最优化潮流算法综述
群智能优化算法综述
现代智能优化算法课程群智能优化算法综述 学生姓名： 学号： 班级： 2014年6月22日
摘要 工程技术与科学研究中的最优化求解问题十分普遍，在求解过程中，人们创造与发现了许多优秀实用的算法。群智能算法是一种新兴的演化计算技术，已成为越来越多研究者的关注焦点，智能优化算法具有很多优点,如操作简单、收敛速度快、全局收敛性好等。群智能优化是智能优化的一个重要分支，它与人工生命，特别是进化策略以及遗传算法有着极为特殊的联系。群智能优化通过模拟社会性昆虫的各种群体行为，利用群体中个体之间的信息交互和合作实现寻优。本文综述群智能优化算法的原理、主要群智能算法介绍、应用研究及其发展前景。 关键词：群智能；最优化；算法
目录 摘要 (1) 1 概述 (3) 2 定义及原理 (3) 2.1 定义 (3) 2.2 群集智能算法原理 (4) 3 主要群智能算法 (4) 3.1 蚁群算法 (4) 3.2 粒子群算法 (5) 3.3 其他算法 (6) 4 应用研究 (7) 5 发展前景 (7) 6 总结 (8) 参考文献 (9)
1 概述 优化是人们长久以来不断研究与探讨的一个充满活力与挑战的领域。很多实际优化问题往往存 在着难解性,传统的优化方法如牛顿法、共扼梯度法、模式搜索法、单纯形法等己难以满足人们需求。 因此设计高效的优化算法成为众多科研工作者的研究目标。随着人类对生物启发式计算的研究, 一些社会性动物( 如蚁群、蜂群、鸟群) 的自组织行为引起了科学家的广泛关注。这些社会性动物在漫长的进化过程中形成了一个共同的特点: 个体的行为都很简单, 但当它们一起协同工作时, 却能够“突现”出非常复杂的行为特征。基于此,人们设计了许多优化算法,例如蚁群算法、粒子群优化算法、混合蛙跳算法、人工鱼群算法,并在诸多领域得到了成功应用。目前, 群智能理论研究领域主要有两种算法: 蚁群算法(Ant Colony Optimization, ACO) 和粒子群优化算法(ParticleSwarm Optimization, PSO)。 2 定义及原理 2.1 定义 群集智能优化算法源于对自然界的生物进化过程或觅食行为的模拟。它将搜索和优化过程模拟成个体的进化或觅食过程，用搜索空间中的点模拟自然界中的个体；将求解问题的目标函数度量成个体对环境的适应能力；将个体的优胜劣汰过程或觅食过程类比为搜索和优化过程中用好的可行解取代较差可行解的迭代过程。从而，形成了一种以“生成+检验”特征的迭代搜索算法，是一种求解极值问题的自适应人工智能技术。各类优化算法实质上都是建立问题的目标函数，求目标函数的最优解，因而实际工程优化问题均可转化为函数优化问题。其表达形式如下： 求： ,,2,1,0)(..), (min , ,,2,1,),,,(21Lm j X g t s X f n L i x L x x X i T n i =≤== 。Ω∈X 其中， i X 为设计变量；)(X f 为被优化的目标函数；0)(≤X g j 为约束函数；Ω为设计变量的 可行域。
现代优化方法综述
1.引言 优化设计英文名是optimization design，从多种方案中选择最佳方案的设计方法。它以数学中的最优化理论为基础，以计算机为手段，根据设计所追求的性能目标，建立目标函数，在满足给定的各种约束条件下，寻求最优的设计方案。 第二次世界大战期间，在军事上首先应用了优化技术。1967年，美国的R.L.福克斯等发表了第一篇机构最优化论文。1970年，C.S.贝特勒等用几何规划解决了液体动压轴承的优化设计问题后，优化设计在机械设计中得到应用和发展。随着数学理论和电子计算机技术的进一步发展，优化设计已逐步形成为一门新兴的独立的工程学科，并在生产实践中得到了广泛的应用。通常设计方案可以用一组参数来表示，这些参数有些已经给定，有些没有给定，需要在设计中优选，称为设计变量。如何找到一组最合适的设计变量，在允许的范围内，能使所设计的产品结构最合理、性能最好、质量最高、成本最低（即技术经济指标最佳），有市场竞争能力，同时设计的时间又不要太长，这就是优化设计所要解决的问题。一般来说，优化设计有以下几个步骤：①建立数学模型。②选择最优化算法。③程序设计。 ④制定目标要求。⑤计算机自动筛选最优设计方案等。 2.数学模型 优化设计的数学模型是对优化设计工程问题的数学描述，它包含设计变量、目标函数和设计约束三个基本要素。 2.1设计变量 2.1.1基本参数 a、定义：在设计过程中进行选择变化并最终确定的各项独立参数称为设计变量。 b、说明：在设计选择过程中，这些设计变量是变量，但它们一旦被确定后，设计对象也 就完全确定了。最优化设计是研究怎样合理地优选这些设计变量的一种现代设计 方法。在设计过程中，凡根据设计要求事先给定的，不是设计变量而是设计常量。 2.1.2设计方案的表现形式 a、设计空间：由n个设计变量为坐标所组成的时空间称作设计空间。 b、设计变量的表示法 （1）坐标表示法：一维问题→一个设计变量→数轴上的一个点 二维问题→两个设计变量→平面直角坐标系上的向量 三维问题→三个设计变量→空间直角坐标系的向量
基于内点法的最优潮流计算
基于内点法的最优潮流计 算 Prepared on 24 November 2020
