基于差分进化的粒子群算法的鼓式制动器多目标优化设计

合集下载

一种组合粒子群和差分进化的多目标优化算法

第３０卷第４期
文章编号：１００６— ９３４８（２０１３）０４—０３１３— ０４
计
算
机
仿
真
２０１３年４月
一
种组合粒子群和差分进化的多目标优化算法
陶新民，徐鹏，刘福荣，张冬雪
ＡＢＳＴＲＡＣＴ：Ｔｏｄｅａｌｗｉｔｈｔｈｅｐｈｅｎｏｍｅｎｏｎｏｆｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｚａｔｉｏｎａｌｇｏｉｒｔｈｍｂｅｉｎｇｏｔｆｅｎｔｒａｐｐｅｄｉｎｌｏｃｌａｏｐｔｉ－
（１．哈尔滨工程大学信息与通信工程学院，黑龙江哈尔滨１５０００１；２．黑龙江省电力有限公司，黑龙江哈尔滨１５００９０）
摘要：在求解多目标优化问题时，针对粒子群优化算法容易陷入局部极值的现象，提出了一种组合粒子群和差分进化的多目标优化算法，使用粒子群优化算法和差分进化算法共同产生新粒子，通过一个判断因子控制两种算法的使用比例，并对粒子群优化算法的速度更新公式进行了改变，以提高搜索效率。通过三个测试函数进行了仿真，并同ＮＳＧＡ—Ｉ１、ＭＯＰＳＯ— ＣＤ进行了比较。实验结果表明改进算法求得的Ｐａｒｅｔｏ解集收敛性和多样性好，并且算法稳定性高，运行速度快。关键词：多目标优化；粒子群优化；差分进化
ห้องสมุดไป่ตู้

基于iSIGHT的鼓式制动器多目标优化设计

其中：Ｒ为制动鼓半径， ’ 和 ” 别为摩擦分
收稿日期：２１－１一ｌ００１８作者简介：潘金坤（９３１６一），男，上海人，讲师，本科，研究方向为机械优化设计、有限元分析。【１１第３卷１４３第５期２１－５上）０１（
：
ｌ＝，Ｊ／ｔ
ＪＬ
０
÷ ，
１ｆ
７
／。，／，ｉｌ，／Ｉ
图２制动鼓结构图
１１设计变量．
Ｘ＝ｘｘｘＸｘｘｘ】［ｏ ”’ ６Ｔ［ｌ２３４５６７＝Ｒｔｃｂ］Ｔ ’ ｈ
图ｌ领从蹄鼓式制动器结构图
、ｌ பைடு நூலகம்
衬片的起始与终止点和鼓心连线与Ｏ夹角，Ｏ的Ｂ仪” 为摩擦衬片的包角，ｃ为制动蹄支销中心＝一 ’ ’
匐似
值，因此有：
ｑ “ ｍ
Ｊｒ
＊ｆｉｒ
・
６
（）６
至制动鼓中心的距离，ｈ张开力作用线至制动蹄为
０引言
制动器结构类型众多，主要有摩擦式、液力
式和电磁式等几种形式。电磁式制动器虽有作用
１鼓式制动器优化设计数学模型的建立
支点固定式领从蹄鼓式制动器结构如图１所
示，设制动鼓逆时针方向旋转，则左边的制动蹄为领蹄，右边的制动蹄为从蹄。设从蹄与领蹄结构形式完全一样。在张开力这Ｐ和Ｐ作用下，通

