基于双目标优化遗传算法和支持向量机的旋转机械退化状态识别

退化特征提取是机械健康状态监测的重要组成部分,伴随旋转机械长时间连续运转,退化特征出现性能波动甚至下降,给退化特征提取和选择造成了困难。首先利用一个特征映射算法库对振动信号提取特征,并基于Kolmogorov-Smirnov(KS)检验和Benjamini-Yekutieli过程对原始特征集进行过滤,然后利用双目标优化遗传算法(Bi-objective Optimization Genetic Algorithm, BOGA)结合支持向量机分类器(Support Vector Classifier, SVC),在有监督的环境下搜索出最佳特征子集,其中BOGA设置了SVC分类精确度和特征子集维数两个目标函数,前者进行最大化,后者进行最小化。通过在液压泵退化状态数据集上进行实验和在凯斯西楚大学轴承数据集与FRESH;CAa、ReliefF、JMIM三种方法进行对比,验证了该方法在退化状态识别上的较好性能。

一种间接求解约束优化问题的遗传算法

传统的遗传算法在求解带约束的数值优化问题时,主要采用罚函数法。文章针对罚函数法在实际应用中的不足,提出了一种将约束优化问题转化为双目标优化问题,然后使用双目标遗传算法进行求解的方法。仿真结果表明该方法是一种有效的约束问题寻优方法。

电子商务人工并行分区拣选系统服务效率优化研究

人工并行分区拣选策略是电子商务环境下常用的订单拣选策略,但分区工作量不均衡会从多方面降低拣选效率。本文综合考虑总服务时间和各分区工作量均衡两个因素,研究如何合理进行订单合并优化,以提高服务效率。首先构建以总服务时间最短和分区均衡度最优的双目标订单合并优化模型;采用双目标遗传算法以求解此模型:基于双目标函数的表现矩阵,将染色体对不同目标函数值的优劣进行综合排序,得到染色体适应值。针对三种不同订单环境进行数值实验,研究表明:总服务时间和分区均衡度是两个矛盾的目标;相较不考虑工作量均衡的单目标模型,双目标模型总服务时间有所增加,但增加的幅度远没有平衡度的改善幅度大;考虑分区工作量均衡的并行分区订单合并模型能从总体上提高系统服务效率;并行分区订单合并策略对小批量订单的分区均衡度提高幅度更大。

基于改进NSGA-Ⅱ算法的开关磁阻电机再生制动优化控制方法

针对采用传统优化算法优化开关磁阻电机再生制动控制参数存在制动能量回馈效率低及制动转矩脉动系数大的问题,提出一种基于渐近约束支配法则的双目标非支配排序遗传算法。首先针对传统双目标非支配排序遗传算法优化开关磁阻电机再生制动控制参数时存在易陷入局部最优解等不足,提出一种渐近约束支配法则,再将基于渐近约束支配法则的双目标非支配排序遗传算法应用于开关磁阻电机再生制动控制参数的优化,并对其效果进行了仿真验证,同时与传统双目标非支配排序遗传算法进行了对比分析,结果表明:基于渐近约束支配法则的双目标非支配排序遗传算法不仅有效解决了易陷入局部最优解的问题,而且显著提高了开关磁阻电机再生制动效率并降低了其转矩脉动系数,取得了满意的优化效果。