基于NSGA-Ⅱ和Cruise的混合动力汽车参数优化
《基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化》范文
《基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化》篇一一、引言随着能源危机和环保意识的日益增强，甲醇发动机作为一种清洁、可再生能源的应用得到了广泛的关注。
其中，M100甲醇发动机作为一种新型动力系统，其性能优化成为研究热点。
遗传算法作为一种有效的全局搜索优化方法，其优良的全局搜索和局部优化能力，使得它在发动机多目标性能优化问题上有着巨大的应用潜力。
本文旨在通过引入NSGA-Ⅱ（非支配排序遗传算法Ⅱ）对M100甲醇发动机进行多目标性能优化。
二、NSGA-Ⅱ遗传算法介绍NSGA-Ⅱ遗传算法是一种基于达尔文生物进化论的自然选择和遗传学原理的优化算法。
该算法通过模拟自然选择和遗传学机制，以实现全局最优搜索。
它能够同时处理多个目标，并在复杂的解空间中搜索最优解。
此外，NSGA-Ⅱ还具有运算效率高、解的质量稳定等优点。
三、M100甲醇发动机多目标性能优化针对M100甲醇发动机的多目标性能优化问题，本文采用NSGA-Ⅱ遗传算法进行求解。
首先，确定发动机性能优化的目标函数，包括燃油消耗率、排放性能、动力性能等。
然后，构建发动机的数学模型，将发动机的各个参数（如压缩比、燃油喷射压力、气门开启时间等）作为遗传算法的基因。
接着，初始化种群，并对种群进行多轮遗传操作（选择、交叉、变异），不断搜索全局最优解。
四、实验结果与分析通过NSGA-Ⅱ遗传算法对M100甲醇发动机进行多目标性能优化，得到了发动机各项性能指标的优化结果。
实验结果表明，经过优化后的M100甲醇发动机在燃油消耗率、排放性能和动力性能等方面均有所提升。
具体来说，优化后的发动机在保证动力性能的同时，降低了燃油消耗率，减少了有害排放物的排放。
此外，优化后的发动机在各种工况下均表现出较好的稳定性和适应性。
五、结论本文采用NSGA-Ⅱ遗传算法对M100甲醇发动机进行了多目标性能优化，得到了良好的优化结果。
实验结果表明，NSGA-Ⅱ遗传算法在发动机多目标性能优化问题上具有较高的应用价值。
基于NSGA-Ⅱ算法的混合动力汽车多目标优化
基于NSGA-Ⅱ算法的混合动力汽车多目标优化
吕竞伦;凌和平;孟繁亮;田果;李桂忠;朱嘉鹏
【期刊名称】《汽车工程师》
【年(卷),期】2018(000)011
【摘要】针对当前混合动力系统的研究主要集中在基于燃油经济性的单目标优化或者是加权的多目标优化,未能从本质上体现出整车性能目标之间的耦合关系的情况,以某款并联四驱混合动力汽车的动力性和经济性为优化目标,采用NSGA-II算法对整车传动系统参数进行匹配优化.在保证整车基本性能的前提下,100 km加速时间最大缩短了10.79％,100 km油耗最大下降了14.82％,100 km电耗最大下降了8.39％.得到的Pareto解集为整车设计及优化提供了更合理的选择空间,也为混合动力多目标权衡控制策略提供了理想的控制基础.