摘要 内点法是一种能在可行域内部寻优的方法，即从初始内点出发，沿着中心路径方向在可行域内部直接走向最优解的方法。其中路径跟踪法是目前最具有发展潜力的一类内点算法，该方法鲁棒性强，对初值的选择不敏感，在目前电力系统优化问题中得到了广泛的应用。本文采用路径跟踪法进行最优求解，首先介绍了路径跟踪法的基本模型，并且结合具体算例，用编写的Matlab程序进行仿真分析，验证了该方法在最优潮流计算中的优越性能。 关键词：最优潮流、内点法、路径跟踪法、仿真
目次
0、引言 电力系统最优潮流，简称OPF（Optimal Power Flow）。OPF问题是一个复杂的非线性规划问题，要求满足待定的电力系统运行和安全约束条件下，通过调整系统中可利用控制手段实现预定目标最优的系统稳定运行状态。针对不同的应用，OPF模型课以选择不同的控制变量、状态变量集合，不同的目标函数，以及不同的约束条件，其数学模型可描述为确定一组最优控制变量u，以使目标函数取极小值，并且满足如下等式和不等式。 {min u f(x,u) S.t.?(x,u)=0 g(x,u)≤0 （0-1）其中min u f(x,u)为优化的目标函数，可以表示系统运行成本最小、或者系统运行网损最小。S.t.?(x,u)=0为等式约束，表示满足系统稳定运行的功率平衡。g(x,u)≤0为不等式约束，表示电源有功出力的上下界约束、节点电压上下线约束、线路传输功率上下线约束等等。 电力系统最优潮流算法大致可以分为两类：经典算法和智能算法。其中经典算法主要是指以简化梯度法、牛顿法、内点法和解耦法为代表的基于线性规划和非线性规划以及解耦原则的算法，是研究最多的最优潮流算法, 这类算法的特点是以一阶或二阶梯度作为寻找最优解的主要信息。智能算法主要是指遗传算法和模拟退火发等，这类算法的特点是不以梯度作为寻优信息，属于非导数的优化方法。 因此经典算法的优点是能按目标函数的导数信息确定搜索方向，计算速度快，算法比较成熟，结果可信度高。缺点是对目标函数及约束条件有一定的限
文化结构的产品设计方法综述
文化结构的产品设计方法综述产品设计师通过以用户为主体的设计方法，归纳出产品设计的几大重要因素组成的体系（产品—人—环境）。其细分为：（1）用户相关的使用、心理等用户（人）核心体系；（2）产品本身所具备的功能品质等产品体系；（3）产品外环境所承载的品牌、潮流等因素的环境体系。层次化结构则将该体系由表至里进行了区分与归纳。 层次化结构的构成 产品设计中，以汽车造型设计为主要特征代表的形态设计派的设计宗旨是从外观造型的线条、曲面、空间体上打造设计哲学理念，或是简洁、或是优雅、或是灵动、或是强悍，这些风格一旦被塑造定型并确定了它的文化性质，即成为了某个品牌某个风格的一种文化语言，有时，这些风格与传统文化的某些特征具有相同之处或者如出一辄，此时，设计便可相通。有时，设计师试图通过在产品表面贴纹样而提高产品的文化底蕴，笔者认为这仅仅是产品设计的一个最简单的途径，也仅仅是文化传承的最浅层次，容易被认为是“俗套的设计”，因此其层次关系有待深入挖掘。层次化知识结构，将其解析为：基于层次构架与互通性的传统文化精神与产品设计的知识结构。层次上的构架包括：表层、中层、内层、核层。表层内容：传统文化表现为纹样符号，而产品设计的表现为图形美化装饰；中层内容：传统文化表现为风格样式，而产品设计表现为形态样式；内层内容：传统文化表现为行为习惯，产品设计表现为方式、功能；核层内容：传统文化表现为精神与文化内涵，产品设计表现为品牌形象、理念、品质内涵。朴素简洁
的无印良品CD播放器无印良品CD播放器产品设计，通过一根拉绳操作音乐播放与停止，裸露的旋转CD盘面给人简单而美妙的观感。此设计无疑是对产品与文化深层次的挖掘与表现的设计构思。如此设计需要大胆与锐利的目光，传统文化中没有CD播放器，而CD播放器的操作一直都被认定为有几个按钮的操作方式。笔者认为，这样的设计并非仅仅对风格的追求，并非因为风格的框架所决定的，而是对文化与产品层次挖掘的成果。无印良品的产品包装以简单朴素为特色风格，使用环保的无漂白纸张作为商品袋，给人以新鲜、纯粹的感觉[3]。从表1可知，该产品的设计是通过对产品进行深入挖掘，发现了文化的对等性，而将两者融合，最终在产品的外观中体现出融合的结果，这是文化在现代化产品设计上应用的典型例子。装饰华丽的诺基亚“回纹”手机曾盛极一时的诺基亚回纹系列手机，可谓文化（符号）与产品结合的经典，无论是纹样还是材质，无论是触感还是交互，这款手机的设计都给人强烈的文化刺激。虽然曾有人质疑其过于花哨的外表，但没有人怀疑它的商业成功。多少年后的今天，从另外一个新的视角去看，这款产品的设计，在设计手法上表达了“文化”的哪个方面、层面？用户体验设计的经典——iPhone手机目前依然风靡全球的苹果iPhone手机以独特的操作体验、简练的形式给人眼前一亮的感觉，使用过的人无不被这种技术和设计带来的操作体验而折服。iPhone手机的成功更多的是对产品的理解，同时在工业设计上对用户为中心的PHE设计体系的客观分析。 基于文化应用层次化结构的产品设计方法
电力系统最优潮流算法综述
