NSGA-II与MOPSO算法的多工序车削节能优化比较分析

在实际加工约束条件下,建立以表面粗糙度和能量消耗为目标的多工序车削优化模型的切削参数优化选择十分必要。运用NSGA-II算法和MOPSO算法对多工序车削模型进行优化比较。优化实例表明:NSGA-II算法能够获得了比MOPSO算法更优的表面粗糙度、能量消耗的Pareto最优解集以及相应的粗、精切削参数,为多工序车削参数优化选择提供了依据。

一种基于拉丁超立方抽样和聚类分析的改进MOPSO算法

针对基本的MOPSO算法的可能导致局部最优和难以输出代表性非支配解的问题,在MOPSO算法的基础上,运用拉丁超立方抽样和聚类分析对算法进行改进。应用拉丁超立方抽样指导MOPSO算法种群初始化,使初始化种群可以均匀遍布整个空间,避免了基本的MOPSO算法可能会导致的局部最优等问题。为了加强非支配解集的分布性和多样性,同时考虑在众多非支配解中自动挑拣代表性非支配解,增加聚类分析环节,对输出解集进行聚类处理,以挑选代表性非支配解。与基本的MOPSO算法相比较,改进的MOPSO算法求解的Pareto解集在寻优效果及代表性解筛选方面具有一定优势。

基于MOPSO算法的工业机器人运行轨迹优化

针对工业机器人末端执行器,对其运行轨迹进行优化处理。采用五次B样条曲线函数得到了关节空间机械臂的运行轨迹曲线,考虑到多目标粒子群优化算法(MOPSO)计算简便、参数易调等优点,利用多目标粒子群优化算法实现了对上述五次B样条运行轨迹的多目标优化,最后得到了优化后的各关节的运动角度、角加速度和角加加速度的运动曲线,获得了加工时间更短、加工过程更加平稳、能量消耗更少和加工中冲击更小的运行轨迹,进一步证明了多目标粒子群算法对运动轨迹优化的可行性。

基于MOPSO算法的孤岛微电网优化调度

针对微电网微电源和需求侧负荷不确定性,意在使孤岛微电网运行成本最低,同时风光消纳比例最大,建立了孤岛模式的微电网多目标优化调度模型。构建了含风光发电和储能等微电源模型,并采用多目标MOPSO算法对调度模型进行求解。以某地区典型日孤岛微电网24h系统为算例,算例结果表明该调度方案可减少孤岛微电网成本,同时提高可再生能源风光发电的消纳能力。

利用MOPSO算法实现统一潮流控制器（UPFC）设计

MOPSO算法的基本思想是使用一个外部存储器（亦称“知识库”）和一种基于地理的方法，以此来保持其Pareto最优解的多样性，同时通过群体中粒子间的合作与竞争产生的新群体智能指导优化搜索得到广泛的Pareto解集。同时，本文引入优胜劣汰机制，可以从Pareto解集中选出最佳折衷解决方案。

基于MOPSO-CNN模型的压缩机气阀故障诊断技术

针对传统方法难以提取有效的气阀故障信号,无法建立气阀状态与信号间复杂映射关系的问题,将气阀振动信号转为频域信号输入卷积神经网络(CNN)进行气阀状态诊断,采用多目标粒子群算法(MOPSO)对CNN的超参数进行优化,构建自适应CNN模型,并针对分类结果进行可视化分析,探讨了不同训练测试比对分类准确率的影响。结果表明:MOPSO-CNN模型可完成数据降噪、特征提取和故障分类的一贯式处理,实现端到端的故障诊断,其分类准确率和训练时间均优于传统方法;通过t-分布随机邻域嵌入(t-distributed stochastic neighbor embedding,t-SNE)可视化分析,证明了CNN模型在逐层特征提取和特征分离上的优越性;所建立模型在不同训练测试比的条件下表现良好,对训练数据的需求量不大。研究结果可为往复式压缩机气阀故障诊断提供实际参考。

基于MOPSO-NSGA2算法的测试优化选择方法

测试优化选择是测试性设计至关重要的一个步骤,主要针对测试不可靠条件下的测试优化选择问题进行了研究。首先将该问题还原为多目标问题来分析,在此基础上以测试数量、测试成本、虚警率为目标,故障检测率、隔离率为约束条件建立了问题的数学模型;然后以贝叶斯网络测试性模型为基础,利用提出的MOPSO-NSGA2算法求解该问题;最后利用所提算法对某导弹机载无线电高度表开展测试优化选择设计,并与MOPSO算法、NSGA-2算法进行对比,验证了方法的有效性与实用性。

