基于多叉树装配序列规划的研究与应用

提出多叉树装配模型和有序表表达装配序列的方法,通过建立正确的装配模型树,提取零部件之间的约束关系,定义零部件的装配路径,得到装配序列.建立链表结构,对零部件的装配过程进行仿真,以直观的方式对装配序列规划进行检查,从而得到所需的装配序列.     

混合动力汽车模糊逻辑控制策略的建模和仿真

并联混合动力汽车（PHEV）中内燃机和电机之间存在动力的耦合和分离过程，能量管理策略比较复杂。文章提出了基于模糊逻辑控制扭矩分配策略，建立了各功能组件模型，并利用ADVISOR2002的仿真环境，完成了该模糊逻辑扭矩控制策略和电气辅助控制策略仿真比较。结果表明，文章提出的模糊逻辑控制策略对提高混合动力汽车的动力性、燃油经济性和改善排放有明显的作用。     

基于控制分配的四轮独立电驱动车辆驱动力分配算法

针对目前四轮独立电驱动车辆研究中尚未有效解决的系统失效控制问题,提出了一种基于控制分配的驱动力分配算法.首先建立了满足车辆经济性要求的目标函数和相关约束条件,通过优化保证在正常驱动状态下整车具有最佳的经济性能.接着基于控制分配原理对故障电机驱动转矩进行约束处理,使目标转矩能够在多种失效情况下实现再分配,有效解决了多驱动电机系统失效控制问题.最后,仿真结果验证了所提出的算法能在安全约束下有效地改善车辆的经济性,并系统地提升了车辆应对故障的能力.     

基于规则约束的深度强化学习智能车辆高速路场景下行驶决策

针对强化学习算法下智能车辆训练中动作选择过程随机性强、训练效率低等问题，提出了基于规则约束和深度Q网络（DQN）算法的智能车辆行驶决策框架，将引入的规则分为与换道相关的硬约束和与车道保持相关的软约束，分别通过动作检测模块（Action Detection Module）与奖励函数来实现。同时结合竞争深度Q网络（Dueling DQN）和双重深度Q网络（Double DQN）对DQN的网络结构进行改进，并引入N步自举（N-Step Bootstrapping）学习提高DQN的训练效率，最后在Highway-env平台高速路场景下与原始DQN算法进行综合对比验证模型的有效性，改进后的算法提高了智能车辆任务成功率和训练效率。     

基于Pro/Engineer建模的装配仿真研究

利用多叉树装配模型和有序表表达装配序列的方法,建立正确的装配模型树,提取零部件之间的约束关系,定义零部件的装配路径.得到装配序列.建立链表结构,对零部件的装配过程进行仿真,以直观的方式对装配序列规划进行检查,从而得到所需的装配序列.在Pro/Engineer参数化建模的基础上,利用其二次开发工具Pro/Toolkit应用程序,实现了轮胎起重机转台装配仿真.该方法具有通用性,可以实现任意产品的装配仿真.     

基于小生境混合遗传算法的交通网络最大流控制

现代城市道路错综复杂,各条道路交错相连.如何分配各道路流量使得交通系统中的流量最大是智能交通的一个重要环节.从若干条互相关联的道路出发,把它们看成一个整体,通过建立优化模型来计算出各条道路的最大平均流量.因为系统庞大,且求解模型中有多个等式约束,对其转化为多目标优化模型来解决,把自适应的适应度函数加入基于小生境的混合遗传算法中求解.用实例仿真,结果令人满意.     

具有旋转约束的启发式装箱算法

主要研究在有限旋转约束下的装箱问题。以Pisinger树搜索启发装箱算法为基础,在货物装配过程中考虑实际可行的旋转约束限制;并通过对树搜索宽度和深度的合理限制,使算法具有满意的运算时间;在装箱结果中,通过对货物层以及货物条的位置调整,从而满足重心位置和左右平衡等约束而不影响既有的装箱率。试验结果表明旋转约束对于装箱性能有一定的影响,但是改进算法在满足各种实际约束的条件下仍具有良好的装箱性能,同时该算法具有合理的运算时间。     