电力系统最优潮流算法综述 赵 爽 任建文 华北电力大学 河北省 保定市 071003 摘 要 在电力系统中，实现系统的安全经济运行对国民经济发展具有重大的意 义。最优潮流是同时考虑网络的安全性和系统的经济性的一种实现电力系统优化的 问题。由于其安全约束条件众多、数学模型求解复杂，故难以实现经济性与安全性 的统一，因此一直是研究的热点问题。从理论出发论述了研究电力系统最优潮流问 题的意义，回顾近20年来国内外关于最优潮流的逐步发展的过程，介绍求解最优潮 流的线性方法、非线性方法和其他新型方法，并对主要的优化方法列出具有代表性 的文献，指出其优缺点，提出最优潮流有待深入研究的方向。 关键词 电力系统 最优潮流 线性算法 非线性算法 中国图书分类法分类号 TM The Summarize of Optimal Power Flow Methods of the Power System Zhao Shuang Ren Jianwen North China of Electric Power University Baoding Hebei 071003 Abstract: In the power system, the realization of the safety and economic function is important to the national economic. Optimal power flow is a problem to realize the optimization of the system which the safety of the network and the economic of the system are considered at the same time. For many restricted safe conditions and the complex of the mathematic models, it is difficult to realize the unite of the economic and security, so this question is the hotspot all along. This paper discusses the meaning of making research on the optimal power flow problem of power system. The research history and actuality on optimal power flow problem home and abroad are also summarized. And it introduces the linear method、the non-linear method and other new methods to solve the optimal power flow. Furthermore, some research directions that need to study in depth are put forward. Key words power system optimal power flow linear method non-linear method 1 引言 电力系统最优潮流的发展可以回溯到60年代初基于协调方程式的经典经济调度方法。
国内外沥青路面设计方法综述
国内外沥青路面设计方法综述 周利,蔡迎春,杨泽涛 (郑州大学环境与水利学院,郑州450002) 摘要:当前世界各国众多的沥青路面设计方法,可概括地分为2类:一类是以经验或试验为依据的经验法;一类是以力学分析为基础,考虑环境、交通条件以及材料特性为依据的力学-经验法。简要介绍目前国内外典型设计方法(CBR法、A ASHT O法、S HEL L法、A I法及国内方法),并比较其优缺点,针对现行设计方法,特别是我国设计方法,提出改进意见。 关键词:沥青路面;设计方法;综述 文章编号:1009-6477(2007)04-0036-04中图分类号:U416.217文献标识码:B S ummary of Dome stic&Overseas Asphalt Paveme nt Design M ethod Zhou Li,Cai Y ingc hun,Y ang Zetao 沥青路面是在柔性基层、半刚性基层上,铺筑一定厚度的沥青混合料作为面层的路面结构。以沥青路面为主的柔性路面设计理论与方法研究已有近百年的历史,其发展历程经历了古典法、经验法和力学-经验法3个阶段。当前世界各国众多的沥青路面设计方法大体为后面2种,即以工程使用经验或试验为依据的经验法和以力学分析为基础,考虑环境、交通条件以及材料特性为依据的力学-经验法。为了更好地借鉴前人的研究成果,有助于指导今后设计方法的研究,本文简要介绍目前国内外几种典型的设计方法:(1)经验法的代表方法:CBR法和A AS HTO法;(2)力学-经验法的典型代表:AI法和SHEL L法;(3)我国2004规范(报批稿)采用的设计方法,并作简单评价。 1国外沥青路面设计方法 国外的沥青路面设计方法,可分为经验法和力学-经验法2大类[1]。 1.1经验法 经验法主要通过对试验路或使用道路的实验观测,建立路面结构、荷载和路面性能三者间的经验关系。最为著名的经验设计方法有美国加州承载比(CBR)法和美国各州公路和运输工作者协会(AA SHT O)柔性路面设计法。 1.1.1CBR法[2-3] CBR法是以CBR值作为路基土和路面材料(主要是粒料)的性质指标,通过对已损坏或使用良好的路面的调查和CBR测定,建立起路基土CBR-轮载-路面结构层厚度3者之间的经验关系。利用此关系曲线,可以按设计轮载和路基土CBR值确定所需的路面层总厚度。路面各结构层的厚度,按各层材料的CBR值进行当量厚度换算。不同轮载的作用按等弯沉的原则换算为设计轮载的当量作用。