基于第二代非支配排序遗传算法的变速器齿轮系多目标可靠性优化

以某微型车变速器为研究对象,在变速器结构已确定、传动比最佳的条件下,以可靠性为主要约束,以齿轮系总体积最小、中心距最小和总重合度最大为目标建立变速器齿轮系多目标优化的数学模型.采用第二代非支配排序遗传算法对变速器齿轮系进行多目标优化并得到其Pareto最优解集.实例计算表明,该数学模型和优化程序是正确、有效.     

基于遗传算法的ISG混合动力汽车参数优化

利用仿真软件CRUISE建立某一轻度混合动力汽车的仿真模型。以加速时间和100km油耗为优化目标,采用带精英策略的快速非支配排序遗传算法对其动力传动系统的速比参数进行优化。结果表明,优化后在满足汽车动力性设计指标的前提下,汽车在NEDC工况下的油耗降低了7.05%。     

基于非支配排序遗传算法的感载比例阀静特性多目标优化设计

以某匹配感载比例阀的车辆为例,以理想利用附着系数曲线为目标,以ECE制动法规为约束条件,利用非支配排序遗传算法对车辆在空载、半载和满载状态下的制动性能进行了多目标优化,得到了满足设计要求和性能最优的感载比例阀静特性曲线.     

基于联合静动力修正的混凝土斜拉桥主梁挠度变化规律研究

针对混凝土斜拉桥服役期间主梁不断下挠的问题,该文基于修正模型分析大跨度混凝土斜拉桥服役期间主梁挠度变化规律。采用联合静动力的有限元模型修正方法,构造双目标优化问题,基于非支配排序遗传算法（NSGA-Ⅱ）求解,得到Pareto最优解集,从Pareto最优解集中找到协调最优解,从而实现有限元模型修正。模型修正后的静力位移和自振频率计算值与实测值吻合较好,能更好地反映结构的实际工作状态。在此基础上,结合主梁线形历年监测数据,分析不同徐变模式及拉索松弛效应等时变因素对主梁线形的影响,分析结果表明：采用CEB-FIP 2010徐变模式计算的挠度与实测挠度更加接近。中跨跨中下挠量最大,服役20年下挠量约为270 mm;主梁跨中挠度前5年平均增长率达33 mm/年,前5年挠度约占前40年的50%,后期主梁下挠趋于平缓。     

基于新型液冷板的电池热管理系统多目标优化

为提升电池热管理系统(BTMS)散热效果,采用计算流体力学(CFD)和基于快速非支配排序遗传算法(NGSA-II)的多目标优化相结合的方法设计优化了一种新型液冷板模型。通过电池实验,得到不同放电倍率下单体电池产热量。以通道夹角、通道宽度、冷却液的质量流量为设计变量,平均温度、温度标准差和压降为目标函数,采用拉丁超立方体抽样(LHS)方法,在设计空间中选取了35个设计点,利用响应面近似模型(RSM)拟合出目标函数的表达式。结果表明:在5C放电倍率下,优化后液冷板的散热性能得到有效提升,与初始模型相比,液冷板的平均温度和温度标准差分别下降了11%、51.2%,压降仅增加了3.3Pa。     

基于多目标优化设计的主动约束层阻尼板振动控制研究

基于主动约束层阻尼(Active Constrained Layer Damping,ACLD)结构的有限元动力学方程,建立了ACLD板结构的多目标优化模型。以ACLD衬片的位置编号为设计变量,以前两阶模态损耗因子最大化为优化目标,采用改进的快速非支配排序算法(Fast and Elitist Non-Dominated Sorting Genetic Algorithm,NSGA-II)算法,对ACLD衬片的布置位置进行了优化设计。对于不同的优化方案,设计了基于FxLMS(Filtered-x Least Mean Square)算法的控制器,研究了在同一外扰激励下的振动控制效果。结果表明,采用优化后的ACLD衬片配置方案,在被动和主动振动控制中,都具有良好的振动控制效果。     

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。     

考虑多目标的城市停车换乘选址优化模型及算法

停车换乘选址问题是城市交通网络设计研究的重点领域,已有研究的优化目标多集中在系统总费用方面,而对交通可持续发展方面考虑不足。为此,提出综合考虑多方面目标的停车换乘设施选址优化模型及其求解算法。首先,基于超网络理论,提出多方式城市交通系统的超网络模型并定义O-D (Origin-destination)间的超路径、有效超路径及子路径,结合出行者出行过程及交通网络拥挤特征,给出超路径费用的数学表达;其次,基于多方式交通网络随机均衡配流结果,构建交通总阻抗、污染物排放量以及交通系统公平性等系统优化指标的计算模型,并建立用以描述停车换乘设施选址问题的多目标优化模型;进而,以多目标系统优化模型为上层问题,以超网络下满足Logit分配的多方式交通网络配流模型为下层问题,构建描述城市多方式交通系统停车换乘设施选址问题的双层规划模型,并基于模型特征,结合“记录-搜索”思想设计非支配排序遗传算法进行求解;最后,基于Sioux Falls网络设计算例。研究结果表明：算法能够在有限的步骤内搜索到90%以上的Pareto最优解;平均而言,停车换乘措施使得交通总阻抗减小了0.31%,污染物排放量减少了7.32%...     

PHEV复合储能系统设计及基于MODA的参数优化

为了提高插电式混合动力汽车的燃油经济性、降低污染物的排放,并解决插电式混合动力汽车单一动力电池低比功率、无法响应暂态功率需求的问题,设计蓄电池和超级电容并联的复合储能系统,采用带有滑动窗口的实时小波功率分配策略,并对滑动窗口长度进行选择。该功率分配策略将复合储能系统的需求功率分解成高频和低频两部分,超级电容接收高频分量,蓄电池接收低频分量,避免了高频分量对于蓄电池的冲击,提高了蓄电池的耐久性和可靠性。制定基于规则的控制策略,以整车燃油消耗量和污染物排放量为优化目标,利用多目标蜻蜓算法对相关控制参数进行优化。基于ADVISOR搭建含有复合储能系统的插电式混合动力汽车整车仿真模型,采用新欧洲行驶循环工况进行测试,并通过与带精英策略的非支配排序遗传算法进行对比,验证算法的有效性。研究结果表明：利用多目标蜻蜓算法优化后的车辆百公里燃油消耗平均降低了12.71%,污染物综合排放性能平均下降了10.05%;相对于优化前,发动机输出功率减少,电机输出功率增加,发动机和电机的工作效率均得到了显著提升;Pareto最优解的收敛性和覆盖范围优于带精英策略的非支配排序遗传算法,同时得到的多组Pareto最优解为整车设计和优化提供了更多选择。     

基于NSGA-Ⅱ算法的磁流变悬置磁路多目标优化

以磁流变悬置的磁路体积最小、输出阻尼力最大为优化目标,基于ANSYS参数化设计语言(APDL)建立了磁流变悬置磁路结构的多目标优化模型,采用带精英策略的快速非支配排序遗传算法(NSGA-II)进行优化,获得了磁路结构的Pareto最优解,并采用模糊集合理论对Pareto最优解进行选优。根据优化前后的磁路结构尺寸加工了两个磁流变悬置,并对悬置动态性能进行试验。结果表明:所提出的磁流变悬置磁路多目标优化方法是正确有效的,能够获得更加紧凑的磁流变悬置磁路结构,并提高悬置的输出阻尼力。