基于粒子群算法的机械零件多目标优化设计研究

开、聚集，其行为不可预测，但其整体总保持一致性。当整个群体目前处于最优位置的个体和自身曾经达到的最优位置来调整下
一
虽然每个优化设计问题的具体要求和限制条件不同，但就对在搜寻某个目标时，对于其中的某个个体，它往往是参照群体中步的搜寻。ｅｎｄＫｎｅｙ和Ｅｅｈｒ把这些模拟群体相互作用的模ｂｒａｔ
第５期２１００年５月
文章编号：０１３９（００Ｏ — ０５０ｌ０ — ９７２】）５０３ — ２
机械设计与制造
ＭａｈｎｒＤｅｉｎｃｉｅｙｓｇ＆Ｍａｕａｔｒｎ多目标优化设计研究术
中图分类号：ＨＩ文献标识码：Ｔ６Ａ
在科学实践、工程设计及社会生产和经济发展的许多问题都个目标函数不能够同时达到最优解。因此，一般情况下多目标优可以描述为优化问题，由于实际问题的复杂性，一般多是带有多个化设计问题是寻求符合一定要求的最优解或从得到的Ｐｒｔ最ａｅｏ约束条件的多个目标同时优化的多目标问足『对更加贴近实际的优解集里进行选择。Ｐｒｔ最优解是指：亟。ａｅｏ对一个或几个日标函数多目标优化问题，借助现代迅速发展的信息技术、人工智能、生物技不可能进一步优化，而对其他目标函数不至于劣化的解，称之为
ｆｒｓｒｇｃｍｐｎｎｓｏｐｉｏｎｏｅｔ
ＷＡＮＷｅ— ｎ．ＩｉｚｏｇｉｍｉＬＵＪ－ｈｎ
（ｃｏｌｆｅｈｎｃｌｎｌｃｒａＥｇｎｅｉｇＮｎｈｎｎｖｒｉ，ａｃａｇ３０，ｈｎ）ＳｈｏｏｃａｉａａｄＥｅｔｃｌｎｉｅｒ，ａｃａｇＵｉｓｙＮｎｈｎ０３ＣｉａＭｉｎｅｔ３１

基于改进粒子群算法的盘式制动器优化设计

下会产生变形，因而其气膜压力和气膜厚度分布与传统的刚性
轴承表面有所不同。
（）３增大轴承压缩数Ａ、偏心率ｓ长径比ＬＤ，、Ｉ减小波箔柔度Ａ都可以提高动压径向波箔轴承的承载力，但也会产生其
偏况选定合理的轴承参数。
维普资讯
第４期
吴军等：基于改进粒子群算法的盘式制动器优化设计
一ｌ９一
制动时间最短为目标，在几何约束、强度约束、温度约束等条件
在盘式制动器设计优化模型中将包含设计变量、初始参数、
三类变量或参数，为便于建立数学模型及公式导出，下，对盘式制动器的主要设计参数（：如制动盘的直径、衬片的直物理常量，。径、高压油油压等６个设计变量）进行了优化设计，取得了满意先将这些变量或参数列于表１的效果。
盘式制动器由制动盘和制动钳机构组成。制动时，缸筒中的
活塞
高压油推动活塞，进
而推动衬片与制动盘发生摩擦，将汽车动能转化为制动盘的内
制动时间较短则汽车的安全性较高，因此本文选择制动时间最
短作为设计目标。盘式制动器的结构剖面图如图２所示。如果将
图３轴承压缩数数取值不同时承载力随偏心率的变化曲线
参考文献
１Ｍ．ｌｈｔ１ＴｅａｐｉｔｎｏｉｓａｓｏｇｓｕｂｎｎｉｅＲ．Ｓｅｉ．ｈｐｌａｉｆｏｌｅｌｔａｒｉｅｅｇｎ＿】ａｅａｃｏｆｔＩＡＩ
ＡＡ—ｌ９ — ８．９９２８１
中图分类号：２４文献标识码：０２Ａ

一种鼓式制动器的优化设计

一种鼓式制动器的优化设计摘要：为了能够保证汽车上的制动器能够稳定的运行，本文研究了比亚迪F3鼓式制动器的设计方法，对其部分结构进行适当的优化设计，通过ANSYS软件仿真来分析其结构性能，找出其受力薄弱点。

并对它进行适当调整。

本文对国内和国外的鼓式制动器研究现状分别进行描述对比，同时在文章中介绍了鼓式制动器工作原理。

并且通过三维软件PROE分别对鼓式制动器的摩擦片、制动蹄、制动鼓、进行建模以及装配。

之后通过有限元分析软件ANSYS对比亚迪F3的后轮鼓式制动器进行受力分析。

得到它的受力薄弱点，在不过分增重和改变结构的情况下进行优化。

并与改进前的制动器进行对比，最大应力得到改善。

为鼓式制动器的优化设计提供理论依据，对制动器结构提出了改进方法。

关键词：鼓式制动器；PROE；ANSYS；接触应力1.引言本文主要是对我们目前所见到的几种制动器做出对比，之后分析国内和国外关于制动器的研究现状，并且对 BYD F3 的后轮鼓式制动器做出初步设计，并且用一款三维实体软件画出实体模型，在导入到有限元分析软件中求解，找到这款制动器的应力集中点，对其做出优化使得制动器的应力得到改善。