此方法设计过程简单、概念明确,适用于重载、低等级的路面设计,所提出的C BR指标已作为路面材料的一种参数指标得到了广泛应用。如日本的路面设计经验法(T A法)就是以CB R法为基础制定的。 1.1.2AA SHT O法[2,4-5] A AS HTO法是在1958)1962年间A AS HO试验路的基础上建立的。整理试验路的试验观测数据,得到了路面结构-轴载-使用性能三者间的经验关系式。路面结构中的路基土采用回弹模量表征其性质,路面结构层按各层材料性质的不同转换为用一个结构数(S N)表征。AAS HT O方法提出了现时服务能力指数(PSI)的概念,以反映路面的服务质量。PS I是一个由评分小组进行主观评定后得到的指标,它与路面实际状况(坡度变化、裂缝面积、车辙深度、修补面积)之间建立经验关系式,提出了轴载换算的概念和公式,考虑了结构的可靠度和排水条件的影响,这些思想对后来世界各国的设计思想产生了很大的影响。 1.2力学-经验法 力学-经验法首先分析路面结构在荷载和环境作用下的力学响应(应力、应变、位移),利用在力学 公路交通技术2007年8月第4期Technology of Highw ay and Transport Aug.2007No.4 收稿日期:2007-01-10
智能优化算法综述
智能优化算法的统一框架 指导老师：叶晓东教授 姓名：李进阳 学号：2 班级：电磁场与微波技术5班 2011年6月20日
目录 1 概述 (3) 2群体智能优化算法.................................. 错误!未定义书签。 人工鱼群算法 (4) 蚁群算法 (5) 混合蛙跳算法 (9) 3神经网络算法 (10) 神经网络知识点概述 (10) 神经网络在计算机中的应用 (11) 4模拟退火算法 (15) 5遗传算法.......................................... 错误!未定义书签。 遗传算法知识简介 (17) 遗传算法现状 (18) 遗传算法定义 (19) 遗传算法特点和应用 (20) 遗传算法的一般算法 (21) 遗传算法的基本框架 (26) 6总结 (28) 7感谢 (29)
1概述 近年来，随着人工智能应用领域的不断拓广，传统的基于符号处理机制的人工智能方法在知识表示、处理模式信息及解决组合爆炸等方面所碰到的问题已变得越来越突出，这些困难甚至使某些学者对强人工智能提出了强烈批判，对人工智能的可能性提出了质疑。众所周知，在人工智能领域中，有不少问题需要在复杂而庞大的搜索空间中寻找最优解或准优解。像货朗担问题和规划问题等组合优化问题就是典型的例子。在求解此类问题时，若不能利用问题的固有知识来缩小搜索空间则会产生搜索的组合爆炸。因此，研究能在搜索过程中自动获得和积累有关搜索空间的知识，并能自适应地控制搜索过程，从而得到最优解或准有解的通用搜索算法一直是令人瞩目的课题。智能优化算法就是在这种背景下产生并经实践证明特别有效的算法。 2群体智能优化算法 自然界中群体生活的昆虫、动物,大都表现出惊人的完成复杂行为的能力。人们从中得到启发,参考群体生活的昆虫、动物的社会行为,提出了模拟生物系统中群体生活习性的群体智能优化算法。在群体智能优化算法中每一个个体都是具有经验和智慧的智能体 (Agent) ,个体之间存在互相作用机制,通过相互作用形成强大的群体智慧来解决复杂的问题。自 20世纪 90年代模拟蚂蚁行为的蚁群算法(ACO)提出以来,又产生了模拟鸟类行为的微粒群算法 ( PSO)、模拟鱼类生存习性的人工鱼群算法、模拟青蛙觅食的混合蛙跳算法 ( SFLA)等。这些群体智能优化算法的出现,使原来一些复杂的、难于用常规的优化算法进行处理的问题可以得到解决,大大增强了人们解决和处理优化问题的能力,这些算法不断地用于解决工程实际中的问题,使得人们投入更大的精力对其理论和实际应用进行研究。群体智能优化算法本质上是一种概率搜索,它不需要问题的梯度信息具有以下不同于传统优化算法的特点: ①群体中相互作用的个体是分布式的,不存在直接的中心控制,不会因为个别个体出现故障而影响群体对问题的求解,具有较强的鲁棒性; ②每个个体只能感知局部信息,个体的能力或遵循规则非常简单,所以群体智能的实现简单、方便; ③系统用于通信的开销较少,易于扩充; ④自
结构优化方法研究综述
结构优化方法研究综述 结构优化方法研究综述 【摘要】建筑结构优化对建筑整体的稳定性、可靠性、耐久性有非常重要的作用。文章针对建筑结构优化设计的主要因素，以及结构优化的方法等方面做简要的分析，以提高建筑结构的整体的稳定性、耐久性等性能。 【关键词】结构设计；结构优化；结构类型 0引言 建筑结构优化，即在一些建筑结构的设计方案中选取最优的或最适宜的设计方案，它参照数学中的模型最优化原理应用到建筑工程结构设计方案的优化比选中。研究发现，建筑结构在使用过程中是否稳定、耐久、合理等，主要决定于在建筑结构设计时选定的结构类型是否最优、是否最符合工程结构的需要。对于同一座建筑工程项目，不同的结构设计师知识储备不同，因此可能会设计出不同的结构类型、结构体系，但经过结构方案的优化、从而选取最优化的结构类型，提高建筑结构的使用寿命、稳定性能。 1建筑结构优化的主要因素 1.1荷载设计 研究发现，任何一座建筑结构都需要受到水平力和竖向荷载的作用，同时建筑还要承受较大的风荷载、地震力的作用等。当建筑结构的整体高度比较低时，由结构本身的重力引起的竖向荷载对结构的作用比较明显，而水平荷载作用在结构上，产生的内力和位移比较小，往往在计算时不考虑水平荷载的作用；若在较高层建筑设计中，虽然所受到的竖向荷载仍对结构产生较大程度的影响，但水平荷载对建筑结构本身的影响比竖向荷载产生的影响更加强烈。研究表明，随着建筑结构整体高度的逐渐增加，水平荷载对建筑结构产生的影响越将会越来越大，因此，在建筑结构高度较高时，结构所承受的水平荷载对结构的影响则不可忽视。 1.2选取结构类型较轻的
