Investigation of the optimum differential gear ratio for real driving cycles by experiment design and genetic algorithm

Experiment statistical method and genetic algorithms based optimization method are used to obtain the optimum differential gear ratio for heavy truck that provides best fuel consumption when changing the working condition that affects its torque and speed range. The aim of the study is to obtain the optimum differential gear ratio with fast and accurate optimization calculation without affecting drivability characteristics of the vehicle according to certain driving cycles that represent the new working conditions of the truck. The study is carried on a mining dump truck YT3621 with 9 for- ward shift manual transmission. Two loading conditions, no load and 40 t, and four on road real driving cycles have been discussed. The truck powertrain is modeled using GT-drive, and DOE -post processing tool of the GT-suite is used for DOE analysis and genetic algorithm optimization.

面向电网调峰的聚合温控负荷多目标优化控制方法

为使聚合温控负荷参与电网调峰时兼顾运行的经济性和清洁性,提出面向电网调峰的聚合温控负荷多目标优化控制方法。建立温控负荷聚合模型,在常规模型预测控制的基础上,计及温控负荷聚合特性,设计预测时间自适应优化策略,动态调整域参数以协调处理优化精度与计算时间之间的矛盾,同时建立双闭环反馈机制以实时反馈温控负荷状态信息,提升实现调峰计划的可靠性;引入拉格朗日乘子和松弛因子,将多输出约束条件变成多目标函数的附加部分,提高控制方法的稳定性;提出改进的哈里斯鹰算法,对多目标优化问题进行求解,缩短模型预测控制的执行延时,提高寻优速度和寻优精度。所提控制方法与其他控制方法的仿真对比结果表明,所提控制方法有效降低了电网峰谷差以及运行成本和排放成本,同时兼顾了聚合温控负荷参与电网调峰的技术性、经济性和清洁性。

基于改进RRT-Connect算法的全局路径规划

针对RRT-Connect算法在复杂环境内的路径规划中存在探索性弱、收敛速度慢、冗余节点多、搜索路径较长等问题,提出一种改进的RRT-Connect算法。通过引入高质量随机点和动态步长的方法,提高了生成随机树的质量并减少了冗余节点数量;采用正向寻优和逆向贪婪的方式,改善了搜索路径较长的问题。实验结果表明,改进RRT-Connect算法平均路径规划时间缩短26.41%,平均路径规划长度缩短19.05%,平均路径规划节点个数减少41.91%,证明了改进RRT-Connect算法相比于原算法规划效率更高,规划时间更少,规划路径质量更优。

基于GA-BP-PSO算法的薄壁注塑件翘曲变形优化

以聚对苯二甲酸乙二酯(PET)的塑料瓶胚零件为例,通过Moldflow软件设计浇注系统和冷却系统并进行有限元分析以优化零件的翘曲变形量。选定熔体温度、模具温度、保压压力、保压时间和注射时间为5个影响因素,设计了L16(45)的正交试验表。对正交实验数据进行了极差分析,得出了各因素对翘曲变形量的影响程度并获得较优工艺参数。通过GA-BP-PSO算法对工艺参数进一步优化,得到最佳工艺参数:熔体温度265℃、模具温度60℃、保压压力125 MPa、保压时间12.8671 s、注射时间0.3405 s。上述工艺参数对应的零件翘曲变形量为0.1373 mm。最后通过Moldflow软件进行数值模拟,得到翘曲变形量为0.1395 mm,较优化前的翘曲变形量0.1796 mm,降低了22.33%。软件模拟值和经GA-BP-PSO算法得到的预测值仅相差1.60%,将优化后的工艺参数组合应用于实际生产中,所获得的产品符合生产要求,验证了GA-BP-PSO算法的准确性与可行性。

基于GA-PSO算法的冻土本构模型参数识别

遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。

基于模态分解和时间卷积网络的瓦斯涌出量组合预测

为有效地分析和处理煤矿中产生的瓦斯涌出数据,实现精准、可靠的回采工作面绝对瓦斯涌出量预测,以提前规避瓦斯灾害,提出自适应噪声完整集成经验模态分解对瓦斯涌出量序列进行分解,对分解得到的各分量分别构建时间卷积网络模型。利用IGJO算法对TCN模型的相关超参数进行寻优,建立各分量的预测模型。使用Logistic混沌映射生成金豺种群,引入柯西-高斯变异算子,更新金豺位置并选择最优位置,增强算法搜索能力,避免种群陷入局部最优。将各分量的预测输出值叠加,得到最终的瓦斯涌出量预测值。测试结果表明,CEEMDAN-IGJO-TCN组合预测方法,降低了预测的复杂度同时提高了预测精度。

