受电机制造业挑战的激励，提出了一种在优化电池电动汽车动力系统的背景下减少计算时间和提高最小化性能的解决方案。我们提出了一种级联优化方法，该方法利用了两种不同的车辆模型:专有的YASA MATLAB车辆模型和从专有模型导出的基于Python机器学习的车辆模型。变速箱类型、动力总成配置和电机参数作为输入变量包含在本研究探讨的目标函数中，同时必须满足与加速时间和最高速度相关的约束。约束优化遗传算法中的这两个模型的组合设法既减少了所需的计算时间量，又实现了与最小化车辆总成本相关的比单独的专有或机器学习模型更优化的目标值。级联优化中采用的由粗到细的方法被证明是优化结果改善的主要原因。通过使用机器学习车辆模型优化的最终群体作为以下基于仿真的最小化的初始群体，实际上消除了产生满足所有领域约束的群体的初始耗时搜索。所获得的结果表明，与YASA车辆模型优化相比，级联优化能够减少53%的计算时间，并且仍然实现14%的最小值。
小提示：登录后刷新 微信支付10元即可获取资料附件~
*** 提醒：如果获取失败，请联系客服退款。 客服QQ：874345335。***
分享到:
