基于NSGA-Ⅱ算法的麦弗逊悬架多目标优化

为了减小悬架定位参数在轮跳过程中的变化量和变化趋势,以改善整车的操纵稳定性,减小轮胎的磨损,搭建了悬架硬点优化设计的平台。利用多目标/多参数优化软件Isight,联合Adams/Car,在工程可行性约束条件下,应用改进型非支配排序遗传算法NSGA-Ⅱ对悬架系统进行寻优计算,得到Pareto最优解集。优化结果表明,悬架定位参数在车轮跳动过程中的变化量有不同程度的减小;前束角和外倾角变化最明显,变化范围由-1.11°~1.22°降低到-0.2°~0.31°,减小了78.4%,外倾角由-1.12°~1.71°降低到-0.56°~1.27°,减小了35.1%;主销后倾和主销内倾角变化范围分别减小了3.1%和4.1%,有效地降低了轮胎磨损,使整车的操纵稳定性能有所改善。     

基于ADAMS的麦弗逊悬架运动学优化

悬架运动学的优化是汽车底盘开发中的重要内容,目前商用动力学软件并没有专门针对悬架运动学的优化方法,多采用试凑法或实验设计方法。本文应用Adams/ Insight 工具进行灵敏度分析并确定适当的硬点坐标为优化变量。选用一种适合悬架运动学优化的牛顿迭代法对优化变量进行优化。该方法能快速的找出所需调整的设计变量,并快速有效的找到最优解,适合多目标优化。针对某样车前麦弗逊悬架前束角及外倾角存在的问题,应用该方法对目标函数影响较大的硬点坐标值进行优化,仿真结果表明：该麦弗逊悬架的运动学性能得到了有效改善。     

基于粒子群算法打击指挥系统瞄准点优化

研究了战斗部爆炸对指挥楼的毁伤模型。将模拟退火和分阶段搜索引入基本粒子群算法,并基于该改进算法对瞄准点进行了优化选择。仿真结果表明,该方法可用于解决瞄准点的寻优问题。     

基于响应面法和NSGA-Ⅱ算法的麦弗逊悬架优化

应用响应面法和经过改进的非支配排序遗传算法(NSGA-Ⅱ)进行悬架结构参数优化.在ADAMS/Insight软件中进行设计参数的灵敏度分析,针对灵敏度较大的设计参数,建立车轮定位参数在车轮跳动过程中最大变化量的2阶响应面近似数学模型.对该模型进行稳定性分析,并且应用加入精英保持策略和去除重复个体算法的NSGA-Ⅱ优化算...     

基于粒子群优化的主动悬架最优控制研究

针对主动悬架最优控制器LQG的加权矩阵Q和R参数主要由人工调整来确定,不仅费时,而且无法保证获得最优的权重矩阵。本文采用粒子群算法对LQG的控制参数进行优化。通过利用粒子群算法的全局搜索能力,以主动悬架性能指标为目标函数对加权矩阵进行优化,以提高LQG的设计效率和性能。在Matlab/Simulink环境中进行仿真分析,结果表明:与传统的LQG控制比较,基于粒子群优化的LQR控制器使主动悬架的车身垂直加速度、悬架动行程和轮胎动位移的均方根值均得到降低,可以使车辆获得更优的乘坐舒适性和操作稳定性。     

基于粒子群优化的主动悬架PID控制策略

针对汽车主动悬架比例-积分-微分控制器(proportional-integral-derivative,PID)参数选择问题,传统PID控制参数整定具有一定的盲目性.设计了粒子群优化算法,目标函数根据悬架性能指标建立,利用粒子群优化算法,优化了PID控制器中的参数.结果表明,与优化前PID控制的主动悬架相比,采用粒子...     

基于粒子群优化聚类算法的点模型简化

为了有效地简化稠密采样点模型,提出了一种基于粒子群优化聚类算法的点模型简化方法.引入了具有强大全局寻优能力的粒子群优化算法,对传统的k-均值聚类算法进行改进,基于改进的聚类算法对点模型进行简化,选取具有最优个体适应度函数的粒子作为原始采样点集的最终简化模型.算法聚类依据采样点的空间位置、法向和曲率的邻近性,实现了点模型表面区域几何特征保持的简化.同时在聚类区域的划分中考虑了曲率阈值和区域半径,使得算法在有效地保持特征边界和曲面细节的同时,能够生成高质量的简化曲面.实验结果表明,粒子群优化的k-均值聚类算法克服了传统聚类算法容易陷入局部极小的缺点,具有更好的全局收敛性和较快的收敛速度.该简化方法在有效简化点模型的同时,很好地保持了原始模型的几何形状,且在相同简化效率下能够生成更高质量的简化曲面.     

