基于非线性规划的多波束测线优化设计

为获取不同地形情况下的测线布设优化方案,文章对多波束探测技术展开了研究,首先应用几何关系得到了多波束测深的覆盖宽度模型和重叠率模型;其次通过建立海底坡面参数方程与多波束探测面所在平面参数方程,得到了不定测线方向覆盖宽度模型;最后综合已有模型及边角关系,针对矩形海域建立了测线总长度的优化模型。

平面并联机器人离线PID控制优化研究

为了使平面并联机器人在闭环控制系统中具有更稳定的控制性能。对此,这里构建了平面五杆并联机器人动力学模型及其控制系统模型,给出了控制系统的增益矢量p。对机器人系统模型进行离线PID控制优化,通过控制增益来设计控制系统中的增益矢量p,从而实现非线性单目标动态优化(NLMODOP)。在NLMODOP中加入动态约束,采用带约束处理机制的差分进化(DE)算法求解平面并联机器人的非线性规划问题,进而处理不稳定的动态优化。对机器人模型中的五个连杆进行仿真实验,并对有无DE算法控制的仿真结果进行了比较。结果表明:相比于无DE算法,采用DE算法下的机器人系统模型的连杆跟踪位移基本无跟踪误差。说明基于差分进化算法的平面并联机器人离线PID控制优化具有较好的控制精度和跟踪性能。

多元非线性回归的铝合金覆盖件成形模拟优化设计

使用3参数Barlat-Lian屈服准则,通过Dynaform软件模拟铝合金覆盖件保护梁的拉深成形,获得拉深筋截面凸筋圆角半径、拉深筋的高度与最大等效应力、最大变薄率之间的关系数据;通过多元非线性回归处理数据,分别建立拉深筋的凸筋截面尺寸与最大等效应力、最大变薄率的目标函数数学模型。通过加权将多目标函数优化转化为单目标优化数学模型,优化求出凸筋截面尺寸的优化解。模拟验证覆盖件的成形,获得了满足设计要求的结果。

非线性规划问题的极大熵多目标粒子群算法

结合非线性规划的约束条件构造了一个新的极大熵函数,利用该函数将问题转化成了两个目标的多目标优化问题。通过对违反约束动态的进行惩罚,提出了一种新的极大熵多目标粒子群算法。该方法能有效的保持群体中不可行解的一定比例,从而增加了群体的多样性,而且避免了传统的过度惩罚缺陷,使群体更好地向最优解逼近。计算机仿真表明,该算法对非线性规划问题求解是非常有效的。

一种水库洪水多目标调度的线性综合优化算法

针对水库洪水优化调度的非线性、多目标特性,研究了一种水库洪水多目标调度的线性综合优化算法。理论推导与算例仿真表明,该算法通过有限次的单目标优化计算,可直接获得多目标函数最优解集的前端,从而避免了复杂的多目标进化算法的搜索过程,且其最优解集的目标空间分布曲线清晰,直观地表达了当前洪水状况下优化调度解的分布及各目标间的关系,对水库洪水多目标优化调度的决策具有重要意义。

非线性整数规划问题的改进粒子群优化算法

提出了一种求解非线性整数规划问题的改进粒子群优化算法.在这个算法里,对粒子群优化模型的速度方程和位置方程进行改进,加入了动态约束处理技术以提高选择最优点的能力;加入了粒子的邻域加速寻优策略以提高局部优化能力.数值结果表明所提出的算法计算精度高且稳定性好.

基于控制思想求解非线性规划问题的李雅普诺夫方法

为了高效求解非线性规划问题,对一种基于控制思想的新颖方法——李雅普诺夫方法——进行了研究.该方法将约束非线性规划问题转化为一个动态系统,基于系统的动态特性给出原优化问题的最优解.分别针对单目标和多目标的非线性规划问题,对算法的收敛性进行了分析,给出了算法在应用时松弛变量、增益因子等关键参数的取值建议.大量数值算例验证了上述收敛性及参数取值建议的正确性,表明了该方法在求解非线性规划问题时的巨大潜力和新颖性.

多端柔性直流输电系统动态协调优化控制策略

针对多端柔性直流输电系统(MMC-MTDC)采用定系数下垂控制存在功率分配失衡、直流电压越限及运行损耗较高的情况,提出一种动态协调优化控制策略。该控制策略考虑网损、直流电压偏差、换流站功率裕度、系统电压静态稳定裕度等因素对系统的影响,建立非线性多目标优化求解模型,并采用基于Pareto最优解集的多目标遗传优化算法计算受端下垂控制站的直流电压参考值、直流功率参考值和下垂系数。然后将求解得到的最优控制参数应用于系统,使换流站动态修正实际运行点以保证系统的稳定与经济运行。最后,建立四端MMC-MTDC系统并对所提控制策略进行仿真验证。结果表明,该控制策略可在满足各项稳定运行指标的前提下,根据系统运行工况得出最优控制参数并动态修正运行点,实现降低系统运行损耗和各站直流功率不满载的目标。

双目标动态迁移操作DE-PSO混合算法

针对非线性约束优化问题的特殊性,给出一种求解非线性约束优化问题的动态目标迁移DEPSO混合算法.在初始化中加入迁移操作,采取动态目标的处理方法,将约束优化问题转化为无约束双目标优化问题.依据原目标函数、违反约束度函数进行选择操作,先通过改进差分进化算法对种群进化,对违反约束度在容忍度以外的个体再采用改进的粒子群优化算法进化,并用采用一组经典的测试函数进行测试.DE-PSO混合算法具有精度高、稳定性好的特点.

