基于多目标遗传算法的增程式电动汽车动力系统参数匹配优化研究

在完成增程式电动汽车（E-REV）动力匹配与性能仿真基础上,针对E-REV动力系统参数匹配优化问题,以整车制造成本、汽车两种运行模式下等效百公里油耗以及百公里加速时间为目标,以驱动电机峰值功率、发动机额定功率以及电池能量为变量,设计了基于线性加权的多目标遗传算法。结果表明,适当牺牲汽车动力性可最大降低制造成本5.19%,并降低等效油耗9.61%以上。可以得出,通过改善匹配方案能进一步提高整车的动力经济性并降低制造成本,研究对E-REV市场推广及量产化具有重要意义。     

增程式电动汽车技术参数设计

基于国内电动汽车的发展,通过理论分析的方法设计出微型增程式电动汽车的技术参数及二冲程直喷发动机的基本参数,并将其进行匹配。将二冲程直喷发动机应用到增程式电动汽车上将会进一步提升增程式电动汽车的动力性能与经济性。     

增程式电动汽车整车控制策略研究与实现

本文介绍了一款带有模式开关的增程式电动汽车的整车控制策略,并重点针对增程模式制定了几种控制策略方案,同时以MATLAB作为仿真平台,搭建增程式电动汽车整车和控制系统模型,并以一款车型为样例对这几种控制策略分别进行了对比仿真分析.通过比较各控制策略下整车能量消耗、NVH性能等,确定了增程式电动汽车增程模式下的最优控制策略方案.     

基于Cruise的增程式电动汽车仿真与分析

增程式电动汽车是新能源汽车的重要解决方案.通过Cruise软件进行增程式电动汽车建模,以实现纯电动运行模式和增程式运行模式相结合.首先,利用Cruise软件搭建一个增程式电动汽车的模型,参考标车的性能指标,对各个组件的参数进行设计.然后,对增程式电动汽车模型建立信号连接.最后,通过设定的循环工况进行仿真,得出相应的曲线图和数据结果.通过对仿真结果的分析,得出结论.仿真达到了预期效果,同时证明了增程式电动汽车既实现了节能减排,又克服了纯电动汽车续驶里程短的缺陷.     

基于多目标优化模型的电动汽车增程器油耗及排放优化

针对增程式电动汽车油耗和排放优化问题,首先综合考虑增程器的油-电转换效率特性、HC排放特性、CO排放特性以及NOx排放特性,构造了增程器油耗和排放多目标优化模型,同时结合实际增程器工作中的机械和电气约束特征,分析了多目标优化模型的3种转速、转矩约束条件.然后采用多目标粒子群算法和加权尺度法对增程器油耗和排放多目标优化模型进行了离线优化,得出了增程器的最优全局工作点和各功率值下的多目标最优工作曲线.最后,采用NEDC,FTP和HWFET3种测试工况在AVL Puma Open发动机测试台架上进行了实验,并和基于最佳制动燃油消耗率(BSFC)的油耗单目标优化模型进行了比较.结果表明,本文提出的方法能够以微弱的油耗增加为代价,有效的改善整车的HC,CO和NOx排放.     

增程式电动汽车动力总成参数匹配设计

增程式电动汽车作为一种新型节能环保型汽车,是传统内燃机汽车向纯电动汽车过渡的一种车型;根据动力传动系统的设计原则和设计目标,基于铃木奥拓燃油汽车改装设计了增程式电动汽车的动力传动系统的参数匹配方法,根据电动汽车基本参数及其控制目标,对动力总成系统的关键零部件进行了匹配设计;匹配结果表明:电动机的额度电压为60V,最高转速为4 000r/min,额定功率为8kW,额定转矩为40.43N·m,峰值功率为11kW,最大扭矩为80.86N·m;增程器采用马勒增程器和两缸直列四冲程发动机;动力电池组采用磷酸铁锂子电池,单组额定容量为80Ah、总电压为96V;对于指导增程式电动汽车的开发、提高汽车性能和安全性,以及对于电动汽车底盘集成控制系统的开发都具有重要的工程应用意义。     

电动汽车增程器燃油效率优化控制

针对如何提高增程器燃油效率,降低整车油耗的问题,提出了一种基于PRP共轭梯度法的增程器燃油效率优化控制方法.首先,以产生给定能量燃油效率最高为优化性能指标,以发动机转矩和发电机转矩为寻优变量,建立了增程器燃油效率优化控制问题的离散系统模型.然后,对算法实现过程中发动机、发电机的最高转速和最大转矩限制的处理方法进行了阐述,给出了基于PRP共轭梯度法的增程器燃油效率优化控制问题的数值实现方法的详细步骤.最后,仿真和实验结果表明本文提出的优化控制方法可以有效提高增程器的燃油效率.     

