基于NSGA-Ⅱ算法的两挡AMT换挡规律多目标优化

两挡变速器通过合理的挡位切换改善纯电动汽车的性能.以纯电动汽车两挡电控机械式自动变速器(AMT)为研究对象,兼顾整车的动力性和经济性,提出一种综合换挡规律.建立两挡变速系统的动力性和经济性换挡规律数学模型,以百公里加速时间和单位里程能耗作为优化目标,通过NSGA-Ⅱ算法优化求解得到换挡规律的Pareto最优解,将电机效率作为最优解的选取条件,得到综合性能最优的换挡规律.在MATLAB/Simulink中搭建换挡规律仿真评价模型,对比评价最佳动力性、最佳经济性和综合性能最优换挡规律.结果表明:所提出的对换挡规律多目标优化的方法是有效的,综合性能最优换挡规律能够同时兼顾动力性和经济性.     

横风下高速列车动力学参数的多目标优化

为改善高速列车横风下运行的动力学性能, 提高运行平稳性和安全性, 以轮轴横向力和轮重减载率为优化目标, 对高速列车动力学模型的悬挂参数进行多目标优化设计; 建立高速列车多体动力学参数化模型, 依照大风限速标准, 加载列车在横风下以不同速度运行的气动力数据, 选取了止挡间隙、一系悬挂纵向和垂向刚度、二系悬挂纵向和垂向刚度、一系垂向减振器刚度、二系横向和垂向减振器刚度、抗蛇形减振器刚度及阻尼11个变量; 搭建高速列车动力学模型优化平台, 对高速列车多体动力学参数化模型的设计参数与轮轴横向力和轮重减载率的相关性进行分析, 得到列车各悬挂参数对轮轴横向力和轮重减载率的影响趋势; 基于相关性结果, 采用NCGA、AMGA和NSGA-Ⅱ遗传算法对高速列车的动力学参数进行优化设计。分析结果表明: 采用NSGA-Ⅱ算法的优化结果最为理想; 与轮轴横向力和轮重减载率相关性最大的参数为抗蛇形减振器刚度, 为反效应; 优化后列车的动力学性能得到明显的改善, 轮重减载率从原始的0.78整体优化到0.63以下, 且最小可以优化到0.49, 最高可降低37.2%;轮轴横向力从原始的16.8 kN整体优化到9.6 kN以下, 且最小可以优化到5.79 kN, 最高可降低65.5%;得到了优化目标的Pareto前沿最优解, 确定了列车各动力学参数设计变量的最优解集, 并对最优解集在其他列车速度和风速组合下的运行工况进行验证, 适用性较好。      

多目标U型拆卸线平衡问题的Pareto蚁群遗传算法

针对传统方法求解多目标U型拆卸线平衡问题的不足,提出了一种基于Pareto解集的多目标蚁群遗传算法.在构造初始解阶段,以协同考虑最大作业时间、最小拆卸成本差作为蚂蚁的启发式信息;通过蚁群算法搜索可行拆卸序列,并根据多目标之间的支配关系得到Pareto解集;将蚁群算法的Pareto非劣解作为遗传操作的个体,进而将遗传操作的结果正反馈于最优拆卸路径上信息素的积累,并采用拥挤距离作为蚂蚁全局信息素更新策略,可以平衡多目标对信息素的影响,使算法快速获得较优解.将所提算法应用于52项拆卸任务算例和某打印机拆卸线实例,在算例验证中,通过对比Pareto蚁群算法,所提算法求得的8个非劣解在3个评价指标上性能分别提高了50.43%、3.25%、14.10%,在实例应用中所提算法求得8种可选平衡方案,从而验证了所提算法的有效性、优越性和实用性.      

随机时变车辆路径问题的多目标鲁棒优化方法

车辆路径问题 （vehicle routing problem,VRP） 是物流配送的核心问题之一,为了提高物流配送的时效性,在传统VRP模型的基础上,同时考虑了路网交通状态的时变性和随机性,基于最小最大准则,提出了一种带硬时间窗的随机时变车辆路径问题 （stochastic time-dependent vehicle routing problem,STDVRP） 的多目标鲁棒优化模型. 设计了一种非支配排序蚁群算法 （non-dominated sorting ant colony optimisation,NSACO）,求解STDVRP多目标优化模型;通过测试算例,对比分析了NSACO算法与改进型非支配排序遗传算法 （non-dominated sorting genetic algorithm II,NSGA-II）. 研究结果表明:对于车辆数最小的Pareto边界解,NSACO算法的平均车辆数比NSGA-II算法小3.33%;对于最坏行程时间最小的Pareto边界解,NSACO算法的平均最坏行程时间比NSGA-II算法小17.49%.      

