半开放式燃油车和电动车混合车辆路径优化问题研究

随着物流行业的迅速发展,物流运输车辆不断增加,而传统燃油汽车的使用对环境造成了一定的压力,近年来,物流电动汽车由于其节能环保的特性,得到了广泛的应用。然而由于电动汽车的充电时间较长以及运输行业的发展现状,电动汽车目前无法完全取代传统燃油汽车,两种车型同时存在于物流配送领域。文章针对半开放式多配送中心的燃油汽车和电动汽车混合车型的车辆路径优化问题进行研究,同时考虑了客户需求量、车辆载重量以及电动汽车的充电需求等约束条件,以碳排放成本、运输成本以及时间窗惩罚成本之和最小为目标建立线性整数规划数学模型,针对该问题的NP难特性,设计了改进的粒子群算法进行求解。应用佳点集理论产生初始种群,增加粒子群算法的多样性,在迭代过程中,增加局部搜索策略,避免粒子群算法陷入局部最优。实验结果表明:改进的粒子群算法获得的总成本相比标准粒子群算法获得的总成本降低5.69%,证明了该设计的改进粒子群算法在求解开放式混合车型车辆路径优化问题时的有效性;相比于不考虑碳排放的情况,考虑碳排放时传统燃油车的使用数量有所下降;相比于单一配送中心路径优化情况,开放式的多配送中心路径优化,更有利于降低物流成本。     

两步式约束粒子群优化算法及其在新能源汽车轻量化设计中的应用

针对工程优化中,由于资源的限制最优解通常处于约束边界附近,而现有的约束优化算法侧重于约束机制处理而很少在约束边界附近的搜索问题,本文中提出两步式约束粒子群优化算法:第一步采用基于惩罚函数的粒子群算法寻优,采用速度重置指针避免寻优陷入停滞;第二步采用子集约束边界缩减方程获取约束边界信息,使用序列二次规划进行边界局部搜索,最后对比两步的结果以较优值作为全局最优解。考虑侧面碰撞和顶压溃两种工况,采用提出的改进算法对某款燃料电池汽车车身结构进行轻量优化,在保证结构碰撞安全性的前提下,部分板件的轻量效果达10. 92%。     

土坡非圆临界滑动面求解的混合搜索方法

在非圆临界滑动面的搜索中,先进行圆弧滑动面的搜索,将得到的临界圆弧滑动面作为非圆临界滑动面搜索的初始滑动面,采用改进粒子群优化算法——快速粒子群算法寻优;然后根据搜索到的较优值缩减搜索域的范围,再利用改进和声搜索算法寻优,将得到的结果作为问题的最优解。最后采用Spencer法计算滑动面的安全系数,并利用2个复杂土坡作为算例来检验混合方法的有效性。比较结果表明:该方法适用于多变量优化问题的求解。     

改进粒子群优化算法在轿车车身轻量化设计中的应用CSCD

为了提高粒子群优化算法(PSO)寻优过程中粒子种群之间的多样性,提出了一种基于停滞判断准则与粒子速度更新的改进PSO。在寻优过程中,当粒子群优化陷入停滞时,新的速度更新公式将激活,提高粒子种群之间的多样性。通过数学标准测试函数,进行了数学实验,对比改进PSO与标准PSO的优化能力。结合近似建模技术与合理的约束处理方法,将该算法运用到考虑100%正面碰撞工况、40%偏置碰撞工况、侧面碰撞工况、追尾碰撞工况以及顶压溃工况的车身轻量化设计中。结果表明:在全局寻优能力方面,运用改进PSO优化得到的问题解均优于标准PSO。在满足各项结构性能指标的前提下,可减轻质量23.41 kg。这为轿车车身轻量化设计提供了可借鉴的方法。     

基于扰动收缩粒子群算法的物联网配送车辆调度

为了提高物联网配送车辆的调度效率,采用扰动收缩粒子群算法。首先建立物联网配送车辆优化调度问题的数学模型,考虑到货物品种及数量、需求时间和地点、运输线路以及运输时间的不确定性,包括运输成本、时间惩罚成本、固定成本;接着对基本粒子群算法增设非线性扰动因子用来平衡粒子的全局和局部搜索,在进化前期值比较小,让粒子主要进行局部搜索,而在后期设置值比较大,进行全局搜索,同时增设收缩算子,避免粒子的过度振荡,粒子编码涉及到收货点、车辆编序、行驶顺序,给出了算法流程;最后,仿真试验和实例分析验证了算法的合理性与可行性。结果表明:增设收缩算子对任务目标点寻优地理位置偏差值最小,避免了总成本增加;带有非线性扰动因子调整策略的粒子群优化算法具备更强的跳出局部最优的能力,优化后的算法运行速度加快;对于每次试验的搜索成功率以及违约惩罚成本占总成本比例,与遗传算法、蚁群算法、粒子群算法、混沌量子粒子群算法、模拟退火粒子群算法和柯西变异粒子群算法预测方法相比,扰动收缩粒子群算法预测方法具有更高的搜索成功率和较低的违约惩罚成本,能够满足物联网配送车辆系统对预测精度的需求,对实现实时交通控制具有重要意义。     