在建筑结构优化过程中，要尽量选取结构体较轻的。在现代结构优化设计中，设计人员越来越重视选用轻质高强材料，从而做大程度上减轻整体结构的自重。由于在多层建筑结构中，水平荷载对结构产生的影响处于较次要地位，结构所承受的主要荷载是竖向荷载。由于多层建筑楼层较少，整体高度相对比较低，结构自重相对来说较轻，对材料的强度要求不是特高。 但随着建筑结构高度的增加，在较多的楼层作用下，结构产生的自重荷载则会比较大，使得建筑结构对基础产生较大的竖向荷载，同时在水平荷载的作用下，结构的竖向构件（柱）中会产生较大的水平剪力和附加轴力。为了使得结构满足刚度和强度的要求，通常采取加大结构构件的截面尺寸，但是加大构件的截面尺寸会使得结构的整体自重增加。因此在高层建筑结构首先应该考虑如何减轻结构的自重。 研究表明，当在高层或超高层建筑结构优化设计时，选用结构强度高、自重较轻的钢结构、高强混凝土结构可以很大程度上减小建筑结构的自重。 1.3 侧向位移 据相关资料表明，建筑结构的侧向位移随着建筑高度的增加而逐渐增大，因此，在建筑结构的优化设计中，对层数较少、高度较低的结构，可以不考虑其侧向位移对结构的影响。但随建筑结构高度的增加，整体结构的侧移对结构产生的影响则不可忽视。 研究表明，由于水平荷载对结构作用产生的侧移随着建筑高度的增加而逐渐增大，且侧移量与结构高度成一定的关系。 在进行高层建筑结构优化设计时，既需要充分考虑建筑结构整体是否具有足够的承载能力，能否承受风荷载的冲击作用，又要求结构具有足够的抗侧移性能，当建筑结构受到较大的水平力作用下，其可以很好地控制产生过大的侧移量，确保结构整体的稳定性能。 与低层或多层建筑相比，高层建筑结构的刚度稍微差一些，在发生地震灾害时，结构的侧向变形更大。为了确保高层建筑结构在进入塑性阶段后，结构整体仍具有较强的抗侧移性能，保持结构的稳定性，则需要在高层建筑结构的构造上采取合适的措施，确保结构具有足够的延性，从而满足结构的刚度要求。
潮流计算问答题
1.什么是潮流计算？潮流计算的主要作用有哪些？ 潮流计算是根据给定的电网结构、参数和发电机、负荷等元件的运行条件，确定电力系统各部分稳态运行状态参数的计算。 对于正在运行的电力系统，通过潮流计算可以判断电网母线电压、支路电流和功率是否越限，如果有越限，就应采取措施，调整运行方式。对于正在规划的电力系统，通过潮流计算，可以为选择电网供电方案和电气设备提供依据。潮流计算还可以为继电保护和自动装置整定计算、电力系统故障计算和稳定计算等提供原始数据。 2.潮流计算有哪些待求量、已知量？ （已知量： 电力系统网络结构、参数； 决定系统运行状态的边界条件 待求量：系统稳态运行状态 例如各母线上的电压（幅值及相角）、网络中的功率分布以及功率损耗等）通常给定的运行条件有系统中各电源和负荷点的功率、枢纽点电压、平衡点的电压和相位角。 待求的运行状态参量包括电网各母线节点的电压幅值和相角，以及各支路的功率分布、网络的功率损耗等。 3.潮流计算节点分成哪几类？分类根据是什么？ （分成三类：PQ节点、PV节点和平衡节点，分类依据是给定变量的不同） PV节点（电压控制母线）：有功功率Pi和电压幅值Ui为给定。这种类型节点相当于发电机母线节点，或者相当于一个装有调相机或静止补偿器的变电所母线。 PQ节点：注入有功功率Pi和无功功率Qi是给定的。相当于实际电力系统中的一个负荷节点，或有功和无功功率给定的发电机母线。 平衡节点：用来平衡全电网的功率。平衡节点的电压幅值Ui和相角δi是给定的，通常以它的相角为参考点，即取其电压相角为零。 一个独立的电力网中只设一个平衡节点。 4.教材牛顿-拉夫逊法及有功-无功分解法是基于何种电路方程？可否采用其它类型方程？ 基于节点电压方程，还可以采用回路电流方程和割集电压方程等。但是后两者不常用。
《现代设计方法与理论》课程试题
现代机械设计理论及方法大作业及考试题 一、提交一份现代机械设计理论与方法理论及实际应用综述报告要求：阐述五种以上现代设计方法，参考文献不低于10篇，其中必须包含有英文参考文献。 二、完成现代机械设计理论与方法开卷试题，试卷题目如下： 1、采用系统化设计流程说明某公司今年需要投资研发一款新型汽车的整个设计流程。（20） （1）请具体阐述采用何种工作方法，如何去完成汽车的规划设计过程？ 答：首先需要通过市场调研，了解现有汽车的性能特点及市场上不同消费阶层客户对汽车功能、外观、能耗、及性价比的期望，然后与设计、营销人员共同分析讨论研究，明确所设计汽车的类别、目的和任务，最后结合实际现有生产能力的情况策划出生产汽车的品种样式，为后续工作做准备。 （2）请具体阐述采用何种工作方法，如何去完成汽车的方案设计过程？ 答：根据前一阶段制定的设计汽车类别和任务要求，利用系统化设计方法确定所设计汽车的总功能，然后将该总功能分解成为单个的分功能（功能元），然后利用物理数学知识及创造技法对该功能元求解，以得到最佳原理解，再通过最佳原理解的组合得到不同的设计方案。最后再根据对汽车的设计任务要求选择最佳设计方案。 （3）请具体阐述采用何种工作方法，如何去完成汽车的技术设计过程？ 答：根据方案设计阶段确定的汽车设计方案，召集设计人员初步设计出汽车的设计总图，然后对汽车进行可靠性设计、造型设计和工艺设计，以定性设计出汽车的结构，再选取汽车不同部件的材料、尺寸，通过对汽车进行价值设计、有限元设计、优化设计和动态设计，以定量设计汽车的具体结构尺寸。最后，请专家对这一阶段设计的汽车进行技术评价分析。
