基于進(jìn)化的混合動力系統(tǒng)多目標(biāo)優(yōu)化算法研究

《基于進(jìn)化的混合動力系統(tǒng)多目標(biāo)優(yōu)化算法研究》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。

1、中國科學(xué)院研究生院博士學(xué)位論文基于進(jìn)化的混合動力系統(tǒng)多目標(biāo)優(yōu)化算法研究姓名：楊觀賜申請學(xué)位級別：博士專業(yè)：計算機(jī)軟件與理論指導(dǎo)教師：鐘勇；李少波2012-05摘要摘要混合動力系統(tǒng)的高效運行依賴于各部件的匹配及控制策略，其優(yōu)化模型具有不可微、多維、帶約束、非線性等特點，是典型的多目標(biāo)優(yōu)化問題。當(dāng)前針對混合動力系統(tǒng)多目標(biāo)優(yōu)化研究，采用線性加權(quán)求和法或理想點法等，將多個目標(biāo)函數(shù)轉(zhuǎn)變成單目標(biāo)函數(shù)后進(jìn)行求解，但混合動力系統(tǒng)的多個目標(biāo)函數(shù)間量綱不同且各參數(shù)存在耦合效應(yīng)，將多目標(biāo)單目標(biāo)化的方法難以體現(xiàn)各目標(biāo)的真實特性。當(dāng)前的進(jìn)化算

2、法中，許多研究工作對決策變量映射到目標(biāo)函數(shù)空間后的分布情況比較關(guān)注，而對如何有效利用決策空間中客觀存在的最優(yōu)解分布信息的方法研究較少。論文依托教育部新世紀(jì)優(yōu)秀人才支持計劃資助項目“基于具有記憶功能的進(jìn)化算法的混合動力系統(tǒng)自動設(shè)計州CET-09．0094)”、國家自然科學(xué)基金資助項目“多目標(biāo)優(yōu)化Pareto支配性的模式識別方法研究(60975049)”等項目開展研究，在構(gòu)建混合動力汽車多目標(biāo)優(yōu)化模型上，研究適合于混合動力系統(tǒng)多目標(biāo)優(yōu)化的高效多目標(biāo)進(jìn)化算法。所獲得的基于進(jìn)化算法的混合動力汽車多目標(biāo)優(yōu)化方法、決策空間劃分抽

3、樣理論模型等研究成果具有創(chuàng)新性。本研究是真正意義上采用多目標(biāo)進(jìn)化算法求解混合動力汽車多目標(biāo)優(yōu)化問題的研究，研究成果可以減少混合動力系統(tǒng)創(chuàng)新過程中對人的依賴性，提高企業(yè)的創(chuàng)新設(shè)計能力與效率，具有良好的應(yīng)用價值。主要研究內(nèi)容和創(chuàng)新點如下：1)分析了并聯(lián)混合汽車總成模型，建立了混合動力系統(tǒng)兩目標(biāo)優(yōu)化數(shù)學(xué)模型，并給出了優(yōu)化目標(biāo)、待優(yōu)化參數(shù)及約束條件。設(shè)計了基于NSGA-II的混合動力系統(tǒng)多目標(biāo)優(yōu)化算法。以降低燃油消耗與污染物排量為目標(biāo)的仿真優(yōu)化結(jié)果表明：優(yōu)化后的系統(tǒng)百公里油耗平均下降了0．25％，污染物排放平均下降了2．75

4、％，蓄電池充電效率分布由【0．8，0．9】變?yōu)閇0．85，0．9】，放電效率分布由【0．82，l】變?yōu)閇0．95，1]。2)針對并聯(lián)混合動力汽車控制策略與傳動系統(tǒng)參數(shù)優(yōu)化問題，建立了以最小化燃油消耗、碳?xì)浠衔?HC)與氮氧化合物(N0。)排放量之和、一氧化碳(CO)排放量為目標(biāo)的有約束三目標(biāo)優(yōu)化模型，提出了基于Pareto最優(yōu)原理的混合動力汽車多目標(biāo)優(yōu)化進(jìn)化算法(HEV-MOEA)。該方法采用ADVISOR仿真PHEV并將仿真所得的燃油消耗與污染物值作為候選方案的目標(biāo)值，基于Pareto支配性原理判定候選方案的優(yōu)劣

5、，限定待優(yōu)化變量的取值在PHEV生產(chǎn)精度要求范圍內(nèi)．實驗結(jié)果顯示：(1)優(yōu)化后的系統(tǒng)百公里燃油消耗平均降低了22．32％，污染物C0、HC與NO。排放量平均降低了22．06％、7．98％、7％；(2)電動機(jī)工作效率由優(yōu)化前的0．18提高到O．52；(3)系統(tǒng)總效率平均提升了22．99％．這些數(shù)據(jù)表明，采用本文方法所獲得的控制策略與傳動系統(tǒng)參數(shù)，在提高PHEV工作效基于進(jìn)化的混合動力系統(tǒng)多目標(biāo)優(yōu)化算法研究率、整車性能及降低燃油消耗與污染物排放等方面效果顯著．3)基于古典概率模型建立不劃分的隨機(jī)抽樣模型和劃分成多個子區(qū)域

6、的隨機(jī)抽樣模型(簡稱劃分模型)，分析比較了兩個模型分別進(jìn)行多次獨立隨機(jī)抽樣至少抽中1次特定目標(biāo)的概率，通過證明四個定理得出：當(dāng)總體中特定目標(biāo)的數(shù)量為1或2時，劃分模型抽中特定目標(biāo)的概率恒大于不劃分模型的概率。4)以劃分模型為基礎(chǔ)，提出了基于決策空間劃分模型的多目標(biāo)進(jìn)化算法。該算法將決策空間劃分成多個子決策空間并在每個子決策空間內(nèi)映射出一個超球體，運用某一多目標(biāo)進(jìn)化算法完成超球體內(nèi)個體的1輪次進(jìn)化，基于粒子群優(yōu)化算法的粒子移動機(jī)制實現(xiàn)超球體間的信息共享、引導(dǎo)超球體質(zhì)心向最優(yōu)解集方向移動。針對12個測試問題的實驗結(jié)果表明

7、，基于決策空間劃分模型的多目標(biāo)進(jìn)化算法在收斂精度、收斂穩(wěn)定性等方面比代表性算法表現(xiàn)出更好的性能。最后給出了將此算法應(yīng)用于混合動力系統(tǒng)多目標(biāo)優(yōu)化的相關(guān)設(shè)置、接口實現(xiàn)及優(yōu)化結(jié)果。關(guān)鍵詞：混合動力系統(tǒng)，多目標(biāo)優(yōu)化，進(jìn)化算法，決策空間劃分模型ABSTRACTTheemcientoperationofhybridsystemisdependingont11econtrolstrjltegya11dthewellmapping鋤ongconlponents．Theoptimalmodelcharacterizedwithmult

8、i．dimension．non．1inearcorrelation，constraintandnondif瓷rentiableoptimizationisat)rpicalmulti-objectiVeoptimizationproblem．Acommons01utiontoperfommemulti—objectiveoptimization