基于改进PSO算法设计的TFLN平台偏振不敏感光栅耦合器

针对光栅耦合器存在偏振依赖性问题,在薄膜铌酸锂(TFLN)平台上相继设计了标准型和改进型偏振不敏感光栅耦合器。在设计过程中,首先对粒子群(PSO)算法进行了改进,然后利用改进后的PSO算法对光栅参数进行了优化,包括光栅周期、占空比、刻蚀深度以及入射角等关键参数。最后,设计了偏振不敏感啁啾光栅耦合器,并通过线性啁啾调节有效折射率,从而显著提升了耦合效率和偏振不敏感带宽。仿真结果表明:在波长为1 544 nm时耦合效率最高,偏振不敏感啁啾光栅耦合器的横电(TE)、横磁(TM)模式耦合损耗分别为-4.88、-5.05 dB;在1 500~1 580 nm波长内偏振相关损耗(PDL)小于0.5 dB,偏振不敏感带宽为45 nm。

基于混沌理论与蜉蝣优化K-means算法的变压器绕组松动故障特征分析方法

为了更加准确有效地对变压器绕组状态进行分析,提出了一种基于混沌理论与蜉蝣优化K-means算法的变压器绕组松动故障特征分析方法。首先,运用C-C法重构变压器振动信号的相空间,分析变压器振动信号的混沌特性,得到关联维数、Kolmogorov熵作为混沌特征。然后,将蜉蝣优化算法引入K-means聚类分析中,对高维相空间轨迹的簇中心选取进行优化,得到相轨迹的簇中心矩之和、矢径偏移,并作为几何特征。实验结果表明:变压器振动信号的最大Lyapunov指数均大于0,适用于混沌特性分析;由变压器振动信号计算出的混沌特征能够表征变压器绕组的松紧程度;同时,经蜉蝣优化的K-means算法得到的簇中心能够作为特征点提取整个相空间轨迹的几何特征,也能够区分绕组的松动故障;将两种特征结合能够实现变压器绕组状态的准确监测,从而为变压器绕组在线检修提供了一种理论依据。

涡轮电力分布式推进设计参数优化选择分析

为研究涡轮电力分布式推进系统(Turbo-electric Distributed Propulsion system简称TeDP)设计参数的选择,基于部件法对整个TeDP系统建立设计点性能计算模型,推导了TeDP的有效功在涡轴尾喷管和风扇系统间的最佳分配关系。在此基础上,以ECO-150-300客机作为应用对象,采用差分进化算法,以设计巡航点的耗油率作为优化目标,对TeDP的循环参数进行优化选择;然后对优化后的循环参数进行分析,并将优化结果与大涵道比涡扇发动机作对比。结果表明,优化后的巡航耗油率比原系统下降了7.68%;存在最佳风扇设计压比使风扇涵道效率最高,最佳设计压比与涵道的总压损失有关;TeDP系统的耗油率对电部件传输效率、自由涡轮效率和风扇绝热效率最为敏感,当效率分别降低1.0%时,耗油率分别上升1.0%,0.94%和0.85%;与涵道比为20的齿轮传动涡扇发动机相比,当电部件传输效率大于0.95时,TeDP才显现经济优势,当电部件传输效率接近1时,TeDP耗油率下降了5.40%。

Steiner树优化问题的算法研究综述

最优Steiner树问题(Steiner tree problem,STP)是一个经典的组合优化问题,许多工程问题都可以归结为最优Steiner树问题。STP被广泛应用于通信网络、电路设计、VLSI设计等领域。然而,STP是典型的NP难问题,还没有多项式时间的精确算法求解该问题。目前,求解该问题的算法主要集中在基于启发式的近似算法、智能优化算法、信息传播算法等,并取得了很好的效果。在不同规模的网络中,基于传统遗传算法给出一种叶交叉机制(leaf crossover,LC),使用该机制的算法性能表现更好。通过对这些算法的原理、性能、精度等方面进行梳理,归纳出算法的优缺点,并指出STP的研究方向和算法设计路径,对于相关问题的研究有指导意义。

