亚洲成年人黄色一级片,日本香港三级亚洲三级,黄色成人小视频,国产青草视频,国产一区二区久久精品,91在线免费公开视频,成年轻人网站色直接看

一種基于遺傳退火算法的輪轂電機(jī)優(yōu)化方法與流程

文檔序號(hào):12887377閱讀:308來源:國知局

本發(fā)明涉屬于輪轂電機(jī)驅(qū)動(dòng)電動(dòng)輪輕量化設(shè)計(jì)領(lǐng)域,尤其涉及一種輪轂電機(jī)設(shè)計(jì)優(yōu)化方法。



背景技術(shù):

近年來,在方方面面的支持與關(guān)注之下,新能源汽車尤其是純電動(dòng)汽車得到迅猛發(fā)展,而電動(dòng)汽車今后將會(huì)是人們重要的交通工具。輪轂電機(jī)作為電動(dòng)汽車最核心的部件之一,其最大的特點(diǎn)就是將驅(qū)動(dòng)、傳動(dòng)和制動(dòng)等裝置整合到輪轂內(nèi),省略了離合器、變速器、傳動(dòng)軸、差速器、分動(dòng)器等傳統(tǒng)的傳動(dòng)部件。輪轂電機(jī)技術(shù)的發(fā)展將帶來一場(chǎng)車輛驅(qū)動(dòng)方式的變革。

作為新能源汽車,輪轂電機(jī)驅(qū)動(dòng)電動(dòng)汽車一直是國內(nèi)外學(xué)者研究的重點(diǎn)。在輪轂電機(jī)系統(tǒng)的研究中一直有一個(gè)比較重要的問題:就是電機(jī)與車輪集成導(dǎo)致非簧載質(zhì)量較大,隔離振動(dòng)性能下降,影響行駛條件下的車輛平順性和安全性,輪轂電機(jī)驅(qū)動(dòng)電動(dòng)車輛非簧載質(zhì)量的增加是引起其平順性惡化的主要原因之一。經(jīng)過分析表明減小輪轂電機(jī)的總質(zhì)量,可以有效的改善車輛的平順性。因此,非常有必要對(duì)輪轂電機(jī)驅(qū)動(dòng)系統(tǒng)進(jìn)行輕量化設(shè)計(jì)。



技術(shù)實(shí)現(xiàn)要素:

為了解決上述技術(shù)問題,本發(fā)明的目標(biāo)是提供一種基于遺傳退火算法的輪轂電機(jī)優(yōu)化設(shè)計(jì)方法。

本發(fā)明解決其技術(shù)問題的思路是:獲取輪轂電機(jī)優(yōu)化的目標(biāo)和約束條件;采用遺傳退火算法對(duì)輪轂電機(jī)進(jìn)行逆解,求得輪轂電機(jī)設(shè)計(jì)變量參數(shù)值;根據(jù)獲得的若干組變量參數(shù)值,找到一組值能使輪轂電機(jī)性能指標(biāo)與經(jīng)濟(jì)技術(shù)指標(biāo)均滿足最優(yōu),則該組變量參數(shù)值即為最優(yōu)解。

具體的如下所述:

一種基于遺傳退火算法的輪轂電機(jī)優(yōu)化方法,包括以下步驟:

(1)確定輪轂電機(jī)的變量參數(shù),包括定子外徑、定子內(nèi)徑、鐵芯長度、氣隙長度、永磁體厚度、每槽導(dǎo)體數(shù)、導(dǎo)線直徑、槽滿率;

(2)確定輪轂電機(jī)需要優(yōu)化的目標(biāo)和約束條件:輪轂電機(jī)優(yōu)化的目標(biāo)函數(shù)是電機(jī)使用的有效材料在一定質(zhì)量、材料成本的基礎(chǔ)上使得電機(jī)效率最高;約束條件是指根據(jù)輪轂電機(jī)的特定使用環(huán)境與條件所施加的限制性約束函數(shù),其數(shù)學(xué)表達(dá)式中包含了所有或部分的變量參數(shù),輪轂電機(jī)優(yōu)化設(shè)計(jì)的約束條件分別為輪轂電機(jī)的啟動(dòng)電流g1(x)、啟動(dòng)扭矩g2(x)、氣隙磁感應(yīng)強(qiáng)度g3(x)、額定轉(zhuǎn)速g4(x)、熱負(fù)荷g5(x)、定子齒部磁密g6(x)、定子軛部磁密g7(x)、轉(zhuǎn)子軛部磁密g8(x);

(3)根據(jù)輪轂電機(jī)的變量參數(shù),生成遺傳模擬退火算法的初始種群p0(t),設(shè)定遺傳模擬退火算法的適應(yīng)度函數(shù);

(4)計(jì)算種群中的每一個(gè)個(gè)體的被選中概率,根據(jù)計(jì)算出的被選中概率對(duì)初始種群進(jìn)行隨機(jī)選擇;