【总页数】5页(P26-30)
【作者】吕竞伦;凌和平;孟繁亮;田果;李桂忠;朱嘉鹏
【作者单位】比亚迪汽车工业有限公司;比亚迪汽车工业有限公司;比亚迪汽车工业有限公司;比亚迪汽车工业有限公司;比亚迪汽车工业有限公司;比亚迪汽车工业有限公司
【正文语种】中文
【相关文献】
1.基于NSGA-Ⅱ算法的混合动力汽车多目标优化 [J], 吕竞伦;凌和平;孟繁亮;田果;李桂忠;朱嘉鹏;
2.基于模糊逻辑NSGA-Ⅲ的开关磁阻发电机多目标优化算法 [J], 李艺辉;刘作军;
李洁
3.基于改进NSGA-Ⅱ算法的FCC分离系统多目标优化 [J], 魏彬;周鑫;王耀伟;郭振莲;陈小博;刘熠斌;杨朝合
4.基于NSGA-Ⅱ算法的两挡AMT换挡规律多目标优化 [J], 张东东;宗子淳;冯金芝
5.基于SPEA2和NSGA-Ⅱ算法的并行多目标优化算法 [J], 刘福英;王晓升
因版权原因，仅展示原文概要，查看原文内容请购买。
基于NSGA-II的电动汽车复合制动多目标优化控制
基于NSGA-II的电动汽车复合制动多目标优化控制邓璘;张俊峰;黄炳义【期刊名称】《机械设计与制造》【年(卷),期】2024()5【摘要】为了提高电动汽车制动效果,设计了一种基于NSGA-II的电动汽车复合制动多目标优化控制策略。
按照多目标优化的方式实现复合制动转矩分配并建立Pareto解集,利用改造后的理想解法实施决策确定最佳输出参数,获得与制动需求相符的转矩分配结果。
设计了模糊PID控制器,并开展了控制策略转矩分配仿真分析。
研究结果表明:提升制动稳定性,形成更接近I曲线的结果。
进行决策分析时,考虑车辆制动过程造成的干扰,决策获得最优参数,从而完成对转矩进行分配的过程。
利用这里控制策略能够回收更高比例的制动能量,促进制动回收性能的明显提升,在较低强度制动下获得更优的制动能量回收效果,相对单独的模糊控制策略具备更优综合性能,完成预期制动力的分配。
该研究对提高电动汽车复合制动效率具有很好的理论支撑价值,也可以推广到其他的车辆领域。
【总页数】5页(P185-189)【作者】邓璘;张俊峰;黄炳义【作者单位】马来西亚雪兰莪大学工程与生命科学学院;重庆电子工程职业学院智能制造与汽车学院【正文语种】中文【中图分类】TH16;U469【相关文献】1.多目标遗传算法的电动汽车电-液复合制动系统控制策略优化2.基于TOPSIS和改进NSGA-II法的搅拌摩擦工艺制备B4C/A356复合材料显微组织和力学性能的混合多目标优化3.基于多目标优化的增程式电动汽车自适应制动回馈控制策略4.基于EMB的纯电动汽车制动稳定性与制动能量回收多目标优化5.基于多目标优化NSGA-Ⅱ算法的电动汽车复合制动模糊控制研究因版权原因，仅展示原文概要，查看原文内容请购买。
采用NSGA-Ⅱ算法的纯电动汽车复合电源参数匹配及优化
采用NSGA-Ⅱ算法的纯电动汽车复合电源参数匹配及优化李勇;江浩斌;徐兴;曲亚萍【摘要】Hybrid energy storage system is proposed to resolve the shortcoming of single energy storage device in EVs.HESS is composed by lithium-ion battery,ultra-capacitor,bi-directional buck/boost DC/DC converter and accessory circuit.The DC/DC converter is used to balance the voltage between battery and ultra-capacitor.The control strategy of HESS power split is formulated.The ultra-capacitor works as a discharge assisted energy storage device.It is mainly used to absorb regenerative braking energy.In order to require the performance of power and economic under simple drive cycle,the multi-objective optimization based on NSGA-Ⅱ algorithm