基于关联规则的绿色特高压换流站设备选型逻辑自适应优化算法

特高压换流站中组成设备众多,在运行时会产生较大的耗损,有必要实施设备选型优化,对此,提出一种基于关联规则的绿色特高压换流站设备选型逻辑自适应优化算法。利用关联规则,选取影响绿色特高压换流站设备选型的主要因素,构建绿色特高压换流站设备选型逻辑描述函数,并设置约束条件。利用粒子群算法自适应优化选择特高压换流站设备型号,实现绿色特高压换流站设备选型逻辑优化。结果表明,3种自适应优化后的绿色特高压换流站设备选型方案应用后,产生的耗损要小于原始特高压换流站设备选型方案。

极地邮轮关键设备总体选型混合优化算法研究

针对极地邮轮关键设备总体选型问题,建立了含耦合约束的多目标优化模型。基于对该优化模型的解空间分析,提出了一种新的混合优化算法。其混合策略为:将差分进化(Differential Evolution, DE)算法的交叉及选择操作引入鲸鱼优化算法(Whale Optimization Algorithm, WOA)中,通过部分维度更新实现对耦合约束的主动适应,并通过贪婪选择实现对优势个体的保护。以某极地小型邮轮的设备选型问题为测试算例,对本文所提的混合优化策略进行了验证。测试结果表明,所提混合优化策略可以有效提升算法在极地邮轮关键设备总体选型问题上的优化性能,且得到的优化方案相比原方案具有更高的评估得分,更满足用户的需求。

泵的CAD Auto选型优化算法

提出了泵的CADAuto选型优化算法．论述了泵和管路的性能曲线方程及泵安全量选定．建立了泵的选型优化约束条件及工作点的数值计算方法．针对大连水泵厂生产的泵系列进行了算例编程运算结果表明，该算法使泵选用合理．最佳地满足用户运行条件及高效率要求．

基于改进粒子群算法的船舶发电机选型优化研究

针对现在多数船舶配置的柴油发电机存在着低电力负荷工况下马力过剩、效率低的现象,进行了船舶柴油发电机选型优化研究;基于设置"港口工况发电机"的思想,针对不同工况下的船舶电力需求,建立了发电机选型优化模型,并提出了基于改进粒子群算法的不同船舶柴油发电机选型优化方法。分析结果表明:此方法在满足船舶供电安全性要求的同时,可以减少选用的船舶发电机的重量和体积;此外,可使发电机组在不同的工况下均运行在较高的效率区,从而可提高船舶总体能效。

遗传算法在水泵优化选型中的应用

以泵站年费用最小为目标函数 ,以水泵台数为优化变量 ,并考虑到供水流量随时间的变化过程 ,建立了水泵优化选型模型。针对水泵选型的特点 ,采用遗传算法对水泵优化选型模型求解。运用该方法 ,既可以提高计算效率 ,又可以在较大解空间范围内获得最优水泵组合方案 。

泵的计算机选型优化算法

论述了泵和管路的性能曲线方程及泵安全量选定，提出了泵的选型优化约束条件及劈因子法求工作点，编制了泵的选型优化计算机源程序，列举了计算实例。

板式换热器热工选型优化算法探讨

介绍了各种板式换热器选型优化算法的优缺点,基于板式换热器的特点提出了一种热工选型和优化算法,该方法将传统换热器的校核计算与板式换热器特有的通道结构有机结合,物理概念清晰,简单易懂。针对某一工况和板型找到最佳的通道组合形式和最小的换热面积,计算结果比较表明该算法简单可靠。

型材截面优化选型算法的研究与应用

设计了一种型材截面优化选型算法,以实现型材刚度和质量的最优化配置,解决型材截面优化选型问题。将该算法应用于某天线舱框架的结构设计,以天线舱框架刚度为约束条件,实现了天线舱框架质量最小化的设计指标,同时达到了缩短项目研制周期的效果。

