基于混沌遗传算法的PHEV能量管理策略优化

提出了一种新的混沌遗传算法,改进了混沌映射和遗传算法的结合方式,使种群在进化的过程中能够混沌搜索解空间,从而增强遗传算法的遍历性.该算法有效地克服了遗传算法局部收敛的缺陷.在软件ADVISOR2002中,以一辆采用模糊能量管理策略的插电式混合动力电动汽车(Plug-in Hybrid Electrical Vehicle,PHEV)为研究对象,应用该混沌遗传算法对其隶属函数和控制规则进行了优化.仿真结果表明,该算法可以实现对模糊控制器的全局优化.与原模糊控制策略相比,优化后的燃油经济性提高了5.15%,CO排放减少了6.39%.     

基于系统综合效率最优的双轴并联PHEV联合优化控制策略

针对双轴并联插电式混合动力汽车控制策略与参数优化问题,综合考虑发动机和电动机工作区间对整车经济性的影响,以系统综合效率最高为目标提出了同时优化转矩分配和变速器挡位的联合优化控制策略,同时引入成本函数对整车经济性和换挡成本进行综合评价.制定控制策略后,以整车在NEDC工况下的电平衡油耗最低为优化目标,采用Isight/Cruise/Simulink联合仿真优化平台采用自适应模拟退火算法对联合优化控制策略参数进行了优化.仿真结果表明,经优化参数后的联合优化控制策略比未经参数优化的规则策略节省油耗7.7%,比运用初始规则策略节省油耗17.3%.     

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%。     

基于工况识别的插电式混合动力公交车控制策略

为了充分挖掘插电式混合动力公交车(PHEB)的节油潜力、增强车辆对不同行驶工况的适应性,在规则类控制策略的基础上增加工况识别模块,由过去一段时间内的平均车速、平均绝对加速度、怠速时间比三个特征参数作为输入,对当前工况进行模糊识别;建立自动优化平台,用模拟退火算法对关键参数进行优化,根据当前工况类型选取最优控制参数。仿真及实验结果表明,有工况识别的自适应控制策略较无工况识别控制策略增强了路况适应性,燃油经济性提高7%以上。     

计及能耗经济性和电池寿命的PHEV能量管理策略优化

针对一款混联式双电机插电混合动力汽车,建立了整车动力学模型和电池寿命衰减模型,同时为反映电池温度对电池寿命的影响,建立了电池温度模型;考虑能量管理控制对能耗经济性和电池寿命衰减的影响,制定了一种多模式逻辑规则能量管理策略,并分析了控制参数变化对能耗经济性和电池寿命的影响。建立包含等效油耗和电池寿命衰减的多目标优化模型,基于多目标改进遗传算法对能量管理策略控制参数进行优化,优化结果表明:基于本文插电式混合动力汽车能量管理策略的优化方法得到的控制参数Pareto最优解集兼顾了插电式混合动力汽车的能耗经济性和电池寿命,可以得到多组不同的控制参数优化解,为能量管理策略的设计应用提供了多种可供选择的方案。     

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。     

基于实际工况的插电式混合动力公交车参数自适应控制策略研究

为充分挖掘插电式混合动力公交车的节油潜力,提出了一种基于工况影响的变参数控制策略,从而实现了整车功率的合理分配。采集20辆公交车的行驶数据、利用短行程分析法,拟合出某城市公交车的拥堵、市区、市郊及综合这4类工况,同时利用组合优化算法优化了相同行驶里程下4类工况的整车控制策略的关键参数,选择性地建立了识别数据库并嵌入到基于综合工况优化后的定参数控制策略中,进而形成依据欧氏距离和贴近度准则的实时判别当前工况类型并自动调用该类工况最优控制参数的变参数控制策略。研究结果表明:较定参数控制策略,相同实验工况下变参数控制策略的整车综合油耗降低5.12%;通过引入快速控制原型测试得出,综合工况下变参数控制策略的整车综合油耗降低4.9%,验证了变参数控制策略的可行性。     

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%.     

插电式混合动力汽车动力系统的研究与仿真

随着汽车工业的飞速发展,节能与环保成为汽车工业发展的重要方向。提出新型插电式气电混合动力轿车综合了天然气汽车和PHEV的优势,通过对城市道路循环和高速道路循环两种工况的分析,搭建了合适的动力系统结构,并选定了基于逻辑门限的电力辅助和基于神经网络的多目标实施的两种控制控制策略。利用ADVISOR软件对两种控制策略进行仿真,得到后一种控制策略明显优于前者的结果;并且排放标准完全达到了国IV标准,其工作效率也大大提高了,完全达到了节能减排的目的。     

基于AMESim与MATLAB的混合动力汽车联合仿真平台设计

针对一款搭载新型复合功率分流式动力系统的混合动力汽车基于AMESim和MAT-LAB设计了联合仿真平台.其中,整车物理模型在AMESim中实现,包括整车基本参数,发动机、电机、变速箱和动力学模型;逻辑控制模块在MATLAB中实现,包括电机与发动机转矩、锁止器与离合器和挡位控制信息.该仿真平台在WLTC和NEDC工况下进行验证,结果显示WLTC工况下油耗6.76L/100km,电耗0.1661kW·h,NEDC工况下油耗5.2L/100km,电耗0.1342kW·h.     

