基于遗传算法的MVB周期调度表优化

提出一种基于遗传算法的多功能车辆总线（MVB）周期信息实时调度算法. 先根据IEC61375 1国际标准确定约束条件和优化目标, 再以MVB周期信息群体为操作对象, 通过调整调度表的宽度和梯度等参数, 获得优化调度表, 以解决现有调度算法在数据传输能力和总线利用 率方面存在的不足. 仿真实验表明, 该算法相比其他算法对周期调度表的构建具有更佳的优化效果, 并提高了总线利用率.     

多功能车辆总线事件仲裁实时调度算法

针对列车通信采用多功能车辆总线(multifunction vehicle bus,MVB)网络传输数据的实时性要求,提出一种动态优先级时间片轮询算法.该算法根据非周期数据的优先级进行仲裁调度,通过优化算法复杂度、减小数据等待延时和阻塞延时,解决了MVB网络实时性的问题.并对MVB总线非周期数据的实时性、公平性等进行仿真分析,结果表明,该算法能提高MVB总线非周期数据传输的实时性与公平性,可满足列车通信网络标准ICE61375-1对实时性的要求.     

基于Pareto蚁群算法的MVB周期轮询表优化设计

合理的多功能车辆总线(MVB)周期轮询表有助于均衡网络负荷、提高网络处理偶发信息的能力、保证实时通信的可靠性.为此提出一种有效的轮询表设计方法.将MVB周期轮询表的设计抽象成离散优化问题,根据IEC 61375-1国际标准和可调度性要求建立约束条件,将均匀度和相邻基本周期时间差作为优化目标,利用Pareto蚁群(Pareto ant colony,P-AC)算法求解.每个优化目标对应自己的信息素,信息素采用蚁群系统的规则更新,总信息素由两者加权得到,非劣解基于拥挤距离方法维护.与已有的优化算法相比,Pareto蚁群算法优化得到的轮询表均匀度更好,能够更有效地均衡网络负荷.     

一种新型的MVB非周期信息优化调度策略

多功能车辆总线(MVB)是列车上通用的内部通信网络总线,对实时性有较高要求.通过分析MVB非周期信息的通信机制和调度策略,针对非周期信息存在仲裁延时的状况,提出了一种新的非周期信息调度策略,避免了仲裁过程.并将设备优先级加入信息模型中,保证紧急非周期信息的优先发送.案例仿真计算分析表明,所提调度策略能有效提高网络总线的实时性,在不同设备数的条件下优势明显.与其他方法比较,在同设备多待发信息的情况下可以有效减小信息的最大响应时间,保证非周期信息的实时性.     

基于极大代数的MVB网络过程数据通信建模与分析

采用离散事件动态系统中常用的极大代数方法考虑多功能车辆总线（MVB）网络过程数据的动态行为. 先基于过程数据在MVB上通信的过程构建一个数学模型, 再通过数学计算和仿真实验分析和验证在引入周期输入控制的条件下, MVB网络过程数据通信的无阻塞条件, 解决了过程数据在通信中可能出现的阻塞问题. 实验结果表明, 过程数据传输系统是否阻塞由过程数据时间矩阵值及总线管理器在通信存储器上读取主帧的时间间隔决定, 后者的值大于等于前者的最大值, 且整个网络会进入周期为1的周期稳态, 有效提高了多功能车辆总线网络过程数据通信的可靠性.     

基于MVB技术的地铁网络通讯故障分析

车辆通信多功能总线(MVB)作为城市轨道交通车辆通信的主流,具备高速信号采集、高效操作等特征,已成为通信网络最为快速的总线优化代表。目前,MVB技术因其独特的技术优势,广泛应用于现代城市轨道交通车辆通信,对维护车辆通信效益具有直接影响。基于此,该文围绕MVB技术展开深入探究,重点分析地铁网络通讯故障及优化建议,为地铁网络通讯故障提供辅助作用,以供相关研究参考。     

改进的TT-RMS调度表生成算法

基于时间触发以太网的网络模型与消息模型,改进了时间触发单调速率调度(TT-RMS)通信表生成算法,用于生成时间触发以太网的调度表。改进后的TT-RMS算法,首先根据消息的周期属性,计算出消息调度的集群周期长度,其次根据消息的周期及经过的路径长度,确定出消息调度的先后顺序,最后根据时间槽的分配状态进行消息调度。实验结果显示,改进后的TT-RMS算法,可以在多跳网络环境下,基于不同长度和周期的消息,生成时间触发消息调度表,同时生成的调度表能够满足消息的时延需求。     

基于多功能车辆总线的网络系统冗余设计

针对多功能车辆总线网络系统的可靠性问题,采用二模热冗余方法进行多功能车辆总线(MVB)网络冗余环型设计,并提出相应的介质冗余协议;对多功能车辆总线冗余环型网络的可靠性进行理论分析,并基于OMNeT++仿真平台建立多功能车辆总线冗余环型模型,对介质冗余协议进行仿真测试.测试结果表明,当多功能车辆总线网络系统出现故障时,介质冗余协议能实时可靠地进行总线替换,有效提高了多功能车辆总线网络系统的可靠性.     