（4）请具体阐述采用何种工作方法，如何去完成汽车的施工设计过程？ 答：首先根据对汽车的前期设计和评价分析，对汽车进行总体设计，即通过专家系统、CAD/CAM 等技术设计出汽车的装配图，然后对汽车的零部件进行具体设计，即通过机械制造技术、装配、检验等方法确定汽车具体零部件的图纸，最后编写汽车设计的技术文件，图纸校正和汇总，以得到汽车最终设计说明书。 2、用系统化设计方法分析并提出垃圾清洁系统（车）的总体方案；用一种评价方法进行评价，得出合理方案，并建立该系统优化数学模型。 (20分) 答：首先，通过问卷调查等方式明确垃圾清洁车的总功能——压缩运输物料；然后，对其进行功能分解：压缩运输物料分为压缩物料和运输物料，而压缩物料又分为传动和压缩，运输物料分为传动和移位；再对分功能求解，通过垃圾清洁车的形态学得到具体的分功能解；最后方案组合，从得到的垃圾清洁车众方案中通过评价分析选取出效率高、承载能力强、生产及使用环境友好的垃圾清洁车，即最佳方案。 现代社会垃圾清洁车的生产要求成本低，使用要求寿命长且维修方便。因此采用技术——经济评价法来对垃圾清洁车的设计方案进行评价。 技术——经济评价法即对设计方案就经济和技术方面进行评价，求出加权相对价值，再进行综合比较。 （1）获得垃圾清洁车的技术评价Wt 垃圾清洁车的技术评价目标是求方案的技术价Wt ，就是求出垃圾清洁车的各项技术性能评价指标的评分值和加权系数乘积之和与最高分值的比值： max 1p q p W n i i i t ∑-= 其中，i p 是各项技术评价指标的评分值；i q 是各项评价技术指标的加权系数，11=∑-n i i q ；max p 是最高分。 （2）获得垃圾清洁车的经济评价Wt 垃圾清洁车的经济评价目标是求方案的经济价Ww ，就是求出垃圾清洁车的理想生产成本与实际生产成本的比值：
智能算法综述
摘要：随着计算机技术的飞速发展，智能计算方法的应用领域也越来越广泛，本文介绍了当前存在的一些智能计算方法，阐述了其工作原理和特点，同时对智能计算方法的发展进行了展望。关键词：人工神经网络遗传算法模拟退火算法群集智能蚁群算法粒子群算1什么是智能算法智能计算也有人称之为“软计算”，是们受自然（生物界）规律的启迪，根据其原理，模仿求解问题的算法。从自然界得到启迪，模仿其结构进行发明创造，这就是仿生学。这是我们向自然界学习的一个方面。另一方面，我们还可以利用仿生原理进行设计(包括设计算法)，这就是智能计算的思想。这方面的内容很多，如人工神经网络技术、遗传算法、模拟退火算法、模拟退火技术和群集智能技术等。 2人工神经网络算法“人工神经网络”(ARTIFICIALNEURALNETWORK，简称ANN)是在对人脑组织结构和运行机制的认识理解基础之上模拟其结构和智能行为的一种工程系统。早在本世纪40年代初期，心理学家McCulloch、数学家Pitts就提出了人工神经网络的第一个数学模型，从此开创了神经科学理论的研究时代。其后，FRosenblatt、Widrow和J.J.Hopfield等学者又先后提出了感知模型，使得人工神经网络技术得以蓬勃发展。神经系统的基本构造是神经元(神经细胞)，它是处理人体内各部分之间相互信息传递的基本单元。据神经生物学家研究的结果表明，人的一个大脑一般有1010～1011个神经元。每个神经元都由一个细胞体，一个连接其他神经元的轴突和一些向外伸出的其它较短分支——树突组成。轴突的功能是将本神经元的输出信号(兴奋)传递给别的神经元。其末端的许多神经末梢使得兴奋可以同时传送给多个神经元。树突的功能是接受来自其它神经元的兴奋。神经元细胞体将接受到的所有信号进行简单处理(如：加权求和，即对所有的输入信号都加以考虑且对每个信号的重视程度——体现在权值上——有所不同)后由轴突输出。神经元的树突与另外的神经元的神经末梢相连的部分称为突触。 2.1人工神经网络的特点人工神经网络是由大量的神经元广泛互连而成的系统，它的这一结构特点决定着人工神经网络具有高速信息处理的能力。人脑的每个神经元大约有103～104个树突及相应的突触，一个人的大脑总计约形成1014～1015个突触。用神经网络的术语来说，即是人脑具有1014～1015个互相连接的存储潜力。虽然每个神经元的运算功能十分简单，且信号传输速率也较低(大约100次/秒)，但由于各神经元之间的极度并行互连功能，最终使得一个普通人的大脑在约1秒内就能完成现行计算机至少需要数10亿次处理步骤才能完成的任务。人工神经网络的知识存储容量很大。在神经网络中，知识与信息的存储表现为神经元之间分布式的物理联系。它分散地表示和存储于整个网络内的各神经元及其连线上。每个神经元及其连线只表示一部分信息，而不是一个完整具体概念。只有通过各神经元的分布式综合效果才能表达出特定的概念和知识。由于人工神经网络中神经元个数众多以及整个网络存储信息容量的巨大，使得它具有很强的不确定性信息处理能力。即使输入信息不完全、不准确或模糊不清，神经网络仍然能够联想思维存在于记忆中的事物的完整图象。