电动汽车传动系统的匹配及优化

以某种型号的电动汽车作为研究对象,在对其动力传动系统的参数设计进行分析研究的基础上,对参数进行了较为合理的、简洁地匹配.应用基于遗传算法的汽车动力传动系统设计优化方法对电动机效率、蓄电池容量、传动系传动比等主要参数进行了优化处理,使得电动汽车在蓄电池一定的条件下,性能达到最优.     

基于 GT-driver 的电动汽车传动系统的优化设计

以奇瑞某车型的电动汽车传动系统为研究对象,对系统主要参数进行较为合理的设计和匹配．应用遗传算法对该系统的参数进行优化处理,并基于GT-driver软件对优化后的整车动力性、经济性进行仿真分析,其仿真验证了参数优化结果能满足整车性能目标要求．     

开关磁阻电动机的设计方法和公式

导出工程上实用的确定开关磁阻电动机主要尺寸绕组匝数的公式，详细论述了该类电机主要参数的选取原则，由此提供一个适合于计算机编程的具体设计方法。     

一种基于满意度的PID参数整定方法

提出了一种基于满意度与遗传算法的PID(Proportional Integral Derivative)参数在线整定控制器的设计方法．利用满意解的原理设计系统响应超调量、上升时间及调整时间等的满意度函数，再离线通过遗传算法搜索PID控制器的3个参数kp，ki和kd作为在线调整PID参数的基值，然后设计跟踪误差与kp，ki和kd的关系函数，在线调整PID控制器参数，以获得良好的稳态性能、动态性能及鲁棒性能．Matlab仿真结果证明了所提出的PID控制器的有效性。     

动压滑动轴承遗传算法优化设计中的参数选择

文章建立了以降低润滑油流量为目标的动压滑动轴承优化设计模型,应用遗传算法对该模型进行优化;研究了遗传算法中位串长度、种群个体数、进化代数和变异概率4个主要参数对动压滑动轴承优化设计的影响,并提出了根据约束条件的数量确定合适的变异概率,根据优化模型自身特点和约束条件的复杂程度确定合适的位串长度、种群个体数和变异概率,根据种群收敛的情况确定合适的进化代数。算例表明,文中提出的动压滑动轴承遗传算法优化设计中参数的选择确定方法是合理的,可以拓展到基于遗传算法进行优化设计的其他领域。     

基于进化的产品平台参数规划方法

针对基于可变参数的产品平台,用遗传算法对产品平台参数进行规划,满足各种客户需求.该规划方法无需事先人为指定,而是在满足多样化客户需求的前提下,尽可能提高产品族中设计变量的共性,从而确定最好的产品平台的公共参数及其最优值,以及个性参数及其变化范围.并以一个电动机例子验证了该方法.     

基于神经网络和遗传算法的桥梁参数优化方法与分析

在桥梁施工监控中,实测标高与理论预测标高存在差异的主要原因之一是理论计算参数存在偏差,因此对计算参数进行有效修正成为现代施工控制的一个关键问题。分析和确定了影响标高预测误差的主要参数,利用有限元分析建立了主要参数和标高之间的BP网络模型,该模型在一定参数取值范围内可以取代有限元模型预测标高,从而大大减少计算量。在建立的BP模型基础上,通过浮点编码的遗传算法对目标函数进行优化得到一组最优计算参数。对实际桥梁的计算分析表明,本文确定的分析参数物理意义明确,基于本文方法的修正能有效地提高标高预测精度,对类似桥梁的计算分析具有指导意义。     

均匀设计在求解TSP问题中的应用

本文利用均匀设计抽样的理论和方法,针对遗传算法解决旅行商问题,将遗传算法基本模型的参数设定问题描述成均匀设计中多因素多水平的试验设计,确定参数后再运用均匀设计产生初始种群,用TSP问题库内的基准问题进行仿真实验,证明了该方法是有效的。     

