基于捕食搜索策略的混合动力汽车参数优化

混合动力汽车模型是一个较复杂的非线性系统,且设计参数较多,为一种处理燃油经济性和排放的多目标问题。文章以一辆实例样车的动力系统和逻辑门限值控制策略为例,分析并建立了以动力性能为控制约束,以最小化油耗和排放为控制目标的非线性规划模型。采用捕食搜索遗传算法,对模型进行了仿真。结果表明,该方法相对于简单遗传算法更能有效地改善车辆燃油经济性和排放。

采用最优小波树和改进BP神经网络的感应电动机定子故障诊断

为了准确及时地识别并排除感应电动机定子匝间短路故障,保障电动机设备的安全运行,提出了一种基于最优小波树和捕食搜索遗传算法优化神经网络的新型故障诊断方法。结合故障电流的特征,采用最优小波树,将滤除基波分量后的定子残余电流信号进行分解,提取表征信号内在规律最强的分解节点能量成分,作为BP神经网络的输入特征向量。采用BP神经网络进行分类,通过捕食搜索策略优化的遗传算法选择神经网络训练的初始权值和阈值,提升网络训练的速度和准确度。实验结果表明,该方法不但可以提取优于小波包方法的最优特征向量,同时可以准确识别三种故障下的电动机定子匝间短路故障。