(5)對(duì)隨機(jī)選擇后的種群進(jìn)行交叉、變異操作得到種群p1(t);

(6)判斷是否滿足預(yù)設(shè)的停止準(zhǔn)則,也就是看是否達(dá)到最大遺傳迭代數(shù)量和退火終止溫度,若是,則結(jié)束遺傳算法并輸出最優(yōu)個(gè)體作為輪轂電機(jī)的最優(yōu)設(shè)計(jì)參數(shù)矩陣,反之,對(duì)種群中的個(gè)體進(jìn)行更新;

(7)更新迭代參數(shù),將遺傳模擬退火算法溫度tt下降、遺傳代數(shù)k增加以及種群數(shù)組更新后,返回步驟(4)進(jìn)行迭代,直至輪轂電機(jī)根據(jù)獲取的變量參數(shù)值滿足輪轂電機(jī)的目標(biāo)函數(shù)。

進(jìn)一步的,步驟(3)中,所述初始種群p0(t)由下式的初始個(gè)體構(gòu)成:

x=[x0,x1,,λ,xi,λ,xn-1]t

式中,n表示輪轂電機(jī)的設(shè)計(jì)變量數(shù),x表示解空間的向量,且x中的元素由變量參數(shù)組成。

進(jìn)一步的,步驟(3)中,所述適應(yīng)度函數(shù)為:

minf(x,γ)=f(x)+p(x,γ)(1)

式中,f(x)為預(yù)設(shè)的目標(biāo)函數(shù),p(x,γ)為懲罰函數(shù),是與約束條件gi(x)有關(guān)的函數(shù);

其中,預(yù)設(shè)的目標(biāo)函數(shù)為

式中,αi為權(quán)系數(shù),fi(x)為單個(gè)的目標(biāo)函數(shù),n為目標(biāo)函數(shù)的個(gè)數(shù);

其中的約束函數(shù)gi(x)表達(dá)式為:

式中,ist為優(yōu)化后的啟動(dòng)電流、ist0為優(yōu)化前的啟動(dòng)電流;tst為優(yōu)化后的啟動(dòng)扭矩、tst0為優(yōu)化前的啟動(dòng)扭矩;bδ為優(yōu)化后的氣隙磁感應(yīng)強(qiáng)度、bδ0為優(yōu)化前的氣隙磁感應(yīng)強(qiáng)度;nγ為優(yōu)化后的額定轉(zhuǎn)速、nγ0為優(yōu)化前的額定轉(zhuǎn)速;h為優(yōu)化后的熱負(fù)荷、h0為優(yōu)化前的熱負(fù)荷;bt為優(yōu)化后的定子齒部磁密、bt0為優(yōu)化前的定子齒部磁密;bj為優(yōu)化后的定子軛部磁密、bj0為優(yōu)化前的定子軛部磁密;bi為優(yōu)化后的轉(zhuǎn)子軛部磁密、bi0為優(yōu)化前的轉(zhuǎn)子軛部磁密;

懲罰函數(shù)p(x,γ)的表達(dá)式為:

式中,γ為懲罰因素;hu(x)為第u個(gè)約束函數(shù)中的等式部分;qu(x)為第u個(gè)約束函數(shù)中的不等式部分;u表示約束函數(shù)的序號(hào),u=1,2,λm;m為約束函數(shù)的個(gè)數(shù)。

進(jìn)一步的,步驟(4)中,種群中的每一個(gè)個(gè)體的被選中概率由下式得到:

其中,fmin代表種群中個(gè)體適應(yīng)度函數(shù)值的最小值,f(i)代表第i個(gè)個(gè)體的適應(yīng)度函數(shù)值,pi(tt)代表在更新迭代參數(shù)過程中,當(dāng)前溫度tt下該個(gè)體被選中的概率。

進(jìn)一步的,步驟(5)中,包括以下步驟:

s51、按照交叉率和變異率,采用比例選擇算子對(duì)種群中的個(gè)體進(jìn)行選擇;

s52、對(duì)選擇后的種群進(jìn)行交叉操作;

s53、對(duì)交叉后的種群進(jìn)行變異操作。

其中,步驟s51分為以下幾個(gè)步驟,

s511、按照交叉率pc和變異率pv在種群中進(jìn)行搜索,計(jì)算出每一個(gè)個(gè)體的適應(yīng)值后,按從大到小的順序進(jìn)行排序,所述交叉率pc和變異率pv為:

式中,pc1表示預(yù)設(shè)的交叉率,取(0,1)區(qū)間的值;pv1表示預(yù)設(shè)的變異率,取(0,1)區(qū)間的值;fmin表示群體中個(gè)體的最小適應(yīng)度;favg表示群體中個(gè)體的平均適應(yīng)度;f′表示相互交叉的兩個(gè)個(gè)體之中,相對(duì)較小的個(gè)體適應(yīng)度;

s512、根據(jù)下式計(jì)算每一個(gè)個(gè)體的適應(yīng)度值占總適應(yīng)度值的比例pk(xi)后,組成賭輪盤:

上式中,f(xi)表示第i個(gè)個(gè)體的適應(yīng)度值;

s513、隨機(jī)產(chǎn)生一個(gè)0~1之間的隨機(jī)數(shù),根據(jù)隨機(jī)數(shù)在賭輪盤上所處的群尖選擇對(duì)應(yīng)的個(gè)體;

s514、重復(fù)執(zhí)行步驟s513直到選取的個(gè)體達(dá)到種群容量的最大值。

其中,步驟s52中,包括下列步驟,

s521、對(duì)于種群p1(t)中的每一個(gè)個(gè)體xi計(jì)算其適應(yīng)度函數(shù)值f(xi),按f(xi)由小到大的順序重新排列p1(t),并將p1(t)中f(xi)最小的個(gè)體作為全局最優(yōu)個(gè)體xe保存;

s522、個(gè)體的適應(yīng)度能夠表示為一個(gè)與其在群體中的位置i相關(guān)的函數(shù),記作:f(i)=(i+1)/(n+1),其中i表示個(gè)體在群體中的位置i∈[0,λ,n-1],從種群p1(t)中按照概率random(0,1)<f(i)選擇r·n個(gè)個(gè)體;r為交叉率,n為群體規(guī)模,對(duì)于每一個(gè)個(gè)體xi按照下列公式進(jìn)行交叉;

上式中,random(0,1)表示0~1間的隨機(jī)數(shù)。

其中,步驟s53,具體為:

從種群p1(t)中按照概率random(0,1)>f(i)選擇m·n個(gè)個(gè)體,對(duì)于每一個(gè)交叉操作后的個(gè)體xi′按照變異函數(shù)進(jìn)行變異;

x″i=x′i+(f(α)scale-x′i)rand(0,1)+fn(i)+ft(tt)(10)

其中,scale表示變量參數(shù)定義域的半徑;xi′表示交叉操作后的個(gè)體,xi″表示變異操作后的個(gè)體,random(0,1)表示0~1間的隨機(jī)數(shù),ft(tt)表示個(gè)體適應(yīng)度與當(dāng)前溫度的關(guān)系函數(shù),f(α)為系數(shù)函數(shù);

fn(i)表示個(gè)體適應(yīng)度與個(gè)體在群體中位置的關(guān)系函數(shù),其中i表示當(dāng)前個(gè)體的位置:

fn(i)=2πrand(0,1)f(α)f(i)(11)

其中,f(i)表示個(gè)體適應(yīng)度;

ft(tt)表示個(gè)體適應(yīng)度與當(dāng)前溫度的關(guān)系函數(shù):

ft(tt)=2πrand(0,1)f(α)(tstart-tt)/tstart(12)

上式中,tt為當(dāng)前溫度;tstart為退火初始溫度,f(α)為系數(shù)函數(shù);

其中系數(shù)函數(shù)f(α)為:

隨機(jī)數(shù)α∈[0,1)。

進(jìn)一步的,所述步驟s6中所述判斷是否滿足預(yù)設(shè)的停止準(zhǔn)則的步驟,其具體為:

判斷是否達(dá)到最大遺傳代數(shù)和退火終止溫度,或者是否滿足以下條件:

f(x″i)>500或tt<tend(13)

其中,f(x″i)表示第i個(gè)個(gè)體的適應(yīng)度值,x″表示變異操作后的新的解向量,tend表示退火終止溫度。

此外,

s11、根據(jù)輪轂電機(jī)優(yōu)化的目標(biāo)函數(shù),設(shè)置遺傳退火算法的初始溫度以及溫度下降因子,設(shè)定退溫操作函數(shù)如下式:

tt+1=ktt(14)

式中:tt表示當(dāng)前溫度,tt+1表示退溫操作后的溫度,k表示溫度下降因子,其取值略小于1.0。

s12、所述迭代次數(shù)可以根據(jù)所述輪轂電機(jī)的大小和結(jié)構(gòu)不同設(shè)置為不同值,在此為迭代次數(shù)為500次。

