一、基于模糊进程因子的改进自适应遗传算法（论文文献综述）
段梦园[1]（2020）在《基于攻击链的网络安全态势感知系统设计和实现》文中认为随着网络时代的来临,互联网的规模和应用领域不断扩展。现如今,互联网已经融入社会的各个领域当中,给人们的工作、学习、生活带来极大的便利。与此同时,各种网络安全问题随之而来。网络攻击越来越频繁,网络破坏越来越严重。这些网络威胁呈现出以牟利为目的、组织严密和目标明确等特点,极大地阻碍了社会经济的发展与国家战略的部署,并逐渐演化为全球焦点问题。在这种背景下促进了网络安全态势感知技术的发展和进步,并逐渐成为网络安全的热门领域。网络安全态势感知技术对提升网络的主动防御能力发挥了巨大的作用,通过全面把握网络安全状态及发展趋势,能够有效评估安全事件发生的可能性,实时监测网络攻击以缓解其造成的危害。网络安全态势感知技术与传统安全设备检测方式有效结合,能够发现潜在的恶意入侵行为,提高网络系统的反击能力和应急响应能力。本文在研究业界前辈网络安全态势理论的基础上,分析并设计出一套基于攻击链的网络安全态势感知原型系统,从基础数据的采集到态势评估,再到态势预测,最后将网络态势清晰直观地呈现给网络安全员。本文主要研究了以下三方面内容:1.研究出一套新的态势评估技术,从攻击链的角度建立了态势指标体系与层级评估模型。提出攻击链因子的计算方法。从探测性、攻击性、侵入性、预警性、危害性以及可用性六个方面来描述网络态势,并设计出一套新的态势量化方法。2.针对态势预测的目的,并根据态势评估结果的特点,提出了一套自适应遗传算法优化Elman神经网络的预测方法。由于态势评估结果具有关联性等特点,本文采用了Elman神经网络的预测算法,然后做出了两步改进优化。因为Elman神经网络预测采用了梯度下降的误差传播方法,其结果容易陷入局部极小值,所以利用具有全局最优搜索能力的遗传算法对Elman神经网络改进。又因为遗传算法的交叉率和变异率没有很好的适应性,所以设计了自适应的遗传算法的交叉率和变异率。在实验数据设计中,将一维的态势评估结果按滑动窗口的方式,分为多维的输入数据和一维的输出数据。通过与Elman神经网络和遗传算法优化Elman神经网络的对比实验,证明了自适应遗传算法优化Elman神经网络的预测方法更具有优越性,更加适用于本文所研究的态势预测。3.在态势评估和态势预测研究的基础之上,设计出一整套态势感知原型系统。从网络要素的收集,再到态势评估和态势预测,最后将网络的态势以可视化的方式呈现于界面之上,并完成了系统测试。
韦秋霜[2]（2020）在《风电-储能价值链协同决策模型及信息系统研究》文中认为随着传统能源危机和环境问题的日益突出,以风力发电为代表的清洁能源发展取得瞩目关注,但风电出力的随机性、弱抗干扰性和难预测性使风电消纳成为限制风电发展的关键性问题。储能技术具有瞬时响应和精准控制能力,能促进风电系统与负荷需求间的能量和功率平衡并提高风电利用率,成为实现风电价值管理的关键环节。在电力市场改革和信息技术条件下,围绕风电系统和储能系统构建“风电-储能”价值链,成为提高风电利用率、实现储能系统价值、促进价值链整体价值效应的解决方案。论文针对风电-储能价值链的价值管理过程,以促进价值链的价值创造和增值为目标,以提高风电利用率和储能系统价值为基本原则,构建风电-储能价值链,探讨价值链的利益管理、容量管理、用能管理和价值增值效应等协同决策问题,面向上述问题设计信息系统,通过谋求能量流、信息流和价值流的多维协同而寻求价值链价值效应的最大化。本文研究内容如下:（1）在分析风电及储能发展现状与瓶颈、风电产业链和价值链的基础上,界定了风电-储能价值链的基本内涵和框架结构,分析了新一代信息技术对价值链的支撑作用,论述了风电-储能价值链的协同决策理论框架,为论文后续研究奠定了理论基础。（2）构建了风电-储能价值链利益管理的协同决策模型。在设计并分析风电商-储能商协同交易模式的基础上,基于演化博弈理论,构建了风电商-储能商协同演化博弈模型,探讨了风电-储能价值链关键利益主体的协同交易策略和预期收益函数,讨论了二者间的动态演化博弈过程和演化稳定策略,通过仿真设计、结果分析和敏感性分析探讨了风电商和储能商协同交易的利益博弈和演化博弈情况,为构建利益主体间的稳定协同合作关系提供决策支持。（3）建立了风电-储能价值链容量管理的协同决策模型。首先,分析了价值链容量管理的协同框架。其次,构建了风电-混合储能系统,对系统的运行策略、组件模型和能量管理模型进行了分析和探讨。再次,以系统总成本、弃风量和供电缺失率为优化决策目标,构建了储能容量管理的协同优化决策模型,使用多目标粒子群算法和TOPSIS算法确定了系统最优配置。最后,通过对比分析和敏感性分析验证所构模型的合理性和有效性,证明了容量管理协同决策模型能够提高风电利用率并发挥储能系统的关键作用,促进系统的经济效益和环境效益协同。（4）构建了风电-储能价值链用能管理的协同决策模型。满足用户用能需求是实现风电-储能价值链价值效应的直接手段。首先,设计并分析了风电-储能价值链用能管理的协同框架。其次,构建了风电系统、氢储能系统、电池储能系统和电动汽车用能系统协调规划的风-储-充协同运行系统,探讨了系统的组件模型和系统控制策略。再次,以系统年利润最大化为目标函数,构建了协同优化决策模型。最后,利用改进的自适应遗传算法对系统最佳配置进行了优化,并在不同模拟场景下进行了算例分析,分析结果表明风-储-充协同运行系统能够高效满足用户用能需求,从而促进风电-储能价值链的价值效应。（5）构建了风电-储能价值链价值增值效应的协同决策模型。对风电-储能系统项目的价值增值效应进行综合决策研究,是风电-储能价值链协同决策的重要组成部分。基于指标构建原则,从系统协同维、业务协同维、价值协同维、信息协同维、外部协同维等五个维度构建了风电-储能价值链价值增值效应决策指标体系,基于区间二型模糊理论对指标进行了预处理,综合考虑决策指标的重要程度和影响程度确定了指标权重,并构建了区间二型模糊TOPSIS综合决策模型。最后,通过算例分析、对比分析和敏感性验证了区间二型模糊TOPSIS综合决策模型能够对不同风电-储能系统项目的价值增值效应进行综合决策并排序,为决策者提供理论基础和实践依据。（6）提出了风电-储能价值链信息系统设计方案。首先,论述了信息系统的系统需求和系统构建的可行性,探讨了智能物联信息系统构建的可能性。其次,分别从系统设计原则、工作流程设计、系统架构、物联集成模型、信息集成与共享模型等角度描述了智能物联信息系统的整体架构。再次,对智能物联信息系统的主要功能进行了设计,包括数据库设计、模型库设计、方法库设计和功能框架设计等。最后,对构建智能物联信息系统的关键技术进行了探讨,为实现风电-储能价值链的信息协同和价值增值效应提供了信息化手段和应用基础。本文研究为促进风电消纳、提升储能系统价值、提高风电-储能价值链的价值创造和增值提供了利益管理、容量管理、用能管理、价值增值效应等多维协同决策支持理论依据,基于信息技术为实现风电-储能价值链的信息协同提供了参考。本文选题不仅有理论探讨意义,还有重要的应用前景和实践意义。
柯毅明[3]（2020）在《政府投资光伏扶贫项目区域优选方法及其规划模型研究》文中指出光伏扶贫项目是指由政府统一拨付资金,在光照资源良好的贫困区域建设村级光伏发电电站,并将发电营运所得用以帮扶建档立卡贫困户的政府投资项目。它不仅有助于解决落后地区的能源供给、就业创收和经济建设等问题,还可以助力于缩短贫富差距,维护社会公平并推动社会主义现代化进程。自试点以来,政府利用两年光景将光伏扶贫装机规模增至100万千瓦,受惠人数突破百万户。因巨大的利好效用,光伏扶贫项目已成为探索中国特色扶贫事业中可圈可点的“经验词条”,也被成功纳入十三五扶贫开发的工作重点。然而,随着光伏项目的发展,光伏电站潜在可安装面积日渐紧俏,弃光弃能等现象日益凸显。同时,伴随着扶贫开发的深入推进,加之光伏扶贫项目呈现出分布分散、地形特殊和地质多变等特点,部分因勘探不足、选址不良和规划不当引发的恶劣现象也逐渐显现。项目实施区域优选及其规划问题开始引发社会各界的关注和思考。综合分析当前主流的优选理论可知,传统的优选模型普遍存在契合度不高、适用性欠佳或求解精度不足的问题,难以有效应对光伏扶贫项目区域优选及规划建模。因此,本文以政策引导为支点,以“什么区域为条件适宜”、“如何进行项目组合规划”为导向,结合项目内在特征,探索高匹配度和强适应性的区域优选方法及其规划模型,旨在助力完善项目实施经验,提高光伏扶贫活力,为项目新建、改扩建乃至25年实施期满后拆除重建等情境下的投资决策活动提供可靠的智力支持。具体的研究内容如下:（1）结合项目特征的相关政策梳理及投资机理研究。针对目前光伏扶贫项目研究未考虑政策引导作用且投资机理不甚明确的问题,本文以项目特征为逻辑起点进行政策梳理及机理分析。首先,基于投资者、承包商、受益人和社会公众等利益相关方的定位及特点,明确其目标诉求,为后续因素提取和函数设立等过程提供支撑性材料;接着,结合项目目标,对项目的具体特征进行归纳,为后续研究奠定基础;随后,梳理相关政策的发展态势和时序特征,识别出对区域优选及其规划建模问题起着引导作用的政策,并以此作为全论文研究的基本准则,从而提高所建模型的政策匹配度;最后,结合政策引导作用,分析投资机理并界定项目运行机制,从而确保所建模型的项目契合度。（2）基于政策引导的双因素实施区域优选指标体系研究。针对传统指标提取过程中提取困难、因素缺失、筛选偏颇和决策支持度不足等问题,本文摒弃仅从经济、技术、社会和环境等宏观层面进行因素提取的方法,而是立足于利益相关方的目标诉求,提出“政策—风险—收益—反馈”搜索闭环,进而形成涵盖政策引导、风险规避、收益追逐和公众反馈的四维因素集,从而提升因素提取效率;考虑到部分区域因不满足建设红线或整体规划的要求而需被预先否决,本文通过界定指标概念、合并重叠因素和剔除无关因素,构建出政策引导下否决指标和优选指标双因素框架,从而保证指标体系的全面性。