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。     

基于鲸鱼算法的巷道掘进爆破参数优化与应用

合理的巷道掘进爆破参数组合是提高生产效率和改善掘进生产环境的重要因素。建立巷道爆破掘进经济数学模型,对在综合成本最少的前提下优化巷道掘进爆破参数。以钻孔、爆破、铲装、运输等工程技术环节为基础,建立巷道爆破掘进的综合成本为目的经济数学模型,形成目标函数。鲸鱼算法较传统的智能优化算法有着收敛速度快、稳定性好和操作简单的优势。利用鲸鱼算法对目标函数进行优化,最终得到最佳的爆破参数组合,即周边孔抵抗线为0.78 m,周边孔间距为0.64 m,崩落孔抵抗线0.95 m,崩落孔孔间距为0.90 m,炸药单耗1.21 kg/m3,并得到了矿山的爆破掘进最佳综合成本在29.9元/m3左右,可以为矿山爆破掘进的爆破成本控制提供参考。     

基于遗传算法的掘进机外喷雾降尘效率最大的参数优化

 为了提高掘进机外喷雾降尘效率,降低煤矿掘进工作面生产时产生的大量粉尘,改善工作面工作环境及人体健康,提高掘进机截割头的使用寿命,抑制由于粉尘浓度达到一定程度后而发生粉尘爆炸情况造成的人身财产的重大损失;为了避免过多的雾滴落在截割机构上造成水的浪费,令喷雾截面圆与大端面圆近似相切,并保证喷雾覆盖区域相互重叠1/4、捕集区的喷雾截面积近似为环形、雾流形状在有效的作用区内为圆锥形以及喷雾捕集区的粉尘分布是均匀的,建立了掘进机外喷雾降尘效率的数学模型,选择喷雾压力、喷雾有效作用区的长度、喷雾扩散角度以及喷嘴的直径为设计参数,以掘进机外喷雾降尘效率最大为优化目标,建立了相应的约束条件,并且将优化模型进行了无约束化处理,采用遗传算法对影响掘进机外喷雾降尘效率的主要参数进行了优化。优化结果表明,喷雾压力增大了9.79%,喷雾作用区的长度降低了8%,雾化角度减小了11.15%,掘进机外喷雾的降尘效率增加了15.19%。该研究为工程实践提供了理论基础,为掘进机外喷雾系统结构参数的整体优化,使其整体功能达到最佳状态提供了依据,并且对于掘进机内喷雾系统的建模及优化方法提供了重要参考,具有一定的指导意义。     

基于二维函数地貌的遗传算法控制参数优化研究

针对遗传算法求解函数优化问题时控制参数难于确定的问题,提出先将函数按地貌信息聚成不同类,按类给出最佳的控制参数指导知识的解决方案。本文以复杂二维函数优化为例,提取表达函数的地貌信息特征参数,采用模糊C均值法将其聚类,得到适于不同类函数的最佳控制参数的知识。该知识可以指导遗传算法以最佳的控制参数进行函数优化。本研究为获取遗传优化最佳控制参数提供了一种新方法。     

基于神经网络和遗传算法的无功优化设计

无功优化是一个复杂的混合优化问题,传统方法较难获得全局最优解.文中提出了将并行遗传算法和Hopfield网络相结合的算法.该方法利用遗传算法的并行搜索和解空间搜索的优点进行网络参数的选取,并采用Hopfield网络简单、快速、规范的优点来优化样本空间,以取得整体的优化效率.     

基于随机概率密度演化的结构-TMD参数优化

基于地震载荷随机性的事实,以及传统的采用特定地震波研究结构控制条件具有严重缺陷的问题,本文提出以结构最大层间位移作为控制指标,基于概率密度演化理论,采用改进遗传算法对TMD参数进行优化的设计方法.该方法结合改进遗传算法以及概率密度演化方法,充分考虑了随机性对结构影响的本质,根据随机载荷下结构-TMD控制体系中结构层间位移响应和动力可靠度的前后对比,说明优化方法的优越性.以三层剪切型混凝土框架结构-TMD参数优化为例,验证所提方法的正确性,为随机激励下的多自由度结构-TMD系统优化设计提供了一条新的解决途径.     

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。