基于粒子群优化人工神经网络的临界行车安全距离预测

针对行车安全距离预测中的各种非线性问题,提出一种基于粒子群优化人工神经网络(PSO-ANN)的临界安全距离预测方法。通过粒子群优化(PSO)算法优化人工神经网络(ANN)的权值和阈值,避免ANN容易陷入局部最优的问题,并通过迭代找到全局最优解。以路面情况、前后车速度以及前车减速度作为输入,临界行车安全距离作为输出,应用PSOANN建立预测模型,通过训练收集的样本数据预测行车安全距离,并与当前常用的ANN预测结果进行比较,结果表明:与ANN方法相比,PSO-ANN算法更稳定,且预测结果的平均绝对误差降低了7.8%。     

基于量子粒子群算法的矮塔斜拉桥索力优化

斜拉索最优索力的确定是矮塔斜拉桥合理设计的关键。为了更为精确地确定矮塔斜拉桥的拉索索力,本文首先将粒子群优化(PSO)算法与量子计算理论相结合,采用量子角进行染色体编码,并结合一种种群扰动算子,提出了一种新的量子粒子群(QPSO)算法。然后,基于量子粒子群(QPSO)算法,并结合有限单元和罚函数技术提出了一种确定矮塔斜拉桥成桥索力的全局搜索算法。最后,采用开发的数值计算程序对某一矮塔斜拉桥进行了索力优化计算。研究表明QPSO算法无论是在收敛速度上还在计算精度上均优于PSO算法,提出的索力优化方法是求解矮塔斜拉桥索力优化问题的有力工具。     

基于改进二次粒子群算法的汽车零配件配载优化

综合考虑汽车零配件物流运输配载过程中成本、资源及服务质量等决策要素,建立了汽车零配件配载优化模型。引入二次粒子群算法对该问题进行求解,并针对该算法在搜索早期粒子多样性低的缺点,提出了改进二次粒子群优化算法,它采用遗传算法的变异思想和互换更新机制来提高种群的多样性,以避免过早收敛和改进优化效果。仿真实例表明,与原算法相比,改进后算法的计算效率显著提高,且搜索到全局最优解的概率也更高。     

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。     

基于时变可靠度的桥梁检测与维修方案优化

介绍了一种桥梁的检测与维修方案的优化方法，并通过具体算例加以说明，最优检测与维修方案在保证桥梁的可靠度指标在全寿命期大于容许限值的基础上，使全寿命期的总费用最小。全寿命期费用包括检测费用、维修费用和失效损失在项。本文采用了一个单跨工形钢梁作为算例，运用上述方法求解了该钢梁在几种不同情况下的最优检测与维修方案，并总结了检测费用、维修费用和失效损失分别对最优检测与维修方案的影响，还指出准确的蜕化模型和费用模型是该方法的关键。     

基于改进并列选择遗传算法的路网养护方案优化

针对公路路网养护需求矛盾,在综合考虑养护资金、投资效益和养护质量等必要目标的基础上,提出采用并列选择遗传算法结合惩罚函数算法对养护方案进行全局优化,使养护决策合理化、科学化。仿真结果表明:在对带约束条件的多目标养护决策优化中,改进并列选择遗传算法通过构造加以罚函数的适应度函数在解空间进行并列选择遗传进化,能够快速地搜索出16个全局最优解,为养护决策提供了准确的数值依据,与文献中数学规划和遗传算法最多2个最优解比对,验证了该算法的有效性和优越性。     

锂离子电池剩余容量估计与优化分析

锂离子电池剩余容量估计是电动汽车电池管理系统核心技术之一。利用支持向量回归(Support Vector Regression,SVR)进行锂离子电池剩余容量的估计,其参数的选择直接决定着支持向量回归的性能。提出利用粒子群算法(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)对支持向量机进行参数寻优,进行锂电池剩余容量估计分析及优化参数分析;并与基于网格搜索法(Grid Search,GS)的支持向量机和标准支持向量机估计结果作对比。结果表明,GASVR和PSO-SVR均能进行高精度的锂电池剩余容量估计,尤以遗传算法优化性能最佳。     

高速公路资产综合优化管理研究

从道路管理者和道路使用者的需求入手,尝试建立了基于资产性能最优与投资效益最大的路面和桥梁综合优化管理模型;选取算例利用遗传算法通过MATLAB对所建立的模型进行了求解,验证了算法的可行性,同时表明遗传算法较一般的数学规划方法在模型求解过程中呈现出更大的优越性.在利用综合优化管理模型找到最佳投资养护方案的基础上,依照推荐...     

