技術(shù)特征：

1.一種基于Pareto的液阻懸置結(jié)構(gòu)參數(shù)多目標(biāo)優(yōu)化方法，其特征是，包括以下步驟：

1)建立液阻懸置結(jié)構(gòu)參數(shù)多目標(biāo)優(yōu)化模型，根據(jù)實(shí)際情況選擇模型中涉及的變量和優(yōu)化目標(biāo)，并建立約束條件；

2)根據(jù)模糊罰函數(shù)法將步驟1)中帶約束條件的多目標(biāo)優(yōu)化問(wèn)題轉(zhuǎn)化為無(wú)約束的多目標(biāo)優(yōu)化問(wèn)題，得到各個(gè)優(yōu)化目標(biāo)的適應(yīng)度值函數(shù)，形成新的目標(biāo)優(yōu)化函數(shù)；

3)采用Pareto GA遺傳算法對(duì)步驟2)得到的多目標(biāo)優(yōu)化問(wèn)題進(jìn)行優(yōu)化，獲得Pareto最優(yōu)解集；

4)采用熵值權(quán)重法確定各優(yōu)化目標(biāo)的客觀權(quán)重；

5)基于TOPSIS策略對(duì)Pareto最優(yōu)解集進(jìn)行優(yōu)先度排序獲得最佳的結(jié)構(gòu)方案。

2.根據(jù)權(quán)利要求1所述的一種基于Pareto的液阻懸置結(jié)構(gòu)參數(shù)多目標(biāo)優(yōu)化方法，其特征是，所述步驟1)中涉及的參量為：

橡膠主簧動(dòng)剛度K_r、橡膠主簧阻尼B_r、上液室體積剛度K₁、慣性通道長(zhǎng)度l_i、慣性通道橫截面積A_i、解耦器內(nèi)液體流動(dòng)的慣性系數(shù)I_d和阻尼系數(shù)B_d為設(shè)計(jì)變量；

優(yōu)化目標(biāo)為：

低頻、大振幅激勵(lì)下液阻懸置動(dòng)剛度峰值頻率；

低頻、大振幅激勵(lì)下液阻懸置的動(dòng)剛度峰值；

低頻、大振幅激勵(lì)下液阻懸置的阻尼系數(shù)峰值；

高頻、小振幅激勵(lì)下液阻懸置動(dòng)剛度峰值頻率；

高頻、小振幅激勵(lì)下液阻懸置的動(dòng)剛度峰值；

高頻、小振幅激勵(lì)下液阻懸置的阻尼系數(shù)峰值。

3.根據(jù)權(quán)利要求1所述的一種基于Pareto的液阻懸置結(jié)構(gòu)參數(shù)多目標(biāo)優(yōu)化方法，其特征是，所述步驟2)中新的優(yōu)化目標(biāo)函數(shù)由離散隸屬函數(shù)所確定的模糊罰函數(shù)和經(jīng)過(guò)正規(guī)化后的目標(biāo)函數(shù)之和構(gòu)成。

4.根據(jù)權(quán)利要求1所述的一種基于Pareto的液阻懸置結(jié)構(gòu)參數(shù)多目標(biāo)優(yōu)化方法，其特征是，所述步驟3)具體步驟如下：

301)初始化種群M，隨機(jī)生成一個(gè)大小為N的父代種群P_t；

302)對(duì)當(dāng)前種群個(gè)體進(jìn)行目標(biāo)函數(shù)值計(jì)算；

303)對(duì)種群個(gè)體進(jìn)行非劣分層排序；

304)采用二元錦標(biāo)賽選擇、交叉和變異操作產(chǎn)生N個(gè)子代種群Q_t；

305)種群P_t和種群Q_t并入到R_t中，R_t＝P_t∪Q_t；

306)對(duì)新種群Rt中個(gè)體進(jìn)行目標(biāo)函數(shù)值計(jì)算；

307)對(duì)種群個(gè)體進(jìn)行非支配排序；

308)選前N個(gè)個(gè)體產(chǎn)生父代種群P_t+1；

309)若達(dá)到收斂條件則終止；否則，迭代次數(shù)加1，轉(zhuǎn)第步驟302)；

310)輸出Pareto最優(yōu)解集。

5.根據(jù)權(quán)利要求1所述的一種基于Pareto的液阻懸置結(jié)構(gòu)參數(shù)多目標(biāo)優(yōu)化方法，其特征是，所述步驟4)的具體步驟如下：

401)對(duì)Pareto最優(yōu)解集數(shù)據(jù)做標(biāo)準(zhǔn)化處理，得到規(guī)范化決策：

1≤i≤m,1≤j≤n，其中f_ij表示第i個(gè)待選方案第j個(gè)優(yōu)化目標(biāo)的數(shù)值，max{f_j}和min{f_j}分別表示所有待選方案中第j項(xiàng)評(píng)價(jià)指標(biāo)的最大值和最小值，m為待選方案數(shù)，n為優(yōu)化目標(biāo)數(shù)；

402)處理決策矩陣，得到矩陣P＝(p_ij)_m×n，1≤i≤m,1≤j≤n；

403)計(jì)算指標(biāo)輸出的信息熵1≤i≤m,1≤j≤n；

404)計(jì)算屬性客觀權(quán)重向量1≤i≤m,1≤j≤n。

6.根據(jù)權(quán)利要求5所述的一種基于Pareto的液阻懸置結(jié)構(gòu)參數(shù)多目標(biāo)優(yōu)化方法，其特征是，所述步驟5)的具體過(guò)程如下：

501)對(duì)決策矩陣作規(guī)范化處理，得規(guī)范化決策矩陣Y＝(y_ij)_m×n；

502)計(jì)算加權(quán)規(guī)范化決策矩陣Z＝(z_ij)_m×n，其中z_ij＝w_jy_ij，1≤i≤m,1≤j≤n；

503)確定正理想解Z⁺和負(fù)理想解Z^-：其中，w為n維的行向量，其中

504)計(jì)算各方案到正理想解Z⁺和負(fù)理想解Z^-的Euclid距離和

505)計(jì)算各方案的相對(duì)貼近度1≤i≤m；

506)根據(jù)相對(duì)貼近度排列各方案的優(yōu)先序：相對(duì)貼近度越大則越優(yōu)，相對(duì)貼近度越小則越劣。