基于集合经验模态分解和多目标遗传算法的火-多储系统调频功率双层优化

针对分布于区域电网不同网络节点的多座储能电站参与电网调频功率调度问题,该文提出一种基于集合经验模态分解(EEMD)和多目标遗传算法(MOGA)的火-多储系统调频功率双层优化策略。该策略包含火-储调频功率优化层和多储能电站调频功率优化层:上层计及火-储调配资源各自优势及剩余调频能力,构建火-储调频功率优化分配模型,完成火-储调频功率的分配;下层引入关于调频成本和荷电状态(SOC)的自适应权重系数,以调频成本最低和SOC均衡为优化目标,完成调频功率在多储能电站之间的分配。仿真结果表明,所提策略可以提升区域电网调频效果并降低调频成本,均衡控制多个储能电站的调频成本和SOC,可以防止经济性较好的储能电站长期处于SOC越限边缘状态,提升储能电站参与调频的积极性和可持续性。

基于多目标遗传算法的斜盘式轴向柱塞泵低脉动结构优化设计

由于轴向柱塞泵的非对称结构特性,其输出压力和输出流量存在脉动特性,对液压系统的输出稳定性和可靠性造成影响,因此提出了一种基于多目标遗传算法的斜盘式轴向柱塞泵低脉动结构优化设计方法。首先,通过CFD(computational fluid dynamics,计算流体动力学)仿真分析方法,对轴向柱塞泵上/下死点位的压力-流量脉动的产生机理进行了分析;其次,对阻尼槽结构参数对轴向柱塞泵输出压力-流量脉动的影响规律进行了分析,构建了阻尼槽结构的多目标优化模型;最后,求解了低脉动阻尼槽结构。优化后的结构参数:阻尼槽半径为2.21 mm,阻尼槽长度为10.32 mm,阻尼槽错配角为16.54°。优化后压力脉动率为0.59%,相比于优化前的0.75%降低了0.16%,脉动幅值为0.25 MPa;优化后流量脉动率为12.02%,相比于优化前的5.61%降低了43.59%。研究结果为轴向柱塞泵低脉动结构的优化设计提供了有效的理论支持和实践指导。

基于多目标遗传算法的8×8 S盒的优化设计方法

混沌系统具有非线性、伪随机性、初始值敏感等特性,为基于动力系统构造性能良好的S盒提供了基础,进一步保证了分组加密算法安全性.目前,基于混沌构造S盒的方法大多数针对单个性能指标进行优化,难以获得全面的性能提升.针对此问题,结合混沌映射与多目标遗传算法,提出了一种新的S盒设计方法.首先,利用混沌映射的特性产生初始S盒种群;然后,以S盒的非线性度和差分均匀性为优化目标,基于遗传算法框架对上述两指标进行优化.针对S盒的特点,在优化算法中引入了交换操作,设计了新的变异操作以及非支配序集计算,有效提升了S盒的非线性度和差分均匀性.实验结果表明该算法产生的S盒其差分均匀度为6,非线性度值至少为110,有效提升了S盒的综合性能.

基于多目标遗传算法的屏蔽泵叶轮水力优化

为改善屏蔽泵叶轮综合水力性能,搭建了ANSYS-Workbench与iSIGHT联合优化平台,采用优化拉丁立方设计对叶片骨线、前后盖板及叶缘厚度等共28个备选参数进行敏感性分析.基于各参数对目标函数影响程度,确定叶片前盖板及骨线处等9个参数作为最终优化输入参数,选取Kriging代理模型与非支配排序遗传算法NSGA-Ⅱ对效率及扬程迭代寻优,最终依据不同权重分配给出2种叶片优化方案.通过数值模拟验证,优化方案1与方案2在额定工况下效率分别提升1.98%和2.83%,扬程分别提升15.73 m和13.39 m,运行区间水力外特性均有明显提升.研究结果表明:前盖板参数z 3对效率及扬程影响最大,分别达到-18.99%与-30.10%;使用Kriging代理模型的预测精度最高,总误差E 0值为3.393%;在0.83 Q BEP~1.12 Q BEP运行区间,方案1与方案2的扬程明显高于原方案,方案1在最优流量工况的优化效果最为显著,达13.89%.