这次优化设计中选用PROE和ANSYS软件，其中在PROE绘制了鼓式制动器的制动鼓、制动蹄、摩擦片的三维实体图。

并将上面三个零件在PROE进行装配，之后把三个零件图和一个装配图导入有限元分析软件ANSYS中。

得到应力分布图找到他们容易失效的部分。

在不过分改变制动器的结构和重量上进行优化设计，本文分别增加了制动鼓和摩擦片的宽度，通过 ANSYS软件再次进行模拟。

使得制动器的应力得到改善。

2.鼓式制动器的力学分析本文的研究优化是比亚迪F3的后轮鼓式制动器，所以基于不过分改变重量和尺寸的原则，因此本文主要是对比亚迪F3后轮鼓式制动器进行初步的设计和优化。

2.1制动系统主要参数数值2.1.1相关主要技术参数查阅BYD的设计手册我们得到这款轿车的参数，具体如下；整车质量：空载：1200kg 满载：1600kg质心位置： a=1.04mb=1.56m质心高度：空载：hg=0.60m 满载：hg=0.55m轴距： L=2.6m轮距 : L =1.48m最高车速： 180km/h最大功率/转速：78/6000 kw/rpm最大转矩/转速：134/4500 N·m/rpm轮胎：195/60R152.2制动器有关计算根据汽车制动时的整车受力分析，考虑到制动时的轴荷转移，可求得地面对前、后轴车轮的法向反力Z1，Z2 。

基于粒子群算法的汽车传动系参数多目标优化

基于粒子群算法的汽车传动系参数多目标优化钱娟;王东方;缪小东【摘要】对单轴并联式混合动力汽车进行传动系多目标参数优化分析,通过ADVISOR仿真软件建立整车模型,选取加速时间和百公里油耗为优化目标,传动系主减速器速比和变速器各档速比为优化变量,动力性能相关要求为约束条件,采用粒子群算法(PSO)结合ADVISOR软件进行优化,并对优化结果进行对比分析.仿真实例表明,优化后可以有效地解决传动系参数优化问题,对动力系统其他部件的参数优化也有一定的指导意义.【期刊名称】《机械制造与自动化》【年(卷),期】2018(047)003【总页数】3页(P168-170)【关键词】混合动力汽车;传动系;参数优化;粒子群算法【作者】钱娟;王东方;缪小东【作者单位】南京工业大学机械与动力工程学院,江苏南京211800;南京工业大学机械与动力工程学院,江苏南京211800;南京工业大学机械与动力工程学院,江苏南京211800【正文语种】中文【中图分类】U462.30引言混合动力汽车作为纯电动汽车突破瓶颈技术问题之前现实可行的新能源车型，能够很好缓解能源短缺和环境污染问题，但传动系参数匹配和控制策略作为影响混合动力汽车性能的两个关键技术，一直是研究的重点。

现从传动系的参数入手，利用优化算法寻找传动系速比最优解，通过改进这些参数获得更佳的整车性能。

由于混合动力汽车的动力参数比较复杂，普通的优化算法已经满足不了需求[1]。

目前在汽车领域的优化工作中应用比较多的智能优化算法主要有：遗传算法、模拟退火算法、禁忌搜索算法、粒子群优化算法、蚁群算法等[2-3]。

粒子群算法在搜索全局最优解的过程中不需要像遗传算法那样必须进行交叉和变异操作，算法规则简单容易实现，在实际应用过程中没有许多参数的调节，收敛速度快，所以对于解决带约束非线性多目标参数优化问题有比较好的效果。

1 混合动力汽车系统设计与建模1.1 动力系统设计混合动力汽车以国内某款紧凑级轿车为基础车型，考虑到原车型结构特点和技术难度，最终采用并联式混合动力电驱动系的单轴结构形式进行布置，其特点是发动机与电机同轴，电机的转子起着转矩耦合器的作用，运作时发动机和电机拥有相同的转速，具体的结构形式如图1所示。