以上基于利益相关方目标诉求的因素提取思路可为学者搜集评估指标提供技术参考。（3）考虑决策者风险偏好的直觉模糊组合优选方法研究。针对传统模糊集难以反映决策信息犹豫度、常规赋权方法仅从主观重要性或客观信息量进行单侧度量、主流的排序过程未将决策者风险偏好纳入考虑范畴的问题,本文首先权衡了评估指标量、模糊界限及评估精度要求,决定采用直觉模糊语言集作为定性因素的评估依据。接着,结合直觉模糊集的矩阵一致性和熵值分布特征,对传统层次分析法和熵权法进行适应性调整与拓展,使得整个定权过程既能很好地反映专家经验的模糊性与犹豫程度,又能达到兼顾指标逻辑重要性和优选贡献度的决策效果;随后,基于直觉模糊集的运算逻辑和距离测度公式,对传统的风险偏好交互式决策排序框架进行调整,使排序结果充分反映决策者的风险规避心理,提高方法的实用度。本研究既有助于提升传统赋权方法的应用活力,丰富赋权方法理论体系;又可以提高排序过程的优选效率,丰富排序方法理论体系。（4）计及扶贫效果和容量约束的组合优化模型及寻优算法研究。针对传统组合优化模型契合度不高且寻优算法结果欠佳的问题,本文通过剖析光伏扶贫在战略层、项目层和资源层的投资目标及诉求,归纳出其项目组合的具体特征,在项目目标、政策引导、条例规范和并网要求的共同作用下构建出“目标—约束”组合优化模型。在目标函数方面,考虑到光伏扶贫项目兼具并网发电和帮扶贫困的任务,引入拟帮扶人数表征扶贫效果,从而设立最低成本和最佳扶贫效果两项优化目标;在约束条件方面,考虑到相关政策的规范和要求,结合电网建设和资源消耗等常规限制,从而设立容量限制的约束条件;在求解算法方面,结合种群适应度分布,令个体繁殖概率自适应调整,从而形成兼具非支配排序、拥挤度计算、精英策略和自适应遗传概率的改进算法,可应对过早收敛、求解欠佳和概率固化等问题,提高解集稳定性。改进的算法可丰富智能算法理论体系。（5）基于公平与效率的规划方案优选模型及求解算法研究。针对传统项目规划方案优选过程仅考虑效率测度结果且未对小样本数据求解偏差进行处理的问题,本论文基于项目全寿命周期与利益干系人双重视角,对公平与效率的具体表征进行归纳和总结。首先,引入公平因子,并结合标杆方案和聚类算法对备选方案进行样本初筛,识别出在公平层面表现欠佳的方案并予以剔除,极大契合政府投资项目在维护社会公平方面的理念;接着,将效率诉求转化为可运算的投入产出变量,借助数据包络分析算法对样本数据进行效率测度。考虑到小样本可能带来的估算偏差,引入重抽样技术进行样本扩容和效率值纠偏,结合纠偏后的效率值完成方案的优选排序,从而保证优选结果的准确性。以上提及的模型构建思路可拓展到其他政府投资项目的方案优选或效率分析中,提高优选模型与项目的契合度,而带纠偏处理的数据分析算法亦可丰富效率测度理论体系。
盛杨[4]（2019）在《并联混合动力汽车能量优化策略研究》文中指出由于环境污染和能源短缺问题逐渐凸显,因此结合了传统燃油汽车和纯电动汽车特点的混合动力汽车（Hybrid Electric Vehicle,HEV）成为现在最具发展前景的汽车。混合动力汽车指其动力系统包括两个或多个可同时运行的动力源。作为一款多能源车辆,混合动力汽车的能量控制策略决定其性能,是判断车辆优劣的主要因素。本文以并联混合动力汽车（Parallel Hybrid Electric Vehicle,PHEV）为研究对象,采用模糊逻辑控制理论及遗传算法,对能量控制策略进行研究,主要完成以下工作:（1）介绍了混合动力汽车建模方法,运用ADVISOR仿真软件,建立并联混合动力汽车整车动力学、发动机、蓄电池、电机、车轮等模块的数学模型。（2）依据并联混合动力汽车工作模式,设计了基于逻辑门限的电机辅助型控制策略,然后针对其控制简单,只保证发动机效率,没有考虑电机效率等不足,采用模糊逻辑控制,考虑电机转速因素,设计了一种模糊逻辑控制策略,建立以车辆需求转矩与当前时刻发动机最优转矩差值△T,蓄电池SOC值及当前电机转速为输入,发动机比例因子K为输出的模糊控制器。仿真结果表明在燃油经济性和排放性上模糊逻辑控制策略更优。（3）针对模糊控制器的设计主观性较强,无法达到最优的不足,利用一种改进的自适应遗传算法（Improved Adaptive Genetic Algorithm,IAGA）对模糊控制器隶属度函数参数和控制规则进行优化。在算法中设计一种评价指标反映每代种群较优个体的差异程度,用于改进交叉和变异概率,适应度函数中利用加权法把多目标优化问题变为单目标优化问题,使用集主客观因素的组合赋权法确定各目标权重值,其中主观赋权法采用一种基于熵的线性组合赋权法,客观赋权法采用熵权法,最后运用线性加权法进行组合。仿真结果表明,优化后的模糊逻辑控制策略效果更好,证明了优化后模糊控制器的有效性。
乌兰娜仁[5]（2019）在《基于改进模糊控制的干线动态协调控制研究》文中认为随着城市化进程的不断发展和车辆保有量的大幅增加,交通拥堵已经成为许多城市的重要交通症结。交通拥堵每年带来的经济损失达数百亿美元,更会造成环境污染、交通事故等恶劣影响。交叉口作为城市交通路网的节点,因其复杂的合流、分流情况以及信号控制方式成为交通拥堵的高发地点,运用合理的信号控制方法提高车辆在交叉口处的通行效率,减少停车次数,降低车均延误,对于提高路网效益具有十分重要的意义。随着智能控制方式、自动化技术、感应技术的日臻成熟,越来越多的智能控制方式被应用于交叉口信号控制,成为未来交叉口信号控制的发展方向。本文针对现阶段交通信号控制的发展现状,分别对干线交叉口协调控制、交叉口信号模糊控制、短时交通流预测方法进行了分析,目前已有的研究虽然提出了一些交叉口智能控制的方法,但对交叉口间的动态协调控制以及信号控制方法的进一步优化考虑不足。一方面,采取预设信号控制参数的方法无法响应实时交通流变化;另一方面,同样的控制参数无法适用于所有交通流条件,需要根据变化的交通流情况对参数进行优化。针对上述问题,本文把模糊控制、元胞传输模型和遗传算法应用于交叉口信号协调控制,以车均延误最小为优化目标,设计了考虑车辆离散规律的干线相邻双交叉口相序可变的模糊协调控制,同时提出一种考虑交叉口因素的元胞传输模型,对未来的交通流变化进行预测,并引入自适应遗传算法对模糊协调控制进行优化,使模糊协调控制能够适应更广泛的交通流量条件。在介绍了信号控制、模糊控制理论以及VISSIM二次开发等理论知识的基础上,本文详细阐述了干线相邻交叉口模糊协调控制的设计方法。干线相邻交叉口模糊协调控制采取相序可变的控制方法,由七个模糊控制器构成了三个信号控制级,第一级模糊控制级对当前所有红灯相位和绿灯相位的交通状态进行观测,第二级模糊控制级在第一级的观测基础上,经过模糊推理得到相位切换值,第三级模糊控制级考虑相邻交叉口的相互影响,对相位切换值进行修正,从而实现交叉口的协调控制。利用MATLAB对VISSIM二次开发搭建仿真平台,证明了干线双交叉口模糊协调控制能够有效减小车均延误,具有较好的控制效果。其次,本文介绍了一种交通流预测模型——元胞传输模型,阐述了元胞传输模型的基本原理、数学模型,针对当前元胞传输模型存在的元胞长度固定、没有考虑交叉口影响因素等问题,本文设计了适用于交叉口的改进元胞传输模型,通过元胞密度计算元胞的发送量和接收量,从而实现了元胞长度可变设计;并考虑交叉口进口道受信号控制的影响,对进口道元胞发送量的计算进行了修正;最后,为了使元胞传输模型能够更好地预测实际交叉口交通流,通过实际交叉口数据和VISSIM仿真软件对元胞传输模型的参数进行了标定。以实际交叉口为研究对象,运用MATLAB编程,在单交叉口定时控制、单交叉口模糊控制、干线相邻双交叉口定时控制、干线相邻双交叉口模糊控制四种情况下,对比适用于交叉口的改进元胞传输模型和VISSIM输出的元胞密度图和交叉口车均延误,证明改进的元胞传输模型能够根据车辆到达率对未来的交通流进行比较准确的预测,预测得到的车均延误与VISSIM仿真得到的车均延误基本吻合。最后,在传统遗传算法的基础上提出了交叉概率和变异概率可变的自适应遗传算法,与传统遗传算法不同的是,自适应遗传算法的交叉概率和变异概率是根据当前个体的适应度进行调整的,使适应度高的优良个体有更大的概率保留到下一代,有利于产生适应度更高的种群。运用自适应遗传算法优化模糊控制器的隶属度函数中心点位置,弥补了传统模糊控制隶属度函数一经设定后固定不变的缺点。优化过程中,以适用于交叉口的改进元胞传输模型预测的未来车均延误最小为目标,对七个模糊控制器的隶属度函数进行优化,得到对于当前流量条件下控制效果最好的隶属度函数。以实际交叉口为研究对象,通过MATLAB和VISSIM二次开发,分别对0.8倍、1倍、1.2倍、1.5倍实际交叉口流量条件下,基于自适应遗传算法优化的相邻双交叉口模糊协调控制方案、普通模糊协调控制方案和定时控制方案进行对比,验证了自适应遗传算法优化后的模糊控制相比优化前能够进一步缩短车均延误,提高干线通行能力。