is adopted in matching and optimizing parameters of HESS.A hardware-in-the-loop test bench based on dSPACE is built in the lab to test the performance of HESS prototype and single energy storage device (lead-acid battery).Experimental results show the energy efficiency of HESS increased by 6％ significantly compared with lead-acid battery.And,that also show a 3.42％ increase in regenerative braking energy recovery.The power performance also increases at least 3％ compared with lead acid battery and HESS before improvement.The power performance and economy of EVs improved.That means the optimization method of HESS is reasonable.%为了解决单一电源驱动电动汽车动力性和经济性不足的缺陷,提出了由锂离子电池和超级电容组成的复合电源,确定了复合电源的拓扑结构,制定了复合电源功率分配控制策略.在简单循环工况下,以整车经济性和动力性为目标,采用NS-GA-Ⅱ算法的多目标优化方法,对复合电源参数进行了匹配和优化.搭建了基于dSPACE的在环测试平台,对优化前后复合电源和单一电源的经济性和动力性进行在环测试.实验结果表明,与优化前复合电源相比,优化后复合电源的能量利用率提高了6％;与单一电源相比,优化后复合电源的制动能量回收率提高了3.42％;不同速度区间内,相比单一电源和优化前复合电源,优化后复合电源的动力性提高了3％以上.整车经济性和动力性得到了显著改善和提升,验证了优化方法的合理性和可行性.【期刊名称】《科学技术与工程》【年(卷),期】2017(017)027【总页数】9页(P101-109)【关键词】纯电动汽车;复合电源;参数匹配;NSGA-Ⅱ;多目标优化【作者】李勇;江浩斌;徐兴;曲亚萍【作者单位】江苏大学汽车工程研究院,镇江212013;江苏大学汽车与交通工程学院,镇江212013;江苏大学汽车工程研究院,镇江212013;江苏大学管理学院,镇江212013【正文语种】中文【中图分类】U469.72纯电动汽车运行工况复杂多变，其行驶里程主要由车载电源的能量密度决定，而其加速性能主要由车载电源的功率密度决定[1]。
《基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化》范文
《基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化》篇一一、引言随着能源危机和环保意识的日益增强，甲醇发动机作为一种清洁、可再生的动力系统，受到了越来越多的关注。
M100甲醇发动机作为其中的一种，其性能优化对于提高能源利用效率、降低排放具有重要意义。
本文旨在探讨基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化方法，以期为相关研究提供参考。
二、NSGA-Ⅱ遗传算法概述NSGA-Ⅱ（非支配排序遗传算法II）是一种多目标优化算法，通过模拟自然选择和遗传学机理，在搜索空间中寻找最优解。
该算法具有全局搜索能力强、收敛速度快、能处理多目标优化问题等优点，因此被广泛应用于各种工程优化问题。
三、M100甲醇发动机性能优化模型M100甲醇发动机的性能优化涉及多个目标，如提高功率、降低油耗、减少排放等。
本文建立了一个多目标优化模型，将功率、油耗和排放作为优化目标，以发动机的结构参数和运行参数为决策变量。
通过NSGA-Ⅱ遗传算法，寻找使多个目标同时达到最优的决策变量组合。
四、NSGA-Ⅱ遗传算法在M100甲醇发动机性能优化中的应用1. 初始化种群：根据发动机的结构参数和运行参数的取值范围，随机生成初始种群。
