混合动力系统多目标优化的混合度参数匹配方法

以一款并联式混合动力系统为研究对象,提出一种集动力性、经济性、排放性于一体的多目标优化的混合度参数匹配方法.以整车各性能指标为价值函数,选定混合度为匹配设计变量,采用粒子群优化算法进行优化,获得不同权重系数下的优化混合度.同时权衡部件成本,进而选定最佳混合度进行参数匹配,并运用Advisor仿真软件进行验证.结果表明,与优化前相比,最高车速提高了19.7%,百公里油耗降低了9.8%,排放量降低了19.8%.     

基于新型Memetic算法的多目标优化

为了更好地解决多目标优化问题,提出一种求解多目标优化问题的新型memetic算法.该算法利用微粒子群算法的全局搜索能力和同步启发式局部搜索相结合进行局部微调;利用基于模糊全局极值的概念处理种群中过早出现收敛以及解多样性保持等问题.通过进一步检测得出新算法的特点并展示其在多目标优化问题上的独立性和综合效应.同时应用新型算法对IEEE14节点标准电网进行无功优化计算.结果证明,该新型memetic算法具有很好的寻优能力,验证了该算法的有效性及科学性.     

考虑模式切换频率的多模式混合动力汽车参数优化

针对一种新型混联式混合动力系统,采用逻辑门限的方法制定了能量管理策略并用多目标粒子群算法进行了优化。在传统的以新标欧洲循环测试(NEDC)工况下整车经济性、动力性为优化目标的基础上,考虑模式切换频率,增加了模式区分度作为优化目标,选取2个逻辑门限参数和5个传动比参数作为优化变量,使得混合动力系统在保证经济性和动力性的同时,提高了模式选择的稳定性。还根据现有的结构,参考各个动力部件的经济区,制定了基于规则的能量管理策略,并利用MATLAB和Cruise搭建了仿真模型和控制策略模型。仿真结果表明,采用该方法所得到的2组优化解参数与原参数相比,解1和解2燃油经济性分别提高了12.7%和15%,加速性能提升了15.7%和6.5%且有效避免了模式的频繁切换,工作模式的稳定性得到了保障。最后,利用JC08工况进行了仿真验证,结果表明优化所得的解在JC08工况下仍具有可行性,文中多目标优化方法通用可行。     

并联混合动力公交车动力系统匹配优化

混合动力公交车动力系统参数匹配对整车动力性和燃油经济性影响显著。首先,基于工况分析对混合动力系统进行初步匹配,然后使用Isight优化软件集成AVL-Cruise和Matlab,采用多岛遗传算法和序列二次规划法建立组合优化算法进行匹配参数优化。优化匹配结果表明:在保证整车动力性和动力电池SOC工作范围前提下,燃油经济性较优化前提高了10.92%。     

多目标粒子群优化算法研究

在过去的十多年,粒子群算法对多目标优化问题的应用研究取得了较大的进展．本文首先描述多目标粒子群优化算法（MOPSO）的基本流程,然后从算法设计与应用等方面回顾MOPSO的研究进展,最后对该算法未来的研究进行了分析和展望.     

基于多目标优化的游戏地图生成研究

游戏地图自动生成是目前过程内容生成PCG(Procedural Content Generation)研究的热点之一.本文以开源RTS游戏MegaGlest的地图为研究对象,以公平性、可玩性、战略性和趣味性为优化目标,提出多目标粒子群优化的游戏地图生成算法.实验结果表明,自动生成的地图在4个优化目标方面具有明显改进,能给玩家提供更好的游戏体验.     

基于自适应网格混合机制的多目标粒子群算法

当粒子群算法(PSO)解决多目标优化问题时,由于PSO有较快的收敛效果,使得种群在寻优过程中多样性不足,易使算法早熟收敛.为有效设计多目标粒子群算法,提出基于自适应网格混合机制的多目标粒子群算法(ammmMOPSO).该算法采用自适应网格和混合机制的一种双重维护策略,以保证外部存档中的非劣解分布均匀,避免种群快速退化,...     

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.     

基于粒子群优化的多目标作业车间调度

为了利用粒子群优化算法解决作业车间调度问题，提出了将调度问题转化为连续优化问题的有效策略；设计了Pareto档案粒子群算法（PAPSO），该算法将档案维护和全局最好位置选取结合在一起，在档案维护过程中为每个粒子选取全局最好位置；给出了变异与PAPSO的结合新策略；最后将PAPSO和带变异的PAPSO应用于15个调度实例，以最小化总拖后时间和最大完成时间，与强度Pareto进化算法2等算法进行比较，结果验证了PAP—SO在作业车间调度方面的良好性能．     

基于多混沌算子遗传算法的混合动力汽车控制策略优化

为某款装备了电池/超级电容混合储能系统的并联型混合动力汽车设计了模糊控制策略.结合遗传算法的种群进化和混沌序列的随机遍历特性,将混沌初始化算子、混沌扰动算子、混沌局部搜索算子引入多目标非占优排序遗传算法(NSGA-II)中,构建了新的多混沌算子遗传算法(MCO-NSGA-II).运用MCO-NSGA-II算法进行了混合动力汽车模糊控制策略优化,以改进车辆的燃油经济性及HC、CO和NOx的排放性能.仿真结果表明,混沌初始化算子和混沌扰动算子可以改善原NSGA-II算法的搜索能力并增加种群多样性,而混沌局部搜索算子可以进一步增强算法局部搜索能力,能更好地搜索到理想的Pareto解集.运用MCO-NSGA-II算法进行优化,使混合动力汽车在欧洲城市驾驶循环(ECE)下的燃油消耗降低了11.8%,HC、CO和NOx排放分别下降了7.72%、15.72%和11.77%.     