曹圣武[6]（2019）在《制造型企业资源受限项目调度问题算法研究》文中研究指明现代制造正从单品种大批量的重复性制造向多品种小批量的适应性制造发展,这种发展趋势为制造业项目管理提供了应用基础、应用市场和发展潜力。项目管理的核心是优化项目调度、均衡资源配置,从而在项目执行过程中能够更精准地控制进度,以达到缩短工期、节约成本、提高质量的目的。资源受限项目调度是项目管理领域内一类经典的调度问题,需要在满足活动逻辑约束和资源约束的情况下生成调度方案,以达到最小化总工期的目的。以该问题为研究对象,分析多种算法优劣性,寻求综合性能更优的调度方法,并结合实际项目案例验证其有效性。比较和分析项目调度问题求解模型和算法。对于资源受限项目调度问题,采用较优的三点时间估计法计算活动工期;设置项目的约束条件,包含活动紧前约束和可更新资源约束;确定目标函数为最小化总工期。研究经典遗传算法和布谷鸟算法的理论模型及应用,并指出两种算法的优缺点。重新设计两种算法的编码和解码操作。针对遗传算法易早熟和陷入局部最优解的缺点提出改进算法,在选择操作中采用精英保留和轮盘赌相结合的方案;在交叉操作中采用双点交叉策略;在变异操作中采用中心对换变异策略;在变异操作后加入局部迭代算子。针对布谷鸟算法后期收敛速度慢和收敛精度不高的缺点提出自适应步长影响因子策略,并重新定义莱维飞行变化公式。结合PSPLIB项目库,经多次试验确定改进遗传算法在迭代数量为1000时,最优参数组合为:种群规模N=25;迭代次数I=40;交叉概率Pc=0.8;变异概率Pm=0.25。自适应布谷鸟算法在迭代数量为1000时的最优参数组合为:种群规模N=15;迭代次数I=67;步长因子上界amax=0.9;步长因子下界amin=0.01;发现概率Pa=0.3。分别在最优参数下输出调度方案并与多种主流算法相比较,实验结果验证了对于复杂度较高且迭代数较多的项目调度问题,自适应布谷鸟算法拥有更稳定的收敛曲线和更高的运算精度。引入跨国公司压缩机装配项目实例,采用更优的自适应布谷鸟算法对其进行优化调度,并输出迭代曲线图、进度计划表、资源利用率图和资源配置甘特图,该调度方案下工期比项目部原计划缩短10.52%。重点分析资源因素对工期的影响,比较在有无资源约束条件下资源需求量和工期的变化。在无资源约束下工期缩短32%,但资源需求量提高120%。利用正交试验对资源水平进一步优化,在该水平下工期缩短21%,而资源需求量仅提高40%。最后通过方差分析找到对工期影响显着的资源因素。实验结果验证了自适应布谷鸟算法在实际生产调度项目中的可行性、实用性和高效性。面对复杂度较高且迭代数较多的制造企业项目调度问题,在算法性能上,自适应布谷鸟算法拥有更稳定的收敛曲线和更高的运算精度;在适用性上,自适应布谷鸟算法能够输出资源均衡且工期更短的调度方案。
王伟江[7]（2019）在《动力机组双层隔振系统半主动模糊控制研究》文中研究表明动力机组作为内燃动车的动力源,其振动状况直接影响了车辆的乘坐舒适性、结构可靠性和安全性,随着动力机组系统大功率和车体轻量化进程的推进,进一步提高系统隔振效率已成为一种必然要求。传统的被动隔振系统隔振效率有限,很难满足动力机组多工况不同隔振需求;主动控制系统结构复杂、成本高、能耗大;而半主动控制系统结构简单、成本低、功耗低,又有接近主动控制的减振效果,并且失效安全性高。本文以磁流变阻尼器为半主动控制系统的执行器,针对内燃动车动力机组宽频振动特性,提出一种兼顾系统稳定性和隔振效率的混合模糊控制策略,并建立半主动控制仿真系统,仿真结果表明该控制策略能根据动力机组振动状况确定合适的控制力,进而有效改善系统的隔振性能。本文首先建立了包含控制力的动力机组双层隔振系统动力学模型,总结了常用的隔振性能评价指标,介绍了模糊控制器设计方法,确定了优化目标和控制策略。然后,对遗传神经网络进行了优化,并根据磁流变阻尼器试验数据分别建立了其正向、逆向非参数化模型,之后进行了模型检验。其次,根据动力机组多刚体系统的模态计算结果在倾倒力矩作用方向对系统进行简化,建立了简化2自由度系统的仿真动力学模型;针对“低频振动烈度小,高频力传递率（动反力）小”的双重目标,设计了一种混合模糊控制器;在上述研究的基础上,结合简化系统动力学模型建立了半主动控制仿真系统,在扫频激励下验证了控制器的有效性;并联合ADAMS和Simulink建立了18自由度的多刚体半主动控制仿真系统,分别在柴油机功率均衡和非均衡工况下进行了控制效果验证。之后,考虑结构振动的影响,建立了中间构架柔性的刚柔耦合半主动控制系统,进一步研究了阻尼控制力方向、位置对动力机组结构振动控制效果的影响规律。最后,针对模糊控制器比例因子和量化因子参数非最优问题,采用遗传算法进行优化,并在各挡位工况下验证了模糊控制器的优化效果。研究结果表明:采用适应度线性变换、自适应交叉和变异概率的方法可以有效提高遗传神经网络的收敛速度,且模型精度更高,能更准确地反映磁流变阻尼器的动力学特性。通过半主动控制系统仿真计算可知,天棚模糊控制器可以显着提高系统低频稳定性,但会降低高频隔振效率;地棚模糊控制器对低频稳定性改善效果有限,但有良好的高频隔振性能;混合模糊控制器结合了二者的优点,在包括功率均衡和非均衡工况在内的宽频范围内均具有良好的隔振控制效果。研究发现对于刚体振动和结构振动的控制效果不仅与模态振型有关,同时还受阻尼控制力位置、方向的影响。利用遗传算法可以解决模糊控制器参数非最优问题,提高半主动控制系统的隔振效率。文章研究成果可为进一步改善系统隔振性能,提高内燃动车隔振技术提供参考,同时对动力机组全工况整机振动控制以及系统结构振动控制具有参考价值和指导意义。
邢尹[8]（2018）在《大坝水平位移神经网络模型研究》文中研究表明为保障大坝的安全运行和确保下游人民生命财产的安全,在大坝的整个生命周期内应进行安全监测,实践证明,该工作发挥了极其重要的作用。作为大坝安全监测研究领域中的重要方向之一,安全监控预测模型的研究一直是该领域研究的一个热点问题。预测模型通过大量的实测数据建立,可达到监控和判断大坝安全状况的目的。然而,由于某些监测量影响因素复杂,其影响机理难以用确定的函数关系表达,或监测数据系列短、信息缺失等,以致常用的预测模型精度低、可靠性差,难以满足工程日常管理和研究的需求。因此,采用新的理论和方法研究高精度、高可靠性的预测模型,对完善监测数据分析处理理论和提高大坝安全管理水平具有重要的理论和现实意义。本文采用神经网络理论,重点研究大坝水平位移与影响因素之间的非线性映射关系,进而对大坝变形规律进行分析和预测,主要研究内容和结论如下:（1）研究了基于遗传算法的神经网络预测模型。由于BP神经网络存在训练速度较慢、易陷入局部最小值等缺陷,本文引入具有全局优化能力的遗传算法对BP神经网络进行优化,构建了一种基于遗传神经网络的大坝变形预测模型。该模型采用遗传算法的选择、交叉和变异操作,对神经网络初始的权值和阈值进行优化,利用优化好的初始的权值和阈值对大坝多源监测数据训练集进行学习,利用建立好的模型进行分析预测,其精度有一定的提高。（2）提出了一种改进的自适应遗传神经网络模型。该模型从遗传算法的基本原理出发,一方面对选择算子进行改进,摒弃了传统的轮盘赌法和最优个体保存策略,采用不同遗传操作阶段保存不同比例的最优个体进行直接遗传到下一代的策略,增加了初始种群的多样性,同时保存了最优的个体;另一方面,摒弃了传统的固定交叉、变异概率和自适应的交叉、变异概率,采用一种具有种群进化初期良好的自适应交叉、概率,使得该算法能够依据自身所处的环境自适应地调整参数。基于以上改进策略,大大提升了基本遗传算法的全局寻优能力。（3）研究了基于粒子群算法神经网络预测模型。由于粒子群算法具备全局寻优能力,对BP神经网络的初始的权值和阈值进行优化,可有效克服BP算法的固有缺陷;探讨了基于小波分析理论和BP神经网络相结合的小波神经网络模型。小波神经网络用小波元替代神经元,通过仿射变换建立起小波变换和网络系数之间的连接,可进一步提高网络的泛化能力和可靠性。（4）利用实测数据对所研究模型进行了分析验证。分析结果表明,改进的自适应遗传神经网络模型相比于基本的BP神经网络、遗传神经网络等模型,不仅提高了预测精度和收敛速度,而且具有更好的稳定性,有很好的实际应用价值。
《中国公路学报》编辑部[9]（2017）在《中国汽车工程学术研究综述·2017》文中研究指明为了促进中国汽车工程学科的发展,从汽车噪声-振动-声振粗糙度（Noise,Vibration,Harshness,NVH）控制、汽车电动化与低碳化、汽车电子化、汽车智能化与网联化以及汽车碰撞安全技术5个方面,系统梳理了国内外汽车工程领域的学术研究进展、热点前沿、存在问题、具体对策及发展前景。汽车NVH控制方面综述了从静音到声品质、新能源汽车NVH控制技术、车身与底盘总成NVH控制技术、主动振动控制技术等;汽车电动化与低碳化方面综述了传统汽车动力总成节能技术、混合动力电动汽车技术等;汽车电子化方面综述了汽车发动机电控技术、汽车转向电控技术、汽车制动电控技术、汽车悬架电控技术等;汽车智能化与网联化方面综述了中美智能网联汽车研究概要、复杂交通环境感知、高精度地图及车辆导航定位、汽车自主决策与轨迹规划、车辆横向控制及纵向动力学控制、智能网联汽车测试,并给出了先进驾驶辅助系统（ADAS）、车联网和人机共驾等典型应用实例解析;汽车碰撞安全技术方面综述了整车碰撞、乘员保护、行人保护、儿童碰撞安全与保护、新能源汽车碰撞安全等。该综述可为汽车工程学科的学术研究提供新的视角和基础资料。
展猛[10]（2017）在《基于SMA-压电复合减震系统的电抗器结构地震响应控制研究》文中进行了进一步梳理电抗器是电力系统中的重要设备之一,主要起着限流、滤波和补偿作用。一般由电抗器实体和支柱绝缘子组成,具有重心高,顶部质量大,支柱长细比大等特点,抗震性能较差。地震后常发生支柱绝缘子与电抗器组件连接部位被震坏等现象。而随着我国电网容量的大幅增加以及电压等级的不断提高,电抗器电压等级及容量也不断提升,使得设备整体高度大幅度增高,对抗震性能的要求也越来越高。本文针对形状记忆合金（Shape Memory Alloy,SMA）被动减震装置和压电摩擦半主动减震装置存在的缺点,考虑电抗器设备特点和结构减震控制要求,研发了一种新型SMA-压电摩擦复合减震装置,并结合人工免疫算法、BP神经网络和模糊控制算法等智能控制技术,进行了基于电抗器结构的SMA-压电复合减震系统的一体化理论分析与试验研究。主要内容如下:（1）针对遗传算法容易陷入早熟收敛和群体多样性差的问题,基于生物免疫系统中的克隆选择、免疫记忆以及免疫自调节机理,提出了一种自适应免疫记忆克隆算法（AIMCA）。以模态可控度作为优化目标准则的影响因素,分别采用改进的遗传算法（IGA）和AIMCA,对一个85节点、288杆件的空间平板网架结构中减震装置的布置位置和数量进行了优化配置研究。结果表明,AIMCA适用范围广,特别是对于复杂工程结构减震装置的高维优化配置问题,AIMCA则表现出了比IGA更优异的性能,种群多样性更好,寻优能力更强,收敛速度更快,可以获得更大的性能指标值和更优的减震效果。