只要输入的模式接近于训练样本，系统就能给出正确的推理结论。 [!--empirenews.page--]正是因为人工神经网络的结构特点和其信息存储的分布式特点，使得它相对于其它的判断识别系统，如：专家系统等，具有另一个显著的优点：健壮性。生物神经网络不会因为个别神经元的损失而失去对原有模式的记忆。最有力的证明是，当一个人的大脑因意外事故受轻微损伤之后，并不会失去原有事物的全部记忆。人工神经网络也有类似的情况。因某些原因，无论是网络的硬件实现还是软件实现中的某个或某些神经元失效，整个网络仍然能继续工作。人工神经网络是一种非线性的处理单元。只有当神经元对所有的输入信号的综合处理结果超过某一门限值后才输出一个信号。因此神经网络是一种具有高度非线性的超大规模连续时间动力学系统。它突破了传统的以线性处理为基础的数字电子计算机的局限，标志着人们智能信息处理能力和模拟人脑智能行为能力的一大飞跃。 2.2几种典型神经网络简介 2.2.1多层感知网络(误差逆传播神经网络) 在1986年以Rumelhart和McCelland为首的科学家出版的《ParallelDistributedProcessing》一书中，完整地提出了误差逆传播学习算法，并被广泛
牛顿法潮流计算综述
潮流例题：根据给定的参数或工程具体要求（如图），收集和查阅资料；学习相关软件（软件自选：本设计选择Matlab进行设计）。 2.在给定的电力网络上画出等值电路图。 3.运用计算机进行潮流计算。 4.编写设计说明书。 一、设计原理 1．牛顿-拉夫逊原理 牛顿迭代法是取x0 之后，在这个基础上，找到比x0 更接近的方程的跟，一步一步迭代，从而找到更接近方程根的近似跟。牛顿迭代法是求方程根的重要方法之一，其最大优点是在方程f(x) = 0 的单根附近具有平方收敛，而且该法还可以用来求方程的重根、复根。电力系统潮流计算，一般来说，各个母线所供负荷的功率是已知的，各个节点电压是未知的（平衡节点外）可以根据网络结构形成节点导纳矩阵，然后由节点导纳矩阵列写功率方程，由于功率方程里功率是已知的，电压的幅值和相角是未知的，这样潮流计算的问题就转化为求解非线性方程组的问题了。为了便于用迭代法解方程组，需要将上述功率方程改写成功率平衡方程，并对功率平衡方程求偏导，得出对应的雅可比矩阵，给未知节点赋电压初值，一般为额定电压，将初值带入功率平衡方程，得到功率不平衡量，这样由功率不平衡量、雅可比矩阵、节点电压不
平衡量（未知的）构成了误差方程，解误差方程，得到节点电压不平衡量，节点电压加上节点电压不平衡量构成新的节点电压初值，将新的初值带入原来的功率平衡方程，并重新形成雅可比矩阵，然后计算新的电压不平衡量，这样不断迭代，不断修正，一般迭代三到五次就能收敛。 牛顿—拉夫逊迭代法的一般步骤： （1）形成各节点导纳矩阵Y。 （2）设个节点电压的初始值U和相角初始值e 还有迭代次数初值为0。 （3）计算各个节点的功率不平衡量。 （4）根据收敛条件判断是否满足，若不满足则向下进行。 （5）计算雅可比矩阵中的各元素。 （6）修正方程式个节点电压 （7）利用新值自第（3）步开始进入下一次迭代，直至达到精度退出循环。 （8）计算平衡节点输出功率和各线路功率 2．网络节点的优化 １）静态地按最少出线支路数编号 这种方法由称为静态优化法。在编号以前。首先统计电力网络个节点的出线支路数，然后，按出线支路数有少到多的节点顺序编号。当由n 个节点的出线支路相同时，则可以按任意次序对这n 个节点进行编号。这种编号方法的根据是导纳矩阵中，出线支路数最少的节点所对应的行中非零元素也２）动态地按增加出线支路数最少编号在上述的方法中，各节点的出线支路数是按原始网络统计出来的，在编号过程中认为固定不变的，事实上，在节点消去过程中，每消去一个节点以后，与该节点相连的各节点的出线支路数将发生变化(增加，减少或保持不变)。因此，如果每消去一个节点后，立即修正尚未编号节点的出线支路数，然后选其中支路数最少的一个节点进行编号，就可以预期得到更好的效果，动态按最少出线支路数编号方法的特点就是按出线最少原则编号时考虑了消去过程中各节点出线支路数目的变动情况。 3．MATLAB编程应用 Matlab 是“Matrix Laboratory”的缩写，主要包括：一般数值分析，矩阵运算、数字信号处理、建模、系统控制、优化和图形显示等应用程序。由于使用Matlab 编程运算与人进行科学计算的思路和表达方式完全一致，所以不像学习高级语言那样难于掌握，而且编程效率和计算效率极高，还可在计算机上直接输出结果和精美的图形拷贝，所以它的确为一高效的科研助手。 二、设计内容 1.设计流程图
现代优化设计方法的现状和发展趋势
