原文传递
多目标粒子群优化算法研究及在HEV参数优化中应用
| 论文题名： | 多目标粒子群优化算法研究及在HEV参数优化中应用 |
| 关键词： | 混合动力汽车;参数优化;粒子群优化算法;燃油消耗;污染物排放量 |
| 摘要： | 现实世界中许多复杂的工程和科学研究问题可以归纳为优化问题，智能汽车研究中混合动力汽车(HEV)的燃油消耗和污染物排放参数优化问题，就属于优化范畴。开展混合动力汽车中参数设置问题的研究，不仅仅有助于提高科学决策水平，更是保护环境、节约能源重要的前提条件。为进一步提高我国在智能汽车领域的研究水平，以达到节能环保的目的，结合粒子群优化算法在解决多目标优化问题上的优势，对多目标粒子群优化算法的三个速度项系数进行同时改进，并应用于并联式混合动力汽车中，为将来进一步求解智能汽车领域的复杂参数优化问题做了有益和必要的探索。 本研究紧紧围绕进化算法中多目标粒子群优化算法和并联式混合动力汽车中的参数优化等研究问题，开展以下研究工作并取得了相应创新成果: 1.设计了一种均衡各速度项系数的多目标粒子群优化算法，从粒子的惯性权重、全局最优信息以及局部最优信息三个不同的角度出发，提出了三种不同的动态自适应策略，综合对多目标粒子群优化算法的各速度项系数进行均衡优化，在7个标准测试函数上进行测试，与5种对等算法进行对比，实验结果表明，本文改进的算法对于避免粒子过早陷入局部最优以及提高整个算法的精度都有一定的优势。 2.成功地将改进的多目标粒子群优化算法应用在并联式混合动力汽车参数优化中，对汽车燃油消耗和污染物排量放进行优化，基于ADVISOR仿真平台以及城市循环工况(UDDS)进行仿真模拟，最后将优化出的结果和NSGA-Ⅱ以及多目标粒子群优化算法进行对比，实验结果表明，优化后的参数对降低燃油消耗以及降低污染物的排放量有很大的优越性。发挥了交叉学科的优点，为智能汽车领域研究开拓了新思路。 以上工作不仅丰富了粒子群算法在多目标优化领域的理论基础，对于进化算法的应用领域也起到了进一步扩展的作用，为其与智能汽车相关的研究相结合，提供了一种行之有效的新方法，使其在智能汽车中的应用更加广泛。 |
| 作者： | 赵亚光 |
| 专业： | 软件工程 |
| 导师： | 耿焕同 |
| 授予学位： | 硕士 |
| 授予学位单位： | 南京信息工程大学 |
| 学位年度： | 2016 |
| 正文语种： | 中文 |
检索历史
应用推荐