（2）通过对研发的SMA-压电摩擦复合减震装置进行性能试验,分析了激励电压、加/卸载频率和位移幅值等对其单圈耗能能力、等效阻尼比及等效割线刚度的影响。结果表明,该复合减震装置可双向出力,滞回曲线饱满且对称性较好,加/卸载频率对复合减震装置的性能影响很小,说明其工作性能稳定,适用范围广;随着电压的增大,减震装置的绝对最大控制力呈线性增大,滞回面积逐渐增加,耗能能力不断提高。在位移幅值为12mm时,施加120V电压,耗能量可提高138.23%,等效阻尼比可提高94.23%,可见研发的复合减震装置耗能能力较好。（3）基于SMA和SMA-压电摩擦复合减震装置的试验结果,分别采用两种神经元输入策略,建立了相应的BP神经网络预测模型,并利用AIMCA对复合减震装置神经网络模型的权阀值进行了优化。结果表明,相比采用前前时刻和前时刻应力、应变以及本时刻应变作为神经元输入的SMA网络模型,以位移、速率和电压为神经元输入的复合减震装置预测模型由于减少了神经元输入参量,其预测精度有所降低,但便于工程应用,经优化的BP神经网络提高了复合减震装置预测模型的精度和稳定性。BP神经网络预测模型可综合考虑多种因素,较好地预测复合减震装置的出力,便于在MATLAB仿真中实现,为SMA复合类减震装置本构模型的建立和应用提供了新途径。（4）采用连续Bouc-Wen模型模拟结构的非线性恢复力,利用建立的优化BP神经网络模型确定复合减震装置的控制力,电压采用模糊控制输出,进行了一框架结构地震响应的混合半主动控制仿真分析。结果表明,基于复合减震装置的特点,结合人工免疫算法、BP神经网络和模糊控制技术建立的混合半主动控制系统可以根据结构的动力反应实时地调整压电摩擦单元的摩擦出力,便于实现结构的混合半主动控制。（5）设计制作了一个相似比1:2的10kV干式空心电抗器结构模型,对其进行了无控、被动控制和混合控制时的模拟地震振动台试验,分析了模型结构的动力特性变化规律和不同工况下的减震效果。结果表明,文中研制的SMA-压电摩擦复合减震装置可以有效地降低电抗器结构的动力反应,一般地,被动控制时位移和加速度的减震率可达40%,混合控制时可达50%。另外,试验后未见电抗器结构薄弱部位发生地震破坏,说明该复合减震系统可提高电抗器结构的抗震可靠性。
二、基于模糊进程因子的改进自适应遗传算法（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于模糊进程因子的改进自适应遗传算法（论文提纲范文）
（1）基于攻击链的网络安全态势感知系统设计和实现（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题的背景及意义 |
| 1.2 国内外研究现状 |
| 1.3 本文的工作 |
| 1.4 本文的组织架构 |
| 第2章 相关理论与技术概述 |
| 2.1 态势感知模型 |
| 2.1.1 Endsley的概念模型 |
| 2.1.2 JDL的数据融合模型 |
| 2.1.3 Bass的功能模型 |
| 2.2 态势评估技术 |
| 2.2.1 现有安全态势指标体系 |
| 2.2.2 安全态势评估一般方法 |
| 2.3 神经网络预测模型理论基础 |
| 2.3.1 BP神经网络模型 |
| 2.3.2 Elman神经网络模型 |
| 2.3.3 遗传算法 |
| 2.4 本章小结 |
| 第3章 基于攻击链的网络安全态势评估设计 |
| 3.1 对网络攻击阶段的分析 |
| 3.2 攻击链因子的提出和作用 |
| 3.3 态势评估分析 |
| 3.3.1 构建态势评估指标体系 |
| 3.3.2 构建态势评估模型 |
| 3.3.3 计算各级态势值 |
| 3.4 本章小结 |
| 第4章 自适应遗传算法优化Elman神经网络的态势预测 |
| 4.1 实验数据分析 |
| 4.2 Elman神经网络预测及不足分析 |
| 4.3 遗传算法优化改进分析 |
| 4.4 交叉率和变异率的适应性改进分析 |
| 4.5 自适应遗传算法优化Elman神经网络的流程和算法 |
| 4.6 实验与分析 |
| 4.6.1 搭建实验环境 |
| 4.6.2 数据集的构建 |
| 4.6.3 预测误差指标的定义 |
| 4.6.4 Elman神经网络参数的设置 |
| 4.6.5 遗传参数的设定 |
| 4.6.6 实验结果对比与分析 |
| 4.7 本章小结 |
| 第5章 系统的需求分析与总体设计 |
| 5.1 系统设计原则 |
| 5.2 系统功能需求描述 |
| 5.3 系统整体结构设计 |
| 5.4 系统开发环境 |
| 5.5 数据库表结构设计 |
| 5.5.1 实体-联系图的设计 |
| 5.5.2 数据库表的设计 |
| 5.6 本章小结 |
| 第6章 系统的详细设计与实现 |
| 6.1 系统主要模块及交互 |
| 6.2 数据采集模块 |
| 6.2.1 可用性指标采集 |
| 6.2.2 各攻击阶段指标数据采集 |
| 6.3 态势评估模块 |
| 6.4 态势预测模块 |
| 6.5 服务中心管理控制模块 |
| 6.6 前端界面 |
| 6.7 系统展示 |
| 6.8 系统测试 |
| 6.8.1 测试环境 |
| 6.8.2 测试方案 |
| 6.8.3 测试执行 |
| 6.9 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间取得的研究成果 |
| 致谢 |
（2）风电-储能价值链协同决策模型及信息系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 风电-储能价值链研究现状 |
| 1.2.2 风电-储能价值链利益管理决策 |
| 1.2.3 风电-储能价值链协同优化决策 |
| 1.2.4 风电-储能价值链价值增值效应决策 |
| 1.2.5 信息技术与价值链协同方面研究 |
| 1.3 论文主要研究内容和创新点 |
| 1.3.1 论文主要研究内容 |
| 1.3.2 论文研究创新点 |
| 第2章 风电-储能价值链构建及协同决策分析 |
| 2.1 风电及储能现状分析 |
| 2.1.1 风电发展现状 |
| 2.1.2 风电与储能协同发展现状 |
| 2.1.3 风电和储能协同发展瓶颈分析 |
| 2.2 风电-储能价值链内涵与构建 |
| 2.2.1 风电产业链和价值链 |
| 2.2.2 风电-储能价值链的基本内涵 |
| 2.2.3 风电-储能价值链的构建 |
| 2.2.4 新一代信息技术对风电-储能价值链的支撑 |
| 2.3 风电-储能价值链协同决策理论框架分析 |
| 2.3.1 协同决策的必要性 |
| 2.3.2 协同决策问题分析 |
| 2.3.3 协同决策维度 |
| 2.3.4 协同决策内容 |
| 2.3.5 协同决策框架 |
| 2.4 本章小结 |
| 第3章 风电-储能价值链利益管理的协同决策模型 |
| 3.1 引言 |
| 3.2 风电商-储能商协同交易模式及分析 |
| 3.3 风电商-储能商协同演化博弈模型 |
| 3.3.1 演化博弈理论 |
| 3.3.2 模型假设 |
| 3.3.3 协同交易策略及收益函数 |
| 3.3.4 动态演化博弈模型及分析 |
| 3.4 仿真验证及结果分析 |
| 3.4.1 仿真设计 |
| 3.4.2 结果分析 |
| 3.4.3 敏感性分析 |
| 3.5 本章小结 |
| 第4章 风电-储能价值链容量管理的协同决策模型 |
| 4.1 引言 |
| 4.2 储能容量管理的协同框架及分析 |
| 4.3 储能容量管理的运行策略及模型构建 |
| 4.3.1 WF-HESS运行策略 |
| 4.3.2 WF-HESS组件模型 |
| 4.3.3 WF-HESS能量管理模型 |
| 4.4 储能容量管理的协同优化决策模型 |
| 4.4.1 多目标协同优化决策模型 |
| 4.4.2 基于MOPSO和TOPSIS的求解算法 |
| 4.4.3 算例分析 |
| 4.5 本章小结 |
| 第5章 风电-储能价值链用能管理的协同决策模型 |
| 5.1 引言 |
| 5.2 用能管理的协同框架及分析 |
| 5.3 系统组件模型构建与控制策略 |
| 5.3.1 组件模型构建 |
| 5.3.2 系统控制策略 |
| 5.4 用能管理的协同优化决策模型 |
| 5.4.1 目标函数 |
| 5.4.2 约束条件 |
| 5.4.3 基于IAGA的模型求解算法 |
| 5.4.4 情景分析 |
| 5.5 本章小结 |
| 第6章 风电-储能价值链价值增值效应的协同决策模型 |
| 6.1 引言 |
| 6.2 价值增值效应决策指标体系 |
| 6.2.1 指标构建原则 |
| 6.2.2 指标体系构建 |
| 6.3 价值链价值增值效应决策模型 |
| 6.3.1 决策指标的预处理 |
| 6.3.2 区间二型模糊数确定指标权重 |
| 6.3.3 区间二型模糊TOPSIS综合决策模型 |
| 6.4 算例分析 |
| 6.4.1 基础数据 |
| 6.4.2 结果分析 |
| 6.4.3 讨论分析 |
| 6.5 本章小结 |
| 第7章 风电-储能价值链信息系统架构设计 |
| 7.1 系统分析 |
| 7.1.1 系统需求分析 |
| 7.1.2 可行性分析 |
| 7.2 整体架构设计 |
| 7.2.1 设计原则 |
| 7.2.2 工作流程设计 |
| 7.2.3 系统架构 |
| 7.2.4 物联集成模型 |
| 7.2.5 信息集成与共享模型 |
| 7.3 系统功能设计 |
| 7.3.1 数据库设计 |
| 7.3.2 模型库设计 |
| 7.3.3 方法库设计 |