2. 适应度评估：根据优化目标（功率、油耗、排放）计算每个个体的适应度。
3. 选择、交叉和变异：根据适应度对个体进行选择、交叉和变异操作，生成新一代种群。
4. 迭代过程：重复上述步骤，直到满足终止条件（如达到最大迭代次数或适应度达到预设值）。
五、实验结果与分析通过NSGA-Ⅱ遗传算法对M100甲醇发动机进行多目标性能优化，得到了多组优化结果。
分析结果表明，经过优化后的发动机在功率、油耗和排放方面均有所改善。
此外，通过对比不同优化结果，可以发现各目标之间的权衡关系，为实际工程应用提供参考。
六、结论本文研究了基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化方法。
通过建立多目标优化模型，并利用NSGA-Ⅱ遗传算法进行求解，得到了使功率、油耗和排放同时达到最优的决策变量组合。
基于NSGA-Ⅱ算法的ATR发动机PI控制器多目标优化方法研究
基于NSGA-Ⅱ算法的ATR发动机PI控制器多目标优化方法研究焦昱翔;赵庆军;任三群;蔡伟东;许诚;赵巍【期刊名称】《推进技术》【年(卷),期】2024(45)2【摘要】为了使空气涡轮火箭发动机(ATR)从慢车快速、稳定和准确地加速到最大状态,以ATR发动机燃气发生器流量和尾喷管喉部面积为控制变量,采用快速非支配排序遗传算法(NSGA-Ⅱ算法)建立了发动机控制器参数多目标优化方法。
将超调量、稳态误差、上升时间及误差积分值四个指标以加权的形式作为目标函数,引入执行机构超调惩罚机制,建立了PI控制器参数Pareto最优解集,完成了ATR发动机从慢车加速到最大状态的动态过程仿真。
结果表明,将双回路多个控制性能指标以加权的形式组合作为目标函数,可以获得均匀分布的Pareto前沿;联合应用多目标优化方法和基于熵权法的优劣解距离法(TOPSIS),能够在双回路耦合下获得满足设计要求的ATR发动机动态特性,极大地缩短了人工整定控制器参数的时间;在加速过程中,多目标优化方法将涡轮膨胀比上升时间作为目标函数之一,与尾喷管面积开环控制动态过程相比,可以使涡轮膨胀比更早到达目标值,共同工作线远离喘振边界。
【总页数】9页(P183-191)【作者】焦昱翔;赵庆军;任三群;蔡伟东;许诚;赵巍【作者单位】华北电力大学能源动力与机械工程学院;中国科学院工程热物理研究所;中国科学院大学航空宇航学院;中国科学院分布式冷热电联供系统北京市重点实验室【正文语种】中文【中图分类】V438【相关文献】1.基于多目标遗传算法的航空发动机PID控制器参数优化2.基于遗传算法的航空发动机PI控制器参数优化方法3.基于Tent映射NSGA-Ⅱ算法的微电网多目标优化方法4.基于改进NSGA-Ⅱ算法下的机械绿色制造系统多目标优化研究5.基于改进NSGA-Ⅱ算法的考虑人机系数生产线平衡多目标优化研究因版权原因，仅展示原文概要，查看原文内容请购买。
《基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化》
《基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化》一、引言随着全球对环境保护和能源利用效率的日益关注，传统发动机技术正面临着前所未有的挑战。
甲醇发动机作为一种新型清洁能源动力装置，其性能优化成为当前研究的热点。
本文将针对M100甲醇发动机的多目标性能优化问题，提出一种基于NSGA-Ⅱ遗传算法的优化方法，以期提高甲醇发动机的整体性能。
二、M100甲醇发动机概述M100甲醇发动机是一种以甲醇为燃料的内燃机，具有较高的能量密度和环保性能。
然而，其在实际应用中仍存在一些性能上的不足，如动力性、经济性及排放性能等。
因此，对M100甲醇发动机进行多目标性能优化具有重要的实际意义。
三、NSGA-Ⅱ遗传算法NSGA-Ⅱ（非支配排序遗传算法II）是一种常用的多目标优化算法，能够有效地解决多目标优化问题。
该算法通过模拟自然进化过程，在搜索空间中寻找最优解。
在M100甲醇发动机的多目标性能优化中，NSGA-Ⅱ算法可以针对动力性、经济性及排放性能等多个目标进行同时优化。
四、基于NSGA-Ⅱ的M100甲醇发动机多目标性能优化1. 确定优化目标：本文将动力性、经济性及排放性能作为M100甲醇发动机的优化目标。
2. 建立数学模型：根据M100甲醇发动机的工作原理和性能参数，建立数学模型，描述各目标之间的关联关系。
