基于机器学习的中型城市居民出行方式选择行为研究

为探索中型城市居民出行特征以及不同因素对出行方式选择行为的影响机制,本文以中国某中型城市居民出行数据为例,综合考虑传统离散选择模型和机器学习模型在预测精度和建模合理性上的优劣,以及机器学习模型超参数求解算法的特点和效率,引入变异程序,提出粒子群优化随机森林的中型城市居民出行方式选择预测模型,采用预测准确率、出行方式比例预测绝对误差和期望模拟误差这3项性能指标,量化对比粒子群优化随机森林模型与多种机器学习模型和多项Logit模型统计学上的预测性能差异,利用SHAP(SHapley Additive exPlanation)模型深入分析个人社会经济属性、出行属性及出行方式属性等相关因素与居民出行方式选择之间的非线性关系。结果表明:粒子群优化随机森林模型整体平均预测准确率最高,为0.856,出行方式比例预测平均绝对误差和期望模拟平均误差最低,分别为0.062和0.306,模型间指标差异在统计学检验下显著;距离对不同出行方式选择的影响最显著,步行和私家车出行对距离敏感性更高,不同距离下,两者选择概率变化超过35%;30岁以下群体不同出行方式选择概率差距大于其他年龄段;性别、是否拥有私家车或公交IC卡等因素显著改变公交车和私家车的选择概率。

引入PID反馈的SHAEKF算法估算电池SOC

电池荷电状态(SOC)的估算精度是电动汽车电池组的重要指标。为提升SOC估算精度,在融合Sage-Husa扩展卡尔曼滤波(SHEKF)算法与自适应扩展卡尔曼滤波(AEKF)算法的基础上,增加比例积分微分(PID)反馈环节,形成改进算法。采用粒子群优化(PSO)算法对二阶RC等效电路模型进行参数辨识;用开源电池数据集对模型和算法进行实验和分析。改进的SHAEKF算法在电池动态应力测试(DST)、北京动态应力测试(BJDST)和美国联邦城市驾驶(FUDS)等工况下的平均估计误差都在1%以内,与单纯的融合算法SHAEKF算法相比,最大误差可减小5%。

SWISS整流器分数阶PID控制策略

针对SWISS整流器的传统整数阶PID控制策略动态响应速度较慢、鲁棒性较差的问题,提出一种基于分数阶PID的SWISS整流器控制策略。基于SWISS整流器的工作原理建立其小信号模型,得到SWISS整流器的等效传递函数,并设计基于分数阶PID电压控制的双闭环控制结构。为简化分数阶PID的阶次参数设计,采用整数阶PID参数预整定的方法得到参数初值,并利用粒子群算法对分数阶PID控制器参数进行进一步设计优化。仿真和实验结果表明,分数阶PID控制策略下的SWISS整流器发生参考电压突变时电压稳定时间小于7 ms、超调量小于2%,发生负载扰动时电压稳定时间小于4 ms、超调量小于3%,动态性能优于整数阶PID控制策略。

铸铝一体化车门的多目标可靠性优化设计

为提升车门的轻量化水平与性能,采用“材料—结构—性能”一体化集成方法设计铸铝一体化车门。基于构建的铸铝一体化车门有限元模型,以车门的厚度为设计变量,采用径向基函数(radial basis function,RBF)神经网络近似模型和二阶响应面近似模型并分别结合二代非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)、多目标粒子群优化(multi-objective particle swarm optimization,MOPSO)算法以及多岛遗传算法(multi-island genetic algorithm,MIGA)对车门的下沉刚度工况位移、上扭转刚度工况位移、下扭转刚度工况位移、一阶弯曲模态频率、一阶扭转模态频率和质量进行确定性优化设计。在此基础上,考虑材料及加工制造等不确定性因素,对确定性优化解的质量水平进行6Sigma可靠性分析与优化。结果表明,二阶响应面近似模型与MOPSO算法的优化组合方案实现了车门的最佳轻量化,RBF神经网络近似模型与MOPSO算法的优化组合方案实现了车门下沉刚度工况位移的最小化。上述2种组合分别实现了车门轻量化与安全化的设计目标。研究结果可为车身零部件的优化设计提供参考。

大型公共场所应急状态下交通诱导疏散模型

针对大型公共场所在应急状态下交通诱导疏散问题,以疏散网系统最优和疏散时间最短为目标,建立了交通诱导疏散双层规划模型。采用基于排序选择的改进粒子群优化算法(Ordered choice model particle swarm optimization,OCMPSO)对其进行求解。最后对某市一大型体育活动中心进行了仿真验证。结果表明:本文提出的模型能够有效地对突发事件下的公共场所待疏散车辆进行高效安全的疏散。

