摘要：支持向量机是基于结构风险最小化原则的分类方法,其模型的分类准确度及泛化能力取决于惩罚系数、核函数及核参数的选取。参数的选择通常采用经验法、试凑法或单目标优化法,上述方法费时费力且不能达到全局最优。文中选取错误分类率及支持向量占有率两个目标函数,采用多目标粒子群算法优化惩罚系数及核函数参数。训练阶段采用多目标粒子群算法产生多个优化解,测试阶段评估这些解的优劣。通过齿轮故障分类实例进行了设计方法的验证,首先对振动信号进行预处理,然后以小波包系数标准差并降维处理后作为分类器的输入特征向量,最后用本文方法区分4种典型故障,试验结果表明了设计方法的有效性,并证明了应用混合核函数的支持向量机分类具备较高的准确率及较强的泛化性能。

摘要：介绍多功能车辆总线(MVB)周期性扫描表的设计原则和优化方法。引入IEC-61375协议中定义的MVB周期性扫描表(PPT)相关基本概念,从合理利用总线、实时数据传输及突发数据应对的角度认为MVB周期性扫描表设计应遵循"均衡总体、异化个体"的设计原则。依照该原则,构造了周期性扫描表优化问题的数学模型,提出3个优化指标:最长周期相、最短周期相及异化度。然后针对性地设计一个多目标粒子群优化(MPSO)方法,该优化方法引入优化权重及效用函数协调、相互对立的优化目标,并提出粒子编码、外部种群更新、粒子记忆及位置更新、粒子变异的方法,最后经过实例说明该优化方法得到预期的优化结果。

摘要：该研究针对电磁直线式主动悬架作动器电磁波动力大、有效输出力低的问题,设计了一种多目标粒子群参数优化算法。建立了作动器有限元模型,通过径向磁通密度的理论计算和有限元仿真值作对比,验证了有限元模型的正确性。对作动器的槽口宽度、初级边端长度和极距长度进行参数敏感度分析和多目标粒子群优化,并对比分析了优化前后作动器的输出力、反电动势和波动力。最后试制了物理样机并开展了阻尼力特性试验和电磁力特性试验。仿真结果表明:当电磁作动器的结构参数通过优化后,有效电磁力、总谐波畸变量和电磁波动力均得到了改善。试验结果表明:阻尼力波动试验值与仿真值基本一致,平均电磁力试验值和仿真值随电压变化呈线性分布且误差较小。

摘要：为了实现城市污水处理过程各性能指标的优化运行,提出了一种动态分解多目标粒子群优化控制(optimal control based on dynamic decomposed multiobjective particle swarm optimization, OC-DDMOPSO)策略.首先,构建了基于自适应核函数的运行性能指标模型,确定了优化运行目标.其次,设计了基于档案库动态分解的多目标粒子群优化算法,实时获取操作变量的优化设定值.最后,利用预测控制策略跟踪优化设定值,完成了城市污水处理过程优化控制.将提出的OC-DDMOPSO应用于基准仿真平台BSM1,实验结果显示,OC-DDMOPSO能够实现城市污水处理过程稳定运行,保证出水水质达标排放和降低运行成本.

摘要：根据多个技术和经济指标进行船舶主尺度优化论证是船舶设计人员需要着重解决的问题。提出结合粒子群优化和主成分聚类两阶段的方法进行船舶主尺度论证分析。建立了以载重量、建造费用、服务航速和提供舱容为设计指标的水面船主尺度论证模型。采用多目标粒子群优化算法对船舶优化模型进行求解,获得问题的Pareto解集。使用主成分聚类分析对该数据集进行综合评价。先将Pareto解集进行主成分分析,使用前2个主成分就能够表达原始数据的绝大部分信息,再通过对主成分进行聚类,获得不同类别中Pareto解集的特征,根据第一主成分得分获得每个聚类中设计样本的排序,最终可以从Pareto解集中得到折中解。利用主成分分析和聚类技术还研究了变量在主平面上的映射以及聚类特性。给出了1艘水面船的主尺度论证算例,表明本文给出的方法合理可行。