具有VME总线的车载安全计算机MVB通信板卡

在研究多功能车辆总线MVB、轨道交通车载ATP安全计算机系统的基础上,开发了基于VME总线接口、2乘3取2冗余结构的MVB网络通信控制板,可靠地实现车载ATP安全计算机系统中MVB接口通信功能.在对比了几种冗余结构的基础上,建立数学模型,分析了系统的可靠性和安全性,并详述了VME总线Slave接口的设计及在3取2表决中的同步和容错技术,最后对通信板卡进行了安全测试,在满足IEC61375-1标准的同时,也实现了冗余容错机制,为车载安全计算机控制网络的进一步研究奠定基础.     

基于模糊神经网络的MVB故障诊断算法

针对多功能车辆总线具有随机性和不确定性导致故障诊断准确率较低的问题, 设计一种基于模糊神经网络的MVB故障诊断算法. 首先根据MVB故障类型给出诊断模型, 然后采用减法聚类生成数量较少的模糊规则, 最后采用T-S模糊神经网络对故障进行分类. 在MATLAB环境下对该算法的拟合能力及诊断准确率进行仿真分析的结果表明, 该算法简化了模糊神经网络结构, 有效提高了故障诊断准确率.     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

求解环境经济调度问题的多目标差分粒子群优化算法

提出一种基于差分演化的改进多目标粒子群优化算法来求解电力系统环境经济调度问题。算法通过对Pareto最优解集的差分演化来增加Pareto最优解的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,以提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的动态变化可增强算法的全局搜索能力。对电力系统环境经济负荷分配模型进行仿真,并与文献中的其他算法进行了比较。结果表明,改进的算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。     

改进的灰狼算法在电动汽车充电调度中的应用

针对灰狼优化算法（grey wolf opotimizer, GWO）易早熟收敛和陷入局部最优的缺点,提出一种基于精英反向学习的混合灰狼算法（grey wolf optimizer based on particle swarm optimizer,PSO-GWO）。首先,利用精英反向学习机制初始化种群,使种群保持多样性;然后提出一种非线性控制因子策略,增加算法的搜索能力,提高算法的收敛速度;最后基于差分进化和粒子群思想更新了位置方程,从而提升算法的收敛性能。采取10个基准测试函数将本文提出的改进的算法与差分进化算法、粒子群算法、传统灰狼算法、其他学者提出的改进灰狼优化算法进行对比。实验结果表明,本文提出的算法与其他算法相比,在求解多峰函数问题上效果显著,可以搜索到最优解0,同时求解最优非0解函数的效果也体现地较优越;同时运用改进的算法在实际电动汽车充电调度上进行了对比分析,发现也取得了不错的效果。     

改进的基于局部搜索策略的生物地理学优化算法

为了提高生物地理学优化（BBO）算法的优化特性,提出一种改进的基于局部搜索策略的生物地理学优化算法（ILSBBO）。改进的算法将差分进化算法的局部搜索策略与BBO算法的迁移策略进行结合,并引入了差分进化算法中的选择操作。在13个基准测试函数上,对改进的算法、基本BBO算法,以及基于BBO的混合差分进化算法（DE/BBO）进行比较,结果表明改进的算法优于所比较的其他两种算法;此外,改进后的算法在收敛速度上也优于基本BBO算法。     

基于改进微分进化算法的机构综合新方法

针对机构综合的非线性方程组求解问题提出了一种改进的微分进化算法.该算法是将方程组转换成一个优化问题,在进化过程中,该算法根据进化情况采用动态参数调整机制提高算法的搜索效率,并且对种群重叠状况进行实时监视,对重叠个体利用混沌搜索策略来进一步提高算法的全局寻优能力.机构综合实例结果分析表明,文中提出的改进微分进化算法高效、且全局寻优能力强.     

用改进的差异演化算法求解双冲量交会问题

推导了在初始端点固定和初始端点不固定两种情况下航天器双冲量交会问题的优化模型,确定以燃料和时间加权作为优化目标.在此基础上,运用改进的差异演化算法进行仿真计算.最后从收敛性和搜索的准确性两个方面对改进的差异演化算法与基本遗传算法进行比较.研究结果表明:改进的差异演化算法在求解航天器双冲量交会问题时具有收敛速度快、优化能力强、算法可靠等优势.     

一种改进PSO算法在经济调度中的应用研究

粒子群优化算法是一类新的基于群体智能的启发式全局优化技术,群体中的每一个粒子代表待解决问题的一个候选解,算法利用粒子之间的相互作用发现复杂问题解空间的最优候选区域.综述了算法的基本形式及其多种改进形式,通过比较提出了一种用于求解一般形式的非连续、非凸、非线性约束优化问题的改进粒子群算法,用于求解复杂的非凸、非线性电力系统经济负荷分配问题.仿真结果表明,所提出的方法搜索速度快,求解精度高,易于掌握,是解决电力系统经济负荷分配问题的有效手段.     

基于差分进化算子变异的中心引力优化算法

针对中心引力优化算法易陷入局部最优这一不足,加强算法的全局寻优能力,提出一种改进的中心引力优化算法,根据差分算法本身的固有特性,通过引入差分进化算子对当前粒子位置的分量进行变异,促使算法摆脱局部最优,增强算法的全局收敛性.最后选取5个经典函数对算法进行测试,并与其他算法进行比较分析,结果证明算法的精度得到了明显提高,从而验证了该算法的有效性和可行性.