遗传算法在气动系统优化中的应用

对气动系统动态特性做了深入的理论分析,提出了兼顾成本最低及尺寸最小的优化目标函数,并利用遗传算法实现了典型气动系统的优化设计。试验结果证明采用遗传算法优化的系统不但能够满足系统性能要求,与传统设计方法相比,优化后系统各元件尺寸较小,为气动系统的设计和选型提供了一种新方法。

大型群桩基础安全监测传感器选型优化

为优化大型基础工程的传感器系统,合理选择传感器类型,建立了以传感器系统成本为目标函数,以表决系统可靠度为约束条件的多传感器选型优化模型,并用遗传算法求其最优解.为了考虑安装埋设环境对系统可靠度的影响,提出了环境因素折减因子的概念,给出了它的确定方法,并用该因子对不同环境下传感器的可靠度进行修正.以苏通大桥群桩基础传感器系统设计为例,对该模型进行了验证.结果表明,运用该模型,在保证系统可靠度的前提下,能使系统成本降低9.1%.

基于智能算法的啤酒灌装生产线设备选型研究

目的以啤酒灌装生产线为研究对象,基于粒子群智能算法,实现啤酒灌装生产线所需设备的快速选型,且使设备的利用率最大化。方法建立啤酒灌装生产线所需设备的数据库,利用Matlab软件编写粒子群智能算法,对啤酒灌装生产线的相关设备进行多目标优化,实现快速智能寻优。结果在客户要求的约束条件下,当初始化100个种群、迭代次数为8000时,生产线平衡率高达90%以上,满足了客户要求。结论文中验证了粒子群智能算法的可靠性,并得到了客户满意的求解方案。该智能算法在生产线布局初期具有很强的柔性,可以快速解决啤酒灌装生产线建厂初期设备的快速选型问题。

考虑电缆选型双馈机组分散协调控制对风电场无功优化影响

随着技术发展,双馈式风力发电机成为风电场主流,风电场内部电压波动及网络损耗优化研究也越来越重要。该文基于风机位置的电缆选型,分析双馈机组的无功极限,充分利用风机无功调节能力,将每台风机无功出力、静止无功补偿装置无功出力作为连续控制变量,有载调压变压器分接头位置及风电场固定无功补偿器组数作为离散控制变量,建立综合考虑风电场有功网损和总电压偏差的目标函数,并通过线性递减权重粒子群算法进行分析,得到风电无功优化最优解。通过算例表明:考虑电缆选型的双馈式风力发电机分散协调控制能有效降低网损及电压波动。

基于混合算法的滚动轴承选型系统研究

针对影响轴承选型的多因素及其模糊性,运用规则处理和模糊算法相结合的混合计算方法,较好解决多因素的量化问题,确保选型结果的唯一性。以VC++为开发平台,通过MFC调用Pro/E开发接口Pro/Toolkit,完成轴承三维部件图的自动生成,该图形可直接用于产品的装配设计。同时介绍了系统的总体构架及各模块的功能。

基于改进粒子群算法的全机射频电缆设计选型

目前全机射频电缆设计工作主要还是依靠工作经验进行,无具体量化计算方法,针对这一问题,本文提出一种基于粒子群算法的改进算法,使用Tent混沌映射方法对粒子群算法中粒子进行初始化,让初始粒子在空间中分布更加均匀,采用基于云模型理论的惯性权重自适应调整策略,能够增强算法的全局寻优能力。本算法以全机射频电缆总重量最小和性能均衡性最优为双优化目标,完成对全机射频电缆所用射频同轴电缆原材料的设计选型。通过实际算例的仿真计算结果表明,所提方法可完成对全机射频电缆设计选型工作。