基于非线性混合充电策略的电动车物流配送路径规划模型

经典的车辆路径规划问题（VRP）通常只考虑载重约束和节点约束。随着电动物流车和充电站的增多，考虑充电时间与充电量成非线性关系的电动车路径规划问题（EVRP-NL）的研究在物流配送中也有着非常重要的意义。通过分段计算充电速率简化了以往对充电时间和充电量的非线性充电函数拟合方法，并对拟合函数进行了线性化处理。针对电动车物流配送的特性，构建了以最小化车辆固定成本、行驶成本、快充成本和换电成本之和为目标函数，考虑节点约束、载重约束、电量约束、时间窗约束及充电函数线性化约束的EVRP-NL模型，提出了由换电和非线性快充构成的非线性混合充电策略，其中非线性快充是考虑充电时间与充电量的非线性关系的快充方式。针对模拟算例的计算结果验证了模型的可行性和普适性。针对实际物流算例的计算结果表明，考虑充电时间和充电量非线性关系的混合充电模型可减少35%的充电时间和69%的充电成本，非线性混合充电策略具有显著优越性。对快充电价和换电电价进行控制变量的灵敏度分析后发现, 使用非线性混合充电策略时，随着电价升高，充电方式从电价升高的充电方式转变为电价稳定的充电方式，且电价升高至一定程度，充电方式和充电成本均不再变化。      

公路纵断面优化的遗传算法设计

对公路纵断面优化研究难以同时实现变坡点里程优化和设计标高优化，且优化线形与实际线形不符等问题，提出了利用遗传算法进行纵断面优化的思路。给出了采用遗传算法进行纵断面优化时的编码设计、适应度函数建立、种群初始化、策略选择交叉算子设计和纵断面约束处理，设计了算法实现的流程图。     

基于遗传算法系统效率优化的PHEV电量保持模式控制策略

为了提高插电式混合动力汽车（PHEV）在电量保持下的燃油经济性,并解决插电式混合动力汽车在运行过程中动力元件效率对系统能量利用率影响的问题,制定了系统效率最优的控制策略。以PHEV关键动力部件的测试数据为基础,建立发动机、驱动电机、无级变速器（CVT）以及动力电池等关键部件的效率数值模型,并考虑了温度及荷电状态（SOC）对动力电池充放电功率的影响。设计以混合动力系统效率最优为适应度评价函数,将CVT速比、发动机转矩作为优化变量,以车速、加速度和SOC为状态变量,在动力性指标的约束下,运用遗传算法进行迭代寻优,PHEV的系统效率在第20代左右收敛于全局最优值。同时发动机转矩和CVT速比通过多代遗传进化,较快收敛于最佳值。将相关优化结果与车速、加速度拟合成相应的三维控制数表,综合数值建模和试验测试数据建模的方法,基于MATLAB/Simulink搭建插电式混合动力汽车整车控制策略仿真模型,采用新欧洲行驶循环工况进行仿真验证。结果表明：插电式混合动力汽车在电量保持模式下,利用遗传算法优化的系统效率最优控制策略相比优化前,动力电池SOC运行更为平稳,CVT效率有所提升,驱动电机及发动机转矩分配更为合理;百公里燃油消耗量从优化前的5.2 L降至4.5 L,燃油经济性提升了13.5%。     

基于出行时间预算的多用户交通分配模型及算法

通过分析在满足一定可靠性要求条件下出行者追求总预期出行时间最小的择路行为,定义交通网络的惯常均衡态。以不同的出行者会增加相异的出行时间预算为假设前提,建立相应的多用户变分不等式交通分配模型。这一模型不仅具有不依赖具体路阻函数形式的一般化建模特征,而且避免了现有文献中必须处理非凸约束集的问题,因此可以对模型的解进行定性分析。针对该模型,提出相应的求解算法。由于求解算法仅需对现有的网络交通分配算法加以局部修改即可实现,因此可被应用于实际规模的网络分析。通过算例结果的比较分析说明新模型及算法不仅有效,而且更符合现实。     

基于遗传算法的公路平面优化

提出了一种基于遗传算法的公路平面线形优化方法,将遗传算法应用于公路平面优化设计,更好地解决了目前传统算法难于处理的一些问题。首先根据平面初始解建立一个可行域,利用浮点编码选择平面坐标作为染色体,然后对可行域中的可能解用一个评价函数(适应度)来度量,利用交叉、变异算子在可行域中选择最优解。实践表明:该方法具有全局解空间搜索能力,从而实现了全局寻优的目的,对公路平面优化设计是有效、可行的。     

基于GATS算法的城市土地使用规划问题研究

土地使用规划就是确定和选择可能的发展区域以满足使用土地的要求，包括新区域的形成及提供公共服务设施），最优土地发展规划就是从许多可能的发展区域和人口分配方案中选择最好的方案，这一问题能归结为一个单目标0－1规划问题，本文根据遗传算法和禁忌搜索算法自身的优势与不足，提出一种将二者混合使用求解土地使用规划的算法，以使总的费用最少，同时针对此模型中约束函数的特点，提出一种处理约束的新方法，并用实际问题进行了数值实验，这是第一次将遗传算法和禁忌搜索算法应用于实际的土地使用规划问题。     

