基于代理遗传优化的智能驾驶系统加速测试方法

提出了一种基于代理遗传优化的智能驾驶系统加速测试方法。首先,通过场景要素层次分析权值与优解区域特征改进参数采样模块中的拉丁超立方采样区间,实现了采样效率与优化效果的协同提升;其次,利用参数采样结果和重复度筛选机制增加遗传寻优模块的种群多样性,克服了传统遗传算法的局部收敛难题;然后,利用基于循环更新机制的代理筛选模块对场景测试结果进行预测,平衡了加速算法与代理模型应用之间的效率与精度矛盾;最后,搭建仿真平台在高维时序分解的前车变速场景下对待测智能驾驶系统进行加速测试与验证。结果表明,本文提出的方法可有效搜寻大量关键场景并提升测试效率。

基于改进实例学习算法的风电机组齿轮箱状态监测

风电机组齿轮箱的运行过程是复杂的非线性过程,采用实例学习(IBL)算法建立模型可有效对其进行状态监测。针对实例学习模型对训练数据质量敏感的特点,提出综合考虑多种性质的两步主动学习样本选择方法。首先提出一种基于拉丁超立方体抽样思想的网格划分初始样本选取方法,并基于z-score方法剔除其中的离群点。然后第一步基于信息性和代表性的综合得分选出候选样本来避免离群点影响,第二步基于多样性使第一步的候选样本稀疏化,从而避免冗余点影响。最后,基于指数加权移动平均控制图对实例学习回归模型输出的残差进行分析,并根据故障率对风电机组齿轮箱实现状态监测。利用某风电机组实际故障数据进行验证。结果表明:所提出的方法能选出优质样本,模型精度在验证集上较未改进前有所提升,且运算效率提升约50%,可实现齿轮箱异常的早期预警。

铝合金薄板冲压成形过程中的侧壁起皱及有限元模拟

针对铝合金薄板的侧壁起皱问题,本文通过有限元软件分析工艺参数对成形质量的影响,提出了一种基于数值模拟与智能算法相结合的优化方法。首先,利用最优拉丁超立方抽样进行实验设计,并依据数值模拟获取实验值;其次,基于BP神经网络拟合工艺参数与成形质量之间的关系,预测结果的平均相对误差为2.69%,建立了准确的预测模型;最后,用遗传算法极值寻优获取了一组最优的工艺参数组合,起皱幅值的预测值和仿真值相对误差仅为4.03%,实验结果与仿真分析结果相近,验证了该优化方法的合理性和有效性。研究表明:以料厚、摩擦系数和压边力作为优化变量,以最大起皱幅值最小化为优化目标,建立几何模型,并利用有限元软件Autoform进行仿真分析;依据起皱轮廓线径向位移的实验和数值模拟对比,验证了有限元模型的正确性,表明利用神经网络和遗传算法极值寻优可以有效解决铝合金侧壁起皱缺陷。

基于多保真代理模型的塔机臂架结构优化

起重臂架是动臂式塔机的关键工作部件,负责提升运输建筑材料,其制造成本和工作耗能与自身重量成正比,需要对臂架的重量优化展开研究,因此提出了一种针对动臂式塔机臂架的高效优化设计方法。首先,基于有限元法,计算了不同臂架幅度下的极限工况应力及变形,确定了最危险工况,并以此工况作为优化设计的基础工况;然后,选定了臂架上12个结构参数为设计变量,进行了参数化建模,利用拉丁超立方采样(LHS)选取了样本点,基于有限元仿真数据,构建了三种基于径向基函数(RBF)的代理模型并对其精度进行了评估;最后,基于精度高的多保真代理模型(MFS),以臂架重量最小为优化目标,构建了臂架优化问题的数学模型,使用遗传算法(GA)完成了优化设计。研究结果表明:优化后的臂架满足强度、刚度要求,整个臂架不会发生断裂和失稳,而且臂架重量减轻了25.03%;同时,多保真代理模型的预测结果和仿真结果误差小于3%,证明了多保真代理模型的准确性,进而证明了基于多保真代理模型的臂架优化方法的有效性。