基于MATLAB遗传算法的汽车鼓式制动器多目标优化设计

基于MATLAB遗传算法的汽车鼓式制动器多目标优化设计杨仁华【期刊名称】《机床与液压》【年(卷),期】2011(39)23【摘要】针对汽车鼓式制动器,提出以制动效能因素最大、制动过程中温升最低、制动鼓体积最小为目标,进行多目标优化设计.应用惩罚函数法建立了优化目标函数,运用MATLAB遗传算法工具箱进行寻优求解,并通过实例进行验证.结果表明:该优化方法合理可行.%Aiming at the auto brake drum, with the objective of maximizing the efficacy factor of the brake, minimizing the heat of rub surface during braking and minimizing the volume of braking drum, multi-objective optimization design were made. The optimal objective function was established by using the penalty function, the optimal solution was found by using the MATLAB genetic algorithm optimization toolbox, and it was verified by an example. The result shows that this optimization method is practical and reasonable.【总页数】4页(P91-93,97)【作者】杨仁华【作者单位】西华大学交通与汽车工程学院,四川成都610039【正文语种】中文【中图分类】U463.5【相关文献】1.基于遗传算法的汽车车身焊装夹具优化设计及MATLAB实现 [J], 姚春玲;张俊华;李宝顺2.基于MATLAB和遗传算法的汽车焊装夹具规则库的构建 [J], 刘锟;姚春玲3.基于MATLAB遗传算法的汽车传动系参数优化研究 [J], 陆超;4.基于MATLAB遗传算法的汽车传动系参数优化研究 [J], 陆超5.基于遗传算法的汽车永磁发电机多目标优化设计 [J], 王瑾因版权原因，仅展示原文概要，查看原文内容请购买。

复杂多目标问题的优化方法及应用

复杂多目标问题的优化方法及应用一、前言复杂多目标问题是指在优化过程中存在多个目标函数，这些目标函数之间可能存在冲突或矛盾，因此需要寻找一种合适的方法来解决这类问题。

