基于遗传算法的柴油机电控参数实时优化

为使发动机满足日益严格的排放法规要求同时使其具有较好的燃油经济性，采用柴油机性能与运转参数间神经网络模型，将遗传算法嵌入DSP中实现了电控参数的实时优化。在实验台上验证了神经网络建模和遗传算法相结合在线寻优的最优控制MAP生成技术的可行性。     

机车柴油机可调参数的优化研究

本文建立了柴油机优化的数学模型,并编制了相应的优化程序;在柴油机工作过程模拟计算的基础上,对机车用16240柴油机的几个可调参数进行了优化研究,可使其油耗率降低约3%.     

柴油机循环参数的优化

在研究柴油机混合加热理想循环及燃烧过程热量平衡关系的基础上，首先得出了燃烧最高温度Ｔ４与压力升高从λ和初膨胀比ρ的关系式；然后由此建立了以λ和ρ为变量的循环净功率函数式Ｗｎｅｔ＝（ｆ（λ，ρ）；以此作为优化目标函数，最后推导了循环参数优化计算式。     

基于遗传算法的交通仿真模型参数校正方法研究

参数校正是交通仿真模型应用中的重要环节。基于遗传算法设计的交通仿真模型参数校正方法，可以在交通仿真软件VISSIM平台中结合实际交通调查数据对其进行验证。结果表明，采用该方法校正后的仿真模型参数能够更好地符合实际道路交通状况．且能有效地减少参数校正的仿真试验次数，同时该研究结果也可以推广应用于其他类型的交通仿真模型中去。     

基于DOE与遗传算法相结合的共轨柴油机喷射参数优化

将DOE与遗传算法相结合对共轨柴油机喷射参数进行优化,并对优化方案进行了燃烧分析和试验验证。针对某型共轨柴油机,利用DOE设计了77种共轨柴油机喷射参数技术方案,再以响应面近似模型技术构造优化目标函数,利用遗传算法对该近似模型进行寻优。试验结果证明优化后柴油机油耗降低5%,NOx降低10%,碳烟降低18%。     

基于粘贴模型的测试优选

把测试优选问题映射为一个带约束的集合覆盖问题,运用DNA计算模式中的粘贴模型来求解测试优选问题.用存储复合体来表示子集,并利用粘贴运算的巨大并行性,来有效地获得满足测试目标的测试集.实验结果表明,此方法有效地减少了测试的数量,并且计算过程与测试集中列向量顺序无关,同时测试集中不含冗余测试.     

基于模型优选及融合的高教园区出行生成预测方法

为了提高高教园区出行生成预测数据的可靠性,提出了一种基于模型优选及融合的出行生成预测方法。根据选取的模型评价指标,借助ELECTRE方法对区域出行产生模型进行优选,利用证据理论方法,对优选模型的权重进行标定,最后借助标定后的权重对区域交通生成量进行数据融合预测,并与实际结果进行了对比。分析结果表明:多模型融合预测相对误差在10%以下,预测结果与实际情况非常接近,该预测方法有效。     

基于蚁群算法的城市公交线网模型优化方法研究

蚁群算法是一种求解组合优化问题的新型通用启发式方法,城市公交线网模型优化是一个复杂的非线性组合优化问题.本文将蚁群算法用于城市公交线网模型优化问题的研究,建立了城市公交线网的数学模型,该模型以乘客公交总出行时间最短与公交运营投入最小为目标函数,并在此基础上设计了相应的算法.算例证明了该算法在城市公交线网优化中应用的可行性和有效性.     

基于智能优化方法的SVM电机故障诊断模型研究

为提高电机故障诊断的准确率和有效性,提出了基于智能优化算法的支持向量机电机故障诊断模型.首先采集交流电机不同位置上的振动加速度信号,使用小波包分析方法对所采集的振动加速度信号进行特征提取,将得到的能量比向量作为支持向量机故障诊断模型的输入,使用遗传算法、粒子群优化算法对支持向量机故障诊断模型进行参数优化并进行模型训练,在使用测试样本集对得到的两种故障诊断模型进行分析之后可以看出经过参数优化后的支持向量机模型提高了故障预测的准确率,并且粒子群优化方法具有比遗传算法更高的预测准确率,并极大地减小了优化时间及优化次数.     