采用改进非支配近邻免疫算法的低轨混合星座设计优化

针对低轨同构星座覆盖资源在纬度上分布不均匀的不足,提出采用低轨混合星座提升覆盖均匀性的设计方案,并推导了满足全球任意点平均每天覆盖一定次数的最小卫星规模估算公式。针对非支配近邻免疫算法(NNIA)约束处理方面的不足,提出基于约束支配的改进非支配近邻免疫算法(Modified NNIA),并以此设计了一种低轨混合星座优化平台来优化带约束的星座设计问题。仿真结果表明,改进的NNIA算法在收敛速度和多样性上均优于非支配分层遗传算法(NSGA-II)和多目标粒子群算法(MOPSO),可大大提高星座设计的效率。同时优化结果也表明低轨混合星座可提高覆盖的均匀性和大部分区域的覆盖次数,进而减少特定覆盖要求所需的卫星数目。

一种新颖的网格工作流调度算法

针对当前网格工作流调度算法中大多只考虑DAG结构的网格工作流、涉及QoS参数较少及将多QoS参数聚合成一个单目标函数进行优化调度的现状,提出了一种新颖的网格工作流调度算法。该算法基于表达结构丰富的AGWL语言建模网格工作流,且基于MOPSO算法所设计的带多QoS约束的多目标优化的网格工作流调度算法。通过与基于NSGA-Ⅱ算法的网格工作流调度算法比较,表明了该算法的有效性。

基于MOPSO的RC单柱墩全寿命抗震性能多目标优化设计

采用MATLAB模块化编程将多目标粒子群优化算法MOPSO和反应谱分析联合起来进行抗震优化设计。根据桥墩在E1和E2两级设防水准地震作用下的抗震性能,采用Pushover分析墩顶的最大漂移率以及概率统计的方法得到全寿命期费用模型对应的工程费用,从而得到费用最小的Pareto解。数值计算结果表明:MOPSO算法和反应谱分析结合能够很好的应用于桥梁全寿命抗震性能设计分析,算法的收敛性和稳定性好,所求得的Pareto最优解在解空间分布均匀且范围较广,可以为桥梁设计提供良好的方案选择空间。

基于多目标优化MCKD的轴承微弱故障诊断研究

针对最大相关峭度反褶积(MCKD)算法中滤波步长对轴承微弱故障信号处理准确性的影响较为严重这一缺陷,提出基于多目标优化MCKD的自适应轴承微弱故障诊断方法。首先针对多尺度极差熵(MRE)对故障信号中的有用信息不能全面反映的缺陷,对其进行均值化处理形成多尺度均值极差熵(MMRE);随后以MMRE和符号动态熵(SDE)为目标函数,采用多目标粒子群优化(MOPSO)算法对MCKD算法中的滤波步长进行优化选取,使得MCKD算法可以自适应地处理轴承微弱故障信号。通过试验数据对该方法进行验证并与单目标优化法进行对比,证明了该方法的有效性及可靠性。

300M超高强度钢铣削力模型构建及MOPSO优化

用正交试验法对300M超高强度钢进行铣削加工,用直观分析和方差分析探究铣削力随铣削用量的变化规律,建立铣削力的经验指数模型与GA-BP神经网络预测模型,用多目标粒子群优化算法基于铣削力和材料去除率优化铣削参数。结果表明:300M超高强度钢铣削力随铣削速度增大和每齿进给量降低得到有效改善;经优化后的BP神经网络模型预测误差显著降低,两种预测模型对铣削力均有较高预测精度,但后者误差相对较低;使用经优化后的参数,铣削力有效改善。

MOVPSO算法在TOPMODEL参数优化中的应用

为了对水文模型中难以直接测算的参数进行调试和优化,将多目标涡流粒子种群优化算法(Multi-Objective Vortex Particle Swarm Optimization,MOVPSO)应用于水文模型参数优化计算中,并以逼近性(Generational Distance,GD)及超体积值(Hyper-Volume,HV)作为算法性能评价指标。将MOVPSO算法与NSGA-Ⅱ算法及多目标粒子种群优化算法(Multi-Objective Particle Swarm Optimization,MOPSO)独立运行50次所得Pareto前沿的GD值及HV值进行统计分析,并结合方差分析比较3种算法的性能。将MOVPSO算法迭代过程中的粒子种群速率、种群半径的估计值与测量值进行对比分析并判别两者的拟合程度。用尼泊尔巴格玛蒂河流域2005~2011年期间实测洪水日径流过程资料作为TOPMODEL模型参数率定系列,运用MOVPSO算法对模型参数进行优化,得出Pareto最优解,并利用2013年5场洪水日径流过程进行模型检验。结果表明:MOVPSO算法所得Pareto解集性能优于NSGA-Ⅱ及MOPSO算法,拟合历史洪水平均确定性系数达到0.85,模型预报精度高,表明MOVPSO优化算法在解决多参数多目标优化问题中具有优势。