3. 运用NSGA-Ⅱ算法：将数学模型转化为适合NSGA-Ⅱ算法处理的格式，运用该算法进行多目标优化。
4. 结果分析：对优化结果进行分析，得到各目标之间的最优平衡点，为实际工程应用提供指导。
五、实验结果与讨论通过实验验证了基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化的有效性。
实验结果表明，经过优化后，M100甲醇发动机的动力性、经济性及排放性能均得到了显著提高。
同时，NSGA-Ⅱ算法在寻找多目标最优解方面表现出较好的性能。
六、结论本文提出了基于NSGA-Ⅱ遗传算法的M100甲醇发动机多目标性能优化方法。
基于Cruise的车辆传动系统参数优化
基于Cruise的车辆传动系统参数优化随着汽车消费市场的日益成熟和电力技术的不断发展，车辆的传动系统也变得越来越重要。
Cruise是一家美国自动驾驶汽车公司，该公司致力于构建全自动驾驶汽车。
在该公司研发的车辆传动系统中，根据不同的参数设置可以实现不同的性能表现。
本文将针对Cruise车辆传动系统的参数进行优化。
Cruise车辆传动系统主要由电机、电池、变速器和轮胎组成。
根据这些组件的特性和相互作用来设置它们的参数，以提高车辆的性能。
首先，电机的参数设置决定了车辆的加速性能和行驶能力。
电机的功率决定了车辆的动力输出，一般来说，功率越大，车辆的加速性能越好。
而电机的电流和电压对车辆的行驶能力也有影响。
在实际应用中，需要根据车辆的具体需求来选择适当的电机参数。
其次，电池的参数设置关系到电动车的续航能力和充电时间。
能量密度是评估电池性能的关键指标，其值越高，车辆的续航能力就越强。
在电池的充电方面，采用合适的充电器和充电策略可以提高充电效率，降低充电时间。
再者，变速器的参数设置对车辆的动力输出和燃油效率有重要的影响。
在实际应用中，要根据道路条件和车速来选择合适的变速器传动比。
如果传动比过小，车辆会出现发动机转速过高的情况，导致燃油消耗增加；如果传动比过大，车辆则会缺乏动力输出，影响加速性能。
最后，轮胎的参数设置关系到车辆的地面附着力和操控性能。
轮胎规格、胎压和胎面形状等都会对车辆的性能产生影响。
为了提高车辆的操控性和驾驶舒适度，需要选择合适的轮胎参数。
总之，Cruise的车辆传动系统参数优化需要考虑多个因素，包括动力输出、续航能力、燃油效率、地面附着力和操控性能等。
在实际应用中，需要综合考虑这些因素，选择最佳的参数设置，以实现最佳的车辆性能表现。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
参 数和 控 制 策 略参 数 同时 进 行 优 化 。优 化 结 果 表 明 ， 该 方 法在 保证 动 力性 的前 提 下 ， 提 高 了燃 油 经 济 性 和 排 放 性 能 。
关键词 ： 混合动力汽车 ； 多 目标 遗 传 算 法 ； 参 数 优 化 中 图分 类号 ： Ｕ ４ ６ ９ ． ７ 文献标志码 ： Ａ 文章编号 ： １ ０ ０ ５ — ２ ５ ５ ０ （ ２ ０ １ ３ ） ０ ３ － ０ ０ １ ９ － ０ ５
基 于Ｎ Ｓ Ｇ Ａ — Ｈ 和Ｃ ｒ ｕ ｉ ｓ ｅ 的 混 合 动 力 汽 车 参 数 优 化／ 饶 阳， 刘 平， 母 洋文 等
ｄ ｏ ｉ ： １ ０ ． ３ ９ ６ ９ ／ ｊ ． ｉ ｓ ｓ ｎ ． １ ０ ０ ５ － ２ ５ ５ ０ ． ２ ０ １ － 矾 究
基于 Ｎ Ｓ ＧＡ —Ｉ ｌ 和 Ｃｒ ｕ ｉ ｓ ｅ的混合动力 汽 车参数优化
饶 阳 ， 刘 平 ， 母 洋文 ， 杜 周 勃
西南交通大学 机械ｍ程学院 ， 成都 ６ １ ０ ０ ３ １
摘 要 ：混 合 动 力 汽 车 的 参 数 优 化 对 降 低 整 车 的 油 耗 和 减 少 排 放 有 着 重 要 作 用 。 针 对 Ｈ Ｅ Ｖ的高度非 线性系统 ， 在 Ｍａ ｈ ａ ｂ和 Ａ Ｖ Ｌ Ｃ ｒ ｕ ｉ ｓ ｅ软 件 平 台 下 ， 建立整车仿真模 型 ， 采 用 改进 的遗 传 优 化 算 法 Ｎ Ｓ Ｇ Ａ —Ｉ Ｉ ， 对 混 合 动 力 汽 车 的 传 动