有容量约束车辆路径问题的多目标遗传算法

针对有容量约束车辆路径问题,提出了基于Pareto方法的多目标优化遗传算法.该算法引入基于擂台法的Pareto锦标赛选择算子,避免了求解非凸解的困难.采用最邻近算法和扫描算法构造初始种群及引入启发式交叉算子来加快算法的收敛速度.通过E-n30-k3算例实验表明:应用该算法得到的Pareto解集,为决策者提供了多种途径有效解决有容量约束车辆路径问题.     

航路时空资源分配的多目标优化方法

为了提高航空公司与空管方之间的协同决策程度, 降低航班延误水平, 以航路飞行的航班为研究对象, 研究了航路时空资源的多目标分配; 考虑实际运行条件下航班的唯一性约束、时间顺序约束和可行性约束的影响, 以航班在流量受限区所分配的飞行航迹和进入时隙为决策变量, 以航班总延误成本最小和航空公司延误公平损失偏差系数最小为目标函数, 构建了多目标非线性0-1整数规划模型; 基于模型特点引用了非支配排序遗传算法(NSGA-Ⅱ), 并利用排列编码法设计了一种整数基因编码方式, 以最大限度保证基因产生可行解集; 为了验证模型与算法的有效性, 基于南中国海地区航班运行实例, 对算法搜寻最优解的性能进行了研究, 并将此算法与传统按时刻表分配(RBS)方法进行了对比。研究结果表明: 改进编码方式的NSGA-Ⅱ算法使解集种群在约50代后世代距离从600收敛至30并稳定, 具有良好的收敛性; 针对实例中的多目标优化模型共生成有6组解的帕累托解集, 结果有66.7%的概率完全支配RBS方法, 且优化结果中航班平均延误成本比RBS方法降低了8.5%, 平均公平损失偏差系数降低了70.6%。可见提出的航路时空资源多目标优化方法的执行效果显著, 可在降低总延误成本的基础上兼顾各航空公司的公平性, 是解决航路飞行航班航迹与时隙资源分配问题的一种有效方法。      

面向高生产率低成本的镗削切削用量多目标优化

切削用量的合理选择对提高镗床生产率、降低成本有很大影响,在考虑机床和切削参数的约束下,建立了面向高生产率低成本的镗削参数多目标优化模型.在模型优化部分选取改进NSGA-Ⅱ算法,获得帕累托优化解集,最后应用模糊物元法对解集进行评价分析,得到最优解.结果显示:参数优化后生产率相较于低成本优化提高12.9％,总成本相较于高生...     

求解双目标带时间窗车辆路径问题的蚁群算法

针对运输网络为多重图的双目标带时间窗车辆路径问题设计了蚁群算法.首先,建立了多重图的双目标带时间窗车辆路径问题的数学模型,提出了针对该问题解的搜索空间构建方法,定义了一种综合考虑各优化目标、时间窗和信息素等启发信息的状态转移概率公式. 为了对比说明该算法的有效性,同时设计基于NSGA-II的多目标遗传算法.针对本文算例,对蚁群算法中的各参数进行了敏感性分析,根据分析结果设定算法参数,获得了算例的Pareto最优路径集,同时与NSGA-II算法及相关文献算法针对运行时间、收敛性和群体多样性进行比较.结果显示,本文设计的蚁群算法在这3个指标上均明显优于NSGA-II算法;在相同蚂蚁数量情况下,本文的算法在收敛性和群体多样性方面优于相关文献算法.     

城轨牵引供电系统逆变回馈装置的定容选址

以节省逆变回馈装置投资成本和提高再生制动能量利用率为目标,建立了城轨牵引供电系统逆变回馈装置定容选址优化模型. 将考虑逆变回馈装置周期性间歇工作制的城轨牵引供电系统交直流混合潮流算法与带精英策略的快速非支配排序遗传算法（fast non-dominated sorting genetic algorithm Ⅱ,fast NSGA-Ⅱ）相结合,求解多目标函数的Pareto解集;并采用基于信息熵的序数偏好法（technique for order preference by similarity to ideal solution,TOPSIS）筛选逆变回馈装置定容选址的最优方案. 以广州地铁某线路为算例进行仿真验证,结果表明:优化方案相对该地铁工程实际逆变回馈装置配置方案,其装置投资成本节省70万元,系统级节能率提高3.25%,投资回报周期相应缩短.      