基于MOPSO的电力变换器多目标优化

为克服电力变换器优化设计中各种目标的相互冲突,以效率、物理尺寸(体积、质量和面积)和成本为优化目标建立电力变换器多目标优化模型,采用多目标粒子群优化(MOPSO)算法对建立的模型进行求解,决策者可在最终提供的最优解集中找到不同折衷的最优解。本文以Vienna整流器和Buck变换器作为研究对象,分别建立各自的多目标优化函数,导入器件数据库,在Matlab上实现了MOPSO算法。仿真实验结果表明了MOPSO算法的可行性、覆盖性和收敛性,并能在比较短的时间里收敛到最优解集。

基于BP神经网络和多目标粒子群算法的自动钻铆工艺参数优化方法

飞机壁板自动钻铆大量采用干涉连接,干涉量的均匀程度与壁板变形程度的协同控制是目前亟须解决的问题,为此提出一种基于BP神经网络(BP neural network,BPNN)的优化方法。以压铆力、压铆过程时间、压铆停留时间和夹紧力为变量,以仿真数据为样本,采用BP神经网络,建立干涉量均匀程度和壁板变形程度的预测模型,利用多目标粒子群算法(Multi-objective particle swarm optimization,MOPSO)进行多目标优化。仿真及试验结果表明,优化后的参数能够显著提升干涉量的均匀程度并有效降低板件的变形程度。

基于NSGA-Ⅱ算法的孤岛微电网优化调度

针对微电网微电源出力的不确定性,以孤岛微电网运行成本最低、风光消纳比例最大为目标函数,建立孤岛微电网多目标优化调度模型。依据微电网风光出力与负荷供需关系,提高孤岛微电网可再生能源消纳水平,并采用NSGA-Ⅱ算法对调度模型进行求解。以某地区微电网系统典型日为算例,以24小时为周期进行孤岛模式运行。算例结果表明,NSGA-Ⅱ算法调度方案可降低微电网整体成本,提高可再生能源的消纳能力,缓解孤岛微电网在峰谷期间的供电压力。

大方形系数低速船艉部线型多目标优化设计

本文结合船型设计技术的最新发展动态,将高精度CFD数值评估技术与优化理论及船体几何自动重构技术相整合,建立了"以精细数值评估优化为特征"的船型设计方法。以阻力性能优异的6600DWT散货船作为优化设计对象,总阻力和桨盘面流场品质作为目标函数,采用多目标粒子群优化算法(MOPSO)、FFD几何重构方法对船艉线型进行了自动优化设计。结果表明:在满足工程约束条件的情况下,6600DWT散货船优华设计方案阻力的收益较为显著,其中一个优方案在尾部流场质量改善的情况下,剩余阻力减小了10.3%。

基于4D航迹运行的进场汇聚交通流动态优化

终端空域来自不同方向的空中交通流进近着陆时在“五边”上形成汇聚,为提高航空器自身效益,各航空器会对汇聚点的时刻进行争抢。合理定义了汇聚交通流动态优化问题;构建基于4D航迹运行的优化模型,模型包括航班延误最小、燃油成本最低、跑道容量,并且减少了安全尾流间隔、优先权、动态时间窗等约束条件的未知变量个数;设计改进的多目标粒子群优化算法(MOPSO)对优化模型进行求解。仿真结果表明,对比传统的先到先服务(FCFS)方法,优化模型使航班延误降低了34.8%,35架航空器平均省油102 kg,并且通过交通流时空轨迹分析方案提出了航空器优化调度的建议。

调速器参数对水电站水力干扰过渡过程的影响

水力干扰是一洞多机水电站运行中存在的一种特殊工况,是水电站调节保证计算的重要内容。运用特征线法建立分岔管模型,引入三阶发电机模型,励磁模型及负载模型,建立了完整的水机电联合仿真模型。在此基础上,研究了机组调速器参数对水电站机组水力干扰过渡过程的影响,结果表明:机组并无穷大电网,采用功率调节相比频率调节出力波动幅值较小,但调速器参数对水力干扰过渡过程的影响较小;机组并孤立电网,调速器参数水力干扰过渡过程的影响较大,其中调速器暂态转差系数的影响最为显著。采用多目标粒子群(MOPSO)算法在孤立电网条件下对水电站调速器参数进行了优化,显著改善了电站的水力干扰过渡过程,为一洞多机布置形式电站的调速器参数整定提供了一种可行的方法。

新常态下基于混合投入产出的多目标产业结构优化研究

构建了基于混合单位能源投入产出表综合考虑经济、能源和环境的非线性多目标产业结构优化模型。采用MOPSO算法,使用Python软件对模型进行编程求解,对经济增长在低于6.5%、6.5%~7%、7%~8%三个不同区间范围内的多目标和单目标优化结果进行了比较;对不同增速区间下的多目标优化结果进行了比较。结果表明:多目标比单目标优化结果更符合我国新常态发展要求。