『壹』 [image]100 基於matlab的機械優化設計兩道題，哪位大神幫忙解答，感激不盡，高懸賞。
作為傳統汽車向純電動汽車的過渡產品，混合動力汽車受到越來越多的關注，尤其是轉換效率很高的混合動力系統。本文以科力遠混合動力系統(CHS)為基礎，CHS屬於單模復合功率分流系統，採用行星排結構，可以實現發動機的轉速與車速解耦，在大范圍內優化發動機工作點，使發動機工作在經濟區間內。論文的主要研究內容包括如下。
本文首先研究調查混合動力汽車的發展現狀，調研國內外混合動力的主流構型，分析各個構型的特點，並分析梳理了混合動力的汽車的四類控制策略。
然後引入機械點的概念，深入對比分析了輸入功率分流、輸出功率分流和復合功率分流三種基本功率分流構型。再提出本文由兩個單行星排組成的CHS混合動力系統構型，研究了它各個模式的特點和運用范圍。針對CHS混合動力的構型，從穩態工況和瞬態工況兩個方面說明CHS混合動力系統的節油原理。在此基礎上，提出CHS混合動力系統基於規則的控制策略。
最後運用MATLAB/Simulink和LMS/AMESim建立了CHS混合動力系統多物理領域聯合模擬模型。對CHS混合動力系統的動力性與經濟性進行模擬研究，驗證聯合模擬模型的准確性和提出的基於規則的控制策略的有效性。
模擬結果與試驗結果表明，本文提出的CHS混合動力系統具有良好的綜合性能，設計的基於規則的控制策略有效可靠。
自第一輛汽車出現至今已有一百多年的歷史，汽車產業已經成為許多國家的支柱型產業。在美國、日本、德國等汽車工業發達的國家，汽車產業占其國內GDP的比例均超過10%，全球汽車工業呈現穩步增長趨勢。我國汽車產業的發展已經有60多年的歷史，汽車工業總產值占我國GDP比重逐年提升。近年來，我國汽車工業迅猛發展，截止2017年3月，我國汽車保有量超過兩億，對我國的經濟發展做出重要貢獻。汽車工業的發展不但極大的推動了社會經濟的發展，也為我們的日常生活提供了極大的便利。但是，隨著汽車行業的發展和用戶需求的不斷增加，由此帶來的環境與能源問題也越來越突出。為了應對全球變暖和能源短缺等一系列國際性難題，歐美日等國都大力支持與發展新能源汽車。為提高我國汽車工業的國際競爭力，我國於2016年1月1日起正式實施《乘用車燃料消耗量第四階段標准》，乘用車平均燃料消耗量逐年下降，在2020年，需要降到5.0L/100km，對應CO2排放120g/km。
新能源汽車通過使用清潔能源或者新型動力總成，可以有效的降低油耗，減少排放[1]。主要分為三類：燃料電池汽車（Fuel Cell Vehicle）、純電動汽車（Electric Vehicle）、混合動力汽車（Hybrid Electric Vehicle）。燃料電池汽車[2]的突出優點是零排放或者接近零排放，運行平穩、無雜訊。但是燃料電池生產和儲存成本高，氫氣的運輸及儲存的安全問題，使得燃料電池汽車無法大規模推廣，目前還處於早期發展階段，短期內無法實現產業化。純電動汽車[3]以電池為動力源，可以實現零排放，是我國汽車發展的最終目標。然而，受限於電池技術、充電設施等一系列問題，純電動汽車發展緩慢，短期內無法完全取代傳統汽車。混合動力汽車[4]作為由傳統汽車到純電動汽車的過渡產品，受到越來越多的重視。混合動力汽車保留了內燃機，同時增加了電池和電機。不但結合了傳統汽車和純電動汽車的優點，還可以滿足用戶對整車動力性、經濟性和續駛里程等多方面的要求。在現有技術下，是最容易實現產業化，並能大幅降低排放的新能源汽車。
1.1.2 課題研究意義
混合動力汽車傳動系統的核心部件是混合動力變速箱 [5]。其結構形式多種多樣，對應的控制策略也是千差萬別。本文結合某企業開發的單模復合功率分流系統，提出一種新型CHS混合動力系統方案。針對CHS混合動力系統，為了開發設計出合適的控制策略，需要深入分析其結構原理，主要工作模式。在此基礎上，研究分析它的節油原理，此外，為突顯CHS混合動力系統的結構優越性，需要進行對標分析。開發一個基於CHS混合動力系統的控制策略，對配置該系統的混合動力汽車的動力性、經濟性進行優化提升具有重要意義。
同時，為了深入了解CHS混合動力系統的動力響應、綜合油耗等精確信息，必須對這種復雜油電耦合系統進行建模和模擬。此外，為適合當前不同用戶對這種新型混合動力技術應用的需要，可以進行基於CHS基礎構型的延伸開發，以擴大市場應用范圍。為此，有必要對CHS混合動力系統的各種變形設計進行參數化和精細化建模，並通過工況模擬找到產品樣機的設計缺陷，從而提出相應的解決方案，為產品研發提供技術支持。
為了提高建模與模擬效率、減少人為計算錯誤和縮短CHS混合動力系統及其延伸產品的研製周期，開發一個基於CHS混合動力變速箱多物理領域耦合的模擬平台，對配置CHS混合動力車輛的動力性與經濟性進行設計優化、能耗模擬、熱平衡分析、以及主要零部件的疲勞耐久性計算等工作的開展具有重要意義。
1.2 混合動力汽車結構與控制策略研究現狀
混合動力系統的分類方法多種多樣[6]，按照電機功率佔比可以分為輕混、中混和強混系統；按照電機的位置可以分為P0、P1、P2、P3、P4系統；按照能量流動方向可以分為串聯、並聯和混聯系統。
