本文關(guān)鍵詞：多目標(biāo)粒子群優(yōu)化算法研究及在HEV參數(shù)優(yōu)化中應(yīng)用

  更多相關(guān)文章： 進(jìn)化算法 混合動(dòng)力汽車 粒子群優(yōu)化算法 多目標(biāo)優(yōu)化 均衡 速度項(xiàng)系數(shù)

【摘要】：現(xiàn)實(shí)世界中許多復(fù)雜的工程和科學(xué)研究問題可以歸納為優(yōu)化問題,智能汽車研究中混合動(dòng)力汽車(HEV)的燃油消耗和污染物排放參數(shù)優(yōu)化問題,就屬于優(yōu)化范疇。開展混合動(dòng)力汽車中參數(shù)設(shè)置問題的研究,不僅僅有助于提高科學(xué)決策水平,更是保護(hù)環(huán)境、節(jié)約能源重要的前提條件。為進(jìn)一步提高我國(guó)在智能汽車領(lǐng)域的研究水平,以達(dá)到節(jié)能環(huán)保的目的,結(jié)合粒子群優(yōu)化算法在解決多目標(biāo)優(yōu)化問題上的優(yōu)勢(shì),對(duì)多目標(biāo)粒子群優(yōu)化算法的三個(gè)速度項(xiàng)系數(shù)進(jìn)行同時(shí)改進(jìn),并應(yīng)用于并聯(lián)式混合動(dòng)力汽車中,為將來進(jìn)一步求解智能汽車領(lǐng)域的復(fù)雜參數(shù)優(yōu)化問題做了有益和必要的探索。本研究緊緊圍繞進(jìn)化算法中多目標(biāo)粒子群優(yōu)化算法和并聯(lián)式混合動(dòng)力汽車中的參數(shù)優(yōu)化等研究問題,開展以下研究工作并取得了相應(yīng)創(chuàng)新成果：1.設(shè)計(jì)了一種均衡各速度項(xiàng)系數(shù)的多目標(biāo)粒子群優(yōu)化算法,從粒子的慣性權(quán)重、全局最優(yōu)信息以及局部最優(yōu)信息三個(gè)不同的角度出發(fā),提出了三種不同的動(dòng)態(tài)自適應(yīng)策略,綜合對(duì)多目標(biāo)粒子群優(yōu)化算法的各速度項(xiàng)系數(shù)進(jìn)行均衡優(yōu)化,在7個(gè)標(biāo)準(zhǔn)測(cè)試函數(shù)上進(jìn)行測(cè)試,與5種對(duì)等算法進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果表明,本文改進(jìn)的算法對(duì)于避免粒子過早陷入局部最優(yōu)以及提高整個(gè)算法的精度都有一定的優(yōu)勢(shì)。2.成功地將改進(jìn)的多目標(biāo)粒子群優(yōu)化算法應(yīng)用在并聯(lián)式混合動(dòng)力汽車參數(shù)優(yōu)化中,對(duì)汽車燃油消耗和污染物排量放進(jìn)行優(yōu)化,基于ADVISOR仿真平臺(tái)以及城市循環(huán)工況(UDDS)進(jìn)行仿真模擬,最后將優(yōu)化出的結(jié)果和NSGA-Ⅱ以及多目標(biāo)粒子群優(yōu)化算法進(jìn)行對(duì)比,實(shí)驗(yàn)結(jié)果表明,優(yōu)化后的參數(shù)對(duì)降低燃油消耗以及降低污染物的排放量有很大的優(yōu)越性。發(fā)揮了交叉學(xué)科的優(yōu)點(diǎn),為智能汽車領(lǐng)域研究開拓了新思路。以上工作不僅豐富了粒子群算法在多目標(biāo)優(yōu)化領(lǐng)域的理論基礎(chǔ),對(duì)于進(jìn)化算法的應(yīng)用領(lǐng)域也起到了進(jìn)一步擴(kuò)展的作用,為其與智能汽車相關(guān)的研究相結(jié)合,提供了一種行之有效的新方法,使其在智能汽車中的應(yīng)用更加廣泛。
【關(guān)鍵詞】：進(jìn)化算法 混合動(dòng)力汽車 粒子群優(yōu)化算法 多目標(biāo)優(yōu)化 均衡 速度項(xiàng)系數(shù)
【學(xué)位授予單位】：南京信息工程大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：U469.7;TP18
【目錄】：