THIPWM逆变器供电至异步电动机时电机动态性能的仿真研究

利用坐标变换理论，建立了异步电动机的数学模型，探讨了THIPWM波形的生成原理，最后通过MATLAB对THIPWM交流调速方案供电至异步电动机的稳态性能以及动态性能进行了仿真，讨论了几个电机参数的取值对异步电动机的性能影响。     

基于ESN网络的航天器姿态跟踪鲁棒控制

为了研究具有外部干扰力矩和模型不确定性的多体航天器姿态快速跟踪控制问题,基于逆系统方法和回声状态网络(echo state network, ESN), 设计了鲁棒控制器,并利用Lyapunov稳定性理论证明了控制系统的渐近稳定性.采用"meta-learning"策略离线训练ESN网络,并应用遗传算法优化其主要参数,解决了动态递归神经网络训练困难及网络参数不易确定的问题.控制器的设计过程相对简单,不需要精确的动力学模型.该文还针对航天器中心体与天线同时跟踪不同目标的任务进行了数值仿真,结果表明所设计的鲁棒控制器对外部干扰与模型不确定具有很好的鲁棒性.     

Genetic Algorithms for the Optimal Design of Electromagnetic Micro-Motors

The genetic algorithm (GA) to the design of electromagnetic micro-motor to optimize parameter design. Besides the different oversize from macro motor, the novel structure of micro motor which the rotor is set between the two stators make its design different, too. There are constraint satisfaction problems CSP) in the design. It is shown that the use GA offers a high rate of global convergence and the ability to get the optimal design of electromagnetic micro motors.     

Genetic Algorithms for the Optimal Design of Electromagnetic Micro-Motors

The genetic algorithm (GA) to the design of electromagnetic micro-motor to optimize parameter design. Besides the different oversize from macro motor, the novel structure of micro motor which the rotor is set between the two stators make its design different, too. There are constraint satisfaction problems CSP) in the design. It is shown that the use GA offers a high rate of global convergence and the ability to get the optimal design of electromagnetic micro motors.     

A New Process and Technology for Rapid Prototyping of A μ-Micro Motor

A new process and technology of rapid prototyping for a μ-micro motor is presented as a nontraditional machining and an advanced manufacturing technology (AMT) to be realized by using masks, including the operation principle of the motor, structure design, technique, driven circuit, and quality examination with Raman spectrum. The μ-micro motor is fabricated by the micro electro-mechanical systems (MEMS) process, the structure design must be considered to fabricate or assembly the parts during machining the motor in the meantime. The research proved that integration of IC (integrated circuit) process and MEMS using masks is effective in obtaining the rapid prototyping manufacturing of the μ-micro motor. With the mature technique to fabricate the motor, there are advantages to produce the motor in short time and with lower cost than before. The motor is a common power source of micro machines in military and civilian applications, for example, applied to micro robot, micro bio medicine, and micro machine. The size of the motor is 190 μm in maximum diameter by 125 μm in height that is bulk machined in array with the number of hundreds of micro motors on a substrate.     

小波网络异步电机转速辨识器的设计

为实现无速度传感器异步电机控制,有时采用神经网络转速辨识器,但前馈神经网络结构难以确定,运用BP算法时又极易陷入局部解。因此,偿试利用小波网络构造转速辨识器,并将遗传算法和BP算法结合起来作为小波网络的学习算法。该算法首先采用混合编码的遗传算法优化网络的结构及网络初始权值,其次再利用BP算法对网络权值进行精确调节;这种将遗传算法与BP算法相结合的GA BP算法,实现了遗传算法的全局搜索能力与BP算法的局部寻优性能的互补结合.将所设计的网络转速辨识器运用到直接转矩控制系统当中,利用MATLAB/SIMULINK实现无速度传感器控制系统的仿真实验结果表明,该方法具有良好辨识效果。     