基于多目标遗传算法的固定蜂窝板辐射器性能优化

针对某低轨卫星高散热性与减重需求,提出一种蜂窝板辐射器的优化设计方案。研究表明,外贴热管能够提高辐射器散热能力与表面温度均匀性。以热管-管路布局参数作为设计变量,利用优化拉丁方试验法生成72套样本组合,并采用误差最低的径向基函数(RBF)构建代理模型,仿真结果表明,基于带精英策略的非支配排序遗传算法(NSGA-II)迭代得到的最优方案提高散热能力超过1/4,表面温度均匀性改善65%且辐射器总质量降低32%。通过绕轨运行热控能力分析得到,优化方案的散热器具有优异的散热性能以及显著的减重优势,可为固定式空间辐射器的设计提供参考。

基于多目标遗传算法的PDC复合片交界结构优化设计

为改善PDC复合片界面处的结合能力,提升其整体的抗冲击性和稳定性,提出了一种新型交界结构。采用有限元方法,对比了外界载荷影响下所设计交界结构和常规界面结构复合片的应力分布状态,并基于提出的交界结构,考虑其结构参数的影响,使用最优填充空间法进行采样,结合最小二乘法构建了结构场的二阶响应面近似模型;以交界结构参数为设计变量,结构场等效应力、最大剪应力和最大主应力的最大值为设计目标,采用多目标遗传算法对响应面近似模型进行优化。研究结果表明,相同模拟条件下,相比常规交界结构,新型交界结构的等效应力最大值降低了50.7%,剪应力最大值降低了52.0%,最大主应力最大值降低了22.4%。优化后的PDC复合片在相同条件下,等效应力、最大剪应力及最大主应力均降低14%以上,且具有更好的破岩稳定性,能有效避免应力集中,同时热稳定性增强。研究结果为PDC复合片优化设计提供了理论依据,同时提供了新的优化方法,有助于降低研发成本。

基于遗传算法优化支持向量机的船舰目标识别分类

为了实现有效的海上监管和响应,提高舰船监管效率,降低人力成本,提出基于遗传算法优化支持向量机的舰船目标识别分类方法。以HU矩为舰船目标的特征描述子,在舰船目标图像内,提取具备旋转、尺度与平移不变性的舰船目标特征矩;利用遗传算法,优化支持向量机的惩罚因子与核参数;在参数优化后的支持向量机内,输入舰船目标特征矩样本,输出舰船目标识别分类结果。实验证明,该方法可有效提取舰船目标特征矩;经过参数优化后的支持向量机,可有效降低计算复杂度,加快检测目标识别分类效率,具备较优的舰船目标识别分类性能。该方法均可精准识别分类舰船目标。

基于改进实数编码遗传算法的神经网络超参数优化

针对神经网络超参数优化效果差、容易陷入次优解和优化效率低的问题,提出一种基于改进实数编码遗传算法(IRCGA)的深度神经网络超参数优化算法——IRCGA-DNN(IRCGA for Deep Neural Network)。首先,采用实数编码方式表示超参数的取值,使超参数的搜索空间更灵活;然后,引入分层比例选择算子增加解集多样性;最后,分别设计了改进的单点交叉和变异算子,以更全面地探索超参数空间,提高优化算法的效率和质量。基于两个仿真数据集,验证IRCGA-DNN的毁伤效果预测性能和收敛效率。实验结果表明,在两个数据集上,与GA-DNN(Genetic Algorithm for Deep Neural Network)相比,所提算法的收敛迭代次数分别减少了8.7%和13.6%,均方误差(MSE)相差不大;与IGA-DNN(Improved GA-DNN)相比,IRCGA-DNN的收敛迭代次数分别减少了22.2%和13.6%。实验结果表明,所提算法收敛速度和预测性能均更优,能有效处理神经网络超参数优化问题。

不同多目标遗传算法在水闸泵站优化调度应用的对比研究

多目标遗传算法因其高效率和快速收敛而被广泛用于水利工程调度优化。不同的算法具有不同的特点,表现性能不一,寻找一种合适的算法用于水利工程优化是非常重要的。研究选择了三种有代表性的多目标遗传算法,即NSGA-Ⅱ、NSGA-Ⅲ和RVEA,建立了水闸泵站调度多目标优化模型,进行了数值实验来评估这三种算法的表现。根据综合评价,NSGA-Ⅲ更适合于三目标的水闸泵站优化调度。

基于遗传算法的无线传感器网络布局多目标优化问题研究

遗传算法是一种启发式搜索算法,可模拟自然选择和遗传机制解决优化问题,适用于处理这些包含多个相互冲突目标的复杂问题。文章以无线传感器网络布局问题为例,构建多目标数学模型表示无线传感器网络布局的多目标优化问题,描述遗传算法在此问题中的优化路径。研究结果表明,优化后的网络布局效果更佳,证明了遗传算法在解决无线传感器网络布局问题中的有效性。

基于遗传算法的风电齿轮传动系统参数优化设计

齿轮箱是风力发电系统的重要部件,其体积大、重量高等问题制约了风电清洁能源的发展.以1.5 WM风力发电机组为研究对象,建立齿轮传动系统轻量化数学模型,并采用遗传算法进行优化求解.结果表明,采用遗传算法是可行的,优化后齿轮传动系统体积减少了4.59%,这将进一步减小齿轮传动系统箱体体积和总质量.通过计算行星轮系的传动效率,验证了优化结果的可行性,该研究将为风电齿轮传动系统轻量化设计提供新方法.