基于GA-PSO的智能汽车横向LQR控制器优化设计

针对线性二次型调节器（LQR）在智能汽车横向控制中,系数矩阵Q和R选取困难导致的控制精度低和参数整定效率低的问题,提出了一种遗传粒子混合优化（GA-PSO）方法。基于车辆二自由度模型设计了横向LQR控制器和前馈控制器,以该模型下控制器自身能量损失函数作为代价函数对系数矩阵进行优化,并对比了GA-PSO和粒子群优化（PSO）算法的优化效果。CarSim/Simulink联合仿真结果表明,经GA-PSO算法优化后的控制器跟踪精度和计算效率分别提高了47.06%和63.54%,且优化后的控制器具有较强的鲁棒性。     

基于改进粒子群算法的斜拉桥成桥索力优化

为了确定大跨度斜拉桥的合理成桥索力,以塔、梁拉压及弯曲应变能为目标函数,并根据合理成桥状态的要求对塔、梁、索的受力变形进行约束,建立索力优化数学模型。为了解决标准粒子群算法易早熟收敛、局部寻优能力差的问题,将基于局部邻域搜索的禁忌搜索算法与标准粒子群算法结合,提出一种改进的粒子群算法,并将其应用于工程实例,成功实现了斜拉桥成桥索力优化。研究表明:改进粒子群算法在收敛性能及寻优能力方面均得到明显改善,应用于大跨度斜拉桥索力优化中,结构的受力变形状态更为合理,优化效果显著。     

基于Morgenstern-Price法和改进径向移动算法的边坡稳定性分析

为了能够准确确定边坡的非圆弧临界滑动面位置及其相应的安全系数,采用一种新的启发式优化算法——径向移动算法,对边坡进行稳定性分析。通过调整原算法中的数据结构,增强粒子的自反馈能力,提出改进径向移动算法（IRMO）。安全系数的求解采用严格的Morgenstern-Price法,应用Newton-Raphson法,建立了满足条间力平衡与力矩平衡的Morgenstern-Price法中安全系数F和条间力参数λ的迭代计算公式。基于Morgenstern-Price法,采用IRMO算法对边坡稳定性进行分析,通过2个典型边坡算例和1个复杂海堤边坡实例,从稳定性、精确性、计算效率等多个角度将IRMO算法与未改进的径向移动算法进行对比论证,同时将IRMO算法与粒子群算法、改进粒子群算法等其他算法进行对比分析。结果表明：相比未改进的径向移动算法,IRMO算法连续搜索20次临界滑动面的结果重叠度更高,证明IRMO算法稳定性更强,IRMO算法的安全系数值随代数收敛的速度更快,证明IRMO算法的计算效率更高;与粒子群算法、改进粒子群算法等启发式算法相比,IRMO算法搜索到的临界滑动面位置与其他算法一致,安全系数计算结果更接近裁判答案,标准差也最小,证明IRMO算法在边坡稳定性分析问题上更具可行性与优越性;通过海堤边坡实例的分析,IRMO算法得到了该边坡合理的安全系数值和临界滑动面位置,表明该算法能够正确评估边坡稳定程度,可以应用于实际工程中。     

PSO-BP神经网络在隧道围岩变形预测中的应用

针对滇西复杂地质条件下隧道围岩变形预测问题,以BP神经网络为基础,引入了改进后的粒子群算法,通过调试和改进建立了PSO-BP神经网络。该神经网络结合了粒子群算法的全局搜索能力和BP神经网络的局部搜索能力,非线性映射能力强,泛化能力强,具有一定的容错能力。计算结果表明:PSO-BP神经网络预测精度高,平均绝对误差为2.4 mm,平均相对误差为2.7%,满足隧道围岩变形预测精度的需要。     