基于Kriging模型和遗传算法的泵叶轮两工况水力优化设计

为了拓宽余热排出泵设计高效区的范围,提出了一种基于Kriging近似模型和遗传算法的优化方法。采用拉丁超立方试验设计方法对叶轮叶片的进口冲角?β、包角φ及出口安放角β2进行16组方案设计,并采用ANSYS CFX14.5对16组叶轮方案进行定常数值模拟,选取离心泵设计工况1.0Qd和大流量工况1.62Qd下的效率为水力优化设计目标,建立了效率与叶片三个参数之间的Kriging近似模型,并应用多目标遗传算法对近似模型进行寻优,得到了最优的叶片参数。对原始方案进行外特性试验,数值模拟结果与试验结果基本吻合。优化后,叶轮在两工况下的效率均高于原始泵,效率分别提高了5.53%和2.29%。同时对比优化前后的泵内部速度分布,表明在设计工况和大流量工况下,优化后的叶轮内部相对速度分布更均匀,水力损失较小。提出的叶轮优化方法对泵性能提高提供了有效参考。

基于响应面模型与自适应遗传算法的中空型行波超声电机柔性转子结构优化

中空型行波超声电机柔性转子由于结构复杂,因此存在设计空间较小、转子与定子接触界面接触不均匀、转子变形后内应力较大等问题。该文首先利用有限元方法建立转子尺寸参数化有限元模型;然后用拉丁超立方(LatinHypercube)随机抽样法,在设计空间内建立响应面模型;最后,利用自适应遗传优化算法(self-adaptive genetic algorithm,SAGA)基于响应面模型得到设计空间内的全局最优解。为了验证优化结果的合理性,设计了定子外径为ф70 mm,陶瓷片内外径尺寸分别为ф55 mm和ф70 mm的超声电机配合该文设计的转子进行磨合实验。实验证明,经过优化设计得到的转子与定子之间接触更均匀,转子变形后内应力减小,转子变形空间更大。

考虑风速相关性的风电穿透功率极限的改进计算

为全面分析多风电场风速相关性对风电穿透功率极限的影响,提出了一种考虑风速相关性和电网多种约束条件的风电穿透功率极限的改进计算方法。该方法采用基于拉丁超立方采样的随机模拟技术对具有相关性的多个风电场风速进行模拟,并应用基于机会约束规划理论的最优概率潮流方法,在满足包含常规机组爬坡能力约束等系统多种约束的前提下,以系统接纳风电总装机容量最大化为目标,计算风电穿透功率极限。以IEEE-30节点系统为仿真算例,采用遗传算法对该模型进行求解,验证了上述方法的有效性。仿真结果表明,通过增加爬坡能力约束能更好地反映风速相关程度对风电接入能力的影响,从而得到更符合实际的风电穿透功率极限。

基于径向基神经网络的叶轮轴面投影图优化

为了提高余热排出泵的效率,采用拉丁超立方试验设计方法对叶轮轴面投影图上的前盖板圆弧半径、后盖板圆弧半径、前盖板倾角和后盖板倾角4个几何变量进行35组叶轮方案设计,应用ANSYS CFX 14.5软件对余热排出泵进行定常数值模拟,得到设计工况下的效率,应用径向基神经网络建立效率与轴面投影图的4个几何变量之间的近似模型,最后采用遗传算法对近似模型进行极值寻优,获得最优的轴面投影图几何参数组合。研究结果表明:对比原始泵的数值模拟性能曲线和试验外特性能曲线,两者吻合较好;径向基神经网络能较好地预测泵设计点效率;优化的轴面投影图使得余热排出泵的水力效率提高了6.18个百分点,改善了叶轮内流场特性。因此,叶轮轴面投影图的优化设计方法是可行的。

基于GS理论与神经网络的汽车覆盖件成形优化

利用GS理论和神经网络遗传算法函数寻优法,搭乘非线性有限元分析软件Dynaform,对轻型卡车左后侧围外板拉延成形过程工艺参数寻优,以解决该零件在成形过程中出现的破裂和过度减薄质量缺陷。将GS理论和正交试验设计相结合,获得各工艺参数组合下的最大减薄率,并对获取的数据进行灰色关联度分析,找出影响减薄率的两个主要因素,即冲压速度和压边力;基于神经网络遗传算法函数寻优模型,借助拉丁超立方抽样对选出的两个主要因素进行随机抽样,将冲压速度和压边力作为输入,最大减薄率作为输出,获得输入与输出之间的非线性映射关系,并获得BP神经网络预测结果。最后,将预测结果进行个体适应度值计算,得到全局最优解和对应输入值。对比优化前后的数值模拟结果以及实验结果可知,采用此方法所得的工艺参数组合可有效提高板料成形的性能和质量。