| 7.3.4 功能架构设计 |
| 7.4 关键技术 |
| 7.5 本章小结 |
| 第8章 研究成果与结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（3）政府投资光伏扶贫项目区域优选方法及其规划模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究的背景和意义 |
| 1.1.1 论文的研究背景 |
| 1.1.2 论文的研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 光伏扶贫项目研究现状 |
| 1.2.2 实施区域优选方法研究现状 |
| 1.2.3 项目规划决策模型研究现状 |
| 1.3 主要研究内容和技术路径 |
| 1.3.1 主要研究内容 |
| 1.3.2 研究技术路线 |
| 1.4 主要创新点 |
| 第2章 相关基础理论研究 |
| 2.1 减贫相关理论 |
| 2.1.1 贫困定义与划分标准 |
| 2.1.2 社会主义贫困理论内在逻辑 |
| 2.2 风险决策相关理论 |
| 2.2.1 风险决策的基本概念 |
| 2.2.2 关键理论及其演化路径 |
| 2.3 规划模型相关理论 |
| 2.3.1 数学规划模型的基本内涵 |
| 2.3.2 条件约束与组合优化模型 |
| 2.3.3 效率测度模型及其延展 |
| 2.4 本章小结 |
| 第3章 政府投资光伏扶贫项目政策及投资机理 |
| 3.1 光伏扶贫项目基本内涵 |
| 3.3.1 光伏扶贫项目的基本特征 |
| 3.3.2 考虑利益相关方的项目目标 |
| 3.3.3 影响目标实现的关键问题 |
| 3.2 结合项目内涵的相关政策分析 |
| 3.2.1 基于时序规律的政策特征梳理 |
| 3.2.2 基于政策特征的政策引导作用 |
| 3.3 政策引导下光伏扶贫项目投资机理研究 |
| 3.3.1 项目利益相关方的组织架构 |
| 3.3.2 光伏扶贫项目的建设类型 |
| 3.3.3 光伏扶贫项目的融资模式 |
| 3.4 本章小结 |
| 第4章 政策引导下光伏扶贫项目实施区域优选方法 |
| 4.1 关键影响因素识别与分析 |
| 4.1.1 因素挖掘思路与原则 |
| 4.1.2 关键影响因素识别与挖掘 |
| 4.1.3 实施区域优选指标体系 |
| 4.2 直觉模糊环境的因素评估值采集 |
| 4.2.1 评估值类型及采集流程 |
| 4.2.2 直觉模糊环境的评估值确定方法 |
| 4.3 直觉模糊主客观组合权重计算 |
| 4.3.1 权重确定方法介绍与分析 |
| 4.3.2 直觉模糊环境的组合定权方法 |
| 4.4 基于TODIM集结框架的区位优选排序 |
| 4.4.1 信息集结及排序技术特点 |
| 4.4.2 直觉模糊环境的TODIM优选排序方法 |
| 4.5 算例分析 |
| 4.6 本章小结 |
| 第5章 基于非支配排序遗传算法的组合优化模型构建 |
| 5.1 光伏扶贫项目组合优化特点及内涵 |
| 5.1.1 项目组合管理及其内涵 |
| 5.1.2 光伏扶贫项目组合优化特征 |
| 5.2 光伏扶贫项目组合优化模型设计 |
| 5.2.1 模型的基本假设 |
| 5.2.2 多维“目标—约束”组合优化模型构建 |
| 5.3 算法分析及优化 |
| 5.3.1 优化求解算法内涵及分类 |
| 5.3.2 多目标遗传算法适用性分析 |
| 5.3.3 改进的非支配遗传算法 |
| 5.4 算法性能测试及算例分析 |
| 5.4.1 算法性能测试 |
| 5.4.2 算例分析 |
| 5.5 本章小结 |
| 第6章 基于公平与效率理论的规划方案优选模型构建 |
| 6.1 光伏扶贫项目公平与效率特质分析 |
| 6.1.1 项目全寿命周期公平与效率表征 |
| 6.1.2 项目干系人视角下公平与效率诉求 |
| 6.1.3 公平与效率理论适用性 |
| 6.2 光伏扶贫项目规划方案优选模型设计 |
| 6.2.1 模型基本假设 |
| 6.2.2 变量分析及选择 |
| 6.2.3 优选模型设计与构建 |
| 6.3 算法分析与优化 |
| 6.3.1 聚类分析算法介绍 |
| 6.3.2 数据包络分析算法描述 |
| 6.3.3 考虑数据纠偏的组合求解算法 |
| 6.4 算例分析 |
| 6.5 本章小结 |
| 第7章 研究成果和结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其它成果 |
| 攻读博士学位期间参加的科研工作 |
| 致谢 |
| 作者简介 |
（4）并联混合动力汽车能量优化策略研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 混合动力汽车分类 |
| 1.2.1 串联混合动力汽车 |
| 1.2.2 并联混合动力汽车 |
| 1.2.3 混联混合动力汽车 |
| 1.3 并联混合动力汽车能量控制策略研究现状 |
| 1.4 本文主要研究内容及安排 |
| 2 并联混合动力汽车模型建立 |
| 2.1 混合动力汽车仿真建模方式 |
| 2.1.1 前向仿真方法 |
| 2.1.2 后向仿真方法 |
| 2.2 混合动力汽车仿真软件介绍 |
| 2.3 并联混合动力汽车系统建模 |
| 2.3.1 发动机模型 |
| 2.3.2 电机模型 |
| 2.3.3 蓄电池模型 |
| 2.3.4 车轮模型 |
| 2.3.5 主减速器模型 |
| 2.3.6 整车动力学模型 |
| 2.3.7 变速器模型 |
| 2.3.8 整车模型 |
| 2.4 本章小结 |
| 3 并联混合动力汽车能量控制策略设计 |
| 3.1 基于逻辑门限的电机辅助型控制策略 |
| 3.2 模糊逻辑控制理论 |
| 3.2.1 模糊逻辑控制概述 |
| 3.2.2 模糊逻辑控制特点 |
| 3.2.3 模糊控制器结构 |
| 3.3 模糊逻辑控制策略 |
| 3.3.1 模糊控制器的设计 |
| 3.3.2 输入输出隶属度函数 |
| 3.3.3 模糊逻辑控制规则 |
| 3.4 仿真研究 |
| 3.5 本章小结 |
| 4 模糊控制器的优化设计 |
| 4.1 遗传算法简介 |
| 4.2 基于改进自适应遗传算法的模糊控制器优化设计 |
| 4.2.1 自适应概率参数的改进 |
| 4.2.2 初始化工作空间 |
| 4.2.3 初始种群生成 |
| 4.2.4 适应度函数的选取 |
| 4.2.5 运行参数设定 |
| 4.2.6 约束条件 |
| 4.3 仿真研究 |
| 4.3.1 算法优化结果 |
| 4.3.2 仿真分析 |
| 4.4 本章小结 |
| 5 结论与展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读硕士学位期间的科研成果 |
（5）基于改进模糊控制的干线动态协调控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 研究现状 |
| 1.2.1 干线交叉口协调控制研究现状 |
| 1.2.2 交叉口信号模糊控制研究现状 |
| 1.2.3 短时交通流预测方法研究现状 |
| 1.3 研究目标和内容 |
| 1.3.1 研究目标 |
| 1.3.2 研究内容 |
| 1.3.3 技术路线 |
| 第2章 基础理论概述 |
| 2.1 交通信号控制理论概述 |
| 2.1.1 交通信号控制类型 |
| 2.1.2 交通信号控制的主要参数 |
| 2.1.3 交通信号控制的主要性能指标 |
| 2.1.4 干线信号协调控制基本参数和形成条件 |
| 2.2 模糊控制理论概述 |
| 2.2.1 模糊控制的概念 |
| 2.2.2 模糊控制的特点 |
| 2.2.3 模糊控制器的结构 |
| 2.2.4 模糊控制器的设计步骤 |
| 2.3 VISSIM二次开发概述 |
| 2.3.1 VISSIM仿真平台概述 |
| 2.3.2 VISSIM_COM Server接口概述 |
| 2.3.3 MATLAB概述 |
| 2.4 本章小结 |
| 第3章 考虑车辆离散规律的双交叉口模糊协调控制 |
| 3.1 交通参数的设置及获取 |
| 3.1.1 相位设置 |
| 3.1.2 排队长度 |
| 3.1.3 相邻交叉口间车辆数 |
| 3.2 模糊控制器的设计 |
| 3.2.1 第一级模糊控制级 |
| 3.2.2 第二级模糊控制级 |
| 3.2.3 第三级模糊控制级 |
| 3.3 考虑车辆离散规律的干线双交叉口模糊协调控制算法流程 |
| 3.4 仿真设计与结果分析 |
| 3.5 本章小结 |
| 第4章 基于元胞传输模型的交叉口交通流预测 |
| 4.1 元胞传输模型的基本原理 |
| 4.2 元胞的数学模型 |
| 4.2.1 普通节点连接 |
| 4.2.2 合流节点连接 |
| 4.2.3 分流节点连接 |
| 4.3 适用于交叉口的改进元胞传输模型 |
| 4.3.1 可变元胞长度的元胞传输模型 |
| 4.3.2 进口道元胞发送流率的修正方法 |
| 4.3.3 CTM模型参数的标定 |
| 4.4 仿真设计与结果分析 |
| 4.4.1 单交叉口交通流仿真设计与结果分析 |
| 4.4.2 相邻双交叉口交通流仿真设计与结果分析 |
| 4.5 本章小结 |
| 第5章 基于遗传算法的干线双交叉口模糊协调控制 |
| 5.1 遗传算法概述 |
| 5.1.1 遗传算法的基本原理 |
| 5.1.2 遗传算法的构成要素 |
| 5.1.3 遗传算法的应用步骤 |
| 5.2 自适应遗传算法优化模糊控制器研究 |
| 5.2.1 自适应遗传算法的设计 |
| 5.2.2 编码方法 |