基于量子粒子群优化算法的PID参数控制

针对传统PID算法参数最优或接近最优确定较为困难,提出一种量子粒子群(QPSO)优化PID参数的算法,并用平方误差矩积分函数作为适应度判据,以克服PID算法自适应能力较差及遗传算法(GA)优化效率不高,其局部搜索能力较弱的缺陷。并使用伺服电动机数学模型进行仿真,结果表明量子粒子群优化PID参数速度快,避免早熟缺陷,同时表明了所提出算法的有效性和所设计控制器的优越性。     

基于布谷鸟搜索算法的SVR参数选择

SVR(支持向量回归机)在解决非线性回归问题时有极大的优势,在其预测过程中,最重要的是参数的选择,不同的参数会造成预测结果的巨大差异．目前较为普遍的方法是利用遗传算法和粒子群算法进行参数选择,而这2种算法在解决多峰问题时的局限性,容易导致算法的效率低且准确度不高．鉴于布谷鸟搜索算法引入了Lvy飞行机制,能有效地跳出局部最优解,使算法收敛速度快,且结果具有对算法本身的参数变化不敏感的优点,该文将布谷鸟搜索算法应用于SVR参数寻优过程中．网络流量和白葡萄酒质量的预测实验结果表明,布谷鸟搜索算法相对于遗传算法、粒子群算法等其他启发式智能算法而言,收敛速度更快,寻参结果的精度更高．     

基于模型参数在线辨识技术的SOC估算方法

针对遗传算法(genetic algorithm,GA)存在收敛速度慢、易陷入局部最优以及难以实现在线应用的问题,面向如动力电池等效电路模型一类非线性较强、实时性要求高的模型辨识问题,提出一种能够快速缩小搜索空间,且有效避免陷入局部最优的在线快速搜索的优化辨识框架,实现电动汽车动力电池等效电路模型参数在线快速辨识,扩展全局搜索优化算法的应用范围.进一步,将此算法应用于电池剩余荷电状态(SOC)估算问题,提出基于改进GA参数辨识技术的无迹粒子滤波SOC估算方法(IGA-UPF).并将此SOC估算方法与基于最小二乘参数辨识技术的无迹粒子滤波的SOC估算算法(LS-UPF)作比较,结果验证了本文提出的在线快速参数辨识框架具有更好的模型参数辨识精度.     

基于遗传算法的电动代步车用轮毂电机优化设计

 建立了电动代步车轮毂电机优化设计的数学模型,介绍了遗传算法在该轮毂电机优化设计的应用.在对电动代步车轮毂电机进行研究的基础上,针对轮毂电机设计的特点,对轮毂电机的优化设计进行了详细的研究与探讨.优化结果表明,无论是在性能、成本还是质量,电机都得到了改善,满足了产品对驱动电机的使用要求.     

基于改进遗传算法的PID型励磁系统控制器(英文)

提出了一种新型PID型励磁控制器,采用一种改进的遗传算法优化其参数,不仅克服了参数设计的主观性,且可以提高优化速度.计算结果表明,这种改进遗传算法的搜索速度与精度均优于试探法和标准遗传算法.与传统控制器的仿真比较表明,采用改进遗传算法优化的PID型励磁控制器对于电力系统动态特性具有较好的控制作用.     

遗传算法优化性能评价准则研究

为了克服传统遗传算法优化性能评价准则（如在线性能、离线性能）忽略随机因素对算法的影响，从而不能准确评价算法性能的缺点，提出了一种基于平均偏离距和偏离距标准差的新的遗传算法优化性能评价准则，给出了平均偏离距和偏离距标准差的数学定义，并分析了它们的泛函意义．由于平均偏离距和偏离距标准差采用遗传算法多次运行结果的统计参数来评价算法的性能，因此能够较好地消除随机因素对算法性能的影响．同时，应用所提出的评价准则研究了二进制码和格雷码对遗传算法优化性能的影响．基于F2函数的数值实验结果表明，与二进制码相比，格雷码的平均偏离距和偏离距标准差指标都比较低，因此能够更好地提高遗传算法的优化性能．