拉丁超立方体抽样遗传算法求解图的二划分问题

图的二划分问题是一个典型的NP-hard组合优化问题,在许多领域都有重要应用.近年来,传统遗传算法等各种智能优化方法被引入到该问题的求解中来,但效果不理想.基于理想浓度模型的机理分析,利用拉丁超立方体抽样的理论和方法,对遗传算法中的交叉操作进行了重新设计,并在分析图二划分问题特点的基础上,结合局部搜索策略,给出了一个解决图二划分问题的新的遗传算法,称之为拉丁超立方体抽样遗传算法.通过将该算法与简单遗传算法和佳点集遗传算法进行求解图二划分问题的仿真模拟比较,可以看出新的算法提高了求解的质量、速度和精度.

基于拉丁超立方体抽样和免疫机制的改进遗传算法

针对遗传算法求解问题中保持群体多样性能力不足、早熟以及求解成功率低等缺点,依据拉丁超立方体抽样方法对遗传算法中的交叉算子进行重新设计;结合免疫机制定义染色体浓度、提供选择依据,提出了一种新遗传算法。利用旅行商问题以及最大子团问题为实例对新算法进行了验证,实验结果表明新算法在解的质量、收敛速度等各项指标上均好于经典遗传算法和佳点集遗传算法,说明了新算法的优越性与可行性。

一种改进拉丁方抽样免疫遗传算法

针对遗传算法求解问题中保持群体多样性能力不足、早熟、耗时长以及求解成功率低等缺点,依据拉丁方抽样方法对遗传算法中的交叉算子进行重新设计;结合免疫机理定义染色体浓度、设计克隆选择策略,提出了一种改进拉丁方抽样免疫遗传算法。利用旅行商问题以及最大子团问题为实例对新算法进行了验证,实验结果表明,新算法在解的质量、收敛速度等各项指标上均好于经典遗传算法和佳点集遗传算法,说明了新算法的优越性和可行性。

基于响应面的三自由度超声电机定子设计优化

针对超声电机定子设计过程存在的定子设计模态与干扰模态分离不彻底、定子振动幅度小、定子振动时局部内应力较大等问题,提出了基于响应面模型的电机定子设计优化方法。首先,通过选取合适的定子设计尺寸作为变量,拉丁超立方抽样方法在设计空间内选取样本点;其次,对各样本点的组合得到的定子尺寸结构进行有限元分析,得到定子的模态和谐响应值从而建立定子的响应面模型;然后,利用遗传算法在响应面模型的基础上对定子进行优化;最后,使用有限元软件对优化前后的定子进行建模计算验证了优化结果的正确性。

基于Kriging模型的微夹持器优化设计

为了综合平衡一种新型微夹持器的张合量、夹持力灵敏度与快速响应,提出一种Kriging模型的优化方法。采用拉丁超立方抽样方法确定试验点,采用ANSYS计算各试验点对应的响应值。进行相关性分析以确定对性能影响较大的结构参数,并将其作为优化设计变量。采用Kriging理论建立能反映性能指标与设计变量之间关系的非线性模型,并建立多目标优化模型。比较分析优化前与优化后的各性能指标可知,放大倍数增大了7.4%,固有频率增大了16.46%,输出刚度增大了9.84%,最大应力减小了5.75%,说明所提出的性能优化方法有效。

LHS抽样遗传算法

文献[1]研究了遗传算法的运行机理及特点,即遗传算法是一个具有定向制导的随机搜索技术,其定向制导的原则是:导向以高适应度模式为祖先的"家族"方向。以此结论为基础,利用拉丁超立方体抽样(LHS)的理论和方法,对遗传算法中的交叉操作进行了重新设计,给出了一个新的GA算法,称之为LHS遗传算法。将LHS遗传算法应用于求解优化问题,并与简单遗传算法和文献[2]中的佳点集遗传算法进行比较,通过模拟比较,可以看出新的算法不但提高了算法的收敛速度和精度,而且避免了其它方法常有的早期收敛的现象。