| 5.2.3 目标函数和适应度函数的选取 |
| 5.2.4 遗传算子的选择 |
| 5.3 自适应遗传算法优化模糊控制器算法流程 |
| 5.4 仿真设计与结果分析 |
| 5.4.1 自适应遗传算法优化隶属度函数对比 |
| 5.4.2 控制效果对比 |
| 5.5 本章小结 |
| 第6章 结论与展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间发表论文 |
（6）制造型企业资源受限项目调度问题算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究综述 |
| 1.2.1 项目调度模型研究现状 |
| 1.2.2 项目调度算法研究现状 |
| 1.2.3 关键链项目管理研究现状 |
| 1.2.4 研究现状综述 |
| 1.3 主要研究内容、研究目的和意义 |
| 1.4 本章小结 |
| 第二章 项目调度问题理论分析 |
| 2.1 任务工期 |
| 2.2 约束条件 |
| 2.2.1 逻辑约束 |
| 2.2.2 资源约束 |
| 2.3 目标函数 |
| 2.4 资源受限项目调度模型 |
| 2.5 本章小结 |
| 第三章 基于遗传算法求解RCPSP问题 |
| 3.1 遗传算法应用 |
| 3.2 遗传算法基本构成要素 |
| 3.3 遗传算法的优缺点 |
| 3.4 优化的遗传算法流程 |
| 3.5 改进遗传算法求解RCPSP问题 |
| 3.5.1 编码设计 |
| 3.5.2 解码设计 |
| 3.5.3 适应度函数设计 |
| 3.5.4 遗传算子设计 |
| 3.5.5 局部搜索算子设计 |
| 3.6 实验设计与算例测试 |
| 3.6.1 算例描述 |
| 3.6.2 参数寻优 |
| 3.6.3 算例输出 |
| 3.7 本章小结 |
| 第四章 基于布谷鸟算法求解RCPSP问题 |
| 4.1 布谷鸟算法应用 |
| 4.2 莱维飞行 |
| 4.3 布谷鸟算法的优缺点 |
| 4.4 布谷鸟算法流程 |
| 4.5 自适应布谷鸟算法求解RCPSP问题 |
| 4.6 实验设计与算例测试 |
| 4.6.1 算例描述 |
| 4.6.2 参数寻优 |
| 4.6.3 算例输出 |
| 4.6.4 算法比较 |
| 4.7 本章小结 |
| 第五章 企业项目调度及资源影响力分析 |
| 5.1 项目背景介绍 |
| 5.2 案例描述 |
| 5.3 调度方案 |
| 5.4 资源影响力分析 |
| 5.4.1 有无资源约束对项目调度计划的影响 |
| 5.4.2 资源类型和约束水平对调度方案的影响 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读学位期间本人出版或公开发表的论着、论文 |
| 致谢 |
（7）动力机组双层隔振系统半主动模糊控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 隔振系统研究现状 |
| 1.2.2 隔振方法研究现状 |
| 1.2.3 模糊控制研究现状 |
| 1.3 本文的主要研究内容 |
| 第2章 动力机组双层隔振半主动控制原理 |
| 2.1 动力机组双层隔振系统动力学模型 |
| 2.2 动力机组双层隔振系统性能评价指标 |
| 2.2.1 振动烈度 |
| 2.2.2 动反力 |
| 2.2.3 力传递率 |
| 2.3 模糊控制理论 |
| 2.3.1 模糊集合及隶属函数 |
| 2.3.2 模糊关系及其运算 |
| 2.3.3 模糊逻辑推理 |
| 2.3.4 基本模糊控制器 |
| 2.4 双层隔振系统半主动控制策略 |
| 2.4.1 优化目标 |
| 2.4.2 控制策略 |
| 2.5 本章小结 |
| 第3章 磁流变阻尼器非参数化模型建立 |
| 3.1 磁流变阻尼器动力学特性试验 |
| 3.2 非参数化建模原理 |
| 3.2.1 神经网络算法 |
| 3.2.2 遗传算法及改进 |
| 3.2.3 改进遗传-神经网络算法 |
| 3.3 磁流变阻尼器非参数化模型建立 |
| 3.3.1 磁流变阻尼器正向模型建立 |
| 3.3.2 磁流变阻尼器逆向模型建立 |
| 3.4 本章小结 |
| 第4章 动力机组多刚体隔振系统模糊控制 |
| 4.1 动力机组动力学模型及简化 |
| 4.1.1 动力机组模态分析 |
| 4.1.2 模型简化 |
| 4.2 模糊控制器设计 |
| 4.2.1 模糊控制器基本参数 |
| 4.2.2 天棚模糊控制器 |
| 4.2.3 地棚模糊控制器 |
| 4.3 简化隔振系统半主动控制分析 |
| 4.3.1 半主动控制系统 |
| 4.3.2 天棚模糊控制 |
| 4.3.3 地棚模糊控制 |
| 4.3.4 混合模糊控制 |
| 4.4 多刚体隔振系统半主动控制分析 |
| 4.4.1 半主动控制系统 |
| 4.4.2 功率均衡状态下控制效果验证 |
| 4.4.3 功率非均衡状态下控制效果验证 |
| 4.5 本章小结 |
| 第5章 动力机组刚柔耦合隔振系统模糊控制 |
| 5.1 刚柔耦合系统建模 |
| 5.1.1 刚柔耦合系统模态计算 |
| 5.1.2 频响分析 |
| 5.2 扫频激励下系统半主动控制分析 |
| 5.2.1 半主动控制系统 |
| 5.2.2 半主动控制效果验证 |
| 5.2.3 阻尼控制力位置对控制效果的影响 |
| 5.3 挡位运行工况下系统半主动控制优化及验证 |
| 5.3.1 模糊控制器优化原理 |
| 5.3.2 模糊控制器参数优化 |
| 5.3.3 挡位运行工况下控制效果验证 |
| 5.4 本章小结 |
| 结论与展望 |
| 1 结论 |
| 2 展望 |
| 致谢 |
| 参考文献 |
| 攻读硕士期间发表学术论文 |
（8）大坝水平位移神经网络模型研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 大坝形变监测研究进展 |
| 1.2.1 监测技术研究进展 |
| 1.2.2 监测数据处理研究进展 |
| 1.2.3 预测模型研究进展 |
| 1.2.4 安全评价理论研究进展 |
| 1.3 存在的主要问题 |
| 1.4 本文主要研究内容及技术路线 |
| 第二章 基于不同神经网络的大坝水平位移预测模型 |
| 2.1 基于BP神经网络的大坝水平位移预测模型 |
| 2.1.1 BP神经网络的基本原理 |
| 2.1.2 BP神经网络模型的应用与分析 |
| 2.2 基于粒子群神经网络的大坝水平位移预测模型 |
| 2.2.1 粒子群神经网络的基本原理 |
| 2.2.2 粒子群神经网络模型的应用与分析 |
| 2.3 基于小波神经网络的大坝水平位移预测模型 |
| 2.3.1 小波神经网络的基本理论 |
| 2.3.2 小波神经网络模型的应用与分析 |
| 2.4 本章小结 |
| 第三章 基于遗传神经网络的大坝水平位移预测模型 |
| 3.1 遗传神经网络的基本原理 |
| 3.2 遗传神经网络模型的应用与分析 |
| 3.3 基本遗传神经网络的缺点与不足 |
| 3.4 本章小结 |
| 第四章 基于改进遗传神经网络的大坝水平位移预测模型 |
| 4.1 自适应遗传神经网络 |
| 4.1.1 自适应遗传算法 |
| 4.1.2 自适应遗传神经网络算法的建立步骤 |
| 4.1.3 自适应遗传神经网络模型的应用与分析 |
| 4.2 改进的自适应遗传神经网络 |
| 4.2.1 改进的自适应遗传算法 |
| 4.2.2 改进的自适应遗传神经网络的实施步骤 |
| 4.3 改进的自适应遗传神经网络模型在大坝水平位移预测中的应用 |
| 4.3.1 改进的自适应遗传神经网络模型的应用与分析 |
| 4.3.2 不同遗传神经网络模型综合比较与分析 |
| 4.3.3 不同神经网络模型综合比较与分析 |
| 4.4 本章小结 |
| 第五章 总结和展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 个人简介、攻读硕士期间参与的科研项目及发表的学术论文 |
| 致谢 |
（9）中国汽车工程学术研究综述·2017（论文提纲范文）
| 索引 |
| 0引言 |
| 1汽车NVH控制 (长安汽车工程研究院庞剑总工程师统稿) |
| 1.1从静音到声品质 (重庆大学贺岩松教授提供初稿) |
| 1.1.1国内外研究现状 |
| 1.1.1.1声品质主观评价 |
| 1.1.1.2声品质客观评价 |
| 1.1.1.3声品质主客观统一模型 |
| 1.1.2存在的问题 |
| 1.1.3研究发展趋势 |
| 1.2新能源汽车NVH控制技术 |
| 1.2.1驱动电机动力总成的NVH技术 (同济大学左曙光教授、林福博士生提供初稿) |
| 1.2.1.1国内外研究现状 |
| 1.2.1.2热点研究方向 |
| 1.2.1.3存在的问题与展望 |
| 1.2.2燃料电池发动机用空压机的NVH技术 (同济大学左曙光教授、韦开君博士生提供初稿) |
| 1.2.2.1国内外研究现状 |
| 1.2.2.2存在的问题 |
| 1.2.2.3总结与展望 |
| 1.3车身与底盘总成NVH控制技术 |
| 1.3.1车身与内饰 (长安汽车工程研究院庞剑总工程师提供初稿) |
| 1.3.1.1车身结构 |
| 1.3.1.2声学包装 |
| 1.3.2制动系 (同济大学张立军教授、徐杰博士生、孟德建讲师提供初稿) |
| 1.3.2.1制动抖动 |
| 1.3.2.2制动颤振 |
| 1.3.2.3制动尖叫 |
| 1.3.2.4瓶颈问题与未来趋势 |
| 1.3.3轮胎 (清华大学危银涛教授、杨永宝博士生、赵崇雷硕士生提供初稿) |