计及电-气园区综合能源系统多重不确定性的变置信区间优化调度

电-气园区综合能源系统(EGPIES)受到天然气管道泄漏与风电出力波动的多重不确定性影响,导致系统供电可靠性受到严重威胁。计及天然气管道泄漏与风电出力不确定性,提出了一种EGPIES自适应优化调度方法。根据天然气泄漏量与储能对系统负荷损失的影响划分失荷程度,结合场景法与条件风险价值理论对风电不确定性进行量化,并通过隶属函数对自适应选择的多目标函数进行处理。利用遗传粒子群优化算法对处理后的多目标函数进行求解,得到不同泄漏程度下的机组调度结果与自适应改变的风电置信区间。通过算例验证所提模型能在具有良好经济性的同时,提高系统的供电可靠性。

基于OARO-GRU网络的高频地波雷达电离层杂波短期预测

电离层杂波的精确预测对提升高频地波雷达的目标探测性能具有重要推动作用。为此,提出了一种基于改进人工兔子算法优化门控循环单元(Opposite Artificial Rabbits Optimization optimized Gated Recurrent Unit,OARO-GRU)网络的电离层杂波短期预测模型。首先,依据高频地波雷达接收到的电离层杂波具有混沌特性这一先验知识,通过相空间重构技术构造GRU网络的输入和输出样本集;然后,融入反向学习和柯西变异两种改进策略用于改善标准ARO的寻优能力,并将其用于执行GRU网络的包含隐层节点个数、初始学习速率和最大迭代次数在内的三个超参数值的优选;最后,重新训练优化后的GRU网络,输入测试样本集进行测试,并依据给定的评价指标评估模型。实测结果表明:相较于其他7种对照模型,所提出的OARO-GRU网络预测模型在预测精度和可靠性上均具有明显的优越性,为有效改善高频地波雷达的目标探测性能提供了一种新的思路与方法。

一种基于自编码器辅助的鲁棒多目标进化算法

在很多实际应用问题中,不确定性的存在对于优化问题的最优解的性能会产生影响。在求解不确定环境下的优化问题时,往往需要考虑解的鲁棒性。最优解的鲁棒性定义通常要考虑其局部邻域内所有解的表现。在多目标优化背景下,如何逼近鲁棒最优帕累托前沿也是一件非常有挑战性的工作。已有的鲁棒多目标进化算法能够比较好地处理低维鲁棒多目标优化问题,即问题的决策变量维数不超过10,但对于高维鲁棒多目标优化问题的表现往往不好。提出了一种结合自编码器以及协同进化方法的多目标进化算法(Decomposition-based Multiobjective Evolutionary Algorithm Assisted by Autoencoder and Cooperative Coevolution,MOEA/D-AECC),用来解决可降维的高维鲁棒多目标优化问题。该算法利用两个不同种群分别优化原始多目标优化问题以及对应的鲁棒多目标优化问题。为提高算法处理高维问题的能力,该算法利用自编码器模型对高维数据进行降维,从而提取出高维数据的低维特征。通过重构这些低维特征来学习可靠的下降方向,之后沿着可靠的下降方向采样产生新解。最后,通过实验测试了MOEA/D-AECC算法在一组可降维的高维鲁棒多目标优化问题上的表现。实验结果表明,MOEA/D-AECC算法的寻优显著优于其他几种代表性的鲁棒多目标进化算法。

采用新编码GA的工艺规划与车间调度集成优化

为了实现以完工时间最短为目标的工艺规划与车间调度集成优化,提出了基于新编码遗传算法(Genetic Algorithm,GA)的集成优化方法。对工艺规划与车间调度集成优化(Integrated Process Planning and Scheduling optimization,IPPS)问题进行了描述,并建立了完工时间最短的集成优化模型;设计一种具有最大柔性空间的染色体编码方法,从编码角度保证了集成优化问题的最大柔性度;根据IPPS问题特定约束改进了交叉变异方法,保证遗传操作前后均为可行解,使算法迭代均为有效迭代;进而制定了基于新编码遗传算法的IPPS问题求解流程。经Kim算例验证可知,与现有先进算法两阶段混合算法(Two-stage Hybrid Algorithm,THA)、改进蚁群算法(Enhanced Ant Colony Algorithm,EACA)和混合遗传算法(Hybrid Genetic Algorithm,HGA)相比,新编码GA在小规模、大规模生产情况下集成优化方案的完工时间均最小(分别为343、344、372、320、427及432 min),实验结果验证了新编码GA在IPPS问题求解中的可行性和先进性。