M ac hi neBuil di ng Auto m atio n,D ec2007,36(6):5~6,9 现代优化设计方法的现状和发展趋势 王基维1,熊伟2,李会玲1,汪振华3 (1.宁波职业技术学院,浙江宁波315800;2.湖南生物机电职业技术学院,湖南长沙410126; 3.南京理工大学,江苏南京210094) 摘要:优化设计是近年来发展起来的一门新学科,为机械设计提供了一种重要的科学设计方 法。优化设计在解决复杂设计问题时,能从众多设计方案中寻到尽可能完美或最适宜的设计 方案。对现代优化设计方法进行了概括和总结,展望了现代优化设计的发展方向和发展趋势。 关键词:优化设计;机械设计;发展趋势 中图分类号:T H122文献标识码:B文章编号:167125276(2007)0620005202 Develop ing T rend on M odern O pt im a l Design M ethods WANG J i2wei1,XI ONG W ei2,LI H u i2li ng1,WANG Zhen2hua3 (1.Ni ngbo Voca ti on Te chno l ogy C o ll e ge,N i n gbo315800,C h i na; 2.Huna n B i o l ogy Me c ha ni c a la nd E l e c tri c a lP ro f e ss i ona lTe chno l ogy C o ll ege,C ha ngsha410126,C h i na; 3.Na n ji ng Un i ve rs ity o f S c i e nc e a nd Te chno l o gy,Na n ji ng210094,C h i n a) Abstr ac t:As a new d i s c i p l i ne,o p tm i a l de s i gn p rov i de s an m i p o rtan t sc i en tifi c de s i gn m e t h od f o r e ng i nee https://www.wendangku.net/doc/156050638.html, i ng op tm i a ld es i gn, t he y can fi nd o ut a nea rl y pe rf e ct o r op tm i um des i gn s ch em e fr om l o ts o f feas i b l e ap p r o ache s.T he p ape r s um m a ri ze s t he de ve l o p i ng trend a nd d ir e cti o n o f t he m ode rn op tm i a l des i gn m e t hod s. K ey word s:op tm i a ld es i g n;m a ch i n e des i gn;de ve l o p t re nd 0引言 机械设计与制造是机械工程领域中最重要的内容,而机械设计又是机械制造的前提。优化设计(opti m a l de2 si gn)是近年来发展起来的一门新的学科,优化设计为机械设计提供了一种重要的科学设计方法,在机械设计上起着重要的作用,使得在解决复杂设计问题时,能从众多的设计方案中寻到尽可能完美的或最适宜的设计方案[1]。实践证明,在机械设计中采用优化设计方法,不仅可以减轻机械设备质量,降低材料消耗与制造成本,而且可以提高产品的品质和工作性能[2]。文中初步论述了机械优化设计方法的发展现状和趋势。 优化设计方法[3]是数学规划和计算机技术相结合的产物,它是一种将设计变量表示为产品性能指标、结构指标或运动参数指标的函数(称为目标函数),然后在产品规定的性态、几何和运动等其它条件的限制(称为约束条件)的范围内,寻找满足一个目标函数或多个目标函数最大或最小的设计变量组合的数学方法。优化设计方法已成为解决复杂设计问题的一种有效工具。 1优化设计方法及应用现状 优化设计的基础和核心是优化理论和算法。迄今为止,己有上百种优化方法提出,这里重点介绍以下几种优化方法[4,5]。 a)线性逼近法:线性逼近法SLP是将原非线性问题转化为一系列线性优化问题,通过求解线性优化问题得到原问题的近似解。根据形成线性优化的方法不同,可以得到不同的线性逼近法。常用的线性逼近法有近似规划法和割平面法; b)遗传算法[2,6,14]:遗传算法GA(genetic a l gorith m s)是一种基于生物自然选择与遗传机理的随机搜索算法。它是1962年首先由美国密执安大学的J.H.H olland教授提出、随后主要由他和他的一批学生发展起来的[7],并在1975年的专著中作了介绍,首先提出了以二进制串为基础的基因模式理论,用二进制位串来模拟生物群体的进化过程。进化结束时的二进制所对应的设计变量的值即为优化问题的解。GA方法的主要优点是具有很强的通用优化能力,它不需要导数信息,也不需要设计空间或函数的连续性条件,其优化搜索具有隐性并行性,可以多点同时在大空间中作快速搜索,因此有可能获得全局最优解。由于G A有着其他优化算法不可比拟的优点,因此,GA的应用非常广泛,取得大量研究应用成果。在结构优化设计方面的如离散结构的遗传形状优化设计[8]、悬臂扭转结构和梁结构的优化设计[9]、桁架和薄壁的结构优化问题[10]等。在文献[11]中对平面四杆机构的遗传优化设计进行了研究。文献[12]介绍了一个用于ZL40装载机的直齿圆锥齿轮差速器的优化设计问题,用GA中的实数编码进行优化求解,取群体大小为50,交叉率为0.2,变异率为0.5,经过120代的进化并经圆整后得到最优解。文献[15]中通过把机械方案设计过程看作是一个状态空间的求解问题,用遗传算法控制其搜索过程,完善了新的遗传编码体系,为了适应新的编码体系重新构建了交叉和变异等遗传操作,并利用复制、交换和变异等操作进行一次次迭代,最终自动生成一组最优的设计方案。 此外,G A还应用在函数优化、机械工程、结构优化、电工、神经网络、机器学习、自适应控制、故障诊断、系统工程调度和运输问题等诸多领域中[13]; #5 #