基于输入变量秩相关系数的概率潮流计算方法

随着大量新能源接入,电力系统运行必须考虑其随机性带来的影响。概率潮流是有效工具之一。针对考虑输入变量相关性的概率潮流计算,文中采用Spearman秩相关系数表示输入随机变量间的相关性,分析了拉丁超立方抽样方法与秩相关系数的内在关联,提出结合遗传算法的改进拉丁超立方抽样方法进行概率潮流计算。算例结果表明,所提出的方法能较好地刻画风速间的相关性,不受输入随机变量边缘分布的影响,并且能处理秩相关系数矩阵正定和非正定的情况。

混流泵叶轮的三维反问题设计多目标优化

为进一步提高混流泵运行效率及高效区范围,本文对比转速为530的混流泵进行了综合优化设计。采用由反问题设计法、数值模拟、拉丁超立方抽样法、克里金模型和非支配遗传算法构成的综合优化系统,以叶片载荷为设计参数,以0.7Qdes和1.1Qdes处的泵段效率为优化目标。在累计探索10000种不同叶轮配置后,得到了最优配置集构建的帕累托前沿,并根据工程需求选取了适当的参数配置。结果表明:与原始混流泵模型相比,优化后模型在较大的流量范围内(0.7Qdes^1.3Qdes)泵段效率有明显提升。在设计点处,扬程基本不变,效率提高约4.2%。该方法具有良好的工程应用价值。

基于无向生成树的并行遗传算法在配电网重构中的应用

随着以风电、光伏为代表的不可控型分布式电源在配电网中的渗透率日益提高,分布式电源出力的不确定性成为配电网重构中必须考量的重要因素。因此建立了以系统网损最小为目标,计及潮流方程、节点电压、支路潮流和配电网开环运行约束的配电网重构随机优化模型。模型以机会约束描述节点电压和支路潮流约束,采用基于拉丁超立方采样的蒙特卡洛法随机潮流进行检验。提出了基于无向生成树的并行遗传算法以实现配电网重构模型的并行求解。IEEE 33节点系统的测试结果验证了模型的合理性,并将所提出的算法与基于无向生成树的遗传算法、粒子群优化算法、蚁群搜索算法和改进和声搜索算法进行比较,验证了其高效性。

基于GA-BP的汽车行李箱盖内板冲压成形工艺优化

为了更快捷准确地解决冲压成形过程中的工艺参数优化问题,提出一种DYNAFORM与智能算法相融合的优化策略。以汽车行李箱盖内板冲压成形为例,以最大减薄率为优化目标,采用CAD建立三维模型,并利用有限元分析软件DYNAFORM进行数值模拟;设计正交试验并对试验结果进行极差分析,分析成形过程中摩擦系数、压边力、模具间隙和冲压速度对最大减薄率的影响规律并初步确定一组优化方案;设计拉丁超立方抽样,在选定的各工艺参数范围内均匀抽取60组样本点;构建GA-BP神经网络模型,运用拉丁超立方抽样的模拟数据对其进行训练,得到各工艺参数和优化目标的非线性映射关系;最后用遗传算法函数寻优获得一组最优工艺参数组合,进行数值模拟对比验证,验证了该优化方案的合理性与准确性。

基于数值模拟的油藏生产动态优化算法

对于大规模油藏开发优化,常规优化算法存在收敛速度慢、寻优效率低、难以与现场结合等问题。针对这些问题,建立了油水井动态调控优化模型,并结合模拟退火遗传算法和拉丁超立方采样算法寻找模型全局最优解,同时,利用同步扰动随机逼近算法提高了模型局部求解收敛速度,研发编制了油水井动态调控优化软件,并应用于大庆油田H区块。对比油田常规油水井生产制度,油水井动态调控优化模型的最优方案使H区块累计产油量在5年内增加了5.68×10^(4)m^(3),较好地解决了油水井生产动态控制优化问题,也为大规模油田高效开发提供了一种新的方法。