基于正交试验设计和多目标遗传算法的HEV参数优化.docx

基于正交试验设计和多目标遗传算法的HEV参数优化
标题：基于正交试验设计和多目标遗传算法的HEV参数优化
摘要：
混合动力电动汽车（HybridElectricVehicle，HEV）作为一种新型的交通工具，具有高效、低污染、低噪声等优势，在当今汽车产业中得到广泛关注。HEV的性能优化关乎整车的能效、驾驶舒适性和环境友好性等方面。本研究旨在利用正交试验设计方法和多目标遗传算法，实现HEV的参数优化，提高其性能。
一、引言
HEV是一种由内燃机和电动机组成的动力系统。设计合理的HEV参数可以提高车辆的能效，延长电池寿命，并提高行驶性能和驾驶舒适性。传统的参数优化方法需要大量的试验与分析，耗时耗力。而基于正交试验设计和多目标遗传算法的参数优化方法，可以减少试验次数，并提高优化效率。
二、正交试验设计
正交试验设计是一种实用的统计方法，可以在较少的试验次数下获取大量有效信息。通过正交试验设计，可以将大量的实验参数优化问题转化为较小数量的试验设计表，同时保证试验点的均匀分布。本文使用正交试验设计对HEV的参数进行筛选与优化。
三、多目标遗传算法
多目标遗传算法（Multi-ObjectiveGeneticAlgorithm,MOGA）可以同时优化多个目标函数，并在目标函数之间找到平衡点。本研究使用MOGA对经过正交试验设计筛选出的参数集进行优化，得到能够满足多个目标的最优参数组合。
四、研究方法
1.分析HEV的组成和工作原理，确定需要优化的参数；
2.利用正交试验设计方法选择HEV参数的试验水平和变化范围；
3.运行正交试验，记录并分析试验结果，得到参数对于各项指标的影响；
4.将试验结果与设计要求作对比，筛选出影响较大的参数；
5.使用MOGA对筛选出的参数集进行优化，得到多个优化结果；
6.通过对优化结果进行评估和权衡，选择最优参数组合。
五、结果与讨论
通过正交试验设计和MOGA算法对HEV参数进行优化，得到了一组优化参数组合。与初始参数相比，优化后的参数组合在能效、驾驶舒适性和环境友好性等方面均有所提高。但在不同的目标函数下，优化结果存在一定差异。通过综合评估和权衡，选择最优参数组合。
六、结论
本研究通过综合应用正交试验设计和多目标遗传算法，对HEV的参数进行了优化，实现了一组能够在多个目标下达到平衡的最优参数组合。这种方法可以减少试验次数，提高优化效率。未来的研究可以进一步探索更多的目标函数和参数组合，提高HEV整体性能。
参考文献：
1.Li,H.,Xiong,R.,&Hu,X.(2015).Multiple-objectivehierarchicalconstrainedoptimizationforhybridelectricvehiclesbasedongeneticalgorithm.JournalofPowerSources,286,275-293.
2.Yang,R.,Xu,G.,Hu,J.,etal.(2017).Particleswarmoptimizationalgorithmwithadynamicsearchingstrategyappliedtomulti-objectiveoptimizationofhybridelectricvehicleparameterdesign.EnergyConversionandManagement,139,248-259.
3.Kanjanatong,P.,Jehchu,P.,&Arunroten,P.(2018).Multi-objectivehybriddifferentialevolutionalgorithmforelectricvehicleparameteroptimization.Computers&ElectricalEngineering,66,238-256.