基于遗传算法的纯电动轿车动力总成参数优化

基于动力传动系部件参数对纯电动轿车性能的影响，利用遗传算法对纯电动轿车动力传动系的主要部件进行了优化；所有部件的模型均基于实际配置的纯电动轿车(QREV)动力传动系台架试验的试验数据．优化结果与传统优化算法结果相比表明，本文提出的算法是有效的，能够提高纯电动轿车的性能．该算法已应用于实车动力传动系的参数设计．     

混合动力汽车传动系优化匹配及性能仿真

制定了轻度混合动力汽车的控制策略，并依据整车结构及控制策略，修改了ADVISOR软件的相关模块，建立了轻度混合动力汽车的仿真模型．采用性能等级数值方法，分析了发动机功率的变化对整车性能的影响，在综合考虑制造成本和节能目标值的前提下，确定了各部件的具体参数．利用正交试验设计优化方法，分析了变速器各挡速比对整车性能的影响，确定了各挡速比的范围．对所匹配车辆的动力性及其在几种循环工况下的燃油经济性进行了仿真，并与动力性相近普通车辆的燃油经济性进行了对比分析．     

基于多目标粒子群算法的主动座椅悬架滑模控制器设计

为提高汽车的乘坐舒适性和行驶稳定性,对车辆主动座椅悬架提出一种基于多目标粒子群算法的滑模控制器设计方法。首先,在建立三自由度1/4车辆主动座椅悬架系统模型的基础上设计了满足李雅普诺夫稳定性理论的滑模控制器;其次,基于滑模控制到达条件和滑模面的稳定条件结合Hurwitz稳定判据选择合适的滑模面参数;然后,以汽车悬架动挠度、轮胎动载荷和控制器控制力输出为约束,形成以座椅质心垂直加速度、座椅悬架动行程以及轮胎动位移为控制目标的多目标优化问题,对滑模控制器参数进行优化设计;最后,在MATLAB环境下基于多目标粒子群算法进行求解,并进行数值仿真模拟。仿真结果显示,经过多目标参数优化后各目标值明显减小,表明基于多目标粒子群算法的滑模控制器参数优化显著地改善了汽车的乘坐舒适性和行驶稳定性,为汽车主动座椅悬架系统的研究提供了理论依据。     

Plug-in混合动力汽车动力系统参数匹配

以并联型Plug-in混合动力电动汽车(PHEV)为研究对象,提出了其动力驱动系统参数匹配的原则和实施方法.采用该方法对某型轿车动力总成参数进行了匹配,使用电动汽车仿真软件ADVISOR对整车性能进行仿真计算.仿真结果表明:Plug-in混合动力轿车动力性与原车相当,经济性与原车相比有很大提高,达到预期开发目标.     

混合动力汽车多能源动力总成的智能体控制技术

为提高混合动力汽车的智能化控制水平,进一步改善整车燃油经济性和动力性,提出一种多能源动力总成的多智能体协调控制方法.以并联式混合动力汽车为原型,建立动力总成部件子系统智能体模型,构建多智能体系统协调控制框架,根据不同工况模式对总成动力进行预分配,利用单智能体的智能行为和多智能体的协作能力解决车辆对复杂路况的自适应问题.在Cruise软件环境下对智能体控制系统和协调控制策略进行了仿真验证,结果表明,动力总成的多智能体协调控制策略正确可行,使混合动力汽车能根据不同工况自适应控制模式,进而对动力进行自适应匹配,能够改善整车燃油经济性和动力性.     

基于粒子群优化的混合动力汽车多目标能量管理策略

为了同时实现降低整车能耗和控制电池电量的能量管理目标,针对某功率分流式混合动力汽车,提出了基于粒子群优化(PSO)的多目标能量管理策略。该策略采用双层结构,内层采用考虑模式切换的等效燃油消耗最少策略(ECMS)对工作模式和工作点进行优化,实现降低整车能耗的目标;外层采用PSO对等效因子进行迭代优化,实现电池电量的控制目标。通过基于实车控制策略的整车仿真模型对优化效果进行了验证,结果表明,PSO与ECMS相结合的能量管理策略可实现降低整车能耗与控制电池电量的双重目标。     

并联式混合动力电动汽车动力总成系统的仿真研究

详细建立了PHEV动力总成系统的各个组件以及汽车行驶动力学的数学模型,其中对发动机和电机的建模提出了"基于三维特性图的准线性模型"的概念,同时深入研究了PHEV动力总成系统的电力辅助控制策略,并应用MATLAB/SIMULINK语言对EQ6110混合动力客车的动力总成系统进行了仿真研究,先后研究了不同SOC初值和不同循环试验标准下的仿真结果.     

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.     

ISG混合动力再生制动系统硬件在环仿真

再生制动可显著降低燃油消耗从而降低废气排放,是混合动力汽车的重要工作模式之一．以ISG型混合动力长安轿车为原型,进行了基于制动能量分配控制策略的整车制动动力学建模与离线仿真,并在ISG型混合动力系统上构建了dSPACE环境下的再生制动试验平台,进行了基于再生制动控制策略的硬件在环仿真,对不同车速、制动强度、变速器档位和离合器状态下的再生制动系统性能进行了测试与分析,为优化混合动力汽车再生制动控制策略奠定了基础．