为了降低混合动力汽车的油耗并减少有害气体的排放,提出了基于逻辑门限值的能量管理策略和自适应交叉NSGA-Ⅱ算法的控制参数优化方法。介绍了混合动力系统结构和工作模式,建立了混合动力系统仿真模型。基于逻辑门限值构造了混合动力汽车能量管理策略。以控制策略参数为优化对象,以降低油耗和减少有害气体排放为优化目标建立了参数优化模型。以NSGA-Ⅱ算法为基础,加入了基于t分布的tDX交叉算子,提出了自适应交叉NSGA-Ⅱ算法的参数多目标优化方法。经验证,自适应交叉NSGA-Ⅱ算法的收敛性优于传统NSGA-Ⅱ算法。经过自适应交叉NSGA-Ⅱ算法优化,油耗降低了8.13%,等效油耗降低了6.53%,CO排放量降低了10.97%,HC排放量降低了7.64%,NOx排放量降低了10.03%,说明自适应交叉NSGA-Ⅱ算法对混合动力汽车控制参数具有较好的优化效果。

多参数多条件下的精准气动特性数据是进行飞行器快速设计、系统完善、性能评估、指标考核的基本前提和根本保证。基于人工智能的深度学习技术与流体力学交叉融合已成为当前发展趋势,并在湍流模型改造、系统理论建模、气动数据预测、控制参数优化、复杂流场重构等方面得到成功应用。为最大限度发挥深度学习的强大表征能力,围绕内埋弹舱作战运用和智能优化设计需求,构建了弹舱空腔气动特性多场载荷数据库,采用基于数据驱动的深度学习方法,建立了耦合因素影响下的空腔气动/声学特性智能分析深度前馈神经网络模型,实现了有限约束条件下的空腔气动/声学特性快速预测,并引入随机搜索和贝叶斯超参数优化方法增强了模型鲁棒性,为空腔噪声有效控制模型快速优化设计提供了数据基础和方法途径。