麦弗逊悬架减震器侧向力优化

由于麦弗逊悬架减振器不可避免地承受侧向力作用,其性能的好坏往往取决于侧向力大小.建立了能够综合考虑螺旋弹簧几何形状、弹簧轴线偏置角度、弹簧座安装角度及不同载荷状态的ADAMS刚柔耦合动力学优化模型,通过建立弹簧柔性体文件,可在多体动力学软件中模拟弹簧座与弹簧之间的支撑力及支撑力矩,为优化减振器侧向力提供仿真手段,大大提...     

粒子群优化算法

论述粒子群优化算法(PSO)的基本原理、特点、实现步骤,以及PSO的各种改进技术,包括基于PSO参数的改进技术(主要是惯性权重)、基于遗传算法进化机理的改进技术(受遗传算法启发提出的带交叉算子的PSO、带变异算子的PSO、带选择算子的PSO),以及其他算法融合的改进技术(模拟退火PSO、免疫PSO、混沌PSO),并总结PSO热点研究问题.     

基于粒子群优化的图像去噪算法

本文提出了一种基于PSO优化的非局部平均去噪算法,该算法以Non-Local means算法处理图片,以滤波参数h作为PSO的粒子,以PSNR的函数模型作为PSO中的目标函数,以群智能算法优化去噪效果.通过仿真,该算法比传统算法有更好的视觉效果和更快的速度,达到了算法的最佳性能.     

基于信息熵的粒子群优化算法

粒子群算法是一种进化计算技术,成功地运用于广泛的数值优化问题.PSO算法在求解高维复杂函数优化问题时容易陷入局部最优.有鉴于此,提出了一种基于信息熵的粒子优化算法.该算法提高设计了一种兼顾种群选择性压力以及种群多样性的选择策略,从而提高了粒子在运行过程中的多样性.实验表明,该算法有效避免了陷入局部最优,提高了全局最优解的搜索精度.     

基于粒子群优化算法主动悬架作动器多目标优化设计

为了使电动轮主动悬架系统的电磁直线作动器具有高推力密度、低铜耗和低推力波动特性,提出基于粒子群算法的圆筒形Halbach永磁直线同步电机作动器多目标优化设计方法,推导Halbach直线作动器径向气隙磁场密度、空载感应电动势、电磁力解析式,并采用有限元法对其进行了验证。基于Halbach磁体结构的气隙磁场进行参数化分析,获得磁体参数优化范围,以永磁体、气隙与槽深尺寸为优化变量,以推力体积比系数、铜耗系数为优化目标,采用基于自适应罚函数的多目标随机粒子群优化算法对作动器结构参数进行优化,并利用模糊集合理论对Pareto最优解进行选优。研究结果表明:优化后作动器结构紧凑,且作动器铜耗及波动明显降低,验证了作动器设计的正确性与多目标优化的有效性。     

基于模糊推理的粒子群优化算法

针对无约束优化问题,提出了基于模糊推理的粒子群优化算法,该算法针对粒子群优化算法搜索能力的不足,先引入平均粒子,然后引入模糊推理来改进粒子群的速度更新公式,再利用模糊推理动态地改进算法惯性权重和速度更新公式的权重因子,再结合混沌扰动增加算法后期的局部搜索能力.数值试验采用12个测试函数并有5个算法进行对比,数值试验证明,改进算法的搜索能力有较大的提高.     

基于粒子群算法的大跨度钢结构吊点层次优化

在面对大跨度钢结构的多台起重机协同吊装时,为了解决各种变形协调方程都不明确情况下的结构吊点设计问题,利用最小应变能原理,基于改进粒子群算法对吊点进行层次优化,即对吊点数量和布局进行综合优化.通过对标准粒子群算法进行改进并结合APDL的ANSYS二次开发技术,在MATLAB环境中编制了适应大跨度钢结构多吊点层次优化的程序,有限元软件ANSYS被后台调用求解目标函数.该方法充分发挥了有限元软件数值计算准确及粒子群算法求极值的高效性和全局性的优点,与ANSYS自带的零阶方法以及遗传算法、模拟退火算法等进化算法相比表明,本优化方法取得了较好的结果,为解决大跨度结构的吊点离散变量组合优化问题提供了一种新的更有效的途径.     