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%。     

基于定量分析的公交线路网络优化与粒子群算法

针对公交线网优化问题,利用粒子群算法进行了研究。在考虑城市公交系统多因素的基础上,给出了公交线网的优化原则、优化目标和约束条件,并将优化目标和约束条件定量化处理,给出了相应的数学表达式。在定义6维空间的基础上,利用经济转化系数,将公交线网优化的多目标问题转化为单目标优化问题的情况下,建立了公交线网优化的线性模型,并用粒子群算法进行了求解计算。通过粒子在解空间中搜索,找到最佳的公交线路网络。最后对算法进行了实际应用分析,结果表明该法简单实用、结果可信,有广泛的应用前景,而且该法也为多目标优化问题提供了一种合理可行的方法。     

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。     

基于交互式多目标遗传算法的混凝土桥面板维修优化

为了保证桥梁结构安全,并使维修效果最好,研究了如何确定桥面板最佳维修策略的问题。建立了桥面板维修的多目标优化模型。提出一种基于交互式遗传算法的维修策略优化方法,通过非精确偏好信息引导遗传搜索,使种群朝着多个目标的最佳综合性能进化。引入适应值共享方法增加种群的多样性,最终获得符合决策者偏好的解集。并通过算例进行了分析验证。结果表明,基于交互式多目标遗传算法的混凝土桥面板维修优化方法可以在有限的桥梁维修资源和良好的维修效果之间进行折衷,不仅获得一组比较理想的维修方法组合,还可以考虑决策者的个人倾向,降低了维修策略的选择难度,为桥梁管理者提供了有力的决策支持。     

基于试验数据的大跨度拱桥有限元模型修正

为了获取菜园坝长江大桥的基准有限元模型，结合Kriging代理模型和一种改进的粒子群优化算法，利用荷载试验数据对其初始有限元模型进行修正。首先，叙述模型修正和Kriging模型基本理论，在基本粒子群算法中引入交叉变异计算，提出一种改进的粒子群算法，并通过测试函数对改进的粒子群算法进行验证；其次，简要介绍菜园坝长江大桥荷载试验、荷载试验结果及初始有限元模型；最后，根据敏感性分析选定6个待修正参数，通过试验设计得到频率和位移关于修正的参数的样本，并建立有限元模型的Kriging代理模型以预测结构响应；以频率和位移的试验值和计算值残差为目标函数，分别利用基本粒子群算法和改进的粒子群算法在修正参数的设计空间内寻找目标函数的最小值，并对比分析模型修正的结果。结果表明：测试函数表明改进的粒子群算法具有较好的稳定性和成功率，并能获得更为精确的优化结果；建立的Kriging代理模型均方根误差较小，可以替代有限元模型预测结构频率和位移；经过模型修正，菜园坝长江大桥前5阶频率计算值与试验值相对误差均控制在5%之内；除个别测点外，位移相对误差均控制在10%以内；相比基本粒子群算法，改进的粒子群算法获得了更小的目标函数值，修正后的频率和位移的相对误差更小。     

连续斜梁桥受竖向荷载时的内力近似计算

应用斜梁桥与正梁桥之间夹角的余弦关系，找到了一种求解连续斜梁桥赘余未知力的近似方法。它把一个连续斜梁桥的力学问题转化为连续正梁桥的力学问题。通过几个算例的验证，其计算结果不但具有较高的精度，而且其计算过程可以应用一般平面杆系有限元法的计算程序来完成。因此，它给设计人员带来很大的方便。     

PSO algorithm-based parameter optimization for HEV powertrain and its control strategy

