基于NSGA-Ⅱ算法的储能式有轨电车复合电源参数优化设计

为研究一类以动力电池和超级电容为复合电源的有轨电车参数匹配问题,提出一种基于多目标优化的复合电源参数设计方法。根据有轨电车的动力性能需求,给出基于等效计算的复合电源参数设计方法。以有轨电车日均运行成本和动力电池的性能衰减率为评价指标,建立多目标优化函数,采用带精英策略的非支配排序的遗传算法（NSGA-Ⅱ）,设计系统仿真模型在环的复合电源参数优化流程。以一次往返行程为运营要求,对比分析两个不同工况的Pareto解集和等效计算配置方案下的有轨电车系统仿真结果。结果表明,相比等效计算的配置方案,优化的配置方案使动力电池性能衰减率降低至少约31.1%;合理的配置方案可有效保证较高的再生制动能量回收率和有轨电车效率;长站间距的工况增加了对复合电源的配置需求。     

多目标产品配置优化研究

针对多目标产品配置优化问题,考虑实例关系和个性化等约束,构建了以性能、成本和交货期为目标的产品配置模型。设计了一种改进的非支配排序遗传算法(Non-Dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)进行配置模型求解,并根据顾客偏好推荐配置方案。该算法采用动态罚函数处理约束问题,采用自适应交叉和变异概率提高算法收敛速度,对变异操作结果进行模拟退火操作,避免了算法陷入局部最优解,并针对多目标问题改进了Metropolis准则。通过算法验证与实例应用,证明本模型有效可行,改进NSGA-Ⅱ算法在配置问题求解上优于NSGA-Ⅱ算法。     

基于NSGA-Ⅱ算法的复合电源混合动力系统参数匹配优化

针对复合电源混合动力系统传统参数优化算法目标比较单一的缺陷,以燃油经济性、排放性和舒适性作为多目标参数优化对象,以整车动力性指标作为约束条件,提出NSGA-Ⅱ多目标参数优化算法。优化结果表明:在满足动力性指标和车速跟随基本吻合的情况下,优化后的燃油经济性指标平均提高了5.51%,排放性指标平均提高了14.86%,舒适性指标达到了使人感到舒适的程度,蓄电池的最高充放电电流降低了一半。而且获得的一系列分布均匀全局最优解,优化结果比较满意,验证了提出的参数匹配优化算法的准确性和适用性。     

复合机床动态耦合特性分析及优化

针对自主研制的复合机床多工况和多轴联动的特点,对机床在多轴联动下的动态耦合特性进行仿真分析,结果表明立柱为影响机床动态耦合性能的关键结构件;以立柱为优化目标,提出了一种BP神经网络近似模型与NSGA-Ⅱ算法相结合的优化设计方法;采用最佳填充空间试验设计,在设计空间抽取样本点进行网络训练,并构建神经网络近似模型;利用NSGA-Ⅱ算法对神经网络模型循环逼近优化,得到Patero前沿解。结果表明,优化后整机前两阶固有频率得到较大提升,机床在X、Y、Z方向上的共振峰值分别下降了41.0%,57.5%和39.7%。     

一种脑外科手术机器人运动学参数标定方法

为提高脑外科手术机器人绝对定位精度,提出了一种串联式六自由度手术机器人运动学参数标定方法。根据脑外科手术机器人应用环境,采用一种针对手术工作空间的机器人参数采集方式,通过非支配排序的带有精英策略的多目标优化算法(NSGA-Ⅱ),将运动学模型标定问题转换为基于距离误差的多目标优化问题进行计算。通过模拟手术环境完成机器人参数标定的测试实验,说明利用这种标定方法可有效降低手术机器人系统绝对定位误差(误差降低了75%),提高机器人局部工作区域的定位精度。     

分时电价下多目标绿色可重入混合流水车间调度

针对多目标绿色可重入混合流水车间调度问题（RHFSP）的特点，在机器分配和工序排序的基础上引入分时电价机制，构建了以最小化最大完工时间、总能耗成本和碳排放为目标的绿色调度优化模型，提出了一种改进的多目标文化基因算法（MOMA）来求解该问题，通过数值实验验证了所设计的MOMA算法的可行性。实验结果表明MOMA算法在非劣解的收敛性、多样性和支配性指标方面都显著优于多目标蚁狮优化算法(MOALO)、多目标粒子群优化算法（MOPSO）和带精英策略的非支配排序遗传算法（NSGA-Ⅱ），四种算法的分布性指标无显著差异。所提出的模型能够使企业有效避开高电价时段作业，合理转移用电负荷，达到降低总用电成本和碳排放的目的。     

基于动态加点Kriging模型的机床立柱多目标优化

为改善机床性能,提出一种将拉丁超立方实验设计、动态加点准则Kriging模型、NSGA-Ⅱ遗传算法相结合的多目标优化方法.通过特性分析表明机床立柱是整机静动态特性的薄弱环节,选取立柱尺寸参数为设计变量,通过拉丁超立方实验设计法抽取样本点构建机床立柱多目标优化的动态加点Kriging代理模型,利用NSGA-Ⅱ遗传算法对响应面模型进行寻优逼近得到Pareto最优解集,选择符合权重要求的一组数据作为优化结果.验证表明,机床整机前两阶固有频率显著提高,整机刚度得到加强.     