基于投影寻踪法的某火炮选型研究

火炮选型是某装备论证的重点工作之一,论证时采取了选型评价指标定量对比、指标间综合分析的方法。但该方法缺乏对备选火炮定量评价数据的充分挖掘,不能反应评价数据特征。为提高火炮选型的准确性和客观性,采用投影寻踪法进行定量分类评价。通过分析火炮选型原则及装机适应性和火力性能要求,建立了由选型原则、选型评价指标、指标特征值分层的火炮选型评价指标体系,形成了由备选火炮选型指标特征值为样本集的评价模型;采用制约函数法构建投影指标优化模型,为避免初值和初始搜索方向引起的局部收敛问题,用多种群遗传算法求解;模型求解获得了最佳投影方向及投影值,得到了各备选火炮的选型定量评价排序以及评价指标权重。排序结果与论证时定性分析对比结果较为相符,且权重较高的评价指标与论证时确定的重点指标一致,验证了投影寻踪法可用于类似武器选型问题。

大功率STATCOM装置IGBT吸收电路参数的多目标优化设计

提出了采用一种并行自校正多目标遗传算法,对大功率STATCOM装置的IGBT吸收电路参数选型进行优化.通过设计实例表明,这种选优方法设计的吸收电路可靠性高,工程应用价值大.

多因子进化算法研究进展

多因子优化是一类新的优化问题。多因子进化算法受到多因子遗传模型的启发,利用进化个体的单一种群,能够同时求解跨域的多个优化问题。它属于一种文化基因算法,是智能计算领域新近涌现的研究热点。介绍了多因子进化算法的生物学基础、算法流程,以及文化基因算法的基本概念。然后从工作机理、算法改进、典型应用领域等角度,系统总结了前人的理论和应用成果。最后,指出了将来研究所面临的若干挑战和机遇,以推动学科发展。

基于量子Grover算法的服装色彩搭配量子搜索模型建构

为了更好地解决服装色彩搭配问题,借助计算机技术实现服装色彩搭配的智能化处理,文中提出一种基于量子Grover算法建构服装色彩搭配量子搜索模型的设计思路。服装色彩搭配的难点问题主要在于多影响因素所致多维度、多因素的排列组合,使得服装色彩搭配无法完整表达专业知识、搭配指数级增长及搜索模糊等。通过建立量子搜索模型,能够对服装色带搭配关系完整表达;根据不同服装的实用搭配场景,成功建立基于量子Grover算法的量子检索模型,可完成服装色彩的匹配式搜索。量子搜索模型在服装色彩搭配中的实际应用表明,该模型不仅能够实现色彩搭配的量子查询,还能够实现服装色彩搭配的优化选型,在短时间内就可以高效、迅速、完整、协调地完成服装色彩搭配,并且保证色彩搭配效果的准确,证实了文中方法的可行性和应用价值。

基于材料选型优化的金属-复合材料组合结构-声辐射优化

基于金属铺层假设,以结构材料属性和材料铺层数量为设计变量,建立了基于金属-复合材料的材料选型结构-声辐射优化设计模型。以钢-纤维增强复合材料组合结构为例,开展了多设计变量、多约束条件的结构-声辐射优化研究。最后,采用遗传算法进行求解,实现了结构材料的转换。数值算例表明,通过金属-复合材料组合结构的材料选型优化,可以有效降低钢-纤维增强复合材料结构的振动和声辐射。文中的研究方法为结构材料的分布优化提供了一种可行有效的思路。

基于PSO-BP神经网络的盾构刀具配置研究

盾构刀具在盾构机掘进过程中起着关键的作用,其配置选型是否合理决定着工程的成败。为了对盾构刀具进行合理的配置,根据盾构刀具的配置原则,针对盾构刀具配置的地质适用性,在粒子群优化算法(Particle swarm optimization,PSO)与神经网络算法(Back propagation,BP)的基础上提出智能配置方法。建立地质条件与盾构刀具类型之间的关系模型,并利用成功的盾构施工案例作为样本数据对该模型进行训练,训练后可以利用模型智能推荐盾构刀具配置方案。利用工程案例进行测试分析,将测试结果与实际配置方案进行对比,并与BP神经网络测试结果进行比较。测试结果表明,基于PSO-BP神经网络算法不但能够很好地实现盾构刀具配置方案的合理推荐,并且在计算精度和训练时间两个方面PSO-BP神经网络算法比BP神经网络算法都有显著提高。