某型客车动力传动系统参数的优化设计

文章通过分析影响客车动力性与燃油经济性的因素,提出一种对动力传动系统主要构成部分的主要参数进行最佳计算的方法,并借助该方法用计算机模拟了实际使用工况。     

基于非线性规划遗传算法的混合动力拖拉机控制策略

针对串联式混合动力拖拉机的特点,建立了整车动力学模型,设计了恒温器式控制策略、恒温器式+制动能量回收控制策略.为进一步提高串联式混合动力拖拉机的整车燃油经济性,采用非线性规划遗传算法(NLPGA)优化恒温器式控制策略关键参数.通过AVL-Cruise与Matlab/Simulink联合仿真,结果表明：3种策略均可有效地维持电池荷电状态在指定范围内.在犁耕工况下,基于NLPGA优化的能量管理策略的燃油消耗率比恒温器式降低了29.25%,比恒温器+制动能量回收式降低了9.35%;累计燃油消耗量分别比两者降低了31.50%和1.74%;电池荷电状态SOC比两者分别提高8%和6%.     

基于遗传算法的交流传动系统研究

在阐明交流传动系统控制难点的基础上,综述了遗传算法以及遗传算法结合其他控制策略在交流传动系统中的应用,并指出了这种控制策略存在的问题以及改进方向。     

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%。     

基于遗传算法的非线性系统参数优化方法

提出了一种基于遗传算法的非线性系统参数仿真优化方法，解决了非线性系统参数优化问题，由于遗传算法是在解空间的多个区城内进行搜索，能以较大的概率跣出局部最优，因此可找到整体最优解。仿真结果表明，该方法是一种有效的非线性系统参数优化方法。     

基于遗传算法的PID参数优化设计

提出一种新的ＰＩＤ参数设计方法,以模糊化的性能指标为目标函数,以设计参数的取值范围及极限性能指标为约束条件,建立优化数学模型,结果表明,在Ｍａｔｌａｂ环境下,将遗传算法同Ｓｍｕｌｉｎｋ仿真技术有机融合,求解该优化模型,该法能有效提高编程效率,所得优化解大大提高系统性能指标。     

基于遗传算法的模糊控制器参数优化

针对非线性量化因子模糊控制器的参数对系统性能影响和参数间的相互制约,提出了一种基于遗传算法的参数整定与优化方法,并进行了仿真研究。仿真结果表明通过该方法寻优的系统具有更好的响应速度和控制精度;当对象结构或参数发生变化时,非线性量化因子模糊控制器可以重新整定参数,以保持良好的控制效果,具有很强的鲁棒性。     

基于遗传算法的并联式混合动力汽车控制策略优化

并联式混合动力汽车是一个高度复杂的非线性系统,控制策略参数的设定对汽车性能有着重大影响﹒通过AMESim软件,建立整车动态性能仿真分析模型,以百公里油耗和排放指标为优化目标,运用遗传算法,针对NEDC工况,对混合动力系统的控制策略参数进行优化﹒结果表明,优化后的汽车燃油经济性提高了9.3%,NOx,HC和CO分别减少了7.6%,4.9%和8.2%.     

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．     

BFC6100-EV电动大客车动力传动系统参数设计

为提高纯电动大客车的加速性能和续驶里程,采取电池和超级电容混合驱动.根据动力传动系统参数设计原则,对电池和超级电容选型提出了一种新的设计方法,得出了电池组容量与整车加速性能和续驶里程的关系,以及根据超级电容放电时间进行特征参数设计的步骤.通过对BFC6100-EV纯电动大客车匹配计算及实验结果表明,整车0～60 km/h加速时间缩短了9 s,续驶里程达到306 km,验证了设计方法的正确性和可行性.     

求解一类非线性规划问题的混合遗传算法

提出了一种求解目标函数和约束条件均二阶可导的非线性规划问题的混合计算智能算法．该算法是把一种浮点数编码遗传算法和约束变尺度法相结合提高求取全局解的速度和概率．在该算法中，选择、交叉和变异等遗传操作算子是以非线性规划问题的一个惩罚函数为求解对象，目的是把解引向全局解附近，为约束变尺度算子提供初值；而约束变尺度算子直接以原非线性规划问题为求解对象，以发挥其局部搜索能力强的优点，数值实验表明，混合算法是一种可靠、高效的全局优化算法．     

一种求解非线性函数优化问题的混合遗传算法

结合单纯形法的混合遗传算法是将单纯形操作替代原来的交叉算子,并采用最优群体保留策略,算法可以很小的群体规模实现兼顾全局搜索和局部搜索的均衡搜索,大幅度提高搜索精度和效率,算法不需要梯度信息,不需进行编码操作,非常适合求解非线性函数优化问题。     

一种求解非线性规划问题的改进遗传算法

基于惩罚函数的思想，提出了沿权重梯度方向变异的遗传算法求解非线性规划问题。该方法既避免了惩罚函数法在计算上的困难。也无需传统遗传算法所要求的复杂的编码和译码过程。给出了收敛性分析，一些实例的仿真结果表明算法的有效性。     

汽车动力总成非线性能量阱参数设计方法

为控制汽车动力总成的垂向振动,建立了动力总成-非线性能量阱(nonlinear energy sink,NES)二自由度振动模型,考虑动力总成激励力主要为简谐激励和冲击激励.在动力总成简谐激励下,利用复变量-平均法推导了系统慢变方程,得到稳态响应方程,并判断解的稳定性.以平均能量耗散率最大为优化目标,对NES刚度进行优...     

基于蚁群算法和遗传规划的跨单元调度方法

针对运输能力受限的跨单元调度问题,提出了一种基于蚁群算法与遗传规划的超启发式算法.通过蚁群算法搜索合适的启发式规则,并且利用遗传规划生成可以适用于问题模型的启发式规则,用以扩充规则集;同时引入时间窗的概念,用来决策每个小车运输时的等待时间.实验表明,提出的算法可以搜索出优质规则,并且通过遗传规划很大程度上改善了候选规则集,提升算法性能.同时时间窗策略的采用可以提高小车的利用率以及最小化总加权延迟时间.      

求解非线性规划问题的混合遗传算法

本文针对一般形式的非线性规划问题，提出一种具有学习算子的混合遗传算法，该算法具有收敛速度快且能收敛于最优解等特点。     

基于遗传算法的公路网络设计的双层优化模型

针对现行公路网规划中存在的主观随意性和网络设计模型的缺陷,提出一种基于遗传算法的公路网络设计的双层优化模型,可一次性求出路段的技术等级与车道数,并利用一个简单的算例进行了仿真试验,结果表明,该模型与算法效果良好,具有较好的应用前景.     

基于量子遗传算法的成品门幅模型参数优化设计

为了解决热定型中影响成品织物门幅的工艺参数难以定量设计的关键技术难题。提出了将量子遗传算法用于成品门幅模型工艺参数优化设计中。建立优化模型,基于该模型采用量子遗传算法,实现了影响成品门幅的工艺参数精确定量设计。用该方法得到的工艺参数加工弹力布,生产成品的门幅与用户要求指标的偏差小于0.1%,完全满足实际生产要求。同时将量子遗传算法与遗传算法在工艺参数的优化设计中进行比较,得出当迭代种群逐渐增大时,量子遗传算法在工艺参数的优化设计中的优势更加明显。