增程式电动汽车自校正变结构模糊控制策略

针对增程式纯电动汽车的结构,为了提高燃油效率保证燃油经济性、限制充放电电流、延长电池使用寿命,提出了一种基于自校正变结构模糊的增程器控制策略。综合考虑电池电量SOC及其变化率、驱动电机功率需求,通过模糊控制调整增程器的输出功率进行能量分配。首先根据SOC值与驱动电机功率需求设计多输入单输出模糊控制器,输出量为增程器的功率;其次根据SOC值将电池状态分为充电模式与放电模式,对不同模式制定不同的模糊控制规则,进行模糊控制器的变结构设计;再次根据SOC值的变化率进行自校正设计,通过限制SOC变化率实现对电池充放电电流的限制,达到对电池的保护功能;最后通过Cruise仿真软件和台架测试对该控制策略进行仿真验证,结果表明燃油经济性以及电池寿命均得到有效提升。     

萤火虫算法的电动汽车综合成本运行优化研究

为实现节能减排,文章以增程式电动汽车为研究对象,提出了一种基于动态综合成本的增程器运行优化方法。首先以增程器发动机外特性为研究基础,根据实际工作状况分别建立了发动机燃油消耗率及CO排放率模型,再通过归一化后将多个目标加权求和的方法建立电动汽车综合成本运行优化模型。模型建立后,在全局优化及特定功率优化这两种常见模式下以萤火虫算法进行寻优,最后在不同的权重条件下得出最佳综合成本运行曲线。实验结果表明,文章提出的方法能够在不同的运行环境下通过动态调整权重值,实现基于燃油消耗率及CO排放的综合成本运行优化。     

电动汽车IPMSM滑模观测器速度控制方法

增程式电动汽车在实际运行中容易产生驱动电机内部参数不确定性和外部扰动的问题,制约了控制系统性能的进一步提升,针对此问题开展电动汽车内置式永磁同步电机速度跟踪控制的研究。为电动汽车驱动电机设计了常规的基于扰动上下界的滑模速度控制器。为了抑制抖振,采用滑模观测器对扰动进行观测,将观测结果前馈至控制器内部,对驱动电机中扰动进行补偿,以降低滑模控制器中的抖振。在ECE工况下对基于上下界的滑模控制和基于观测器的控制方案进行了仿真和实验,对速度的跟踪性能和抖振的削弱性能进行了对比,结果显示负载不发生变化时速度跟踪误差由±0.08 km/h缩小到±0.01 km/h,负载发生变化时,速度跟踪误差由11.3 km/h缩小到1.6 km/h。     

基于遗传算法的不定期船舶调度优化模型研究

针对不定期船舶调度中客户需求信息的动态变化、船舶类型的多样化以及船舶航线的不定性,以最小化航运成本为目标函数,建立了带滚动窗口的不定期多目标船舶调度优化模型（SRPRW）,并制定了基于SRPRW模型的实时优化策略以实现需求信息变化时能及时快速地调整船舶调度航线.SRPRW模型求解时,在遗传算法（GA）中引入模拟退火机制以防止SRPRW模型的调度结果陷入局部最优解,同时设计了一种自适应交叉算子和自适应变异算子,以提高模型求解的收敛速度.实验结果表明该模型能快速地制定出船舶调度路线,及时响应客户的动态需求.     

遗传算法在电力系统无功优化中的应用及研究

该文阐述了将遗传算法应用于电力系统无功优化模块中,目的是可以有效地降低电力系统网络有功损耗．提高系统的电压合格率．从而降低电力网络运行费用,提高供电质量。     

基于模糊时间窗的多目标冷链配送优化

随着生鲜冷链行业竞争逐渐白热化,成本高、时效性强、新鲜度难以保持等问题已成为制约冷链物流配送的瓶颈。为提高生鲜配送效率,考虑客户满意度,以货损成本、惩罚成本等综合配送成本最低为目标函数,构建了一个多目标配送路径优化模型。设计带精英策略的非支配排序遗传算法（Elitist Non-dominated Sorting Genetic Algorithm,NSGA-II）求解该问题,利用Solomon标准数据集进行仿真模拟实验。实验结果对比分析表明,考虑满意度时冷链物流配送所需车辆更少,总路径长度更短,设计的算法可以在较短的时间内获取到帕累托最优解集,能够有效地解决模糊时间窗下的配送路径优化问题。     