| 1.3.3.1轮胎噪声机理研究 |
| 1.3.3.2轮胎噪声计算模型 |
| 1.3.3.3轮胎噪声的测量手段 |
| 1.3.3.4降噪方法 |
| 1.3.3.5问题与展望 |
| 1.3.4悬架系 (吉林大学庄晔副教授提供初稿) |
| 1.3.4.1悬架系NVH问题概述 |
| 1.3.4.2悬架系的动力学建模与NVH预开发 |
| 1.3.4.3悬架系的关键部件NVH设计 |
| 1.3.4.4悬架NVH设计整改 |
| 1.4主动振动控制技术 (重庆大学郑玲教授提供初稿) |
| 1.4.1主动和半主动悬架技术 |
| 1.4.1.1主动悬架技术 |
| 1.4.1.2半主动悬架技术 |
| 1.4.2主动和半主动悬置技术 |
| 1.4.2.1主动悬置技术 |
| 1.4.2.2半主动悬置技术 |
| 1.4.3问题及发展趋势 |
| 2汽车电动化与低碳化 (江苏大学何仁教授统稿) |
| 2.1传统汽车动力总成节能技术 (同济大学郝真真博士生、倪计民教授提供初稿) |
| 2.1.1国内外研究现状 |
| 2.1.1.1替代燃料发动机 |
| 2.1.1.2高效内燃机 |
| 2.1.1.3新型传动方式 |
| 2.1.2存在的主要问题 |
| 2.1.3重点研究方向 |
| 2.1.4发展对策及趋势 |
| 2.2混合动力电动汽车技术 (重庆大学胡建军教授、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.2.1国内外研究现状 |
| 2.2.2存在的问题 |
| 2.2.3重点研究方向 |
| 2.3新能源汽车技术 |
| 2.3.1纯电动汽车技术 (长安大学马建、余强、汪贵平教授, 赵轩、李耀华副教授, 许世维、唐自强、张一西研究生提供初稿) |
| 2.3.1.1动力电池 |
| 2.3.1.2分布式驱动电动汽车驱动控制技术 |
| 2.3.1.3纯电动汽车制动能量回收技术 |
| 2.3.2插电式混合动力汽车技术 (重庆大学胡建军、秦大同教授, 彭航、周星宇博士生提供初稿) |
| 2.3.2.1国内外研究现状 |
| 2.3.2.2存在的问题 |
| 2.3.2.3热点研究方向 |
| 2.3.2.4研究发展趋势 |
| 2.3.3燃料电池电动汽车技术 (北京理工大学王震坡教授、邓钧君助理教授, 北京重理能源科技有限公司高雷工程师提供初稿) |
| 2.3.3.1国内外技术发展现状 |
| 2.3.3.2关键技术及热点研究方向 |
| 2.3.3.3制约燃料电池汽车发展的关键因素 |
| 2.3.3.4燃料电池汽车的发展趋势 |
| 3汽车电子化 (吉林大学宗长富教授统稿) |
| 3.1汽车发动机电控技术 (北京航空航天大学杨世春教授、陈飞博士提供初稿) |
| 3.1.1国内外研究现状 |
| 3.1.2重点研究方向 |
| 3.1.2.1汽车发动机燃油喷射控制技术 |
| 3.1.2.2汽车发动机涡轮增压控制技术 |
| 3.1.2.3汽车发动机电子节气门控制技术 |
| 3.1.2.4汽车发动机点火控制技术 |
| 3.1.2.5汽车发动机空燃比控制技术 |
| 3.1.2.6汽车发动机怠速控制技术 |
| 3.1.2.7汽车发动机爆震检测与控制技术 |
| 3.1.2.8汽车发动机先进燃烧模式控制技术 |
| 3.1.2.9汽车柴油发动机电子控制技术 |
| 3.1.3研究发展趋势 |
| 3.2汽车转向电控技术 |
| 3.2.1电动助力转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.1.1国内外研究现状 |
| 3.2.1.2重点研究方向和存在的问题 |
| 3.2.1.3研究发展趋势 |
| 3.2.2主动转向及四轮转向技术 (吉林大学宗长富教授、陈国迎博士提供初稿) |
| 3.2.2.1国内外研究现状 |
| 3.2.2.2研究热点和存在问题 |
| 3.2.2.3研究发展趋势 |
| 3.2.3线控转向技术 (吉林大学郑宏宇副教授提供初稿) |
| 3.2.3.1转向角传动比 |
| 3.2.3.2转向路感模拟 |
| 3.2.3.3诊断容错技术 |
| 3.2.4商用车电控转向技术 (吉林大学宗长富教授、赵伟强副教授, 韩小健、高恪研究生提供初稿) |
| 3.2.4.1电控液压转向系统 |
| 3.2.4.2电液耦合转向系统 |
| 3.2.4.3电动助力转向系统 |
| 3.2.4.4后轴主动转向系统 |
| 3.2.4.5新能源商用车转向系统 |
| 3.2.4.6商用车转向系统的发展方向 |
| 3.3汽车制动控制技术 (合肥工业大学陈无畏教授、汪洪波副教授提供初稿) |
| 3.3.1国内外研究现状 |
| 3.3.1.1制动系统元部件研发 |
| 3.3.1.2制动系统性能分析 |
| 3.3.1.3制动系统控制研究 |
| 3.3.1.4电动汽车研究 |
| 3.3.1.5混合动力汽车研究 |
| 3.3.1.6参数测量 |
| 3.3.1.7与其他系统耦合分析及控制 |
| 3.3.1.8其他方面 |
| 3.3.2存在的问题 |
| 3.4汽车悬架电控技术 (吉林大学庄晔副教授提供初稿) |
| 3.4.1电控悬架功能与评价指标 |
| 3.4.2电控主动悬架最优控制 |
| 3.4.3电控悬架其他控制算法 |
| 3.4.4电控悬架产品开发 |
| 4汽车智能化与网联化 (清华大学李克强教授、长安大学赵祥模教授共同统稿) |
| 4.1国内外智能网联汽车研究概要 |
| 4.1.1美国智能网联汽车研究进展 (美国得克萨斯州交通厅Jianming Ma博士提供初稿) |
| 4.1.1.1美国智能网联车研究意义 |
| 4.1.1.2网联车安全研究 |
| 4.1.1.3美国自动驾驶车辆研究 |
| 4.1.1.4智能网联自动驾驶车 |
| 4.1.2中国智能网联汽车研究进展 (长安大学赵祥模教授、徐志刚副教授、闵海根、孙朋朋、王振博士生提供初稿) |
| 4.1.2.1中国智能网联汽车规划 |
| 4.1.2.2中国高校及研究机构智能网联汽车开发情况 |
| 4.1.2.3中国企业智能网联汽车开发情况 |
| 4.1.2.4存在的问题 |
| 4.1.2.5展望 |
| 4.2复杂交通环境感知 |
| 4.2.1基于激光雷达的环境感知 (长安大学付锐教授、张名芳博士生提供初稿) |
| 4.2.1.1点云聚类 |
| 4.2.1.2可通行区域分析 |
| 4.2.1.3障碍物识别 |
| 4.2.1.4障碍物跟踪 |
| 4.2.1.5小结 |
| 4.2.2车载摄像机等单传感器处理技术 (武汉理工大学胡钊政教授、陈志军博士, 长安大学刘占文博士提供初稿) |
| 4.2.2.1交通标志识别 |
| 4.2.2.2车道线检测 |
| 4.2.2.3交通信号灯检测 |
| 4.2.2.4行人检测 |
| 4.2.2.5车辆检测 |
| 4.2.2.6总结与展望 |
| 4.3高精度地图及车辆导航定位 (武汉大学李必军教授、长安大学徐志刚副教授提供初稿) |
| 4.3.1国内外研究现状 |
| 4.3.2当前研究热点 |
| 4.3.2.1高精度地图的采集 |
| 4.3.2.2高精度地图的地图模型 |
| 4.3.2.3高精度地图定位技术 |
| 4.3.2.4基于GIS的路径规划 |
| 4.3.3存在的问题 |
| 4.3.4重点研究方向与展望 |
| 4.4汽车自主决策与轨迹规划 (清华大学王建强研究员、李升波副教授、忻隆博士提供初稿) |
| 4.4.1驾驶人决策行为特性 |
| 4.4.2周车运动轨迹预测 |
| 4.4.3智能汽车决策方法 |
| 4.4.4自主决策面临的挑战 |
| 4.4.5自动驾驶车辆的路径规划算法 |
| 4.4.5.1路线图法 |
| 4.4.5.2网格分解法 |
| 4.4.5.3 Dijistra算法 |
| 4.4.5.4 A*算法 |
| 4.4.6路径面临的挑战 |
| 4.5车辆横向控制及纵向动力学控制 |
| 4.5.1车辆横向控制结构 (华南理工大学游峰副教授, 初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.5.1.1基于经典控制理论的车辆横向控制 (PID) |
| 4.5.1.2基于现代控制理论的车辆横向控制 |
| 4.5.1.3基于智能控制理论的车辆横向控制 |
| 4.5.1.4考虑驾驶人特性的车辆横向控制 |
| 4.5.1.5面临的挑战 |
| 4.5.2动力学控制 (清华大学李升波副研究员、李克强教授、徐少兵博士提供初稿) |
| 4.5.2.1纵向动力学模型 |
| 4.5.2.2纵向稳定性控制 |
| 4.5.2.3纵向速度控制 |
| 4.5.2.4自适应巡航控制 |
| 4.5.2.5节油驾驶控制 |
| 4.6智能网联汽车测试 (中国科学院自动化研究所黄武陵副研究员、王飞跃研究员, 清华大学李力副教授, 西安交通大学刘跃虎教授、郑南宁院士提供初稿) |
| 4.6.1智能网联汽车测试研究现状 |
| 4.6.2智能网联汽车测试热点研究方向 |
| 4.6.2.1智能网联汽车测试内容研究 |
| 4.6.2.2智能网联汽车测试方法 |
| 4.6.2.3智能网联汽车的测试场地建设 |
| 4.6.3智能网联汽车测试存在的问题 |
| 4.6.4智能网联汽车测试研究发展趋势 |
| 4.6.4.1智能网联汽车测试场地建设要求 |
| 4.6.4.2智能网联汽车测评方法的发展 |
| 4.6.4.3加速智能网联汽车测试及进程管理 |
| 4.7典型应用实例解析 |
| 4.7.1典型汽车ADAS系统解析 |
| 4.7.1.1辅助车道保持系统、变道辅助系统与自动泊车系统 (同济大学陈慧教授, 何晓临、刘颂研究生提供初稿) |
