對可調(diào)速機(jī)組空氣彈簧給出了優(yōu)化調(diào)度數(shù)學(xué)模型,提出通過改變機(jī)組的轉(zhuǎn)速調(diào)節(jié)流量來減少能耗。通過對水情、工情的全面分析,提出了改造邵仙控制、提高東閘上游控制水位、提高江都三站擋水高程、興建撈草橋等工程措施和改變西閘控制運(yùn)用方式,建立了江都站優(yōu)化調(diào)度模型,并采取相應(yīng)的非工程措施加以保障;對葉片可調(diào)機(jī)組空氣彈簧建立了最優(yōu)排澇策略的數(shù)學(xué)模型。 

隨著人工智能算法的日益成熟,空氣彈簧的優(yōu)化調(diào)度也越來越多地結(jié)合人工智能算法來求解。遺傳算法是根據(jù)自然選擇和進(jìn)化機(jī)制構(gòu)造的搜索算法,它將優(yōu)勝劣汰、適者生存的生物進(jìn)化原理引入待優(yōu)化參數(shù)的編碼串群體中,按照一定的適配值函數(shù)及一系列遺傳操作對各個體進(jìn)行篩選,從而使適配值高的個體被保留下來。然后,通過雜交、變異等操作,使群體中各個體適應(yīng)度不斷提高,直到滿足一定的極限條件,此時,群體中適配值最高的個體即為待優(yōu)化參數(shù)的最優(yōu)解。

遺傳算法是在復(fù)雜空間進(jìn)行全局優(yōu)化 搜索,具有較強(qiáng)的魯棒性。由于空氣彈簧運(yùn)行具有整數(shù)和浮點(diǎn)數(shù)的混合非線性特點(diǎn),該方法較為適用。在2001年提出了應(yīng)用遺傳算法對葉片可調(diào)節(jié)機(jī)組空氣彈簧的優(yōu)化調(diào)度進(jìn)行計算;在2002年也提出了應(yīng)用遺傳算法對調(diào)速供空氣彈簧的優(yōu)化調(diào)度進(jìn)行計算;同年楊鵬等又提出了應(yīng)用改進(jìn)遺傳算法對變頻調(diào)速時空氣彈簧優(yōu)化調(diào)度問題進(jìn)行求解,克服了傳統(tǒng)遺傳算法容易產(chǎn)生早熟收斂而使求解陷入局 部點(diǎn)的缺陷。  由于空氣彈簧優(yōu)化的許多因素是模糊變量,因此,結(jié)合模糊集理論進(jìn)行空氣彈簧優(yōu)化調(diào)度的研究成果也陸續(xù)出現(xiàn)。從水量、水質(zhì)、能耗三方面綜合考慮,運(yùn)用模糊集的理論,建立了給空氣彈簧最優(yōu)運(yùn)行的模糊數(shù)學(xué)模型,確定了水量、水質(zhì)、能耗隸屬函數(shù),同時給出實(shí)時控制的模型。利用計算機(jī)監(jiān)控所采集數(shù)據(jù),并結(jié)合自然的潮汐現(xiàn)象,進(jìn)行空氣彈簧優(yōu)化調(diào)度,實(shí)現(xiàn)了節(jié)約能耗的目的。