基于粒子群优化算法的扇区组合优化

航空运输业的不断发展给终端区容量带来了巨大的挑战。为了降低管制员的工作负荷,增加终端区的容量,对终端区的扇区优化进行研究,建立了终端区空域拓扑结构模型,利用Voronoi图进行终端区单元划分,并计算各航路点的工作负荷,建立扇区优化的数学模型,利用一种排列组合算法进行单元组合,将各单元的目标函数值作为优化函数,并结合粒子群优化算法求得最优解。最后,以成都终端区扇区优化为例进行了验证,证明了粒子群优化算法的有效性,可以很好地应用在以航路点为划分单元的扇区组合优化中。     

基于ADAMS的麦弗逊悬架的仿真分析与优化

基于悬架系统对汽车舒适性和操稳性的重要影响,本文利用ADAMS仿真软件对麦弗逊式独立悬架进行动力学仿真与优化。根据麦弗逊式独立悬架的CATIA模型及硬点,首先在ADAMS/Car模块中搭建悬架的物理模型,然后进行仿真分析,再利用后处理模块ADAMS/Post Processor模块查看仿真结果,得到有关悬架性能的曲线,包括四轮定位参数曲线,并对分析不合理的车轮前束角通过ADAMS/Insight模块进行了进一步的优化,最终明显提高了汽车的舒适性和操稳性。     

基于免疫粒子群算法的汽车半主动悬架系统研究

为了提高汽车操纵稳定性和乘坐舒适性,对汽车半主动悬架系统进行研究.建立了三自由度1/4车体悬架的数学模型,该模型包含了悬架系统侧向位移简化模型, 推导出悬架动力学方程和状态方程.提出了一种全新的免疫粒子群混合算法,设计出免疫粒子群控制器,并将该控制方法 用于悬架系统的控制中.与模糊控制结果 进行对比,免疫粒子群控制方法 使车身垂直加速度、悬架动行程、车轮相对动载和车身侧位移的最大峰值分别降低了38.64 %、20.53 %、60.60 %和23.39 %,趋于稳定的时间分别缩短了0.45 s、0.6 s、0.4 s和0.6 s.仿真结果 表明,免疫粒子群控制算法在改善被控过程的动态和稳态性能、提高抗干扰能力以及参数时变的鲁棒性等方面均优于模糊控制方法 ,同时有效地提高了半主动悬架系统的减震性能.     

基于改进粒子群算法优化电梯群控系统

给出的粒子群优化算法是一种群智能优化技术,利用群体和个体的智能行为来求解组合优化问题,并将多目标问题分别在粒子的各子种群中以内在并行的方式搜索多个非劣解,同时对各子种群粒子的适应度采用积分排序,较好地解决了电梯群控系统的多目标问题。充分弥补了传统方法解决多目标问题出现的不足。针对不同客流强度进行分析,分别得到不同平均的候梯时间和乘梯时间,结果表明采用此种改进的粒子群算法充分保证了算法的收敛速度和精度。     

基于粒子群算法的双时滞半主动悬架控制研究

针对四自由度半车悬架控制模型,提出一种基于双时滞反馈优化控制的车辆半主动悬架控制方法。引入时滞减振控制技术,应用时滞动力吸振器的减振机理和振动系统的幅频特性,建立基于车身加速度和俯仰加速度的统一目标函数,利用粒子群优化算法快速寻优特点获取最优时滞反馈控制参数,并在Matlab/Simulink环境下对悬架系统仿真。仿真结果显示:在随机激励下,双时滞反馈控制通过优化调节双时滞控制参数可以减小车身垂直加速度和俯仰加速度,相应的均方根值比被动悬架分别降低15.10%和22.48%,车身振动得到有效衰减。研究结果表明考虑时滞的车辆悬架模型不仅提高了模型建模精度,双时滞反馈控制更有效提高悬架的减振效果,改善车辆行驶平顺性,为半主动悬架控制系统设计提供了理论依据,具有一定的应用价值。     

一种基于成对粒子的粒子群优化算法

粒子群算法(PSO)是近年来一个应用非常广泛的随机搜索算法,具有参数少、收敛速度快等特点.PSON是一种搜索范围较广的粒子群算法,在PSON的基础上,通过引入和原粒子一一对应的有着随机梯度运动特点的一群伴生粒子,构建一种基于成对粒子的粒子群优化算法,并通过R软件实现该算法.算例表明,该算法在寻找最值时能够有效避免局部极值陷阱,在较少的迭代次数下找到函数最值.在复杂函数下,其性能全面优于原有的PSO、PSON和随机梯度算法等方法,且算法简单,是一种具有潜力的随机搜索算法.