基于遗传算法的磨削力模型系数优化及验证

在磨削力模型求解问题中,目前大多使用分段计算法或列方程组直接计算各个待求系数,不仅计算量大且其精度也无法保证。另外,传统的回归模型容易陷入局部最优,难以描述非线性关系。为此,将遗传算法引入到非线性优化函数参数优化中,基于外圆横向磨削力模型、平面磨削力模型、外圆纵向磨削力模型等现有的模型数据,开展磨削力理论模型的系数优化方法研究。相关性分析结果表明:通过计算得到的3种模型磨削力的预测精度提高了14.69%~42.54%,且3种模型所预测的法向磨削力的平均误差分别为5.9%、9.13%、3.23%,切向力平均误差分别为6.78%、8.36%、3.69%。经对比知,优化后的模型拟合度较好,模型预测精度显著提高。遗传算法优化后的非线性优化函数GA-LSQ算法更适合磨削力模型的求解,可对磨削力的预测及实际加工生产中的参数优化提供参考。

基于多目标遗传算法的火电机组负荷优化分配方法

为了优化火电机组负荷分配效果,减少能耗,实现节能降耗目标,开展了基于多目标遗传算法的火电机组负荷优化分配方法研究。首先,利用多目标遗传算法,以火电机组能耗成本、环境成本与负荷分配响应时间为目标,建立火电机组负荷优化分配模型。然后,计算火电机组煤耗,作为负荷优化分配的指标,获取火电机组自身的发电性能,反映火电机组运行的经济性。在此基础上,采用等效微增法,对负荷进行等效微增优化分配处理,得出煤耗量最小的火电机组负荷优化分配方案。实验分析结果表明,提出的优化分配方法应用后,火电机组的平均煤耗由最高328.41 g/(kW·h)减少至306.17 g/(k W·h),负荷优化分配效果优势显著。

基于模糊-遗传算法的粗纱机出料传动系统PID参数优化方法

目前常规的粗纱机出料传动系统PID参数优化方法主要通过结合被控对象的稳态增益情况构建出优化函数,实现PID参数优化整合,忽略了实际运行工况下的干扰成分,导致参数优化效果不佳。对此,提出基于模糊-遗传算法的粗纱机出料传动系统PID参数优化方法。首先结合PID的系统阶跃响应曲线,以被控量的偏差变化率作为主要参数选取性能指标;然后通过引入负荷扰动模块以及频率干扰模块,对PID调节模块进行建模分析;最后结合模糊-遗传算法对最优适应度值进行求解,从而实现PID参数的有效优化,并对提出的方法进行优化效果检验。最终测试结果表明,采用提出的方法对PID参数进行优化整合时,控制输出曲线与理论输出曲线的拟合程度更高,具备较为理想的优化效果。

基于遗传算法的大型矩形压力容器刚强度优化设计

为了解决矩形压力容器承压能力较差、应力状态较复杂、结构优化设计难度高的难题,利用遗传算法可自适应调整搜索方向这一特性,开展了某矩形特征水洞试验段的刚强度优化设计。厘清了该工程问题的约束条件,开展了结构初步设计,采用手动迭代开展了结构优化设计;并在完成参数化建模与仿真、构建代理模型、建立优化设计流程的基础上,基于遗传算法开展了该水洞试验段的结构优化设计。该方法与初步设计结果相比,减重34.98%;与手动迭代优化设计结果相比,减重10.49%。

基于混合遗传算法的多无人机巡逻路径优化

假设无人机巡逻的起、终点均为派出所,提出了一种融合传统遗传算法和爬山算法的警用无人机巡逻路径优化模型——混合遗传算法。按照轮盘赌法则,进行种群个体的选择,以增大优秀种群个体被选中的概率,达到较好的优化效果。同时定义了与路径优化相适应的基因交叉和变异规则。仿真结果表明,提出的混合遗传算法在寻优效果上明显优于传统遗传算法。