控制策略的研究是混合動力汽車的核心研發內容之一，對於混合動力汽車，控制策略的主要可以分為四類：基於實時優化策略；基於全局優化策略；基於規則的控制策略；智能控制策略。
1.2.1 混合動力汽車結構國外研究現狀
在能源問題與環境問題的雙重壓力下，混合動力技術研發成為各國新能源汽車發展的重點。與中國相比，混合動力汽車在國外起步更早，日本、美國及歐洲等國家早已步入產業化階段，市場銷量也呈逐漸上升趨勢。最具代表的是豐田THS（Toyota Hybrid system）混合動力系統及通用AHS（Advanced Hybrid system ）混合動力系統。
自1997年第一代普銳斯（Prius）上市以來，豐田普銳斯系統已經發展到第四代，截止2017年1月底。搭載豐田普銳斯混合動力系統的汽車銷量已經突破1000萬輛。普銳斯第一代的結構簡圖如圖1-1所示。
豐田普銳斯混合動力系統是最早也是最具代表性的功率分流式混合動力系統，基於此有關能量管理控制、系統優化控制、系統結構優化等方面，在國內外已有大量研究[7,8]。
『貳』 為什麼我的MATLAB中沒有優化設計工具箱
優化工具箱安裝時是可選的，你可能沒選上。
『叄』 怎樣運用matlab實現無約束非線性優化問題中的多種方法
- MATLAB中用遺傳演算法求解約束非線性規劃問題 Solution of optimization with nonliear constraints programming by genetic alogorithm in MATLAB 作者:王勇, 期刊-核心期刊 哈爾濱商業大學學報（自然科學版）JOURNAL OF HARBIN UNIVERSITY OF COMMERCE(NATURAL SCIENCES EDITION) 2006年 第04期
- 約束優化問題的遺傳演算法求解 Genetic algorithm solution for constrained optimization 作者:宋松柏,蔡煥傑,康艷, 期刊-核心期刊 西北農林科技大學學報（自然科學版）JOURNAL OF NORTHWEST SCI-TECH UNIVERSITY OF AGRICULTURE AND FORESTRY(NATURAL SCIENCE EDITION) 2005年 第01期
- 約束優化問題的遺傳演算法求解 Genetic algorithm solution for constrained optimization 作者:宋松柏,蔡煥傑,康艷, 期刊-核心期刊 西北農林科技大學學報（自然科學版）JOURNAL OF NORTHWEST SCI-TECH UNIVERSITY OF AGRICULTURE AND FORESTRY(NATURAL SCIENCE EDITION) 2005年 第01期
- 非線性規劃問題求解的遺傳演算法設計與實現 Design and Realization of Genetic Algorithm for Solving Nonlinear Programming Problem 作者:劉雪梅,李國民,李景文,畢義明, 期刊-核心期刊 系統工程與電子技術SYSTEMS ENGINEERING AND ELECTRONICS 2000年 第02期
- 解非線性約束規劃問題的新型多目標遺傳演算法 New multi-objective genetic algorithm for nonlinear constraint programming problem 作者:劉淳安,LIU Chun-an, 期刊-核心期刊 計算機工程與設計COMPUTER ENGINEERING AND DESIGN 2006年 第05期
- 解非線性約束規劃問題的新型多目標遺傳演算法 New multi-objective genetic algorithm for nonlinear constraint programming problem 作者:劉淳安, 期刊-核心期刊 計算機工程與設計COMPUTER ENGINEERING AND DESIGN 2006年 第05期
- 基於Matlab遺傳工具箱的高強混凝土配合比優化 Mixtures Optimal Design of High-strength Concrete Based on GA Toolbox of MATLAB 作者:陸海標,鄭建壯,徐旭嶺, 期刊 浙江水利水電專科學校學報JOURNAL OF ZHEJIANG WATER CONSERVANCY AND HYDROPOWER COLLEGE 2007年 第03期
- 遺傳演算法求解約束非線性規劃及Matlab實現 The Solution of Optimization with Nonliear Constraints Programming with Genetic Algorithm and Demonstration by Matlab 作者:倪金林, 期刊-核心期刊 大學數學COLLEGE MATHEMATICS 2005年 第01期
