Parameters Optimization for HEV Based on Simulated Annealing Particle Swarm Algorithm

分别采用多层次参数扫描(MLPS)算法和模拟退火粒子群优化(SAPSO)算法对并联式混合动力车逻辑门限控制策略的参数进行优化.将优化后的车辆以TEST-CITY-HWY测试循环进行仿真,并将结果与优化前的车辆的仿真结果进行对比.结果表明,经MLPS算法优化后,燃油消耗和HC与NOx排放分别下降了11.98％、6.01％和4.03％,但CO排放增加了25.18％;经SAPSO算法优化后,燃油消耗和HC、CO与NOx排放分别下降了13.61％、9.57％、27.78％和18.53％,且电池荷电状态(SOC)比MLPS优化略高.说明SAPSO算法在混合动力车控制参数优化效果上明显优于MLPS算法.     

基于粒子群算法的导弹初始备件优化配置

从备件的优化配置出发,建立了在费用和装备完好率共同约束下的备件优化模型。利用收敛速度快、全局寻优能力强、编程实现简单的特点,粒子群算法应用于该模型的求解,得到导弹初始备件的最优配置。案例分析结果表明了粒子群算法解决该问题的有效性。     

保障使命任务分解与流程集成方法研究

保障使命任务分解是保障流程分析与建模的基础,运用美国国防部体系框架（Department of Defense Architecture Frame—work,DoDAF）,给出了体系使命分解的原则与建立保障任务静态模型的方法,在任务分解的基础上,建立了保障任务静态模型,提出了基于Petri网的保障体系集成建模方法,给出了模型的概念视图,介绍了流程动态规划模型的建立方法,运用上述模型与方法对实际案例进行分析与应用,验证了模型和方法的有效性。     

基于卷积网络与自适应SVM的齿轮箱故障诊断

针对齿轮箱运作过程中故障诊断效果不理想的问题,提出了一种卷积神经网络(CNN)与粒子群优化的支持向量机(PSO-SVM)方法.首先利用特征参量求出信号的时频特征统计量,其次利用卷积神经网络对时频特征统计量进行二次特征提取,最后利用粒子群优化的支持向量机进行分类.经实验验证,此方法准确率不仅高于其他经典网络模型,而且训练...     

基于权值优选粒子滤波的雷达目标跟踪

本文详细分析了粒子滤波的特点,给出了基于权值优选的粒子滤波算法,对雷达目标进行了跟踪。仿真结果表明,基于权值优选的粒子滤波算法在N值较小的情况下较标准粒子滤波算法具有更明显的优势。     

船体零件智能优化排样系统的设计研究

针对船体零件的排样问题,开发了基于智能算法的板材套料优化排样系统。该系统采用粒子群算法,并将免疫记忆和浓度机制引入算法提高了零件的排序优化速度。通过零件图形信息数据库管理模块和排样解码算法,实现图形的输入和编码、定位排放和正交靠接及自动计算生成最优排样结果。排样实例表明了该系统具有良好界面和人机交互功能,且有效提高了排样自动化程度和材料利用率。     

基于粒子群算法的出口集装箱堆场箱位分配研究

码头堆场中出口集装箱的箱位分配是典型的NP-hard优化问题,考虑集装箱的质量及目的港,以出口集装箱的装船路径和堆区的翻箱率为目标,建立适合出口集装箱堆场箱位分配的数学模型,以粒子群算法进行求解,数据实验表明该模型能够提高堆场的作业效率,具有一定的的实用性.     

改进支持向量回归机的短时交通流预测

短时交通流预测是实施智能交通控制的基础和保障.针对目前短时交通流预测方法拟合交通数据的能力偏弱，以及过分依赖历史数据的不足，提出一种基于深度学习回归机的短时交通流预测方法.首先构建深度学习回归机算法模型，包括受限玻尔兹曼机的显层节点输入端，受限玻尔兹曼机的若干中间层，以及径向基支持向量回归机输出端.通过实验将深度学习回归机预测方法与其他典型的短时交通流预测算法进行比较，结果表明，在相同的数据和计算平台下，本文提出的深度学习回归机预测方法精度更高，且预测实时性也能满足实际的需求.     

基于广义费用函数的城际铁路分时定价策略研究

随着我国城市群的发展,区域内部各城市之间的客流需求不断增长,城际铁路作为城市间出行的主要方式,客流在高峰、低谷时段具有明显的不均衡性。为了更加平稳有序地提供高质量服务,充分发挥票价调节供需匹配关系的作用,对城际铁路分时定价策略进行研究,构建不同时刻、不同运输方式的旅客出行广义费用函数,建立双层规划模型,优化不同时段城际铁路票价,并结合Frank-Wolfe算法和带有惯性权重的粒子群算法,求解双层规划模型。最后,以京津城际铁路为例,验证了分时定价策略可以使客流分布更加均衡,并提高铁路运输部门收益。