PSO优化的分数阶PFDGM(1,1)模型在变形监测预报中的应用

对于形变监测中大量的变形监测数据序列的拟合和预测精度不理想的情况,提出了采用粒子群算法优化的分数阶算子PFDGM(1,1)模型,以及对变形监测数据进行拟合和预测的新方法。通过粒子群算法选择拟合DGM(1,1)模型平均绝对百分误差最小的分数阶,构建了最优分数阶算子的PFDGM(1,1)模型。用典型的变形监测数据验证了优化模型,结果表明优化模型对变形监测数据的拟合和预测都达到了较高的精度。说明优化模型在变形监测数据的处理中具有可行性和有效性。

最优化分数阶算子EGM(1,1)模型在变形监测预报中的应用

针对传统灰色模型在形变监测中数据序列拟合和预测精度不理想的情况,提出粒子群算法优化的分数阶算子EGM(1,1)模型。通过粒子群算法选择拟合EGM(1,1)平均相对误差最小的分数阶次,构建最优分数阶算子EGM(1,1)模型。用典型的变形监测数据验证优化模型,结果表明,优化模型对变形监测数据的拟合和预测都达到较高的精度,说明优化模型在变形监测数据的处理中具有可行性和有效性。

利用外点罚函数和粒子群算法实现模型最优降阶

将外点罚函数和粒子群算法应用于模型最优降阶,采用新的低阶模型,提出了解决低阶模型稳定性问题的有效方法。典型例子的仿真验证了本方法的可行性和有效性。

基于链模型和粒子群的贝叶斯网结构学习算法

为提高学习贝叶斯网络结构的效率,提出一种基于链模型和粒子群的学习算法。利用包含贝叶斯网节点间因果关系信息的规则链模型来衡量拓扑序列的优劣,提高搜索的拓扑序列的质量,为粒子位置可选择的优化算法加上动态权重系数,平衡全局搜索和局部搜索,提高算法的搜索能力。实验结果表明,与I-ACO-B算法相比,该算法不仅能获得更好的解,且收敛速度也有一定的提高。

基于阶次小波包与Markov链模型的转子早期故障诊断

针对转子启动过程中振动信号表现为非平稳、非高斯特征及传统诊断方法精度不高的现状,将阶次小波包和Markov链模型引入转子的早期故障诊断中,提出了一种新的自适应故障诊断模型。首先利用阶次跟踪算法对瞬态振动信号重采样,得到等角度分布诊断信号;其次采用小波包对该信号分解——重构,提取其在各频带的能量特征向量,通过Markov链模型对其进行预测;最后通过故障实例验证,结果表明:将阶次小波包变换和Markov链模型相结合进行故障诊断是可行而有效的。

分数阶模型在电厂控制系统中的应用

从分数阶微积分的数学定义推导出分数阶微积分的数值表达式,并利用粒子群优化算法辨识得到分数阶模型,将其应用于超超临界燃煤机组,得到燃料量与中间点压力之间的分数阶模型和整数阶模型,在所求模型的基础上设计了分数阶内模控制器,对整数阶控制器和分数阶控制器的控制效果进行对比。结果表明:分数阶内模控制器比整数阶内模控制器具有更好的控制效果和抗干扰能力。

基于二阶振荡粒子群算法的铝合金Y-U硬化模型参数反演

针对铝合金的Y-U硬化模型在标定过程中参数的迭代求解特点,采用二阶振荡粒子群算法(PSO)对参数进行了反演分析求解。首先,建立参数反演的数学模型与残差目标函数;然后,基于图解法的参数近似解确定部分参数取值,对选定的5个待反演参数进行求解域标定;最后,采用具有跳出局部最优解特性的二阶振荡粒子群算法进行目标函数的优化求解。结合7075-O铝合金的拉压循环实验数据,实现了Y-U硬化模型参数的反演寻优。研究结果表明:二阶振荡粒子群算法前期渐进收敛,强化全局搜索,快速逼近最优解;后期振荡收敛,跳出局部最优,提高反演精度。

基于改进粒子群优化算法的气体源定位研究

为了提高粒子群优化(PSO)算法在气体泄漏源中的定位精度,针对标准PSO算法中存在的收敛早熟等问题,提出了一种惯性权重非线性递减和异步变化的学习因子相结合的改进PSO(IPSO)算法。该方法能够提高算法的性能,并加快粒子的收敛速度,引入二阶振荡环节来增加种群的多样性。通过函数优化实验与其他PSO算法对比,进行有效性分析和误差分析,由气体扩散模型仿真实验得出:定位结果误差值在1%范围内,表明IPSO算法不仅能够优化粒子学习能力,还能够有效提高算法的收敛精度和稳定性。

智能扫路车行驶轨迹跟踪控制算法研究

智能扫路车在规划好的全局路径下工作时,对路径跟踪的偏差较大。针对这个问题,提出模型预测控制(MPC)和二阶振荡粒子群优化算法(PSO)相结合的智能扫路车行驶轨迹跟踪控制算法。对智能扫路车运动学和动力学非线性模型进行线性处理得到线性时变系统;设计模型预测控制算法的目标函数和相关约束条件并利用二阶振荡粒子群算法寻找最优的控制时域和预测时域,构建自适应轨迹跟踪控制器;将自适应轨迹跟踪控制算法与其他的轨迹跟踪算法进行实验对比,自适应轨迹跟踪控制算法在跟踪精度和响应时间上更具优势。