| 4.7.1.2 ACC/AEB系统 (清华大学王建强研究员, 华南理工大学游峰副教授、初鑫男、谷广研究生, 中山大学张荣辉研究员提供初稿) |
| 4.7.2 V2X协同及队列自动驾驶 |
| 4.7.2.1一维队列控制 (清华大学李克强教授、李升波副教授提供初稿) |
| 4.7.2.2二维多车协同控制 (清华大学李力副教授提供初稿) |
| 4.7.3智能汽车的人机共驾技术 (武汉理工大学褚端峰副研究员、吴超仲教授、黄珍教授提供初稿) |
| 4.7.3.1国内外研究现状 |
| 4.7.3.2存在的问题 |
| 4.7.3.3热点研究方向 |
| 4.7.3.4研究发展趋势 |
| 5汽车碰撞安全技术 |
| 5.1整车碰撞 (长沙理工大学雷正保教授提供初稿) |
| 5.1.1汽车碰撞相容性 |
| 5.1.1.1国内外研究现状 |
| 5.1.1.2存在的问题 |
| 5.1.1.3重点研究方向 |
| 5.1.1.4展望 |
| 5.1.2汽车偏置碰撞安全性 |
| 5.1.2.1国内外研究现状 |
| 5.1.2.2存在的问题 |
| 5.1.2.3重点研究方向 |
| 5.1.2.4展望 |
| 5.1.3汽车碰撞试验测试技术 |
| 5.1.3.1国内外研究现状 |
| 5.1.3.2存在的问题 |
| 5.1.3.3重点研究方向 |
| 5.1.3.4展望 |
| 5.2乘员保护 (重庆理工大学胡远志教授提供初稿) |
| 5.2.1国内外研究现状 |
| 5.2.2重点研究方向 |
| 5.2.3展望 |
| 5.3行人保护 (同济大学王宏雁教授、余泳利研究生提供初稿) |
| 5.3.1概述 |
| 5.3.2国内外研究现状 |
| 5.3.2.1被动安全技术 |
| 5.3.2.2主动安全技术研究 |
| 5.3.3研究热点 |
| 5.3.3.1事故研究趋势 |
| 5.3.3.2技术发展趋势 |
| 5.3.4存在的问题 |
| 5.3.5小结 |
| 5.4儿童碰撞安全与保护 (湖南大学曹立波教授, 同济大学王宏雁教授、李舒畅研究生提供初稿;曹立波教授统稿) |
| 5.4.1国内外研究现状 |
| 5.4.1.1儿童碰撞安全现状 |
| 5.4.1.2儿童损伤生物力学研究现状 |
| 5.4.1.3车内儿童安全法规和试验方法 |
| 5.4.1.4车外儿童安全法规和试验方法 |
| 5.4.1.5儿童安全防护措施 |
| 5.4.1.6儿童约束系统使用管理与评价 |
| 5.4.2存在的问题 |
| 5.4.3重点研究方向 |
| 5.4.4发展对策和展望 |
| 5.5新能源汽车碰撞安全 (大连理工大学侯文彬教授、侯少强硕士生提供初稿) |
| 5.5.1国内外研究现状 |
| 5.5.1.1新能源汽车碰撞试验 |
| 5.5.1.2高压电安全控制研究 |
| 5.5.1.3新能源汽车车身结构布局研究 |
| 5.5.1.4电池包碰撞安全防护 |
| 5.5.1.5动力电池碰撞安全 |
| 5.5.2热点研究方向 |
| 5.5.3存在的问题 |
| 5.5.4发展对策与展望 |
| 6结语 |
（10）基于SMA-压电复合减震系统的电抗器结构地震响应控制研究（论文提纲范文）
| 摘要 |
| abstract |
| 1 绪论 |
| 1.1 引言 |
| 1.2 智能混合控制技术 |
| 1.3 智能材料及其在结构振动控制中的应用 |
| 1.3.1 形状记忆合金 |
| 1.3.2 磁流变 |
| 1.3.3 压电陶瓷 |
| 1.3.4 磁致伸缩材料 |
| 1.4 智能复合减振技术研究现状 |
| 1.4.1 SMA复合基础隔震装置 |
| 1.4.2 SMA摩擦复合阻尼器 |
| 1.4.3 其它SMA复合减震装置 |
| 1.4.4 压电陶瓷复合减振装置 |
| 1.4.5 SMA-压电摩擦复合减震装置 |
| 1.5 智能优化方法 |
| 1.5.1 遗传算法 |
| 1.5.2 人工免疫算法 |
| 1.6 电抗器结构的抗震研究现状 |
| 1.6.1 电抗器的种类和功能 |
| 1.6.2 电抗器结构的震害研究 |
| 1.7 本文研究内容 |
| 2 自适应免疫记忆克隆算法 |
| 2.1 生物免疫系统 |
| 2.1.1 免疫系统组成、功能与特点 |
| 2.1.2 免疫系统工作原理 |
| 2.1.3 免疫应答 |
| 2.2 人工免疫算法理论 |
| 2.2.1 AIS算法的描述 |
| 2.2.2 AIS算法的特点 |
| 2.2.3 基本克隆选择算法 |
| 2.3 自适应免疫记忆克隆算法 |
| 2.3.1 亲和度函数构造 |
| 2.3.2 混沌序列初始化抗体群 |
| 2.3.3 变异算子的改进 |
| 2.3.4 实现步骤 |
| 2.4 二维函数测试 |
| 2.4.1 测试函数 |
| 2.4.2 GA的改进 |
| 2.4.3 参数设定 |
| 2.4.4 测试结果与分析 |
| 2.5 本章小结 |
| 3 基于AIMCA的工程结构减震装置优化设计 |
| 3.1 受控结构运动状态方程 |
| 3.1.1 振动控制状态方程 |
| 3.1.2 控制力位置矩阵建立 |
| 3.2 改进的遗传算法 |
| 3.2.1 传统遗传算法交叉与变异 |
| 3.2.2 改进编码方式 |
| 3.2.3 改进交叉算子 |
| 3.2.4 改进变异算子 |
| 3.3 优化准则 |
| 3.4 优化算例 |
| 3.4.1 空间网架模型 |
| 3.4.2 算法参数 |
| 3.4.3 优化结果与分析 |
| 3.5 优化结果控制分析 |
| 3.6 本章小结 |
| 4 SMA-压电摩擦复合减震装置的设计与力学性能试验 |
| 4.1 压电陶瓷驱动器 |
| 4.1.1 工作原理 |
| 4.1.2 使用要求 |
| 4.2 SMA-压电摩擦复合减震装置 |
| 4.2.1 构造设计 |
| 4.2.2 工作原理 |
| 4.2.3 加工制作 |
| 4.3 SMA丝超弹性性能试验 |
| 4.3.1 试验材料与设备 |
| 4.3.2 试验工况 |
| 4.3.3 试验结果与分析 |
| 4.4 SMA-压电摩擦复合减震装置性能试验 |
| 4.4.1 预压力的施加 |
| 4.4.2 设计参数 |
| 4.4.3 加载方案 |
| 4.4.4 试验结果与分析 |
| 4.5 本章小结 |
| 5 基于AIMCA的复合减震装置神经网络本构模型 |
| 5.1 SMA本构模型 |
| 5.1.1 唯象理论模型 |
| 5.1.2 四折线简化模型 |
| 5.2 AIMCA优化BP网络算法 |
| 5.2.1 BP网络算法原理 |
| 5.2.2 BP网络算法的缺点 |
| 5.2.3 AIMCA优化BP网络算法 |
| 5.3 SMA神经网络本构模型 |
| 5.3.1 确定BP网络结构 |
| 5.3.2 训练样本采集与处理 |
| 5.3.3 仿真结果比较与分析 |
| 5.4 AIMCA优化的复合减震装置BP网络本构模型 |
| 5.4.1 网络结构 |
| 5.4.2 样本数据 |
| 5.4.3 优化参数 |
| 5.4.4 仿真结果 |
| 5.5 本章小结 |
| 6 SMA-压电摩擦复合减震装置的减震性能分析 |
| 6.1 BOUC-WEN恢复力模型 |
| 6.2 非线性结构振动控制运动状态方程 |
| 6.3 控制策略 |
| 6.3.1 控制过程 |
| 6.3.2 模糊控制器设计 |
| 6.4 算例分析 |
| 6.4.1 地震波选取 |
| 6.4.2.单自由度弹性结构 |
| 6.4.3.非线性结构分析 |
| 6.5 本章小结 |
| 7 干式空心电抗器结构减震控制试验 |
| 7.0 试验模型 |
| 7.1 减震装置安装 |
| 7.2 试验装置及设备 |
| 7.2.1 振动台系统 |
| 7.2.3 仿真控制系统 |
| 7.3 传感器布置及试验工况 |
| 7.3.1 传感器布置 |
| 7.3.2 试验工况 |
| 7.4 控制流程 |
| 7.5 试验结果与分析 |
| 7.5.1 动力特性分析 |
| 7.5.2 动力反应分析 |
| 7.5.3 试验与仿真对比 |
| 7.6 本章小结 |
| 8 结论与展望 |
| 8.1 主要结论 |
| 8.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士期间发表论文情况 |
| 攻读博士期间参与科研项目情况 |
| 专利申请情况 |
四、基于模糊进程因子的改进自适应遗传算法（论文参考文献）
- [1]基于攻击链的网络安全态势感知系统设计和实现[D]. 段梦园. 北京工业大学, 2020(06)
- [2]风电-储能价值链协同决策模型及信息系统研究[D]. 韦秋霜. 华北电力大学(北京), 2020
- [3]政府投资光伏扶贫项目区域优选方法及其规划模型研究[D]. 柯毅明. 华北电力大学(北京), 2020(06)
- [4]并联混合动力汽车能量优化策略研究[D]. 盛杨. 大连海事大学, 2019(06)
- [5]基于改进模糊控制的干线动态协调控制研究[D]. 乌兰娜仁. 西南交通大学, 2019(03)
- [6]制造型企业资源受限项目调度问题算法研究[D]. 曹圣武. 苏州大学, 2019(04)
- [7]动力机组双层隔振系统半主动模糊控制研究[D]. 王伟江. 西南交通大学, 2019(04)
- [8]大坝水平位移神经网络模型研究[D]. 邢尹. 桂林理工大学, 2018(05)
- [9]中国汽车工程学术研究综述·2017[J]. 《中国公路学报》编辑部. 中国公路学报, 2017(06)
- [10]基于SMA-压电复合减震系统的电抗器结构地震响应控制研究[D]. 展猛. 西安建筑科技大学, 2017(06)