无数学模型的非线性约束单目标系统优化方法改进

为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法（support vector machine and immune particle swarm optimization,SVM-IPSO）.首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法（BP and particle swarm optimization,BP-PSO）进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径.

现代变形监测多目标非线性动态优化设计的一个新方法

变形监测网在空间和时间上都是动态的，在变形监测优化设计模型中，绝大多数函数关系都是非线性的，在优化设计中采用多项指标综合评价决策方案的优劣，更科学、合理和准确。针对这点，该文提出了多目标非线性动态优化设计的一个新方法。

杯形件冲压成形优化的研究

使用3参数Barlat-Lian屈服准则,通过有限元软件模拟杯形件的拉深成形,获得压边力、凹模圆角半径参数与破裂、起皱、厚度最大变薄率之间关系的数据;通过多元非线性回归处理,分别建立压边力、凹模圆角半径参数与破裂、起皱、最大变薄率的目标函数模型。进一步运用层次分析法求出各目标函数的权重,将多目标函数转化为单目标优化的数学模型,求出成形工艺的参数优化解。最后通过模拟和实验验证杯形件的成形,证明了该方法的可行性。

配矿优化技术研究现状及发展趋势

梳理了国内外配矿优化技术的理论成果,系统地分析了单一目标和多目标规划智能配矿优化技术在矿山生产配矿中的应用情况及效果,突出了系统规划方法和现代信息技术对提高配矿效果和效率的显著作用。针对矿山生产的约束条件复杂多变、矿山生产需求日益多样化和矿山企业可持续发展的战略目标,指出配矿优化技术将朝着多目标非线性规划、中长期动态配矿规划和提高配矿效率和可靠性的控制技术等3个方向发展。

供水管网优化模型比较研究

以寻找工程实践中最可行的管网优化模型为目的,通过理论分析和实例计算对工程中常用的单目标线性规划模型、多目标线性规划模型和单目标非线性规划模型进行对比研究。结果表明,单目标非线性规划模型具备较强实用价值。三类模型的比较研究也为进一步改进管网优化设计方法提供了新的思路。

圆面折叠桌的优化设计

利用引入的若干个设计加工参数及相应的约束条件,分析了折叠桌的两个主要运动过程,建立了一组桌面为圆形的平板折叠桌的非线性动态方程.通过多目标规划问题建立了模型目标函数,最终利用Matlab软件进行求解,得到了长方形平板材料和圆面折叠桌的最优设计加工参数.

微电网日前优化调度的研究

本文研究的是微电网日前优化调度的问题。要求在蓄电池、可再生能源光伏发电、风机发电及微网与电网交换功率相互协调组合情况下,计算各时段负荷的供电构成、全天总供电费用和平均购电单价。首先对文中附件数据分析,分别建立分时段计算模型、单目标整数规划模型、单目标非线性优化模型;然后结合两位二进制枚举法,利用MATLAB编程,分别求出平均购电单价、全天总供电费用、各时段负荷的供电构成三个分指标;最后通过求解得到的数据进行图像分析,从而得到可再生能源的利用情况。

平板折叠桌最优设计的模型研究

现有一种创意平板折叠桌.建立初等函数模型,给出折叠桌的动态变化过程及开槽长度和桌脚边缘线的函数表达;根据"稳固性、加工难易、用材多少"等要求建立多目标函数的优化模型,采用基于多目标函数的"模拟退火"算法,求得一定条件下的最优设计方案.最后给出一种折叠桌设计软件的初等目标函数数学模型,并利用次模型设计出三角形、六边形两种新的创意平板折叠桌.

发电机供电量数学模型的应用分析

本文针对工厂每日各时段电力需求的不同,根据给定的四种不同类型的发电机的发电能力,合理分配各台发电机在不同时间段的开启数量和运行功率,使得在一定时段内,总成本最小的问题。采用单目标非线性规划方法,建立所求问题的最优化模型,借助lingo软件对模型进行求解,得到最小总成本。

Multi-objective optimization for deepwater dynamic umbilical installation analysis

We suggest a method of multi-objective optimization based on approximation model for dynamic umbilical installation. The optimization aims to find out the most cost effective size, quantity and location of buoyancy modules for umbilical installation while maintaining structural safety. The approximation model is constructed by the design of experiment (DOE) sampling and is utilized to solve the problem of time-consuming analyses. The non-linear dynamic analyses considering environmental loadings are executed on these sample points from DOE. Non-dominated Sorting Genetic Algorithm (NSGA-II) is employed to obtain the Pareto solution set through an evolutionary optimization process. Intuitionist fuzzy set theory is applied for selecting the best compromise solution from Pareto set. The optimization results indicate this optimization strategy with approximation model and multiple attribute decision-making method is valid, and provide the optimal deployment method for deepwater dynamic umbilical buoyancy modules.