的全局寻优能力和反馈机制寻找最优 参数,并对蚂蚁进行高斯变异,克服蚁群陷入局部极值,最后将最优路径上的节点连接起来得到SVM的最优参数, 建立最优网络入侵检测模型。采用KDD99数据集对模型进行仿真实验,仿真结果表明,MACO-SVM不仅提高了网络入侵的检测效率,而且获得了更高的检测率。