车用涡轮增压器压气机叶轮几何参数优化设计和性能分析

针对车用涡轮增压器,研究了压气机叶轮几何参数的优化设计方法,分析了几何参数对压气机性能的影响,建立了压气机设计系统几何参数的优化策略.通过具体实例计算,对比了不同参数对叶轮性能的影响, 通过调整叶片的进出口角度、进口直径、出口宽度以及正确选择叶片出口叶尖间隙等措施进一步提高了压气机性能.所建立的叶轮几何参数优化选择方法,可用于车用涡轮增压器离心压气机的几何参数优化和性能预测.     

涡轮增压器配车用柴油机的研究

为适应车用柴油机495Q增压的需要,本文提出了两种增压系统的设计方案;进行了计算分析和一系列试验研究。结果表明:设计方案是可行的。     

基于车用废气涡轮增压器的微型燃气动力发电方案设计

以目前广泛使用的车用柴油机废气涡轮增压器为研究对象,提出了基于车用涡轮增压器的微型燃气动力发电方案。通过燃气动力发电工作过程热力计算,验证了燃气动力发电方案的可行性,在此基础上对系统进行了结构设计,为样机的研制提供了参考。     

车用涡旋增压器型线参数的优化计算

涡旋型线参数对车用涡旋增压器的性能具有重大影响 .在分析涡旋型线参数相互关系的基础上 ,首先对显著影响车用涡旋增压器机械负荷、容积效率的因素进行了详细的分析 ,建立了优化计算的目标函数 ;然后考虑各参数对涡旋体工艺性和造型的影响 ,进一步建立了优化计算的约束条件 ,最终通过复合形法对涡旋型线参数进行了优化 .为增压器与发动机的优化匹配提供参考     

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%。     

基于演化多目标算法的混合流水作业调度优化

针对供应链网络优化领域中的混合流水作业调度问题提出了一种新的多目标演化优化算法。给出了这类问题的通用优化模型，在此基础上，提出了基于流程的矩阵基因编码方案，动态适应度分配机制，并引入小生境保优策略构造了算法过程，利用收敛进程参数分析了算法的收敛性能。性能分析和算例实验表明算法对于高维多目标优化问题是有效的，且能够以较快的速度收敛。     

一种求解多目标优化问题的混合演化算法

提出了一种混合演化算法求解多目标优化问题.演化算法是解决多目标优化问题的有效方法,在全局优化问题中具有很好的鲁棒性,但其局部搜索性能有待改善.Hooke and Jeeves方法是一经典的局部搜索算法,将其与演化算法结合求解多目标优化问题,提高了解的收敛质量,因而从整体上提高了算法的性能,并且测试结果也说明了该算法的可行性.     

基于多目标优化的双模式混合驱动电机特性设计

针对双模式混合驱动装置电机的参数匹配,提出了一种多目标优化的方法.在研究双模式混合驱动装置动力输出特性与电机功率间关系的基础上,以驱动功率利用率和电机功率为优化目标,利用Matlab和Isight软件进行了建模和求解.并根据计算结果中电机转速转矩工作点分布对电机A,B的外特性进行了设计,有利于进一步降低电机功率,改善系统优化匹配设计.     

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%.     

基于多目标遗传算法的混合动力汽车能量管理优化

混合动力技术是实现汽车节能减排的有效途径。以P2混合动力汽车为研究对象,考虑电池荷电状态(state of charge, SOC)分别为高、中、低3种不同的电量模式时,设计不同的能量管理策略,以实现混合动力汽车节能减排的同时维持SOC的平衡的目的。该策略在基于规则的基础上采用Isight软件中的多目标遗传算法对门限值进行优化,以提高能量管理策略中门限值的可靠性和有效性。仿真结果表明,该能量管理策略对降低车辆油耗的效果显著,并且能很好地维持电池SOC的平衡。     

基于混沌搜索和模式搜索的混合优化方法

混沌搜索能够有效跳出局部极小,然而其细搜索能力不足;模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.为了提高基于混沌搜索的优化方法的搜索精度,基于混沌搜索和模式搜索,本文提出了一种混合混沌模式搜索方法.该方法在混沌搜索的基础上再进行模式搜索得到最终的搜索结果.混沌搜索结果的精度不需要很高,却可以为模式搜索提供有效的初始点,避免搜索陷入局部极小,只需要简单搜索即可得到理想的最优解.仿真结果表明混合混沌模式搜索方法简单、高效.     