• 摘要5-6
• Abstract6-8
• 第一章 緒論8-16
• 1.1 引言8-14
• 1.1.1 研究背景及意義8-9
• 1.1.2 多目標(biāo)進(jìn)化算法的研究現(xiàn)狀9-12
• 1.1.3 進(jìn)化算法在混合動(dòng)力汽車應(yīng)用中的研究現(xiàn)狀12-14
• 1.2 研究?jī)?nèi)容14
• 1.3 本文組織結(jié)構(gòu)14-15
• 1.4 本章小結(jié)15-16
• 第二章 粒子群優(yōu)化算法的相關(guān)工作基礎(chǔ)16-26
• 2.1 粒子群優(yōu)化算法介紹16-20
• 2.1.1 基本描述16-18
• 2.1.2 基本流程18-19
• 2.1.3 基本應(yīng)用19-20
• 2.2 多目標(biāo)粒子群優(yōu)化算法介紹20-24
• 2.2.1 研究進(jìn)展20-22
• 2.2.2 基本流程22-23
• 2.2.3 算法應(yīng)用23-24
• 2.3 與其他進(jìn)化算法對(duì)比24-25
• 2.4 本章小結(jié)25-26
• 第三章 均衡各速度項(xiàng)系數(shù)的MOPSO算法(bcMOPSO)26-43
• 3.1 慣性權(quán)重設(shè)置方法存在問題分析26-28
• 3.2 各速度項(xiàng)系數(shù)動(dòng)態(tài)設(shè)置方法28-31
• 3.2.1 慣性權(quán)重均衡策略28-30
• 3.2.2 局部最優(yōu)項(xiàng)均衡策略30-31
• 3.2.3 全局最優(yōu)項(xiàng)均衡策略31
• 3.3 bcMOPSO算法流程31-33
• 3.4 實(shí)驗(yàn)設(shè)計(jì)33-34
• 3.5 性能指標(biāo)34-35
• 3.6 實(shí)驗(yàn)結(jié)果與分析35-41
• 3.7 本章小結(jié)41-43
• 第四章 bcMOPSO算法在混合動(dòng)力汽車參數(shù)優(yōu)化中應(yīng)用43-64
• 4.1 并聯(lián)式混合動(dòng)力汽車介紹43-44
• 4.2 能量管理策略及仿真軟件44-46
• 4.2.1 能量管理策略研究44-45
• 4.2.2 仿真軟件ADVISOR簡(jiǎn)介45-46
• 4.3 bcMOPSO算法及在并聯(lián)式混合動(dòng)力汽車參數(shù)優(yōu)化中應(yīng)用(PHEV-bcMOPSO)46-49
• 4.3.1 混合動(dòng)力系統(tǒng)的三目標(biāo)優(yōu)化模型47-48
• 4.3.2 PHEV-bcMOPSO算法流程48-49
• 4.4 實(shí)驗(yàn)與仿真49-56
• 4.4.1 車型的基本信息和仿真路況50-51
• 4.4.2 約束條件和優(yōu)化參數(shù)51-52
• 4.4.3 對(duì)比算法52-56
• 4.5 優(yōu)化結(jié)果與分析56-63
• 4.6 本章小結(jié)63-64
• 第五章 總結(jié)與展望64-67
• 5.1 總結(jié)64-65
• 5.2 下一步工作與展望65-67
• 參考文獻(xiàn)67-75
• 致謝75-76
• 作者簡(jiǎn)介76

【相似文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫 前10條

1 戴冬雪,王祁,阮永順,王曉超;基于混沌思想的粒子群優(yōu)化算法及其應(yīng)用[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2005年10期

2 李艷靈;李剛;;粒子群優(yōu)化算法研究進(jìn)展[J];重慶工學(xué)院學(xué)報(bào)(自然科學(xué)版);2007年05期

3 岳興漢;薛云燦;蔡亮;;基于混沌思想的粒子群優(yōu)化算法[J];河海大學(xué)常州分校學(xué)報(bào);2007年04期

4 呂林;羅綺;劉俊勇;田立峰;;一種基于多種群分層的粒子群優(yōu)化算法[J];四川大學(xué)學(xué)報(bào)(工程科學(xué)版);2008年05期

5 房靖;高尚;;不完全判斷矩陣權(quán)值的粒子群優(yōu)化算法計(jì)算[J];科學(xué)技術(shù)與工程;2009年19期

6 徐安;趙思宏;寇英信;黃俊;;基于混合粒子群優(yōu)化的多目標(biāo)決策新方法[J];火力與指揮控制;2010年01期

7 梁武;;改進(jìn)的粒子群優(yōu)化算法在結(jié)構(gòu)優(yōu)化中的應(yīng)用[J];廣東建材;2010年04期

8 馮雪;裴志松;;粒子群優(yōu)化算法的研究與應(yīng)用[J];吉林建筑工程學(xué)院學(xué)報(bào);2011年03期

9 高立群;李若平;鄒德旋;;全局粒子群優(yōu)化算法[J];東北大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年11期

10 趙成業(yè);閆正兵;劉興高;;改進(jìn)的變參數(shù)粒子群優(yōu)化算法[J];浙江大學(xué)學(xué)報(bào)(工學(xué)版);2011年12期

中國(guó)重要會(huì)議論文全文數(shù)據(jù)庫 前10條

1 張妍;張曉光;王永鋼;;幾種改進(jìn)型的粒子群優(yōu)化算法[A];第一屆中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

2 孫紅光;潘毓學(xué);;基于運(yùn)動(dòng)目標(biāo)路徑的粒子群優(yōu)化算法研究[A];第二屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2004年