本文将介绍复杂多目标问题的优化方法及应用。

二、复杂多目标问题的优化方法1. 多目标遗传算法（MOGA）多目标遗传算法是一种常用的优化方法，它基于遗传算法，并通过引入多个适应度函数来解决多目标问题。

MOGA 通过保留 Pareto 前沿（Pareto front）上的解来实现优化。

Pareto 前沿是指无法再找到更好的解决方案，同时保证了所有目标函数都得到了最佳优化。

2. 多目标粒子群算法（MOPSO）多目标粒子群算法也是一种常用的优化方法，它基于粒子群算法，并通过引入多个适应度函数来解决多目标问题。

MOPSO 通过维护一个Pareto 最优集合来实现优化。

Pareto 最优集合是指所有非支配解构成的集合。

3. 多目标差分进化算法（MODE）差分进化算法是一种全局搜索算法，它通过不断地更新种群的参数来寻找最优解。

MODE 是一种基于差分进化算法的多目标优化方法，它通过引入多个适应度函数来解决多目标问题。

MODE 通过维护一个Pareto 最优集合来实现优化。

4. 多目标蚁群算法（MOTA）蚁群算法是一种模拟自然界中蚂蚁寻找食物的行为的算法，它通过不断地更新信息素来寻找最优解。

MOTA 是一种基于蚁群算法的多目标优化方法，它通过引入多个适应度函数来解决多目标问题。

MOTA 通过维护一个 Pareto 最优集合来实现优化。

三、复杂多目标问题的应用1. 工程设计在工程设计中，往往需要考虑多个因素，如成本、效率、可靠性等。

使用复杂多目标问题的优化方法可以帮助工程师在保证各项指标达到要求的情况下，尽可能地减少成本或提高效率。

2. 市场营销在市场营销中，往往需要同时考虑销售额、市场份额和品牌知名度等指标。

使用复杂多目标问题的优化方法可以帮助企业在提高销售额的同时，尽可能地提高市场份额和品牌知名度。

基于遗传算法的汽车鼓式制动器多目标优化设计

ａｎ
ｏｐｔｉｍｉｚａｔｉｏｎｔｏｏｌｂｏｘ，ａｎｄｉｔＷｉｌｔｓｖｅｒｉｆｉｅｄｂｙ
ｅｘａｍｐｌｅ．Ｔｈｅ
ｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｉｓｏｐｔｉｍｉｚａｔｉｏｎｍｅｔｈｏｄｉｓｐｒａｃｔｉｃａｌａｎｄｒｅａｓｏｎａｂｌｅ．ｆｕｎｃｔｉｏｎ
Ｋｅｙｗｏｒｄｓ：Ｍｕｌｔｉ－ｏｂｊｅｃｔｉｖｅｏｐｔｉｍｉｚａｔｉｏｎ；Ｇｅｎｅｔｉｃａｌｇｏｒｉｔｈｍ；Ｂｒａｋｅ；Ｏｂｊｅｃｔｉｖｅ
摘要：针对汽车鼓式制动器，提出以制动效能因素最大、制动过程中温升最低、制动鼓体积最小为目标，进行多目标优化设计。应用惩罚函数法建立了优化目标函数，运用ＭＡＴＬＡＢ遗传算法工具箱进行寻优求解，并通过实例进行验证。结果表明：该优化方法合理可行。关键词：多目标优化；遗传算法；制动器；目标函数中图分类号：Ｕ４６３．５文献标识码：Ａ文章编号：１００１—３８８１（２０１１）２３—０９１—３ＤｅｓｉｇｎｏｆＡｕｔｏＤｒｕｍ－ｆａｓｈｉｏｎｅｄＢｒａｋｅＢａｓｅｄ
５（）＝—————————ｉ—二———竺一．３×≤０
Ｘ１
１０≤ｏ
（６）制动器制动一次制动鼓的温升应小于规定值：
其中：ｎ为材料热比，．，为热工当量。
ｇ，（Ｘ）＝ｐ一１２≤Ｏ
ｇｓ（ｘ）２主；ｉｉｊｉｉ—：毛竺赢一１５。≤。
（７）制动器制动缸压力应小于规定值：（８）边界约束条件（变量的上、下限）
巾（ｘ，ｒ¨’）＝八ｘ）＋，仕’∑｛ｍａｘ［０，易（ｘ）］｝２
ｋｇ，轮
上的一种非数值计算优化方法，在２０世纪６０年代，由美国Ｍｉｃｈｉｇａｎ大学的ＪｏｈｎＨｏｌｌａｎｄ教授首先提出，其基本思想是基于达尔文进化论和孟德尔遗传学说。
胎型号为２１５／７０Ｒ１５，半径０．３４３ｍ，制动初速度８０ｋｍ／ｈ，摩擦因数为０．４。优化前后参数及分目标函数值分别见表ｌ与２。（下转第９７页）

基于粒子群算法与人工蜂群算法的多目标车辆路径优化

基于粒子群算法与人工蜂群算法的多目标车辆路径优化摘要：车辆路线问题是配送计划的基本问题，它试图考虑客户的数量，他们的约束以及可用车辆的数量和容量的情况下，以最小的位移成本找到最佳的行进路线。

在这项研究中，我们首先描述了旅行商问题和车辆路线模型，然后提出了考虑顾客之间优先约束的多目标车辆路线模型。

有不同的元启发式算法可以解决此类NP难题。

本研究提出了一种基于粒子群算法和人工蜂群算法相结合的求解算法。

此外，通过分析一个操作样本，使用区域内客户的数据，考虑问题及其功能的不同约束，并使用惩罚方法和附加的分段约束方法，可以获得最佳的车辆路线。

以及对每种算法的结果结合其混合算法进行了演示。

关键词：车辆路线问题；元启发式算法；粒子群优化；人工蜂群；混合算法；优先约束一、介绍车辆路径问题[1]是配电系统的重要组成部分之一，引起了该领域许多专家的关注。

这些问题具有旅行推销员问题的逻辑，试图找到覆盖客户，满足他们的需求，降低成本并提高收益的最佳方法，从而使他们可以从一个角度出发，然后遍及所有地区，回到第一个起点。

考虑优先约束，将旅行商问题[2]定义为：一个仓库和多个客户为输入数据，客户与仓库之间以及客户之间的所有距离都是确定的。

我们正在寻求解决这个问题，以便以最小的成本，并考虑到客户之间的优先距离和约束，找到最佳的路线。

通过考虑通常源自现实的确定方法，元启发式算法[3]从一个角度开始解决问题。

然后，在重复算法之后，他们寻求找到最佳响应。

在该领域已经提出了不同的算法，一种是粒子群优化算法。

通过考虑不同的约束条件并研究概率模型，该算法已用于车辆路径问题。

此外，人工蜂群通过考虑不同的约束条件，例如交货时间、需求限制、装载量、最大订货量，该算法同样也已用于该问题。

该模型已在存在此类限制的情况下进行了求解，其结果已用于获得最佳响应。

基于此，一种新的方法是在元启发式算法领域中使用混合算法，以更快更好地实现最佳响应。

在该领域中已经提出了几种混合算法。

与粒子群优化算法类似的优化算法

粒子群优化算法（Particle Swarm Optimization，PSO）是一种基于群体智能的优化算法，它通过模拟鸟群、鱼群等动物群体的行为来寻找问题的最优解。

除了PSO之外，还有一些类似群体智能的优化算法，也被称为群体智能优化算法，以下是一些与PSO类似的优化算法：
1. 遗传算法（Genetic Algorithm，GA）：遗传算法是一种模拟生物进化过程的优化算法，它通过模拟基因的选择、交叉、变异等过程来寻找问题的最优解。

2. 蚁群优化算法（Ant Colony Optimization，ACO）：蚁群优化算法是一种模拟蚂蚁觅食行为的优化算法，它通过模拟蚂蚁的信息素传递过程来寻找问题的最优解。