摘要：为了减缓民用飞机在巡航和机动飞行过程中受到的大气紊流的附加过载影响,增加飞机的飞行稳定性。首先构建了飞机—阵风增广数学模型,并采用直接升力控制原理设计了三种不同的阵风减缓控制方案;然后在多目标粒子群算法中引入遗传算法中的杂交概念,进行算法改进,得到MOPSO_PID算法,并将改进算法应用到各方案中去。仿真结果表明:同样的条件下,使用副翼作为直接升力舵面比使用内侧扰流片作为直接升力舵面的阵风减缓控制效果好,同时改进的多目标粒子群优化算法可靠有效。

摘要：为了提高多目标粒子群算法优化解的多样性和收敛性,提出了一种基于多样性信息和收敛度的多目标粒子群优化算法(Multiobjective Particle Swarm Optimization based on the Diversity Information and Convergence Degree,dicd MOPSO).首先,利用非支配解多样性信息评估知识库中最优解的分布状态,设计出一种全局最优解选择机制,平衡了种群的进化过程,提高了非支配解的多样性和收敛性;其次,基于种群多样性信息设计出一种飞行参数调整机制,增强了粒子的全局探索能力和局部开发能力,获得了多样性和收敛性较好的种群.最后,将dicd MOPSO应用于标准测试函数测试,实验结果表明,dicd MOPSO与其他多目标算法相比不仅获得了多样性较高的可行解,而且能够较快的收敛到Pareto前沿.

摘要：工艺参数选择是动力电池焊接行业面临的困难,为提升动力电池焊接效率并满足多项目标,采用核岭回归与多目标粒子群优化算法相结合的方法辅助优化工艺参数选择。构造了工艺参数对应的焊接下限,继而利用基于高斯核函数的核岭回归模型进行拟合;多目标粒子群的每个粒子代表一组工艺参数,通过群体进化与变异、引导者选取与优化、解集维护3种操作,并结合回归模型,有效获取了指定焊接目标下的最优解集。该方法还借鉴K近邻算法思想设计评价标准,以度量每个解的可靠性,进一步筛选更优质的解,保证所选工艺参数有更高的容错性。所提方法解决了电池焊接行业目前面临的问题,具有极其重要的应用价值。

摘要：为了得到更为完善的商用车驾驶室轻量化设计,提出了钢-铝混合驾驶室材料-结构一体化轻量化方法。首先基于灵敏度分析、等刚度近似理论与等强度理论建立了性能驱动的材料选择方法,并针对钢制驾驶室初步设计了钢-铝混合材料方案。然后通过折衷规划法的拓扑优化识别了驾驶室关键传力路径,并加强了相关结构。其次考虑驾驶室零件厚度、截面尺寸设计参数,建立了驾驶室质量、刚度及模态性能的径向基函数的代理模型,并采用多目标粒子群优化方法对驾驶室进行多目标优化设计。优化结果表明,在满足驾驶室刚度、模态和碰撞性能的要求下,驾驶室质量减轻了12.8%。该方法对钢-铝混合驾驶室轻量化有实际的工程指导价值。

摘要：受限于检测技术难度、高时间与经济成本等原因,难测参数的软测量模型建模样本存在数量少、分布稀疏与不平衡等问题,严重制约了数据驱动模型的泛化性能.针对以上问题,提出一种基于多目标粒子群优化(Multi-objective particle swarm optimization, MOPSO)混合优化的虚拟样本生成(Virtual sample generation, VSG)方法.首先,设计综合学习粒子群优化算法的种群表征机制,使其能够同时编码用于连续变量和离散变量;然后,定义具有多阶段多目标特性的综合学习粒子群优化算法适应度函数,使其能够在确保模型泛化性能的同时最小化虚拟样本数量;最后,提出面向虚拟样本生成的多目标混合优化任务以改进综合学习粒子群优化算法,使其能够适应虚拟样本优选过程的变维特性并提高收敛速度.同时,首次借鉴度量学习提出用于评价虚拟样本质量的综合评价指标和分布相似指标.利用基准数据集和真实工业数据集验证了所提方法的有效性和优越性.