-
- 基於遺傳演算法的非線性多目標規劃及其在油田開發規劃中的應用 作者:張曉東, 李樹榮, 熊福力, 會議 第二十二屆中國控制會議第二十二屆中國控制會議論文集(上) 2003年
- 區間非線性規劃問題的確定化描述及其遞階求解 Deterministic Interpretation of Interval Nonlinear Programming and Its Hierarchical Optimization Solutions 作者:蔣崢,戴連奎,吳鐵軍, 期刊-核心期刊 系統工程理論與實踐SYSTEMS ENGINEERING-THEORY & PRACTICE 2005年 第01期
- 區間非線性規劃問題的確定化描述及其遞階求解 Deterministic Interpretation of Interval Nonlinear Programming and Its Hierarchical Optimization Solutions 作者:蔣崢,戴連奎,吳鐵軍, 期刊-核心期刊 系統工程理論與實踐SYSTEMS ENGINEERING-THEORY & PRACTICE 2005年 第01期
- 一種新的求解非線性規劃的混合遺傳演算法 作者:李豐兵, 會議 第八屆中國青年運籌信息管理學者大會第八屆中國青年運籌信息管理學者大會論文集 2006年
- 一種啟發式演算法求解有交易成本組合投資問題 作者:安智宇, 會議 第三屆不確定系統年會第三屆不確定系統年會論文集 2005年
- 基於遺傳演算法的設計地震反應譜標定方法 Calibrating Method of Seismic Response Spectrum Based on Genetic Algorithm 作者:夏江,陳清軍, 期刊-核心期刊 力學季刊CHINESE QUARTERLY OF MECHANICS 2006年 第02期
- 具有線性不等式約束非線性規劃問題的降維演算法 Descending Dimension Algorithm of Nolinear Programming Problem with Linear Inequality Constraints 作者:楊懿,張守貴, 期刊-核心期刊 重慶大學學報（自然科學版）JOURNAL OF CHONGQING UNIVERSITY(NATURAL SCIENCE EDITION) 2007年 第10期
- 改進DNA遺傳演算法求解非線性多約束規劃研究 Refined DNA-GA for solving nonlinear multi-constrained programming 作者:王淑超,王乘, 期刊-核心期刊 華中科技大學學報(自然科學版)JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE EDITION) 2004年 第06期
- 改進DNA遺傳演算法求解非線性多約束規劃研究 Refined DNA-GA for solving nonlinear multi-constrained programming 作者:王淑超,王乘, 期刊-核心期刊 華中科技大學學報（自然科學版）JOURNAL OF HUAZHONG UNIVERSITY OF SCIENCE AND TECHNOLOGY(NATURE SCIENCE EDITION) 2004年 第06期
- 序列無約束極小化技術和遺傳演算法在非線性規劃中的應用 On the Application of SUMT and GA to Solving Constrained Nonlinear Programming Problem 作者:劉道建,黃天民, 期刊 邵陽高等專科學校學報JOURNAL OF SHAOYANG COLLEGE 2001年 第04期
- 序列無約束極小化技術和遺傳演算法在非線性規劃中的應用 On the Application of SUMT and GA to Solving Constrained Nonlinear Programming Problem 作者:劉道建,黃天民, 期刊 邵陽高等專科學校學報JOURNAL OF SHAOYANG COLLEGE 2001年 第04期
MATLAB中用遺傳演算法求解約束非線性規劃問題
Solution of optimization with nonliear constraints programming by genetic alogorithm in MATLAB
<<哈爾濱商業大學學報（自然科學版）>>2006年 第22卷 第04期
作者: 王勇
約束非線性規劃問題的求解往往是運籌學中的NP問題,利用MATLAB中的遺傳演算法工具箱中的函數方便、快捷的求得了兩個實例的最優解,進一步指出了遺傳演算法與傳統的最優化演算法的區別.