3. 人工神经网络（Artificial Neural Network，ANN）：人工神经网络是一种模拟人类神经系统工作方式的优化算法，它通过模拟神经元的传递过程来寻找问题的最优解。

4. 模拟退火算法（Simulated Annealing，SA）：模拟退火算法是一种模拟金属退火过程的优化算法，它通过模拟退火过程中的温度下降和结构变化来寻找问题的最优解。

5. 差分进化算法（Differential Evolution，DE）：差分进化算法是一种模拟群体进化的优化算法，它通过模拟种群之间的差异和交叉来寻找问题的最优解。

这些优化算法都具有群体智能的特性，可以用于解决各种复杂的优化问题。

但是它们也具有不同的特点和适用范围，需要根据具体问题选择合适的算法。

汽车鼓式制动器多目标优化设计

4 &25.$5&$ ’ $56* 和 7 &34.$8&$ ’ $86* " 通过交叉运算 4!! )4(9:;)<7$ 7*&5:;)*4()7 产生两个子个体 4*&55*:$5*=$ ’ $5*6* 和 7*&58*:$8*=$ ’ $ 8*6*$) 是事先给定或随机产生的 12345 中的一个实数 $
b1 × R × b ×! p / 180

f ×! p ×d2 × p×r m × r × vo "
2 c3 = c2 # 其中 )2 为摩擦片导热系数 ": 为车轮有效半径 " 有效制
动面积

A1 =
’ 为热扩散率 "% 为摩擦片摩擦系数 ";( 为热
" a ¢¢ = a 0 + b#
流分配系数 " 摩擦力作用半径
( 摘要) 车辆在高速时的紧急制动对制动器提出了新的要求 " 摩擦副温升不能过高 " 以免发生热衰退现象 "降低制动效能 # 另外 "制动器有效尺寸的减小将给整车布局留下更广阔的空间 # 本文以摩擦副温升最低和制动器尺寸最小为目标 " 对鼓式制动器进行多目标优化设计 " 减小制动器尺寸并提高制动器工落在给定的设计变量搜索区间内 "算法稳定且收敛速度快 # 关键词 ’ 多目标优化 *遗传算法 * 鼓式制动器 ( !"#$%&’$) ,=0 .:’)>?@ A?10: =>@= B2001 .:>?@B =>@= 10C’?1 5( *’: +B .:’)0BD ,=0 50C20:’5A:0 (% %:>*!

基于粒子群算法的汽车多目标自适应动态规划系统研究

基于粒子群算法的汽车多目标自适应动态规划系统研究作者：覃庆环来源：《现代信息科技》2021年第16期摘要：我国的经济发展促进了各行各业发展，汽车产业也是其中之一，汽车产业的发展导致道路上的汽车越来越多，为提高汽车的安全性，减小汽车能耗，文章设计基于粒子群算法的汽车多目标自适应动态规划系统。

硬件部分设计PID控制器和SPC5644A芯片，软件部分设计汽车多目标自适应动态规划框架，基于粒子群算法构建汽车自适应动态运动模型，设计汽车自适应规划函数，实现汽车多目标自适应动态规划。

关键词：粒子群算法;汽车;多目标;自适应;动态规划中图分类号：TP273 文献标识码：A文章编号：2096-4706（2021）16-0032-03Research on Vehicle Multi-objective Adaptive Dynamic Planning System Based on Particle Swarm AlgorithmQIN Qinghuan（Guangxi Modern Polytechnic College， Hechi 547000， China）Abstract：Our country’s ec onomic development has promoted the development of all walks of life， and the automobile industry is one of them. The development of the automobile industry has led to more and more cars appear on the road. In order to improve the safety of cars and reduce the energy consumption of cars， this paper designs the vehicle multi-objective adaptive dynamic planning system based on particle swarm algorithm. The hardware part designs the PID controller andSPC5644A chip， the software part designs the vehicle multi-objective adaptive dynamic planning framework， builds the vehicle adaptive dynamic motion model based on the particle swarm algorithm， designs the vehicle adaptive planning function， and realizes the vehicle multi-objective adaptive dynamic planning.Keywords： particle swarm algorithm; vehicle; multi-objective; adaptive; dynamic planning0 引言經济发展带动了汽车产业发展[1]，汽车产业的快速发展引发环境污染、能源危机等问题。