基于凸优化的车载复合电源参数匹配

提出一种电动汽车复合电源参数快速匹配方法,对复合电源参数和能量管理策略同时进行优化。为避免动态规划或者进化算法在求解此类优化问题时出现的计算负担大或结果次优的问题,应用凸优化原理对优化问题进行求解。对复合电源模型进行线性近似,并引入新变量对优化问题中的目标函数和约束进行转换,将优化问题转化为凸优化问题,最后应用Matlab/cvx工具箱进行求解。应用动态规划求解此优化问题并对比优化结果:凸优化和动态规划结果相差在4%以内,凸优化保证了全局最优;凸优化耗时不超过100 s,明显优于动态规划,有良好的工程应用潜力。凸优化结果表明:通过增加最大不超过60 W·h的超级电容组能够延长电池组一倍的寿命里程,改变凸优化问题的权重可以快速获取所需参数。     

考虑设备多状态的缸盖生产线性能分析与优化

为实现发动机缸盖生产线的性能提升和成本管控,提出一种考虑设备多状态的发动机缸盖生产线性能分析与缓冲区配置优化方法。首先,采用马尔可夫模型揭示设备多状态与缓冲区库存的变化规律,建立了生产线可用度与缓冲区容量的耦合模型。其次,构建了以生产线可用度和缓冲区配置成本为目标的多目标优化模型,并采用NSGA-Ⅱ算法求解优化模型。最后,通过案例证明所提方法能提高缸盖生产线的生产性能并降低缓存区配置成本。     

多品种分批量冲压车间的耦合选择NSGA-Ⅱ调度优化

为了对多品种分批量生产的冲压车间调度方案进行优化,减少冲压车间的完工时间、加工成本和换模次数,提出了基于耦合选择NSGA-Ⅱ算法的冲压车间调度优化方法。对冲压车间的调度优化问题进行了数学描述,建立了多目标、多限制条件的优化模型。通过构造4基因链缠绕的染色体,将冲压车间调度优化问题转化为遗传算法的多目标搜索问题。在传统NSGA-Ⅱ算法基础上,将耦合选择策略引入到算法中,兼顾了染色体的优越性和多样性,从而提出了基于耦合选择NSGA-Ⅱ算法的调度优化方法。经验证,耦合选择NSGA-Ⅱ算法所得Pareto前沿解质量高于传统NSGA-Ⅱ算法所得Pareto前沿解质量。使用等权重系数法从Pareto解集中确定了最优解,与优化前相比,换模次数减少了52.2%,加工成本减少了18.4%,最大完工时间减少了40.0%,以上数据验证了耦合选择NSGA-Ⅱ算法在冲压车间调度优化中的可行性。     

混合动力汽车能量管理的自适应交叉NSGA-Ⅱ优化

为了降低混合动力汽车的油耗并减少有害气体的排放,提出了基于逻辑门限值的能量管理策略和自适应交叉NS-GA-Ⅱ算法的控制参数优化方法.介绍了混合动力系统结构和工作模式,建立了混合动力系统仿真模型.基于逻辑门限值构造了混合动力汽车能量管理策略.以控制策略参数为优化对象,以降低油耗和减少有害气体排放为优化目标建立了参数优化模...     

基于NSGA-Ⅱ的通用多级圆锥-圆柱齿轮减速器的多目标优化设计

研究了多级圆锥-圆柱齿轮减速器通用非线性多目标优化模型的建立方法,阐述了该类问题求解方法选用,结合NSGA-Ⅱ遗传算法获得了相应实例最优解,说明所提出模型和算法是有效的。     

基于改进NSGA-Ⅱ算法的风电—抽水蓄能联合优化运行研究

以经典日风电功率预测为基础,提出了风电—抽水蓄能联合优化运行模型,该模型以联合系统经济性最大、出力的波动性最小及系统碳排放量最小为目标.利用改进的NSGA-Ⅱ算法对多目标模型进行求解,结果证明,利用改进算法求解的风电—抽水蓄能联合优化运行模型有效提高了电网的经济效益、环境效益及电力系统的稳定性.     