關鍵詞: 遺傳演算法, 約束非線性規劃, MATLAB, | 全部關鍵詞
最優化技術方法及MATLAB的實現
編 號： 86755
著 作 者： 16.00
出 版 社： 化學工業出版社
書 號： 9787502563837
出版日期： 2005-1-1
內容包括線性規劃與MATLAB的實現，即非線性規劃、整數規劃、動態規劃、多目標規劃與MATLAB的實現及圖與網路分析技術等。為方便讀者學習，本書安排了大量最優化方法在工程中的應用實例，根據需要逐個編寫了解決這些問題的相應數學模型，應用MATLAB程序，通過簡潔的運算給出了較為復雜問題的解。
本書可作為最優化技術方法或MATLAB優化工具箱應用的入門教材，供高職高專或本科院校管理、經濟類專業的師生使用，也可供廣大愛好者學習參考。
隨著計算機科學的發展和應用，應用最優化方法解決問題的領域在不斷擴大，最優化的理論和方法也得到普及和發展。線性規劃、非線性規劃、整數規劃、動態規劃和多目標規劃以及圖與網路技術作為最優化方法的主要內容已經成為工程技術人員和經濟管理人員所必備的基礎知識，目前，最優化方法課程已經開始作為高等院校的普及課程。
在「高等數學」中學習的極值理論、線性代數、向量、矩陣、泰勒公式等概念為學習「最優化方法」奠定了基礎。在「最優化方法」中，這些知識的重要價值將在工程應用中得到充分體現。
在最優化方法的應用過程中，要將所學知識直接應用於解決實際問題，中間往往還有一段距離。有時，面對需要建立的復雜數學模型，尤其是繁復的數學計算問題，往往難以入手，因此，人們總是希望能夠找到具有通用性和廣泛性的方法，用類似於日常使用計算器的手段，解決較為復雜的計算問題。在本書中，將「最優化方法」與「MATLAB工具箱」連接起來學習，就能夠在一定程度上彌補這一缺陷。
MATLAB是一個很不錯的計算軟體，它給數學計算帶來了許多的便利和可能性，它提供了幾十個工具箱，利用這些工具箱，可以解決不同領域的許多問題。
本書簡明扼要、敘述清楚、文字流暢，既可作為工程學科、管理及經濟學科的專、本科學生的「最優化方法」教材，也可作為應用「MATLAB工具箱」入門參考教材使用。
本書是編者根據多年的教學經驗，為適應新的教學需要而編寫的，所有工程應用實例均經過了MATLAB6
『肆』 Matlab與機械
用的最多的也就是機械設計中的優化設計問題，就用優化工具箱
還有就是模擬的，用simlink（好像是這么寫的，呵呵）
再有就是計算的問題，大量數據處理
還有就是應用GUI開發界面了！
PS 作為機械人，一定要學會使用MATLAB這個軟體！
『伍』 如何使用matlab中的工具箱
上面的最優答案廢話有點多，我補充一個簡潔版答案：
一、自帶工具箱：
直接使用。都在toolbox文件夾內，而且默認早已設定完畢。
二、非自帶工具箱：
按照這個步驟：
1）下載並解壓；
2）復制到matlab安裝目錄下的toolbox文件夾內（當然也可以放到別處~）；
3）在matlab的菜單：file-set path中，添加路徑，要求是連同子文件夾一同添加，路徑就是剛才你放置文件夾的地方。設定好了記得save。
4）完畢！
『陸』 求 機械優化設計 論文
基於改進遺傳演算法的機械優化設計參數模型研究.pdf
DESOPT機械優化設計軟體系統的構建與應用.pdf
MATLAB優化工具箱在機械優化設計中的應用.pdf
差異演化演算法及其在機械優化設計中的應用.pdf基於Internet的機械優化設計系統研究.pdf
以上論文已發給您，希望對您有所幫助。郵箱名：bangzhu20083
『柒』 想要用MATLAB的優化工具箱優化手動變速器輸入軸
如果lz是要對工作量評估,我可以大言不慚的說:應該不容易.
本人對汽車變速器的結構不甚了解,不過我看了一下fmincon,要做到優化,需要建立合理的模型,約束和代價的模型化是很重要的.
將狀態變數設為X(一般為列向量)
代價函數為F(X)
還有對與X的約束,分為線性,非線性以及邊界條件.
線性約束條件分為
A*X<=B和
Aeq*X=Beq
非線性約束分為
C(X)<=0和
Ceq(X)=0
邊界條件為
LB<=X<=UB
調用函數的形式為
X=fmincon(F,X0,A,B,Aeq,Beq,LB,UB,NONLCON)
返回值為X,此處F(X)在指定區間上最小.
F為函數,如果自己定義了函數,應該使用@函數名來引用.
X0為初值,基本無關,不過好的初值對於降低計算量很有幫助.
A,B為對應的線性不等式約束.
Aeq,Beq為對應的線性等式約束.
LB,UB為區間下上界.
NONLCON也是一個函數,help中說根據NONLCON計算出C和Ceq,此處我也不是很明白,似乎非線性的等式和不等式是連在一起的.
某些參數可以是[],這樣認為此處約束不存在.