弹性飞机的混合H_2/H_∞最优PID控制器设计

针对弹性飞机强鲁棒性、低阶次、低增益鲁棒控制器的设计问题,以某弹性飞机12阶模型为研究对象,研究了基于弹性飞机降阶模型的混合H2/H∞最优PID控制器的设计。首先基于平衡截断法得到了6阶降阶模型。然后,根据全阶模型和降阶模型的频域降阶误差选取了合适的鲁棒加权函数。之后,给出了系统跟踪误差的H2范数的一种简化计算方法用于计算H2范数优化设计指标。最后使用粒子群优化算法进行了混合H2/H∞最优PID控制器参数的优化得到了最优PID控制器。仿真结果表明,与H∞混合灵敏度控制器相比,混合H2/H∞最优PID控制器阶次更低,并能同时镇定参数和非参数两种不确定性具有更强的鲁棒性;对弹性形变有较好的抑制作用,对刚性模态也取得了很好的控制效果。

微网下风光储预测滚动协调优化策略

随着可再生能源并网以及微网技术的不断发展,研究微网下风光储协同控制变得日益重要。该文提出了一种预测滚动优化协调控制策略,该控制策略主要包括综合预测和滚动优化模块。综合预测模块通过超短期神经网络预测给出风电、光伏、负荷的功率预测结果;滚动优化模块考虑功率偏差软约束、风电和光伏出力约束、储能容量和功率二阶充放电模型,建立储能电池充放电次数最小以及剩余电量最大的优化模型,并利用贪心粒子群优化方法求解。仿真算例说明所提控制策略能够在兼顾微网功率偏差的基础上,有效限制储能充放电次数,避免储能过充过放,以提高储能的使用寿命。

蜡沉积速率模型的最优化研究

根据蜡沉积的动力学机理,针对管内壁的剪切应力、温度梯度、蜡分子浓度梯度和原油的动力粘度等影响蜡沉积速率的因素,选用幂律模型作为结蜡速率模型,并用二阶微粒群算法对该蜡沉积速率模型参数进行优化处理,结果证明,采用微粒群算法获得的数学模型的准确性优于采用逐步回归分析法。

基于信息量准则的锂离子电池变阶RC等效电路模型建模及优化方法

针对三阶RC等效电路模型过拟合和模型复杂度较高的问题,提出了一种将信息量准则和粒子群优化相结合的方法,对锂离子电池模型进行精准切换,在保证模型拟合度、精确度的同时,降低了模型的复杂度,提高了模型的容错率。该文利用小电流充放电法获取开路电压,对等效电路模型参数进行了辨识;运用AIC和BIC准则,以剩余平方和作为模型评价指标确定模型切换方法,以最佳拟合度和最小偏差为目标函数,利用粒子群优化（particle swarm optimization,PSO）算法搜索最优模型。寻优后的模型具有较高的准确性和实用性。经恒流充放电和拟工况实验以及仿真表明,基于PSO-IC变阶RC等效电路模型误差在0.65%以内。

“专变共享”模式下考虑时变电价和转移概率的EV有序充电

针对城市楼宇停车场难以新建变压器供电的问题,提出了利用原有专变冗余容量消纳电动汽车(EV)负荷的“专变共享”模式,建立了分别由专变用户、充电站运营商和EV用户主导的3层有序充电调节模型;建立了充电体验指数、专变租费、运行商盈利额和专变利用指数等评估指标描述各方的需求,以此建立了有序充电的综合目标;建立考虑时变电价和EV用户充电时段转移概率的有序充电优化模型,并提出了基于粒子群优化算法的有序充电优化方法。通过算例仿真分析了基于时变电价的3层有序充电调节模型的优化效果,验证了考虑EV出行需求和电量约束的合理性,并研究了楼宇负荷类型对有序充电的影响。

基于双层决策的装备订购多因素激励定价模型与算法

装备订购价格是军方与承制单位双方利益争执的焦点,为全面调动承制单位生产积极性,选择成本、质量和进度同时作为激励因素,在将三因素整合到同一函数表达式的基础上,统筹考虑订购双方利益,构建了装备订购多因素激励定价双层决策模型。分别以军方的激励系数方案和承制单位的努力程度方案为模型的上下层决策变量,并以军方军事经济效益和承制单位期望效用最大化为上下层决策目标。为求解模型得到相对最优激励系数方案,结合粒子群优化算法的快速搜索能力与禁忌算法的全局搜索能力,设计了带检验因子的禁忌搜索粒子群优化(tabu search-particle swarm optimization,TS-PSD)算法。最后,通过算例验证了该模型与算法的有效性,可以引导承制单位向军方期望的目标努力,实现共赢。