多目标演化算法在混合电动车设计和控制中的应用

以混合电动车(HEV)的性能仿真软件ADVISOR为平台，应用一种高效的多目标演化算法——非占优排序遗传算法(NSGA-II)，将一辆并联HEV的百公里油耗和HC，CO，NOx的排放等4个目标同时进行了优化，优化变量同时包含了部件尺寸参数和能源管理策略参数，得到了一组Pareto解．针对该Pareto解集的分析表明，在不牺牲动力性的前提下，NSGA-I大大提高了原车的经济性能和排放性能，并且为HEV的设计与控制提供了一个较宽的选择范围．     

有轨电车燃料电池混合动力多目标匹配优化

有轨电车燃料电池混合动力系统配置对整车动力性能、系统效率及经济效益具有重要影响，但是目前缺乏有效的优化匹配方法. 基于有轨电车沿线动态工况下的牵引功率计算，提出了面向服役周期成本最低的燃料电池有轨电车混合动力系统匹配优化方法. 以混合动力系统整车服役周期成本最低、体积/重量最小为目标函数，以动力性能、直流母线电压、电源输出功率、功率/能量实时平衡、储能系统充放电倍率及其充放电深度和SOC （state of charge） 为约束条件，建立了多目标多约束配置优化模型. 采用多目标优化方法获取Pareto前沿，同时给出了体积/重量可接受、经济性最优的推荐方案确定方法. 仿真结果表明，多目标匹配优化方法配置的有轨电车燃料电池混合动力系统满足了所有设计指标，混合动力系统全寿命周期成本从7 000万元降为1 500万元.      

插电式四驱混合动力汽车控制策略设计及优化

为有效识别驾驶员的驾驶意图,在保障插电式四驱混合动力汽车动力性的基础上,提高其燃油经济性,提出了一种转矩识别系数计算方法,设计了基于发动机输出转矩最优能量管理控制策略,讨论了每种工作模式的判别条件以及转矩分配方法.为避免单一优化算法运算时间长、容易陷入局部最优的固有缺陷,使用优拉丁超立方的方法进行试验设计,利用径向基函数神经网络(radial basis function, RBF)建立近似模型,使用多岛遗传算法对近似模型进行了优化.研究结果表明:对优化后的控制策略进行离线仿真得出,混合动力汽车在满足动力性能的前提下,百公里油耗降低了16.4%;将优化后的控制策略在dSPACE上进行硬件在环试验表明,所制定的控制策略,可以实现基本的能量管理,且加入转矩识别之后平均车速误差降低了39.9%,百公里油耗降低了8.5%.      

面向自组织平衡的共享电动汽车调度优化方法

针对共享电动汽车运营中出现的站点车辆供需不平衡及人工调度成本过高等问题，提出面向自组织平衡的共享电动汽车调度优化方法.利用共享电动汽车站点选择行为数据，构建用户取车站点选择MNL(Multinominal Logit)模型，分析用户的站点选择行为；构建面向各站点车辆供需自组织平衡的站点间车辆调度优化方法，即通过车辆动态折扣策略引导用户改变默认的最近取还车站点，在运营结束后以运营企业的调度总成本最小为目标，建立人工调度优化模型并应用禁忌搜索算法求解；最后，选取北京市海淀区部分共享电动汽车站点进行算例分析.结果表明：本文提出的优化方法与无动态折扣策略相比，调度总成本降低了 4.5%，人工调度成本降低了21.1%，人工调度任务数减少了8.3%.     

面向自组织平衡的共享电动汽车调度优化方法

针对共享电动汽车运营中出现的站点车辆供需不平衡及人工调度成本过高等问题，提出面向自组织平衡的共享电动汽车调度优化方法.利用共享电动汽车站点选择行为数据，构建用户取车站点选择MNL(Multinominal Logit)模型，分析用户的站点选择行为；构建面向各站点车辆供需自组织平衡的站点间车辆调度优化方法，即通过车辆动态折扣策略引导用户改变默认的最近取还车站点，在运营结束后以运营企业的调度总成本最小为目标，建立人工调度优化模型并应用禁忌搜索算法求解；最后，选取北京市海淀区部分共享电动汽车站点进行算例分析.结果表明：本文提出的优化方法与无动态折扣策略相比，调度总成本降低了 4.5%，人工调度成本降低了21.1%，人工调度任务数减少了8.3%.     