基于GA-BP与NSGA-Ⅱ的数控铣削参数优化研究

高效低碳制造是可持续发展的关键,而数控铣削作为常用的金属表面加工方法存在刀具寿命短、碳排放量高的问题。提出基于NSGA-Ⅱ的GA-BP多目标优化方法,通过分析不同加工参数条件下的数控铣削刀具寿命及碳排放数据集,建立GA-BP神经网络刀具寿命及碳排放预测模型。基于NSGA-Ⅱ算法建立以刀具寿命、碳排放量为目标的主体优化模型,调用构建的GA-BP神经网络模型作为目标函数进行优化求解,得到Pareto最优解集。对Pareto最优解集进行TOPSIS最优解决策,得到综合优化刀具寿命与碳排放量的加工参数组合。优化结果表明：该方法既可以对数控铣削刀具寿命及碳排放量进行准确预测,还可以对两者进行有效优化,对数控铣削参数优化具有一定的理论指导意义。     

基于Pareto最优原理的钻机钻进参数多目标优化

针对某双管定向钻机,提出了基于Pareto最优原理的钻进参数多目标优化方法。该方法根据钻机性能与工况,考虑水力对钻头比能影响,确定了钻进参数优化模型。针对罚函数处理约束条件的不足,引入了改进约束条件处理策略,提出了基于小生境思想拥挤度值计算方法及自适应交叉和变异算子。测试了改进算法的性能,并将改进算法用于求解基于某煤矿工程实际建立的钻机钻进参数优化模型。研究结果表明：与NSGA-Ⅱ和MOPSO算法相比,改进算法在求解测试问题时具有更好的收敛性与分布性。利用改进算法求解实际问题时得到的Pareto前端解集分布均匀,而且有效提高了机械钻速,延长了钻头寿命并降低了钻头比能。     

基于Pareto最优的多企业协同计划调度优化

为解决协同制造环境下多协作企业的协同计划调度问题,针对多企业协同生产链实际运作过程,建立了一种考虑综合成本和完工时间的多目标计划调度优化模型。基于Pareto最优概念,采用NSGA-Ⅱ算法（快速非支配排序遗传算法）来解决多目标优化问题。为了保证解的收敛性和多样性,设计了有效的编解码方式和遗传操作程序,通过局部变异种群重复个体,并采用分布函数自适应选取精英数量,得到一系列Pareto最优解。最后通过仿真实例对多目标优化模型和算法进行了求解,结果表明,该方法可快速有效地实现全局多目标寻优,从而找到更多更合理的协同计划调度方案。
     

考虑学习效应的单人作业车间多目标调度算法

为减少受学习效应影响的单人作业车间的最大完工时间和工人行走时间,建立了考虑依赖加工时间和的学习效应的单人单工序多机车间调度模型,提出考虑学习效应的多目标贪婪算法(MOGL),融合了带精英策略的非支配排序遗传算法(NSGA-Ⅱ)与基于贪婪的邻域搜索,构造了迭代多目标遗传算法(IMOGA),并基于MO-GL设计了初始解集.设计实验评估了IMOGA的性能,使用Hypervolume指标比较了IMOGA与传统算法.结果表明,IMOGA可以有效求解该问题,对初始解集的改进和基于贪婪的邻域搜索可以有效提高NSGA-Ⅱ的性能.     

分时电价下基于NSGA-Ⅱ的柔性作业车间绿色调度

通过规划绿色生产调度实现了时间、经济和能耗三者的协同优化。以柔性作业车间为背景，结合分时电价政策，构建了设备不同工作状态下的设备能耗成本计算模型；同时兼顾碳排放与订单交付等绿色生产车间管理要求，建立了包括最小化碳排放、能耗成本和最大完工时间在内的柔性作业车间绿色调度多目标优化模型；为避免算法过早陷入“早熟”并保持种群多样性，采用基于动态控制参数和改进精英保留策略的快速非支配排序遗传算法(NSGA-Ⅱ)进行求解；最后，通过具体算例验证了所建立模型的可行性与改进算法的优越性。     

车间生产过程的能量足迹建模与加工参数协同优化

为降低零件加工过程的生产能耗,提出一种面向节能的车间生产过程多装备加工参数协同优化方法。以包含机床与机器人的定制化生产车间为研究对象,建立了考虑刀具退化动态过程的生产车间系统能量足迹模型。考虑刀具寿命、机器人运输平稳性的成本指标函数,建立了多装备系统的加工参数协同多目标优化模型。以加工时间为约束条件,使用蜂群算法获取了最优参数。实验表明,以节能目标为主的优化方案可降低机床加工能耗17.97%,降低机器人运输能耗18.13%。     

基于Cruise和Isight的两挡电动汽车传动系统匹配与优化

针对两挡电动汽车动力传动系统匹配与优化问题,根据整车设计参数及目标要求,通过理论计算对纯电动汽车驱动电机、动力电池、变速器等核心部件进行动力性匹配,运用Cruise仿真软件建立目标车辆的整车模型,并对匹配结果进行仿真验证.在动力性满足设计要求的前提下,为进一步改善经济性,搭建Cruise和Isight联合仿真模型,采用改进的非支配排序遗传算法(NSGA-Ⅱ),对传动系统传动比进行多目标优化,获得兼顾动力性和经济性的最优方案.优化结果表明,优化后NEDC(New european driving cycle)循环工况下电耗比优化前降低了0.38 kWh/100 km,经济性提高2.4％;0～100 km/h加速时间比优化前降低0.95 s,动力性提高7.5％.