无人驾驶车辆解耦混合运动规划方法研究

高速公路无人驾驶车辆运动规划要充分考虑车辆的动力学特性和道路环境构成的复杂约束,优先确保车辆的无碰撞行驶轨迹,同时算法实时性比常速情况下要求更高,要充分考虑计算的复杂性。提出一种可生成横纵向最优解逼近群的解耦增强混合运动规划方法,引入Frent坐标系将运动规划问题进行横纵向解耦,在横向偏移规划中融合数值优化和多项式规划算法,在纵向速度规划中融合围绕速度和围绕避障规划算法,解耦规划完成后使用代价函数和碰撞检测方法对生成的轨迹群进行评估和选择。搭建Apollo-LGsvl无人驾驶联合仿真测试平台,对所提出的运动规划方法进行仿真验证。结果表明,提出的横纵向解耦增强混合运动规划算法在高速公路各工况中所生成的运动轨迹能够有效避免车辆发生碰撞,其横向偏移和纵向速度均能满足二阶平滑,最大横向加速度、最大纵向加速度、最大纵向jerk等满足动力学约束。该方法有效减少了最优解逼近群内的轨迹数量,使轨迹评估阶段计算复杂度降低了46%,证明提出的方法具备一定的应用价值。     

单亲遗传算法在桥梁传感器优化布设中的应用

将单亲遗传算法应用于桥梁结构传感器优化布设。基于模态保证准则和模态能量准则设计了3个适应度函数,提出两步法采用单亲遗传算法在先对传感器进行定量计算的基础上再确定传感器的位置。通过一斜塔斜拉桥的数值模拟计算,证实了单亲遗传算法、提出的两步法及将模态保证和能量进行组合的评价准则的可行性和有效性。     

混合动力汽车用永磁式电气变速器的构建

提出了一种用于混合动力汽车（HEV）动力传动系统的新型结构的永磁式电气变速器（PM-EVT）。PM—EVT是一种与Toyota Prius混合动力汽车功能相似的串并联HEY传动系统，但是功能更加集成，结构更加简单，省去了用于功率分配的行星齿轮机构。分析了PM-EVT的4种可能的机械结构组合和永磁体配置，并选择其中最简单...     

利用CSP技术辅助汽车驾驶室内布置方案设计

本文半约束满足问题用于驾驶室内布置方案设计问题求解，提出了驾驶室内各对象之间的约束描述及分层，建立了约束网络及求解策略，并提出了目标方案修改决策。     

基于序列Kriging模型的车身轻量化设计

为解决常规Kriging模型在设计空间拟合精度低的问题,提出了序列Kriging模型。通过预期改善函数,在优化解附近和设计空间的稀疏区域增加样本点,不断更新近似模型,从而提高近似模型在兴趣域的拟合精度和全局预测能力。通过两个数值算例分析了序列Kriging模型的全局搜索特性,从算例优化的统计结果可以看出,序列Kriging模型比常规Kriging模型的优化精度更高,稳健性更好。最后,序列Kriging模型被应用到车身轻量化设计中,采用粒子群算法所得到的优化结果表明,近似模型的精度有了很大的提高,并且在满足耐撞性约束的同时所选部件的质量降低了23.35%。     

系统最优动态交通分配中一种实用的配流方法

建立了描述路段交通量变化的状态方程及相关约束，给出了一种新的动态系统最优配流算法。该算法通过在每个时段把车流分配至边际行程时间最小的路段上，从而最小化交通系统内车辆的总运行时间。该算法适用于多起点、多讫点以及O-D量随时间变化路网的动态系统最优交通分配，仿真结果验证了算法的有效性。     

基于遗传算法的3L-CVRP优化问题研究

为提高物流配送效率,降低配送成本,探讨了三维装箱约束下的车辆路径优化问题.在装箱问题与车辆路径优化问题研究现状的基础上,将三维装箱与车辆路径优化进行整合,考虑客户需求、货物装载顺序、车辆尺寸、车辆重心等约束,建立以路径最短、车辆装载容积利用率和载重率最大的多目标组合优化模型,引入权重系数体现决策者偏好并归一化目标函数.设计适用的染色体编码规则,确定遗传操作中选择、交叉、变异方法,选取目标函数为适应度函数,引入最优个体保存策略防止算法的过早收敛,提高算法的准确性,通过Matlab编程实现该优化模型的求解.案例数值试验表明,该模型与算法能够实现装箱与车辆路径的组合优化,算法运行时间为17s左右,相较于引导式局部搜索遗传算法减少了5 s,车辆总行驶里程缩短了7 km.