基于改进多目标混合粒子群算法的汽车传动参数优化方法.pdf
和裕****az
亲,该文档总共22页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
基于改进多目标混合粒子群算法的汽车传动参数优化方法.pdf
本发明公开了一种基于改进多目标混合粒子群算法的汽车传动参数优化方法,包括:对于当前种群中的每个粒子,根据每个粒子的位置、预设的动力性分目标函数以及经济性分目标函数计算每个粒子的个体最优值pbest,并求解Pareto最优前沿,根据所述Pareto最优前沿得到种群全局最优值gbest,根据所有粒子的类别,计算每个粒子对应的类别最优值nbest;然后计算每个粒子下一次迭代的位置;用遗传算法更新种群中的所有粒子得到用于下一次迭代的种群,然后继续迭代,满足预设的终止迭代条件时将Pareto最优前沿对应的粒子输出作
基于改进粒子群算法的电机多目标优化方法.pdf
本发明公开了一种基于改进粒子群算法的电机多目标优化方法,首先通过统计学实验原理设计出实验方案;然后对目标电机进行参数化建模,仿真得到对应的实验结果;通过响应面法生成对应的数学模型;再通过增加了变异库的改进粒子群算法来生成帕累托图寻找到电机的最优结构;最后通过仿真验证优化的有效性。该方法结合了统计学实验原理、响应面法和改进的粒子群算法的各自优势,通过统计学实验原理的采集数据,保证了数据的采集的合理性,再通过响应面法生成对应的数学模型,不需要依靠电机本身的电磁公式,再通过增加变异库的改进粒子群算法寻找最优解集
基于改进多目标粒子群算法的粘滞阻尼器参数优化方法.pdf
本发明提出一种基于改进多目标粒子群算法的粘滞阻尼器参数优化方法,首先建立结构的有限元模型,设定构件关键减震控制目标。之后,通过响应面法得到关键构件减震响应与粘滞阻尼器参数之间的响应面数学模型。最后,基于改进多目标粒子群算法进行粘滞阻尼器参数全局自动寻优分析。针对粒子群算法极易陷入局部最优情况,导致得到的最优粘滞阻尼器参数组合数量和质量下降的问题,同时相比于传统粘滞阻尼器参数敏感分析方法,本发明基于改进的多目标粒子群算法可更容易找到全局最优,实现简单、高效的阻尼参数优化设计。
基于改进多目标粒子群算法的双馈风机控制参数辨识方法.pdf
本发明公开了一种基于改进多目标粒子群算法的双馈风机控制参数辨识方法,本方法将双馈风机的控制参数划分为关键控制参数和非关键控制参数,在PSASP中搭建双馈风机低电压穿越暂态模型,通过调节关键控制参数得到多组输出数据,构建原模型与辨识模型的多目标误差函数;采用改进多目标粒子群算法基于关键控制参数和输出数据对建立的多目标误差函数寻优求解,得到双馈风机待辨识控制参数的辨识结果,并对辨识得到的辨识模型和原模型进行对比验证;本方法能准确可靠辨识出双馈风机暂态模型中关键控制参数。
基于粒子群与遗传混合算法的透镜天线多目标优化方法.pdf
本发明公开一种基于粒子群与遗传混合算法的透镜天线多目标优化方法,首先,通过将PSO和GAO的进化机制进行融合,解决了PSO易陷入局部最优和遗传算法收敛速度慢的问题。其次,利用一体化建模技术,直接获取待优化天线的各项性能指标用于算法的优化,提高优化效率。最后,利用子目标叠加法定义目标函数以实现透镜天线的多目标(包括阻抗特性、极化特性、增益特性等)优化,并利用子目标权重分配法及最差指标提取法对目标函数进行进一步地修正,从而引导PSO‑GAO实现更精准更高效的优化。本发明利用PSO‑GAO算法、一体化建模技术以