机械结构的多目标优化设计方法

机械结构的多目标优化设计方法机械结构的多目标优化设计方法：在机械工程领域，设计出既能满足性能要求又能尽可能减小成本和资源消耗的机械结构是一项重要的任务。

在实际设计过程中，通常会涉及到多个相互矛盾的设计目标，如减小重量、提高强度、减小成本等。

因此，多目标优化设计方法在机械结构设计中具有重要的意义。

多目标优化设计方法的核心是找到一种平衡不同设计目标之间的权衡关系，使得设计方案能够在各个目标之间取得最优的折中。

在机械结构的多目标优化设计过程中，通常会采用以下几种常见的优化方法：1. 多目标遗传算法（MOGA）：多目标遗传算法是一种通过模拟进化过程来搜索最优解的优化方法。

它通过维护一个种群，在每一代中根据个体的适应度对种群进行选择、交叉和变异等操作，最终得到一个能够同时满足多个目标要求的设计方案。

2. 多目标粒子群优化算法（MOPSO）：多目标粒子群优化算法是基于群体智能的优化方法，它模拟了鸟群觅食的行为，通过不断调整粒子的位置和速度来搜索最优解。

MOPSO算法能够在多个设计目标之间找到一种平衡，快速收敛到帕累托前沿。

3. 多目标模拟退火算法（MOSA）：多目标模拟退火算法是一种基于模拟退火原理的优化方法，通过不断接受较差解以避免陷入局部最优解，并逐步降低温度来搜索全局最优解。

MOSA算法在多目标优化设计中具有较好的收敛性和鲁棒性。

4. 多目标遗传规划算法（MOGP）：多目标遗传规划算法是一种结合了遗传算法和规划算法的新型优化方法，它能够在多个设计变量和目标函数之间进行有效的优化，并生成满足多目标设计要求的解。

MOGP算法在处理复杂的多目标优化设计问题时表现出色。

综上所述，机械结构的多目标优化设计方法是一门研究如何在多个相互矛盾的设计目标下找到最优设计方案的学科。

不同的优化算法在处理多目标优化设计问题时具有各自的特点和适用范围，设计人员可以根据具体的需求和情况选择合适的方法来实现设计目标的最优化。

通过合理应用多目标优化设计方法，可以提高机械结构设计的效率和性能，实现设计的优化和提升。

汽车鼓式制动器多目标优化设计

汽车鼓式制动器多目标优化设计
米洁;吴欲龙
【期刊名称】《机械设计与制造》
【年(卷),期】2007(000)001
【摘要】车辆在高速时的紧急制动对制动器提出了新的要求,摩擦副温升不能过高,以免发生热衰退现象,降低制动效能.另外,制动器有效尺寸的减小将给整车布局留下更广阔的空间.本文以摩擦副温升最低和制动器尺寸最小为目标,对鼓式制动器进行多目标优化设计,减小制动器尺寸并提高制动器工作的可靠性.优化搜索策略采用基于方向的遗传算法,能实现自适应变异,并能保证变异产生的后代直接落在给定的设计变量搜索区间内,算法稳定且收敛速度快.
【总页数】2页(P25-26)
【作者】米洁;吴欲龙
【作者单位】北京机械工业学院,北京,100085;北京机械工业学院,北京,100085【正文语种】中文
【中图分类】V461.3
【相关文献】
1.基于MATLAB遗传算法的汽车鼓式制动器多目标优化设计 [J], 杨仁华
2.基于差分进化的粒子群算法的鼓式制动器多目标优化设计 [J], 韩永印
3.基于iSIGHT的鼓式制动器多目标优化设计 [J], 潘金坤
4.汽车电磁与摩擦集成鼓式制动器的设计与分析 [J], 陈益庆;谢模毅
5.汽车鼓式制动器应用缺陷的探究 [J], 李小强
因版权原因，仅展示原文概要，查看原文内容请购买。