The coordination between the powertrain and control strategy has significant impacts on the operating performance of hybrid electric vehicles (HEVs). A comprehensive methodology based on Particle Swarm Optimization (PSO) is presented in this paper to achieve parameter optimization for both the powertrain and the control strategy, with the aim of reducing fuel consumption, exhaust emissions, and manufacturing costs of the HEV. The original multi-objective optimization problem is converted into a single-objective problem with a goal-attainment method, and the principal parameters of powertrain and control strategy are set as the optimized variables by PSO, with the dynamic performance index of HEVs being defined as the constraint condition. Computer simulations were carried out, which showed that the PSO scheme gives preferable results in comparison to the ADVISOR method. Therefore, fuel consumption and exhaust emissions of HEVs can be effectively reduced without sacrificing dynamic performance of HEVs.     

多轴车辆——桥梁耦合振动响应的数值解法

针对复杂的车桥耦合振动问题,基于D’Alembert原理导出了3轴5自由度车辆的运动方程,考虑了桥面不平度和车辆与桥梁之间的协调条件,推导了车辆与桥梁的相互作用力,基于模态综合理论建立了3轴移动车辆—桥梁耦合振动的微分方程组,编制分析程序并运用HHT方法进行了数值求解。通过算例和某3跨刚架桥的动载试验研究结果验证了该方法的正确性和有效性。对于复杂的多跨桥梁的振型函数可以通过有限元方法求解然后通过插值函数得到,该方法不仅适用于单跨简支梁,也适用于多跨连续梁桥车桥耦合振动问题的求解,具有过程简单,编程方便,计算速度快,且精度很高,特别适合于工程实际问题的计算。     

基于 Midas 有限元下的大跨斜拉桥成桥索力优化

为了深化对大跨斜拉桥成桥索力优化问题的认识,根据斜拉桥合理成桥状态的确定原则,阐述各类方法的求解思路与优化过程。大跨斜拉桥成桥索力优化,仅靠一种方法完成索力优化是不够精确的。通过论述斜拉桥合理成桥状态的基本原则,介绍了常用的几种成桥索力优化方法。首先选择最小弯曲能法获得初始索力,并使用影响矩阵法进行二次优化,对成桥索力状态进行叙述。基于大型有限元软件Midas Civil建立斜拉桥模型,以合理成桥状态为控制目标,对背景桥梁成桥索力进行优化。     

经济目标下车辆最佳维护周期的研究

车辆最佳维护周期可提高车辆的技术状况,保证行车安全,减少维修费用。利用更新理论和更新函数,基于费用最低这一优化目标,建立车辆最佳维护周期数学模型,选取大众速腾1.6 L样本车相关数据,对模型进行求解,确定出车辆的最佳维护周期。结果显示选取的样本车,在维护周期为8 582 km时,其单位行驶里程维护费用最低;并利用样本车对模型的有效性进行了验证,运行试验表明该数学模型,有效、可靠,可完全用于指导实际车辆的维护保养工作。     

恶劣天气下多航空器改航路径的仿真优化算法

针对恶劣天气下区域管制区内，多航空器改航路径规划中缺乏降低管制员工作总负荷的考虑。以贵阳区域管制区为例，研究了恶劣天气下多航空器改航路径的仿真优化算法。采用灰色模型预测飞行受限区的动态影响范围；利用几何算法预先规划可供选择的改航路径；改进离散粒子群优化算法的运算规则；以整个区域管制区内改航总路径最短和管制员工作总负荷最低为目标，结合预测的飞行受限区、预先规划的改航路径、改进离散粒子群优化算法和全空域与机场模型实现恶劣天气下多航空器改航路径的仿真优化算法。结果表明，该仿真优化算法经过多次迭代，获得了改航优化方案；与采用传统粒子群算法的仿真优化算法相比，管制员工作总负荷下降了7.52%，改航总路径距离减少了4.48%；与采用多目标粒子群算法和非支配排序遗传算法-II的改航路径算法相比，其改航路径距离略长，但考虑了管制员工作负荷的影响。该仿真优化算法能在减少改航路径距离的同时有效降低管制员工作负荷，对实际改航规划具有借鉴意义。