考虑有功无功协调优化的配电网储能与无功补偿配置

针对“双碳”背景下分布式可再生电源大规模接入配电网,带来峰谷差加剧、节点电压越限等问题,提出一种考虑有功无功协调优化的配电网储能与静止无功补偿器配置方案。首先,分析储能调节有功无功实现调峰、调压的作用;然后,兼顾经济与技术目标,构建储能与静止无功补偿器多目标优化配置模型,利用多目标遗传算法寻优,获得储能与静止无功补偿器最优配置与运行策略;最后,基于IEEE33节点系统开展算例对比分析,在不同设备成本情况下与设置的两组对照方案进行比较,结果表明,本文所提方案可进一步提高系统经济性及改善电压越限等问题。

基于混合算法的电力物料车辆排队服务优化

针对电力物料产品出入库频繁,扰动大,异质物料装卸时间差异大,车辆排队服务时间不确定等问题,建立电力物料装卸排队服务优化模型,模型中考虑了转换装卸仓库的时间对优化方案的影响。利用遗传算法对优良基因的记忆保留特性和算法收敛性以及粒子群算法迭代的方向性,提出混合遗传粒子群算法,加入了Metropolis抽样准则以提高算法跳出局部最优的能力。最后对国家电网天津市电力物资公司智慧物流园区实际数据算例进行仿真优化分析,模型优化后比实际的车辆平均空闲时间、最大空闲时间和总空闲时间都有大幅度减少,表明了模型的可行性和算法的有效性。相关研究模型已在企业智慧物流园区供应链多环节协同关键技术研究项目中进行分析与验证,并应用于企业实际仓储服务信息系统,极大地减小了企业运输车辆排队等待服务现象,减少了时间与成本浪费,具有较强的实际意义与应用价值。

基于遗传算法圆周密封结构多目标优化

针对航空发动机密封性能的提升需求,基于圆周密封工况分析,建立了以泄漏量最小、密封环最大温升和最大变形最小为优化目标,以主、辅助密封带宽度,搭接头角度和长度及卸荷槽宽度为设计变量的多目标优化模型。采用拉丁超立方抽样方法得到了代表性样本库,通过热流固耦合分析确定对应目标函数值。利用RBF神经网络建立了高拟合精度的设计变量与目标函数映射关系代理模型,并结合第二代非劣排序遗传算法(NSGA-II),得到了考虑目标函数重要度的一组最优解。结果表明:与优化前相比,圆周密封泄漏量降低了17.69%,最大温升降低了11.88%,最大变形降低了38.10%,最大应力降低了31.02%。

基于人工蜂群算法的固定时间多脉冲交会

在两航天器交会问题中,采用多脉冲变轨策略往往能取得更小的燃料消耗.利用人工蜂群算法优化了航天器固定时间多脉冲交会问题,提出一种改进的人工蜂群算法.该方法能够简化时间约束的处理,能获得满足地球半径约束的解.该方法易于编程,鲁棒性强,可以应用到不同的摄动模型.仿真结果表明,该算法不易陷入局部最优,相比于粒子群算法和传统人工蜂群算法具有更高的求解精度.

基于改进粒子群算法的多约束随船备件配置优化

为合理配置船舶随船备件,构建了多约束条件下的备件配置优化模型,提出了一种改进的粒子群算法对模型求解。首先,以备件费用、存储空间、重量为约束条件,以最大化系统备件保障概率为优化目标,通过构造含罚函数的适应度函数,将多约束最优化问题转化为无约束最优化问题;其次,设计了一种基于模拟退火改进的粒子群算法求解优化模型;最后,通过开展仿真实验,证明了该方法在求解随船备件配置优化问题的有效性和优越性。

基于量子粒子群算法的含DG配电网优化重构

为了提高含DG配电网重构后的经济性和可靠性,以配电网网络损耗最小和电压偏差最小为目标函数,建立基于量子粒子群算法的含DG配电网优化重构模型,采用IEEE-33节点配电系统进行仿真分析,并与其他优化算法进行对比,结果表明,采用QPSO算法优化重构的配电网电压偏差和网络损耗分别为0.2152p.u.和80.595kW,优化效果更好,验证了模型的正确性和求解方法的优越性。