带时间窗车辆路径问题的改进粒子群算法研究

设计了一种引入局部近邻机制并且能够优化不可行解的粒子群算法。该算法将粒子群分成相互重叠的子群,在各个子群内寻找近邻,提高了粒子的学习功能和寻找近邻的速度;同时将产生的不可行解进行局部优化,增强了粒子寻找最优的能力。实验结果表明：该算法可以快速求得带时间窗车辆路径问题的满意解。     

带时间窗车辆路径问题的文化基因算法

针对物流配送中带时间窗的车辆路径问题（Vehicle Routing Problem with Time Windows,VRPTW）,建立了数学模型,并设计了求解VRPTW的文化基因算法。种群搜索采用遗传算法的进化模式,局部搜索采用禁忌搜索机制,并结合可行邻域结构避免对不可行解的搜索,以提高搜索效率。与单纯的遗传算法和禁忌搜索算法进行对比实验,表明该算法是求解VRPTW的一种有效方法。     

基于随机模型预测控制的插电式混合动力汽车多目标能量管理策略

为了改善插电式混合动力汽车的燃油消耗和排放, 开展多目标随机模型预测控制策略的研究. 首先, 建立适用于模型预测的多元线性回归的发动机和电池模型, 建立融合燃油消耗和排放的多目标价值函数的模型预测控制, 随后, 基于随机驾驶员模型未来时刻的车速, 结合交通信息并利用动态规划(DP)算法进行参考电荷状态(SOC)优化, 进而建立多目标随机模型预测控制策略. 最后, 通过与DP, MPC等策略进行对比验证, 及给出两组不同权值进行多目标控制效果分析. 结果表明, 该策略的燃油消耗和排放最接近DP的控制效果, 且设置不同权重值可获得相应的控制目标, 说明该策略对提升燃油消耗和排放的多目标性能的有效性.     

多目标进化策略在无线传感器网络中的优化设计

无线传感器网络是由大量受能耗约束的节点组成,兼顾规模和节能的路由协议是无线传感器网络的重要部件。提出了基于多目标进化算法的无线传感器网络的路由优化设计,针对无线传感器网络的能耗、带宽、及时延等指标进行优化。在多目标进化算法中,通过对种群进行初始化、选择、交叉、变异等操作构建非支配集,并使用小生境技术保证种群的分布性。通过与LEACH及SSSL协议的比较,可知基于多目标进化算法可以有效地降低节点的能量消耗,减少网络带宽消耗,降低时延,延长网络的生存时间。     

基于PSO的矿山企业动态配矿优化研究

采用粒子群优化(PSO)算法求解矿山企业动态配矿问题。依据开采条件圈定出可开采的矿块,用粒子的一位代表矿块,并用0或者1代表选择该矿块来开采,重新定义在约束条件下PSO粒子的运算与“飞行”规则,实现动态配矿优化的粒子群算法。该PSO算法实施简单,优化效果明显,通过2009年实际生产情况与优化结果的对比表明,该算法在生产成本几乎不变的情况下,明显提高了企业效率。     

The vehicle routing problem with multiple prioritized time windows: A case study

This paper addresses Multi-objective Vehicle Routing Problem with Multiple Prioritized Time Windows (VRPMPTW) in which the distributer proposes a set of all non-overlapping time windows with equal or different lengths and the customers prioritize these delivery time windows. VRPMPTW aims to find a set of routes of minimal total traveling cost and maximal customer satisfaction (with regard to the prioritized time windows), starting and ending at the depot, in such a way that each customer is visited by one vehicle given the capacity of the vehicle to satisfy a specific demand. This problem is inspired from a real life application. The contribution of this paper lies in its addressing the VRPMPTW from a problem definition, modeling and methodological point of view. We developed a mathematical model for this problem. This model can simply be used for a wide range of applications where the customers have multiple flexible time windows and violation of time windows may drop the satisfaction levels of customers and lead to profit loss in the long term. A Cooperative Coevolutionary Multi-objective Quantum-Genetic Algorithm (CCMQGA) is also proposed to solve this problem. A new local search is designed and used in CCMQGA to reach an appropriate pareto front. Finally, the proposed approach is employed in a real case study and the results of the proposed CCMQGA are compared with the current solution obtained from managerial experience, the results of NSGA-II and the multi-objective quantum-inspired evolutionary algorithm.