近年來(lái),隨著無(wú)人駕駛的發(fā)展,汽車四化即電動(dòng)化、智能化、網(wǎng)聯(lián)化、共享化逐漸成為汽車行業(yè)未來(lái)的發(fā)展方向,汽車電子電氣架構(gòu)必須支撐未來(lái)汽車“四化”和車載軟件的快速發(fā)展,為此必須滿足的基本需求包括高計(jì)算性能、高通訊帶寬、高功能安全、高信息安全性和軟件持續(xù)更新。然而目前的電子電氣架構(gòu)存在著計(jì)算性能需要提升、通訊帶寬需要提高、軟件需要逐步升級(jí)的問(wèn)題,不能滿足未來(lái)智能汽車發(fā)展的需求。智能電動(dòng)汽車的發(fā)展對(duì)于車載電子電氣架構(gòu)的要求進(jìn)一步的提升,需要更加合理完善的電子電氣架構(gòu)對(duì)智能電動(dòng)汽車予以支撐。因此,需要對(duì)于目前的傳統(tǒng)汽車的EE架構(gòu)進(jìn)行進(jìn)一步地改進(jìn)和優(yōu)化。本文首先對(duì)Pareto多目標(biāo)優(yōu)化原理進(jìn)行深入研究,并將精英控制策略快速非支配排序遺傳算法（Fast and elitist non-dominated sorting genetic algorithm,NSGA-Ⅱ）應(yīng)用到后期架構(gòu)模型優(yōu)化的求解中。之后分析三款競(jìng)標(biāo)車型寶馬7系、奧迪A8和特斯拉的電子電氣架構(gòu)網(wǎng)絡(luò)拓?fù)鋱D,總結(jié)三款車型的控制器、駕駛輔助系統(tǒng)控制器、總線協(xié)議并結(jié)合L4級(jí)標(biāo)準(zhǔn)來(lái)確定下一代智能電動(dòng)汽車的功能需求,然后制定出架構(gòu)方案,架構(gòu)方案包... 

【文章來(lái)源】：天津職業(yè)技術(shù)師范大學(xué)天津市

【文章頁(yè)數(shù)】：68 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖2-1兩目標(biāo)的Pareto前沿及可行域通過(guò)多目標(biāo)優(yōu)化問(wèn)題的描述來(lái)評(píng)價(jià)目標(biāo)函數(shù)解之間的適應(yīng)度強(qiáng)弱

天津職業(yè)技術(shù)師范大學(xué)碩士學(xué)位論文10圖2-2多目標(biāo)進(jìn)化算法模型遺傳操作主要包括三個(gè)遺傳算子:選擇、交叉和變異。以下是對(duì)進(jìn)化過(guò)程中各個(gè)算子的詳細(xì)描述。2.1.4交叉算子交叉的過(guò)程是模擬的自然界的生物雜交的過(guò)程，從父代種群中隨即選擇兩個(gè)個(gè)體進(jìn)行雜件，而交叉算子則是進(jìn)行基因片段的交叉然后產(chǎn)生子代，交叉算子一般主要包括均勻交叉算子[46]和模擬二進(jìn)制交叉算子[47]：（1）均勻交叉算子均勻交叉指的是基因交換的概率是相同的，從父代中隨即選擇兩個(gè)個(gè)體進(jìn)行雜交，其中、2是父代中的兩個(gè)個(gè)體，、2為父代兩個(gè)個(gè)體進(jìn)行交叉后的子代，為隨機(jī)產(chǎn)生的概率模板。（2）模擬二進(jìn)制交叉算子從種群中選擇兩個(gè)個(gè)體2和22222，使用模擬二進(jìn)制交叉產(chǎn)生了兩個(gè)子個(gè)體2和22222如式2.8和式2.9所示：.52（2.8）2.52（2.9）2如果.52其他情況其中，均勻分布地隨機(jī)數(shù)，在每次交叉的過(guò)程會(huì)隨機(jī)產(chǎn)生，和2為父