Ａｂ ｓ ｔ ｒ ａ ｃ ｔ ： Ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｈ ｙ ｂ ｒ ｉ ｄ ｅ ｌ ｅ ｃ ｔ ｉｃ ｒ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｐ ｌ ａ ｙ ｓ ａ ｎ ｉ ｍｐ ｏ ｒ ｔ ａ ｎ ｔ ｒ ｏ ｌ ｅ ｉ ｎ ｒ ｅ ｄ ｕ ｃ ｉ ｎ ｇ ｆ ｕ ｅ ｌ ｃ ｏ ｎ ｓ ｕ ｍｐ ｔ ｉ ｏ ｎ ａ ｎ ｄ ｒ ｅ ｄ ｕ ｃ ｉ ｎ ｇ ｅ ｍｉ ｓ ｓ ｉ ｏ ｎ ｓ ．Ｆ ｏ ｒ ＨＥ Ｖ ｈ ｉ ｇ ｈ ｌ ｙ ｎ ｏ ｎ — ｌ ｉ ｎ ｅ ａ ｒ ｓ ｙ ｓ ｔ ｅ ｍ ，ａ ｎ ＨＥ Ｖ ｄ ｙ ｎ ａ ｍｉ ｃ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｍｏ ｄ ｅ ｌ ｉ ｓ ｂ ｕ ｉ ｌ ｔ ｗｉ ｔ ｈ ｓ ｏ ｆ ｔ ｗ ａ ｒ ｅ ＡＶＬ ＣＲＵＩ Ｓ Ｅ ａ ｎ ｄ ＭＡＴＬ ＡＢ．Ｗ ｉ ｔ ｈ ｕ ｓ ｉ ｎ ｇ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｇ ｅ ｎ ｅ ｔ ｉ ｃ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ａ ｌ ｇ ｏ ｉｔ ｒ ｈ ｍ ＮＳ ＧＡ— Ｉ Ｉ ，ｔ ｏ ｓ ｉ ｍｕ ｌ ｔ ａ ｎ ｅ ｏ ｕ ｓ ｌ ｙ ｏ ｐ ｔ ｉ ｍｉ ｚ ｅ ｔ ｈ ｅ ｐ ａ ｒ ａ ｍｅ ｔ ｅ ｒ ｓ ｏ ｆ ｔ ｈ ｅ ｈ ｙ ｂ ｉ ｒ ｄ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ｔ ｒ ａ ｎ ｓ ｍｉ ｓ ｓ ｉ ｏ ｎ ａ ｎ ｄ ｃ ｏ ｎ ｔ ｒ ｏ ｌ ｓ ｔ ｒ ａ ｔ ｅ ｇ ｙ ． Ｔ ｈ ｅ ｏ ｐ ｔ ｉ ｍｉ ｚ ｅ ｄ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ａ ｔ ｔ ｈ ｉ ｓ ｍｅ ｔ ｈ ｏ ｄ ｉ ｍｐ ｒ ｏ ｖ ｅ ｓ ｆ ｕ ｅ ｌ ｅ ｃ ｏ ｎ ｏ ｍｙ ａ ｎ ｄ ｅ ｍｉ ｓ ｓ ｉ ｏ ｎ ｓ ｐ ｅ ｆ ｒ ｏ ｒ ｍａ ｎ ｃ ｅ ｇ ｕ ａ ｒ ａ ｎ ｔ ｅ ｅ ｄ ｙ ｎ ａ ｍｉ ｃ ｐ ｒ ｅ ｍｉ ｓ ｅ ．
快速 非支 配排 序 的 Ｎ Ｓ Ｇ Ａ 一１ １ 有更好 的适 应性 。
在 正 向仿 真软 件 Ａ Ｖ Ｌ Ｃ ｒ ｕ ｉ ｓ ｅ的平 台 上 建 立 精 确 的 ＨＥ Ｖ 整 车 分析模 型 ， 以降低 油 耗 和排 放 为 目 标 ， 通 过 改进 的遗 传 优 化 算 法 Ｎ Ｓ Ｇ Ａ 一Ⅱ ， 对 混 合 动 力 系统 的相 关参数进 行优 化 ，确定 出合 适 的主传 动
Ｏｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｏ ｆ ＨＥＶ Ｐａ ｒ ａ ｍｅ ｔ ｅ ｒ Ｂａ ｓ ｅ ｄ ｏ ｎ ＮＳＧＡ—Ｈ ａ ｎ ｄ Ｃｒ ｕ ｉ ｓ ｅ
ＲＡＯ Ｙａ ｎ ｇ， ＬＩ Ｕ Ｐ ｉ ｎ ｇ， Ｍ Ｕ Ｙａ ｎｇ —ｗｅ ｎ， ＤＵ Ｚｈ ｏ ｕ－ｂ ｏ
（ Ｍｅ ｃ ｈ ａ ｎ ｉ ｃ ａ ｌ Ｅｎ ｇ ｉ ｎ ｅ ｅ ｉｎ ｒ ｇ Ｃ ｏ ｌ ｌ ｅ ｇ ｅ， ｏ ｆ Ｓ ｏ ｕ ｔ ｈ ｗ ｅ ｓ ｔ Ｊ ｉ ａ ｏ ｔ ｏ ｎ ｇ Ｕｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ，Ｃ ｈ ｅ ｎ ｇ ｄ ｕ ６１ ０ ０ ３ １ ， Ｃ ｈ ｉ ｎ ａ）
Ｋｅ ｙ ｗ ｏ ｒ ｄ ｓ ： ｈ ｙ ｂ ｉ ｒ ｄ ｅ ｌ ｅ ｃ ｔ ｉ ｒ ｃ ｖ ｅ ｈ ｉ ｃ ｌ ｅ ； ｍ ｕ ｌ ｔ ｉ — ｏ ｂ ｊ ｅ ｃ ｔ ｉ ｖ ｅ ｇ ｅ ｎ ｅ ｔ ｉ ｃ ａ ｌ ｇ ｏ ｉ ｒ ｔ ｈ ｍ； ｐ ａ ｒ ａ ｍ ｅ ｔ ｉ ｒ ｃ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ
混 合动 力 电动 汽 车 （ ＨＥ Ｖ） 具有多种动力源 ， 将 电力驱动 与 内燃 机驱 动相 结合 ，通 过对 各部 件 的优 化组 合 ， 使 发动机 工作 在低 排 放和低 耗 能 的区域 ， 从 而 为能量 的优 化 分配 提供 了基 础［ 。由于 ＨＥ Ｖ 系统 的 参数 优 化 属于 不 可微 、 不连 续 、 多维、 有 条件 约 束