基于改进粒子群的非对称斜拉桥成桥索力优化

针对非对称斜拉桥主塔水平受力复杂和主梁弯矩不对称的特点,提出了以主塔拉压应变能和主梁弯曲应变能为目标函数,以主塔水平位移和主梁竖向位移为控制条件的索力优化过程。并且根据粒子群算法在多参数优化中的问题,提出了速度惯性依据群体最优变化而变化的改进粒子群算法。以某长江大桥为背景,分别利用ANSYS自带零阶优化,标准粒子群算法和本文提出的改进粒子算法进行优化比较。优化结果表现,改进的粒子群算法在优化结果和优化速度上都较前两种有改善。     

基于组合优化算法的混合动力客车控制策略优化

结合模拟退火算法全局优化能力强和非线性二次规划算法能够快速寻优的特点,使用Isight优化软件将二者建立组合优化算法对建立的功率解析控制策略进行全局优化。优化结果表明,所提出的组合优化算法避免了模拟退火算法局部优化不强的缺点,提高了优化质量和计算效率;在保证整车动力性的前提下,使整车综合油耗下降了12%。     

基于SORA方法的汽车耐撞性优化

通过分析序列优化与可靠性评估方法(SORA)的单循环优化策略,建立了对轿车耐撞性的SORA优化流程。构造了正面40%重叠可变形壁障碰撞响应的近似模型,应用SORA方法,将可靠性分析和确定性优化分开依次进行,从而保证计算精度的同时提高了计算效率。优化结果验证表明SORA方法有效,优化后该轿车的耐撞性和轻量化指标都达到预期目标。     

协同优化方法在电动汽车多学科设计优化中的应用

根据多学科设计优化方法的思想,运用协同优化方法将电动汽车经济性优化问题分解为1个系统级优化问题和若干个子系统级优化问题.以电动汽车经济性最优为日标,协调其动力性能和续驶里程,利用多学科设计软件iSIGHT建立仿真优化模型,并采用自适应模拟退火和广义简约梯度算法进行优化.结果表明,利用协同优化方法在满足电动汽车动力性能和续驶里程的前提下使经济性能达到了最优目标.     

信号周期时长优化方法研究

分析传统交通信号控制系统中周期时长优化存在的问题,为适应混合交通自适应控制系统进行区域或干线战略控制和战术控制的需要,构建了基于双层规划的信号周期时长优化模型,借助分层迭代的思想,通过改进粒子群优化算法求解双层规划模型。利用Vissim仿真长春某一实验路网的不同交通状态,对模型和算法的有效性进行对比验证。     

基于PSO算法的反力架设计与优化

为提升盾构隧道专用反力架轻量化水平和降低制造及运输成本，对其结构进行优化。首先，依据设计的反力架结构建立其有限元模型，并结合工程数据类比确定载荷条件，验算反力架强度及刚度； 然后，以所有板材厚度为自变量、反力架总质量为因变量，利用方差分析的方法获得主效应图，确定5种对结构总质量贡献量大的板厚为优化变量； 最后，以5种板厚为设计变量，强度、刚度指标作为约束条件，反力架质量最小为优化目标，采用PSO算法进行求解。结果表明： 优化后结构的最大应力为252.2 MPa,最大变形为10.6 mm，反力架总质量从305.78 t降至274.85 t，减重比例为10.1%(30.90 t)，验证了结构优化的有效性。     

基于自适应网格粒子群算法的多目标配送优化模型

对配送方案的选择提出多目标优化,在满足客户需求的前提下,力求成本最低和各配送中心负荷均衡,建立多目标规划模型。运用粒子群算法对解空间粒子进行局部和全局的搜索,再运用自适应网格算法对非劣解外部集进行更新和维护,保持其规模。实证表明,采用基于自适应网格的多目标粒子群算法对该模型进行求解能够得到均匀分布于解空间的Pareto前沿。结果表明两目标具有一定的悖反关系,据此选择满意解。     

筑路机械合理配置的优化决策

在筑路施工作业中，施工机械的合理配置是一个复杂的技术问题。为了解决配置中的最优化问题，采用根据作业任务优选机械和对机械用量进行优化决策的方法，运用优化理论和运筹方法建立一套优化决策模型，并通过实例进行定量计算和定性分析进一步说明其优化决策的意义。     

摩托车车架结构优化

首先建立了车架有限元模型,对其强度和刚度进行了分析;然后在疲劳试验机上进行试验,验证理论模型及分析结果的正确性.在此基础上,以车架轻量化为优化目标,车架主要构件截面尺寸为设计变量,刚度和强度为约束,对其结构进行优化,优化后车架质量减轻17.4%.