天津職業(yè)技術(shù)師范大學(xué)碩士學(xué)位論文14圖2-3NSGA-II計(jì)算流程圖2.3本章小結(jié)本章主要進(jìn)行了多目標(biāo)優(yōu)化問(wèn)題的描述并介紹了相關(guān)的多目標(biāo)進(jìn)化算法的概念，包括Pareto支配、Pareto最優(yōu)解、Pareto最優(yōu)解集、局部Pareto最優(yōu)解和弱Pareto最優(yōu)解，然后講述了多目標(biāo)進(jìn)化算法的模型，并敘述了該進(jìn)化算法中的各個(gè)過(guò)程，介紹了三個(gè)遺傳算子即選擇、交叉和變異。其中交叉算子中介紹了均勻交叉算子和模擬二進(jìn)制交叉算子，變異算子中介紹了均勻變異、非均勻變異和多項(xiàng)式變異，環(huán)境選擇中介紹了輪盤賭法、錦標(biāo)賽選擇法和排序選擇法。通過(guò)分析NSGA-II算法的優(yōu)缺點(diǎn)，采用精英策略與動(dòng)態(tài)擁擠距離排序來(lái)改善NSGA-II算法的缺點(diǎn)，其中精英策略可以改善NSGA-II算法的側(cè)向多樣性，動(dòng)態(tài)擁擠距離排序可以改善種群個(gè)體之間分布的均勻性，最后是對(duì)本章的概述，本章為后續(xù)算法的使用提供了相應(yīng)的理論基矗

【參考文獻(xiàn)】：
期刊論文
[1]智能網(wǎng)聯(lián)汽車網(wǎng)絡(luò)架構(gòu)方案研究[J]. 李云海.  智能城市. 2019(19)
[2]基于PREEvision的汽車電子電氣架構(gòu)設(shè)計(jì)介紹[J]. 王永輝.  汽車實(shí)用技術(shù). 2019(15)
[3]基于新架構(gòu)的智能汽車整車線束設(shè)計(jì)研究[J]. 閆新星,李玉慶,李國(guó)慶,徐海良.  電腦知識(shí)與技術(shù). 2019(22)
[4]智能電動(dòng)汽車電子電氣架構(gòu)的設(shè)計(jì)與優(yōu)化措施[J]. 趙洪林,關(guān)志偉,杜峰,李俊凱.  汽車零部件. 2019(06)
[5]改進(jìn)的分布估計(jì)算法求解多目標(biāo)優(yōu)化問(wèn)題[J]. 吳燁燁,高尚.  計(jì)算機(jī)與數(shù)字工程. 2019(06)
[6]基于混合PAES的置信規(guī)則庫(kù)推理算法[J]. 傅仰耿,劉莞玲,吳偉昆,李敏,吳英杰.  電子科技大學(xué)學(xué)報(bào). 2019(02)
[7]電動(dòng)汽車電氣電子架構(gòu)設(shè)計(jì)[J]. 楊偉兵,陳亞麗.  電子技術(shù)與軟件工程. 2018(23)
[8]自動(dòng)駕駛分級(jí)方法及測(cè)試技術(shù)[J]. 石娟,田曉笛,王建培.  汽車工程師. 2018(09)
[9]對(duì)標(biāo)分析在整車設(shè)計(jì)中的應(yīng)用[J]. 袁祥,杜忠仁,韓殿清,王征.  重型汽車. 2018(03)
[10]汽車電子電器構(gòu)架設(shè)計(jì)及優(yōu)化措施[J]. 陸彥達(dá).  時(shí)代汽車. 2018(06)

博士論文
[1]人工免疫算法的優(yōu)化及其關(guān)鍵問(wèn)題研究[D]. 舒萬(wàn)能.武漢大學(xué) 2013

碩士論文
[1]基于遺傳算法的離散多目標(biāo)優(yōu)化問(wèn)題研究及其應(yīng)用[D]. 馬玉泉.蘭州理工大學(xué) 2019
[2]基于進(jìn)化算法的約束多目標(biāo)優(yōu)化問(wèn)題研究[D]. 李進(jìn).蘭州理工大學(xué) 2019
[3]電動(dòng)汽車CAN總線實(shí)時(shí)性能研究[D]. 李海龍.吉林大學(xué) 2018
[4]基于以太骨干網(wǎng)的域集中式網(wǎng)絡(luò)架構(gòu)設(shè)計(jì)與驗(yàn)證[D]. 孟超.吉林大學(xué) 2018
[5]帶精英策略的非支配排序遺傳算法優(yōu)化研究[D]. 郭軍.遼寧大學(xué) 2017
[6]基于Pareto支配的高維多目標(biāo)進(jìn)化算法研究[D]. 韓紅艷.大連理工大學(xué) 2016
[7]改進(jìn)遺傳算法在多目標(biāo)問(wèn)題上的應(yīng)用研究[D]. 郭修豪.重慶師范大學(xué) 2016
[8]遺傳算法進(jìn)化策略的改進(jìn)研究[D]. 弭寶福.東北農(nóng)業(yè)大學(xué) 2014
[9]進(jìn)化算法在公交調(diào)度中的應(yīng)用研究[D]. 王玉杰.沈陽(yáng)工業(yè)大學(xué) 2014
[10]汽車線束一體化設(shè)計(jì)[D]. 陳軼峰.上海交通大學(xué) 2012



本文編號(hào)：3443606