基于NSGA-Ⅱ的多目标优化进化算法

混合动力系统的高效运行依赖于各部件的良好匹配及控制策略，其优化模型具有不可微、多维、带约束、非线性等特点^[1]，是典型的多目标优化问题。对于小规模参数优化，序列二次规划法^[2]、DIRECT搜索方法^[3]等常规方法可以获得满意效果。文献^[4]研究了基于多目标遗传算法的混合动力电动汽车控制策略，改善了燃油经济性与排放性能。此类基于进化算法的混合动力系统多目标优化研究非常多^[5，6]，但这些研究采用线性加权求和法或理想点法等，将多个目标函数转变成单目标函数后进行求解。由于混合动力系统的多个目标函数间量纲不同且各参数存在耦合效应，故将多目标单目标化的方法难以体现各目标的真实特性。为获得无须将多目标优化问题转化为单目标优化问题的混合动力系统多目标优化方法，本章分析了并联混合汽车总成模型，建立了带约束混合动力系统多目标优化数学模型，并给出了优化目标、待优化参数及约束条件^[7]，设计了基于NSGA-Ⅱ的混合动力系统多目标优化算法^[8]，该算法基于Pareto支配性原理判定所得方案的优劣，不需要指定各个目标的权系数。以降低燃油消耗与污染物排量为目标的仿真优化结果表明：优化后的系统百公里油耗平均下降了0.25%，污染物排放平均下降了2.75%，蓄电池充电效率分布区间由[0.8，0.9]变为[0.85，0.9]，放电效率分布区间由[0.82，1]变为[0.95，1]。(www.xing528.com)