基于粒子群优化算法主动悬架作动器多目标优化设计

基于粒子群优化算法主动悬架作动器多目标优化设计彭冲;郑玲;李以农【摘要】To achieve high thrust density, low ripple and low copper loss of electromagnetic linear actuator in active suspension system of the electric wheel, a multi-objective optimization design method of tubular Halbach permanent magnet linear synchronous motor using stochastic particle swarm optimization was presented. The analytical formulas of gap magnetic field, induced voltage and electromagnetic force were deduced, and the validity of formulae was verified by FEM. The optimum range of Halbach permanent magnet parameter was obtained through the parametric analysis of gap magnetic field. Setting permanent magnet, gap and slot depth as optimization variables and taking thrust volume coefficient and copper loss coefficient as optimization objective, the actuator structure parameters were optimized with multi-objective stochastic particle swarm optimization based on self-adaptive punishment. The best Pareto optimal solution is selected based on the fuzzy set theory. The results show that after optimization, the actuator structure is more compact, and both the copper loss and thrust ripple decrease significantly. The validity of multi-objective optimization is verified.%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.【期刊名称】《中南大学学报（自然科学版）》【年(卷),期】2017(048)004【总页数】9页(P968-976)【关键词】电磁作动器;气隙磁场;多目标优化;随机粒子群算法【作者】彭冲;郑玲;李以农【作者单位】重庆大学机械传动国家重点实验室,重庆,400044;重庆大学机械传动国家重点实验室,重庆,400044;重庆大学机械传动国家重点实验室,重庆,400044【正文语种】中文【中图分类】TM359.4轮边驱动式电动汽车以其空间利用率高、传动链短、开发成本低、能量回收等优点，成为了未来汽车工业最佳选择[1]，然而，轮边驱动电动汽车随着轮毂电机的引入导致整车非簧载质量及车轮转动惯量显著增加，影响着车辆的平顺性和操作稳定性[2]，目前解决方法主要采取电磁可控悬架，相比空气、液压等可控悬架系统，电磁主动悬架系统可提供主动力，可实现在不同的行驶条件下悬架性能最优，显著改善车辆的行驶平顺性和操纵稳定性，成为电动汽车悬架的最佳选择。

基于差分演化的改进多目标粒子群优化算法

基于差分演化的改进多目标粒子群优化算法
吴亚丽;徐丽青
【期刊名称】《系统仿真学报》
【年(卷),期】2011(23)10
【摘要】提出一种基于差分演化的改进多目标粒子群优化算法来求解多目标优化问题。

算法通过对Pareto最优解集的差分演化来增加Pareto解集的多样性;通过循环拥挤距离来控制归档集中非劣解的分布,提高对种群空间的均匀采样;采用一种新的多目标适应值轮盘赌法选择粒子的全局最优位置,使其更逼近Pareto最优前沿;自适应惯性权重和加速度因子的设计增强了算法的全局搜索能力。

多个多目标测试函数的仿真结果表明,改进的多目标粒子群算法能够在保持Pareto最优解多样性的同时具有较好的收敛性能。

【总页数】5页(P2211-2215)
【作者】吴亚丽;徐丽青
【作者单位】西安理工大学自动化与信息工程学院;中国电南京自动化股份有限公司
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于自适应K阶差分演化的多目标优化算法
2.基于自适应K阶差分演化的多目标优化算法
3.基于改进粒子群的重频组多目标优化算法
4.基于改进粒子群优化算
法的多目标自适应巡航控制5.基于改进多目标粒子群优化算法的雷达资源分配方法
因版权原因，仅展示原文概要，查看原文内容请购买。

一种基于差分进化算法和粒子群算法的双进化方式的全局优化算法

一种基于差分进化算法和粒子群算法的双进化方式的全局优化
算法
张宏;蒋德勇
【期刊名称】《黑龙江科技信息》
【年(卷),期】2012(000)032
【摘要】差分进化算（Differential Evolution Algorithms，DE）和粒子群算法（Particle Swarm Optimization，Ps0）是一种基于种群的全局优化的通用的启发式算法，已经用来求解很多的问题。

本文提出一种基于DE和PSO的双进化方式的种群进化策略。

对于种群中的每个粒子可以随机选择按照差分进化或者按照粒子群进化。

为了提高进化的收敛速度，对于每一代粒子选择一个最优的粒子提供给按照PSO算法进化的粒子使用。

通过4个标准函数测试该算法并与PSO和DE算法进行比较，实验证明该算法是一种求解精度高，速度快，鲁棒性好的算法。

【总页数】1页(P8-8)
【作者】张宏;蒋德勇
【作者单位】盐城工学院,江苏盐城224000;盐城工学院,江苏盐城224000
【正文语种】中文
【中图分类】O242.23
【相关文献】
1.一种基于差分进化混合粒子群算法的多无人机航迹规划 [J], 于鸿达;王从庆;贾峰;刘阳
2.基于差分进化和粒子群优化算法的混合优化算法 [J], 池元成;方杰;蔡国飙
3.具有混沌局部搜索策略的差分进化全局优化算法 [J], 谭跃;谭冠政
4.一种基于差分进化和灰狼算法的混合优化算法 [J], 金星;邵珠超;王盛慧
5.一种基于粒子群优化算法和差分进化算法的新型混合全局优化算法 [J], 栾丽君;谭立静;牛奔
因版权原因，仅展示原文概要，查看原文内容请购买。