Power management of parallel hybrid electric power train

This paper presents an integrated and detailed procedure to improve the power management feature implemented in the integrated starter-generator(ISG) parallel hybrid electric vehicle.First,the configuration of the single-shaft ISG hybrid vehicle model established in MATLAB-Simulink environment is given.The vehicle model then is validated by comparing the experimental measurements and the simulation predictions of the traditional vehicle.The baseline rule based control strategy and the optimal control strategy using the dynamic programming(DP) algorithm are introduced.Finally,a suboptimal control strategy which employs the new control rules extracted from the optimal control strategy is designed with the remarkable fuel consumption performance.     

智能网联车环境下交叉口车流轨迹优化模型

在智能网联环境下,车辆可通过相互穿插和协作通过交叉口,无需信号灯控制.为保证车辆安全高效运行,建立车辆到达时序和速度协同优化的交叉口车流轨迹优化模型.提出车辆到达时序优化模型和车辆速度优化模型,建立车辆到达时刻与速度的函数关系;在此基础上,模型以所有车辆在控制区域的行程时间与油耗加权最小为目标,车辆路径、到达时刻和速度...     

海空协同的远海岛礁战储物资供给优化模型与算法

针对远海岛礁战储物资的战时供给问题，利用海空协同运输的优势，以系统总时间最短、 物资保障成本最低为目标，构建两阶段优化模型(2E-MLRP)，并利用解的结构特征改进拥挤度比较算子和精英保留策略，形成有针对性的改进遗传算法。算例分析结果表明：利用本文所建模型及算法求解得到的最优方案符合“性价比”的要求；相对于全海运模型，海空协同的系统总时间降低53.15%，而成本增幅仅为22.27%，且第一批物资送达时间也减少2.95 d。算法对比结果显示： 改进后算法得到的SP指标值与MSP指标值均优于传统遗传算法，可知改进后算法求得的Pareto 解集具有更好的分布性。本文运输方案与其他方案相比，成本大幅降低，运送时长增幅较小，可保证运输装备的高效利用，且单个航线内待补给岛数量合理，可满足战储物资运送的要求，为战时远海岛礁战储物资供给方案的制定提供参考。     

城际零担货运平台车辆路径问题研究

在考虑城际零担货运平台现有各种不同补贴方案的基础上，以平台补贴成本、车辆使用成本及燃油成本之和最小为目标函数，建立考虑车-货匹配、车辆三维装载等约束条件的车辆路径优化模型。设计一种混合量子粒子群优化算法，计算货物匹配方案、车辆路径、货物装卸顺序、货物装载位置以及平台补贴最优决策方案。实验结果表明：改进的量子粒子群算法得到的小规模算例优化解与CPLEX优化软件得到的最优解偏差为3.31%；改进的量子粒子群算法通过在求解最佳中间位置时引入适应度函数值作为权重，求解的大规模算例结果比传统量子粒子群算法提高了0.91%；通过分析最优解的特点，将改进的量子粒子群算法与启发式算法相结合，算法的求解 质量提高了4.05%；通过补贴模式对比实验发现，在合理规划周期内，货主时长补贴和空载补贴的增长在维持总成本基本不变的情况下，可有效提升平台利润，提高车辆利用率。     

考虑三方利益的车货匹配优化

为研究平台模式下考虑车主、货主及平台三方异质化需求的车货匹配问题，在既往研究考虑车货双方利益的基础上，引入了平台方需求. 首先，在分析车货匹配活动参与方需求的基础上，构建了最大化送达时效满意度、最小化货运成本和最大化平台收益的多目标优化模型；其次，在模型求解方面，改进了带精英保留策略的快速非支配排序遗传算法（non-dominated sorting genetic algorithm Ⅱ，NSGA Ⅱ），一方面在子代种群更新过程中引入精英选择系数，提升种群的多样性，另一方面结合自适应的思想，在算法迭代过程中调整交叉变异的概率；最后，利用成渝区域间的车源和货源数据进行仿真实验. 结果表明:改进的NSGAⅡ在中小型算例上的准确率均超过91%，与传统的NSGAⅡ相比，平均收敛速度提升了45%左右；在算法稳定性方面，所提出的算法受随机初始化影响较低，多次实验的相对标准偏差值小于1%.