基于影响矩阵和精英遗传算法的斜拉桥索力优化

由于传统索力优化方法不能自动优化和兼顾全桥结构性能,以及与智能优化算法相结合后存在计算量大、耗时长、效率低和收敛速度慢等缺点,以Ansys和Matlab分别作为结构计算器和主控程序,以最小弯矩能为控制目标,将影响矩阵和精英保留策略引入到遗传算法中,实现成桥阶段的索力优化.该方法能够同时兼顾主梁与主塔的受力特性,而且影响矩阵的应用可以解决每一代都需要有限元评估的问题,大大减少了计算量.与传统的影响矩阵法相比,所提方法在吸取影响矩阵法优点的基础上,还考虑参数迭代过程,可在结构的关键截面添加特殊的约束要求,使得优化过程更加符合实际,而精英保留策略的引入可以提高进化迭代收敛的速度与进化过程的稳定性.最后,通过一个实际工程应用验证了所提方法的可行性.

基于改进实数遗传算法的桑叶采摘机结构参数优化

针对遗传算法在求解桑叶采摘机结构优化问题时容易陷入局部最优和求解精度低等问题,提出一种改进实数遗传算法。首先是给出一种基于序的组合适应度函数的轮盘赌选择算子,该算子在轮盘赌的基础上,通过一个自适应变化的参数在两种适应度函数中选择一个,再去计算适应度值;然后设计一种基于方向的改进启发式交叉算子,该算子既保留两个父代个体中较优个体对子代个体的影响,又增加种群中最优个体对子代个体的影响,提高交叉产生有潜力子代的可能性。接着将改进算法应用于摇杆式桑叶采摘机的优化参数设计中,通过与其他算法作仿真对比试验验证算法的优越性,获得采摘机最优参数组合:行走结构速度为24 mm/s、拨动结构角速度为1.2 rad/s、采摘结构速度为440 mm/s,并由运行结果可知整机性能与优化前相比提高13%。最后用优化得到的参数组合进行实地试验,结果显示桑叶采摘机性能提升10.9%,误差较小为2.1%。可见,所提改进实数遗传算法是优化采摘机参数的一种有效算法。

基于NSGA-Ⅱ遗传算法的Myring流线型量水槽体型优化设计

Myring流线型在水下航行器领域应用较为广泛,而量水槽在渠道中的受阻状态与潜水器潜行时受到的阻力情况具有一定的相似之处,因此本文借鉴潜水器的结构特点进行量水槽体型设计,探究量水槽受阻最小的较优线型。基于FLOW-3D软件,采用最优拉丁超立方设计方法,以流线型的收缩段长度和锐度因子、扩散段长度和离去角为变量设计了40组数值模拟方案,得到对应的水头损失百分比和上游佛汝德数。以数值模拟变量为输入、结果为输出,训练RBF神经网络,结合NSGA-Ⅱ遗传算法获得Patero前沿解,通过TOPSIS评价法筛选出最优解并得出其线形参数:优化模型收缩段长度为45.9 cm、收缩段锐度因子为0.74、扩散段长度为49.2 cm、扩散段离去角为14.63°,并通过等比例缩放得到6组收缩比,在9组流量下进行模型试验分析水力性能。结果表明,优化后线型过流较顺畅,水力性能较优,预测结果和模拟结果误差不超过5%;不同工况下上游佛汝德数均小于0.5,满足测流规范要求,收缩比为0.58~0.66时各项水力性能均较优;基于临界流测流和量纲分析原理得到的测流公式精度较高,平均相对误差为2.09%。本研究证明了将流线型运用于量水槽领域研究以及通过神经网络和遗传算法寻优的可行性,优化后Myring流线型量水槽具有良好的性能和测流精度,在灌区渠道中具有较好的运用前景。

基于多目标规划和混合遗传算法的上海临空可变车道集群控制优化研究

针对上海临空早晚高峰时段区域交通问题,分别构建广顺北路、协和路、福泉路和金钟路单条道路优化模型及基于多目标规划和混合遗传算法的临空区域路网可变车道集群控制及信号配时优化模型。从通行效率和环境排放效益2个维度进行量化对比。结果表明,可变车道集群控制及信号配时优化后早高峰改善比例大于晚高峰,路网通行效率及环境排放效益优化幅度分别达17.46%和20.53%。可变车道集群优化效果较单车道显著且稳定性高,更有利于路网通行效率的整体提升。研究结论可为城市可变车道集群的智能化管控提供理论支撑与借鉴。