永磁游标电机的多目标正交-粒子群优化

永磁游标电机有低速大转矩运行、直接驱动等优点,在保证转矩密度的同时降低转矩脉动是该类电机优化的主要目标。以内转子永磁游标电机为研究对象,利用敏感性分析确定优化因素,采用多目标正交优化、粒子群算法对该电机进行了优化,提出了二者相结合的正交-粒子群优化算法。利用有限元法对上述3种优化结果进行仿真,结果表明,该方法解决了正交优化精度不足和粒子群优化计算量大的问题;优化后使电机电磁转矩增加8.5%,转矩脉动减小8.23%,提升了电机的性能。

考虑多个风电机组接入配电网的多目标无功优化

针对多个风电机组接入配电网带来的不确定性问题,采用基于拉丁超立方采样的Monte Carlo概率潮流计算方法(correlation Latin hypercube sampling Monte Carlo simulation,CLMCS)以及场景缩减技术得到风机组输出功率的典型场景,将不确定性问题转化为单场景确定性潮流问题。并建立以有功网损最小、电压偏差最小作为目标函数的配电网无功优化数学模型。采用e正交多目标差分进化算法(e-orthogonal differential evolution multi-objective algorithm,e-ODEMO)进行计算得到非劣解集,该算法基于一般差分演化算法,结合正交实验方法使初始个体均匀分布在决策变量空间,利用e占优技术对Archive群体进行更新,能得到均匀分布的非劣解集。应用IEEE 33节点以及PG&E 69节点配电网系统进行了测试,结果验证了所提方法和模型的可行性与有效性。

从三种伦理理论的视角看人工智能威胁问题及其对策

波斯特洛姆、尤德科夫斯基、索勒斯等人将人工智能的伦理风险主要归因于目标正交、价值观加载困难、工具子目标趋同、能力增强等几个方面。我们从义务论、功利主义、美德伦理学三个主流伦理理论出发,针对智能伦理中面临的几个主要技术难题及代表性解决方案展开分析,考察其优势与缺陷。从义务论出发,总有些隐藏的微妙细节是事先难以预料的,存在可能被利用的漏洞,并且很难确保伦理准则的语义足够精确;功利主义在人工智能领域的典型代表是强化学习,强化学习的框架无法回避目标正交、价值观加载困难、工具子目标趋同等难题;如果单纯依靠美德伦理学,不仅不能提供正确行动的判别标准,各种美德的语义定义也是模糊的。虽然三个理论各有各的困难,但有希望整合出一条综合性的解决路径,用义务论的伦理准则约束智能体的行动空间,借助美德伦理学弥补功利主义的不足,采用"合作逆强化学习"的方法加载相对可靠的价值观,在确保不损失太多智能的情况下依然能够与人的行为保持一致,从而在最大程度上降低伦理风险。

基于灰色系统理论的煤油超声速雾化的仿真优化

为了提高煤油在超声速气流中喷射的雾化性能,利用Fluent软件模拟其雾化情况,以穿透深度、横向扩散范围、索特尔平均粒径(SMD)等雾化质量的评价指标为目标函数,以喷射角度、喷嘴直径、喷射速度等作为独立的喷射参数,进行多目标正交优化。应用灰色系统理论优化喷射参数组合,并以其再进行数值模拟验证,模拟结果表明雾化质量比优化前明显提高。研究表明,以正交试验法和灰色关联分析法应用于煤油超声速雾化参数优化的方法是有效的。