网格尺寸与湍流模型对柴油机燃烧模拟的影响

以某小型高速柴油机为例,建立不同网络尺寸的燃烧室数值模型,应用化学反应动力学燃烧模型,对比研究不同网格尺寸对燃烧模拟的影响,并利用中等网格尺寸的燃烧室模型研究标准k-ε、ζ-f、RSM-SSG 3种湍流模型对燃烧计算的影响。研究发现:网格尺寸和湍流模型对燃烧中的宏观参数影响不明显。3种网格尺寸模型计算得到的CO和C_2H_4的空间分布在微观上存在明显差别,网格越精细,不完全燃烧产物在油束前锋的火焰中心处越集中;3种湍流模型计算得到的CO和C_2H_4的空间分布形态相似,但浓度的时空分布存在一定差别。     

基于SOGA的VISSIM仿真模型参数标定方法

微观交通仿真模型是对交通系统进行管理、控制和优化的重要试验手段和工具,而微观交通模型的参数标定是确保微观交通仿真模型能真实、直观地反映交通流运行情况的必要前提.针对遗传算法(GA)的不足,提出了基于自适应正交遗传算法(SOGA)的微观交通仿真模型参数标定方法.选取应用较为广泛的VISSIM仿真模型作为基础平台,给出了该优化方法中染色体的编码解码、适应度函数和自适应正交交叉算子的详细设计.最后将算法应用到北京市荣华中路与荣京西街交叉口模型参数标定中,通过与GA算法、正交试验法对比,SOGA算法得到的适应度函数值为19.43,优于其他标定算法的适应度函数值;同时,SOGA算法迭代时间比GA算法少了40.5%,验证了SOGA算法在VISSIM参数标定上的优越性.     

基于时空消耗理论的城市交通结构数学规划优化模型研究

在分析各交通方式出行效率差异性基础上,立足于城市客运系统的基本功能,建立了城市地面上客运交通结构线性规划模型。模型以各种交通方式时空消耗最小化为目标,考虑了城市道路系统要求、出行者要求、城市客运系统要求和交通方式发展规模4个方面约束,最后比较了本文模型与其他文献模型的区别。     

基于参数选择优化SVM算法的研究

在分析影响支持向量机分类能力参数的基础上,提出了支持向量机参数选择的方法——网格法,代替以往使用交叉验证法或凭经验确定参数的方法。网络法可以在限定的范围内对最优参数进行自动搜索,明确搜索的次序。     

基于元胞传输理论的应急疏散模型优化

大多数的灾难都无法避免,只能通过有效地疏散减少死亡人数和财产损失。而在疏散过程中,疏散需求的不确定影响着疏散的正常进行。针对需求不确定性,基于元胞传输模型(CTM)以最小疏散时间为目标建立应急疏散模型,然后采用affinely adjustable robust counterpart(AARC)方法对模型鲁棒优化,应用对偶理论改进模型以便于求解并进行算例分析。实例分析表明,AARC同原方案相比,能够极大地降低不确定性保证疏散的正常进行,为疏散决策提供了参考。     

柴油机进气预混甲醇燃烧特性的试验研究

对一台涡轮增压柴油机进行了改造,实现了柴油机进气预混甲醇双燃料燃烧。利用MATLAB软件编写了基于实测气缸压力的双燃料发动机放热规律计算程序,并对柴油机进气预混甲醇进行了试验研究。结果表明:在低转速全负荷和高转速中低负荷时,随着甲醇掺烧比的增加,柴油滞燃期延长,预混燃烧比例增大,放热率峰值增高,燃烧持续期缩短;在高转速大负荷时,较大的甲醇掺烧比会造成放热始点的大幅提前,放热率呈现多个峰值,出现了压力波动;适当推迟供油可以推迟放热始点并降低放热率峰值和最大压力升高率。     

基于模糊理论的公路路线方案优选

应用模糊理论进行公路路线方案优选中，引用了相对隶属度与相对隶属函数的概念，并用事物重要性排序的二元对比法确定了指标权向量，概念明确，通俗易懂，且计算简单，具有实际应用价值。