采用遗传算法的离心叶轮多目标自动优化设计

针对离心叶轮多目标自动优化设计,首先提出了一种离心叶轮参数化方法,通过对离心叶轮型线数据进行转换,分别建立了圆柱坐标系下叶轮控制参数与归一化长度参数之间的关系,采用非均匀有理B样条进行叶型重构,获得叶片和叶轮子午流道构型.将离心叶轮参数化方法、多目标遗传算法及商业化数值计算软件NUMECA相结合,建立起离心叶轮自动优化设计平台.以总压比和效率为设计目标,在设计工况下,采用该方法对Krain高速离心叶轮进行气动优化设计,获得一系列优化叶轮,并采用数值模拟方法对叶轮内部流动特性及其气动性能进行了比较分析.结果表明,优化叶轮的总体气动性能有不同程度的改善,在叶轮出口截面上流场分布更加均匀,总压比和等熵效率约提高了2.5%和1.0%,同时也验证了所发展的多目标离心叶轮自动优化设计方法的有效性.     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.     

基于遗传算法和模式搜索的混合优化方法

遗传算法具有快速随机的全局搜索能力,但当求解到一定范围时往往做大量无为的冗余迭代,求精确解效率低.模式搜索具有很强的细搜索能力,但是其搜索结果的好坏在很大程度上依赖于初始点的选择.本文提出了一种混合遗传-模式搜索算法,该方法是将种群分成两个子群,分别进行遗传算法与模式搜索算法,在每一步中两个子群的最佳结果收集起来,用于更新相互的最优个体.仿真结果表明遗传算法与模式搜索的混合优化方法取得了较好的效果.     

基于Powell搜索法的混合微粒群算法

利用Powell搜索法求解精度高、收敛速度快和局部搜索能力强等优点,本文提出了一种与Powell搜索法相结合的改进微粒群算法实践.改进算法将微粒的搜索过程分为两阶段,第一阶段,将PSO算法的速度公式改进后进行搜索;第二阶段,将第一阶段的最后一代微粒作为Powell搜索法的初始点,让Powell搜索法与PSO算法交替进行.这样既克服了PSO算法易陷入局部最优的缺点,也大大提高了算法的求解精度和收敛速度,同时保持了微粒的多样性.仿真结果表明:同PSO算法相比,Powell-PSO算法具有较高的求解精度和较强的寻优能力,并且不论是对单峰函数还是多峰函数都能取得很好的优化效果.     

基于协同优化方法的汽车正面抗撞性优化设计

将最优拉丁方试验设计方法与响应面方法相结合,建立了汽车正面碰撞过程中3组加速度指标的代理模型.使用协同优化方法对该3组加速度指标进行了协同寻优.优化结果表明,优化后3组指标均有不同程度的改善,提高了汽车正面抗撞性,表明使用协同优化方法、结合近似技术和有限元技术是求解汽车抗撞性多目标设计优化问题的一种有效方法,该方法能够有效地避免传统优化方法在求解高度非线性问题时面临的困难.     

基于线性标量化方法的多目标优化牛顿算法

【目的】为了研究更高效地求解多目标优化问题，得到更有效的Pareto前沿面。【方法】通过对目标函数的二次近似及近似形式的线性加权标量化构造了新的搜索方向，提出了一类新的牛顿算法。进一步考虑了Pareto面的均匀性的优化，利用个体聚集密度来衡量Pareto面的均匀程度，从而在上述新的牛顿算法基础上提出了改善Pareto面均匀程度的算法步骤。【结果】在目标函数二阶连续可导且局部强凸的假设条件下证明了新的牛顿算法可以超线性收敛到Pareto弱有效解；在目标函数具有二阶连续偏导数且Lipschitz连续条件下证明了该算法可以局部二次收敛到Pareto弱有效解。【结论】基于线性标量化方法的多目标优化牛顿算法在迭代次数以及Pareto前沿面均匀性具有一定优越性。     

基于混合粒子群的多目标智能排活系统的优化

通过分析多目标智能排活系统中各要素的相互关系,提出了PSO与局部搜索策略的混合算法,并引入新的学习策略进行分层局部优化,多目标分散搜索逐步缩小复杂的搜索空间,改善了PSO算法的早熟收敛问题,并取得较高的求解质量。采用了一种随机键的编码方式,利用析取图编码将有序表作为优先决策来决定发生冲突时各印刷活件的排列顺序。仿真验证了混合算法的有效性。     

基于区间套混沌搜索的混合优化方法

基于对Logistic映射混沌变量概率分布的研究,提出了一种区间套混沌搜索方法,避免了混沌搜索的盲目性.将区间套混沌搜索方法与共轭梯度法结合,提出了一种混合优化方法,利用区间套混沌搜索方法搜索到近似最优点,再用共轭梯度法求得最优点.数值计算结果表明,该方法可显著提高优化效率.