3 韓毅;唐加福;郭偉宏;劉陽;;混合粒子群優(yōu)化算法求解多層批量問題(英文)[A];中國(guó)運(yùn)籌學(xué)會(huì)第八屆學(xué)術(shù)交流會(huì)論文集[C];2006年

4 金一粟;梁逸曾;;空間自適應(yīng)粒子群優(yōu)化算法的應(yīng)用研究[A];第九屆全國(guó)計(jì)算（機(jī)）化學(xué)學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 汪榮貴;李守毅;孫見青;;一種新的自適應(yīng)粒子群優(yōu)化算法及應(yīng)用[A];計(jì)算機(jī)技術(shù)與應(yīng)用進(jìn)展·2007——全國(guó)第18屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集[C];2007年

6 黃雙歡;程良倫;;一種基于粒子群優(yōu)化的快速圖像傾斜角度檢測(cè)算法[A];中國(guó)自動(dòng)化學(xué)會(huì)中南六省（區(qū)）2010年第28屆年會(huì)·論文集[C];2010年

7 侯志榮;呂振肅;;基于退火策略的粒子群優(yōu)化算法[A];2003年中國(guó)智能自動(dòng)化會(huì)議論文集（下冊(cè)）[C];2003年

8 徐俊杰;忻展紅;;基于增強(qiáng)型參考位置的粒子群優(yōu)化模型[A];’2004系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會(huì)論文集[C];2004年

9 王亞;于永光;耿玲玲;;一類改進(jìn)的自適應(yīng)粒子群優(yōu)化算法對(duì)混沌系統(tǒng)未知參數(shù)的估計(jì)[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

10 崔靜;鄧方;方浩;;基于改進(jìn)粒子群優(yōu)化算法的彈道求解方法[A];2013年中國(guó)智能自動(dòng)化學(xué)術(shù)會(huì)議論文集（第三分冊(cè)）[C];2013年

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 劉昊;多樣性增強(qiáng)的粒子群優(yōu)化算法及其應(yīng)用研究[D];北京理工大學(xué);2015年

2 姜毅;動(dòng)態(tài)環(huán)境下粒子群優(yōu)化算法的研究[D];武漢大學(xué);2013年

3 劉華鎣;粒子群優(yōu)化算法的改進(jìn)研究及在石油工程中的應(yīng)用[D];東北石油大學(xué);2012年

4 劉波;粒子群優(yōu)化算法及其在機(jī)電設(shè)備中的應(yīng)用研究[D];中北大學(xué);2011年

5 熊勇;粒子群優(yōu)化算法的行為分析與應(yīng)用實(shí)例[D];浙江大學(xué);2005年

6 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用研究[D];重慶大學(xué);2007年

7 閆允一;粒子群優(yōu)化及其在圖像處理中的應(yīng)用研究[D];西安電子科技大學(xué);2008年

8 余炳輝;粒子群優(yōu)化算法試驗(yàn)研究及擴(kuò)展[D];華中科技大學(xué);2007年

9 唐賢倫;混沌粒子群優(yōu)化算法理論及應(yīng)用[D];重慶大學(xué);2007年

10 徐慧;粒子群優(yōu)化算法改進(jìn)及其在煤層氣產(chǎn)能預(yù)測(cè)中的應(yīng)用研究[D];中國(guó)礦業(yè)大學(xué);2013年

中國(guó)碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳卓;粒子群優(yōu)化算法的改進(jìn)及在油藏?cái)?shù)值模擬中的應(yīng)用[D];北京建筑大學(xué);2015年

2 白云;基于粒子群優(yōu)化算法的復(fù)雜網(wǎng)絡(luò)社區(qū)挖掘[D];西北農(nóng)林科技大學(xué);2015年

3 楊艷華;基于粒子群優(yōu)化支持向量機(jī)的網(wǎng)絡(luò)態(tài)勢(shì)預(yù)測(cè)模型研究[D];蘭州大學(xué);2015年

4 孟亞州;基于粒子群優(yōu)化OTSU的肺組織分割算法研究[D];寧夏大學(xué);2015年

5 鄭博;基于快速排序的多目標(biāo)粒子群優(yōu)化算法的研究及應(yīng)用[D];鄭州大學(xué);2015年

6 米永強(qiáng);非線性規(guī)劃問題的混合粒子群優(yōu)化算法研究[D];寧夏大學(xué);2015年

7 李建美;基于自適應(yīng)變異與文化框架的混沌粒子群優(yōu)化算法[D];陜西師范大學(xué);2015年

8 劉星;基于粒子群優(yōu)化算法的特征選擇方法研究[D];南京大學(xué);2015年

9 牛旭;動(dòng)態(tài)粒子群優(yōu)化算法及其應(yīng)用[D];西安電子科技大學(xué);2014年

10 葉華;粒子群優(yōu)化算法研究[D];西安電子科技大學(xué);2014年

，

本文編號(hào)：897783