一种基于NSGA-II的电容模块组件配置多目标优化方法技术

本发明专利技术公开了电容模块组件领域的一种基于NSGA‑II的电容模块组件配置多目标优化方法，首先以各电容组件构成的电容模块的输出压降最低、成本最低、尺寸最小作为目标，根据功能指标要求的电容模块的容量值和质量值确定约束条件，建立多目标优化模型，然后基于多目标遗传算法NSGA‑II对多目标优化模型求解。本发明专利技术使用NSGA‑II多目标遗传算法解决电容模块组件配置问题，得到一组满足要求的非劣解集，为应用实现提供了指导，保证了整体上获得较好的性能。同时在约束处理中引入了约束违反值的方法，在方案搜索过程中除了包括可行解，也保留了一些优良的近似解，在方案搜索中不易陷入局部最优，能够提供更全面的方案决策支持，符合实际工程设计需要。

【技术实现步骤摘要】
一种基于NSGA-II的电容模块组件配置多目标优化方法
本专利技术涉及电容模块组件配置多目标优化领域，具体是一种基于NSGA-II的电容模块组件配置多目标优化方法。
技术介绍
随着电力电子变换器技术的飞速发展，以相控阵雷达为代表的脉冲载荷已成为武器装备中应用最广泛的载荷之一。该类负荷的典型特征是平均功率低，峰值高，周期短，冲击大。为了保证雷达供电系统稳定、可靠、经济的供电，常用储能电容模块快速响应脉冲负载的尖峰功率需求，平抑系统的功率波动，是雷达供电系统设计的重要一环。目前，针对电容容量需求的计算方法有很多，但针对电容模块实际工程实现时，碰到的一些问题缺乏深入地研究。特别是机载项目中，对设备重量要求较高，可操作性空间有限，因此在系统中电容模块的工程实现过程中，电容模块平抑相应脉冲负载电压波动的同时，尺寸上和质量上也应具有限制，且成本也是需要考虑的因素之一。当下，在机载脉冲负载电容模块的工程实现中，往往仅考虑容量大小的目标，需要反复选择调整不同容量电容器，不仅费时费力，而且最终的配置方案虽然可行，但电容模块的重量、尺寸及最终成本等本文档来自技高网...

【技术保护点】
1.一种基于NSGA-II的电容模块组件配置多目标优化方法，其特征在于，/n以各电容组件构成的电容模块的输出压降最低、成本最低、尺寸最小作为目标，根据功能指标要求的电容模块的容量值和质量值确定约束条件，建立多目标优化模型，基于多目标遗传算法NSGA-II对多目标优化模型求解，求解步骤包括：/n步骤1：初始化多目标遗传算法NSGA-II的基本参数，并将电容模块、电容组件的参数信息读入到该算法中；/n步骤2：随机生成初始种群P

【技术特征摘要】
1.一种基于NSGA-II的电容模块组件配置多目标优化方法，其特征在于，
以各电容组件构成的电容模块的输出压降最低、成本最低、尺寸最小作为目标，根据功能指标要求的电容模块的容量值和质量值确定约束条件，建立多目标优化模型，基于多目标遗传算法NSGA-II对多目标优化模型求解，求解步骤包括：
步骤1：初始化多目标遗传算法NSGA-II的基本参数，并将电容模块、电容组件的参数信息读入到该算法中；
步骤2：随机生成初始种群P0作为父代种群，记当前种群的迭代次数Gen＝1；
步骤3：对初始种群P0执行非支配排序，基于解之间的支配关系获取所有解的非支配层序列；
步骤4：通过锦标赛法从父代种群Pt中选择个体，并进行交叉和变异操作，新生成子代种群；
步骤5：确定约束违反值阈值CV0，通过约束违反值CV(x)检测新生成的子代种群中的子代个体违反约束的程度，对约束违反值大于CV0的子代个体重新进行交叉、变异操作，直至修正后的子代种群中所有子代个体的约束违反值均小于等于CV0；
步骤6：记修正后的子代种群为Qt，并对当前种群的迭代次数执行加1操作，使Gen＝Gen+1；
步骤7：判断Gen是否小于最大迭代次数：若否，则结束算法，输出基于多目标遗传算法NSGA-II找出的优化方案集；若是，则执行步骤8；
步骤8：合并父代种群Pt和子代种群Qt为解的个数为2N的组合种群Rt；
步骤9：对组合种群Rt快速非支配排序，然后对每个非支配层中的个体进行拥挤度计算并排序；
步骤10：根据组合种群Rt中每个个体所在的...

【专利技术属性】
技术研发人员：张莹莹，夏金松，王玥童，张小利，
申请(专利权)人：合肥工业大学，
类型：发明
国别省市：安徽;34