本發(fā)明的有益效果是:本發(fā)明的基于遺傳退火算法的輪轂電機(jī)優(yōu)化設(shè)計(jì)的方法,包括步驟:獲取輪轂電機(jī)優(yōu)化的目標(biāo)和約束條件;采用遺傳退火算法對(duì)輪轂電機(jī)進(jìn)行逆解,求解獲得輪轂電機(jī)設(shè)計(jì)變量參數(shù)值;輪轂電機(jī)根據(jù)獲取的變量參數(shù)值產(chǎn)生穩(wěn)定持續(xù)的轉(zhuǎn)矩。單個(gè)的遺傳算法容易產(chǎn)生早熟現(xiàn)象、局部尋優(yōu)能力較差、運(yùn)行效率較低的問題,所以需要對(duì)遺傳算法作一定的改進(jìn)。因此本方法通過遺傳退火算法對(duì)輪轂電機(jī)進(jìn)行逆解,用遺傳算法的搜索策略彌補(bǔ)模擬退火算法的精度問題,用模擬退火算法的全局搜索能力避免遺傳算法陷入局部最優(yōu)的困境。遺傳退火算法把兩種算法的優(yōu)勢(shì)有機(jī)地結(jié)合起來,不僅能使算法的效率得到提高,還能增強(qiáng)算法的全局把控能力。基于此算法執(zhí)行的輪轂電機(jī)的優(yōu)化方法,精確度高,收斂速度快,效率高。

附圖說明

下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明作進(jìn)一步說明。

圖1是本發(fā)明基于遺傳退火算法的輪轂電機(jī)優(yōu)化設(shè)計(jì)方法的流程圖。

具體實(shí)施方式

首先獲取輪轂電機(jī)優(yōu)化的目標(biāo)和約束條件;然后采用遺傳退火算法對(duì)輪轂電機(jī)的變量參數(shù)進(jìn)行編碼、選擇、交叉和變異操作后得到變量參數(shù)的最優(yōu)值,使得輪轂電機(jī)的性能指標(biāo)和經(jīng)濟(jì)技術(shù)指標(biāo)最優(yōu)化。

參照?qǐng)D1,本發(fā)明提供了一種基于遺傳退火算法的輪轂電機(jī)優(yōu)化設(shè)計(jì)的方法,包括步驟:

s1、初始化遺傳退火算法的初始溫度、溫度下降因子、終止溫度、以及迭代次數(shù)的設(shè)置;

s2、獲取輪轂電機(jī)優(yōu)化的目標(biāo)和約束條件;

s3、對(duì)變量參數(shù)進(jìn)行編碼,產(chǎn)生遺傳退火算法的初始種群p0(t);

s4、計(jì)算種群中的每一個(gè)個(gè)體的被選中概率,并根據(jù)計(jì)算出的被選中概率對(duì)種群進(jìn)行隨機(jī)選擇;

s5、對(duì)隨機(jī)選擇后的種群進(jìn)行交叉、變異操作得到種群p1(t);

s6、判斷是否滿足預(yù)設(shè)的停止準(zhǔn)則,即判斷是否達(dá)到設(shè)定的最大遺傳代數(shù)和退火終止溫度,若是,則結(jié)束遺傳算法并輸出最優(yōu)個(gè)體作為輪轂電機(jī)的最優(yōu)設(shè)計(jì)參數(shù)矩陣,反之,對(duì)種群中的個(gè)體進(jìn)行更新;

s7、更新迭代參數(shù),將遺傳模擬退火算法溫度tt下降、遺傳代數(shù)k增加以及種群數(shù)組更新后,返回步驟s4進(jìn)行迭代。

進(jìn)一步作為優(yōu)選的實(shí)施方式,所述步驟s1,包括:

s11、根據(jù)輪轂電機(jī)優(yōu)化的目標(biāo)函數(shù),設(shè)置遺傳退火算法的初始溫度以及溫度下降因子,設(shè)定退溫操作函數(shù)如下式:

tt+1=ktt(1)

式中:tt表示當(dāng)前溫度,tt+1表示退溫操作后的溫度,k表示溫度下降因子,其取值略小于1.0。

s12、所述迭代次數(shù)可以根據(jù)所述輪轂電機(jī)的大小和結(jié)構(gòu)不同設(shè)置為不同值,在此迭代次數(shù)為500次。

結(jié)合本發(fā)明要解決的問題,步驟s1中,初始化遺傳退火算法的初始溫度、溫度下降因子、終止溫度以及迭代次數(shù)的設(shè)置。初始溫度表示輪轂電機(jī)的變量參數(shù)在初始狀態(tài)下的溫度;溫度下降因子表示在優(yōu)化過程中為了計(jì)算簡(jiǎn)便,所選的降溫系數(shù);終止溫度表示使輪轂電機(jī)的變量參數(shù)在盡量滿足優(yōu)化目標(biāo)函數(shù)的條件下所設(shè)置的溫度;迭代次數(shù)表示使輪轂電機(jī)的變量參數(shù)在盡量滿足優(yōu)化目標(biāo)函數(shù)的條件下所設(shè)置的參數(shù)。

所述步驟s2,確定輪轂電機(jī)需要優(yōu)化的目標(biāo)和約束條件:輪轂電機(jī)的目標(biāo)函數(shù)為:在有效材料(包括永磁體、銅線、硅鋼片)為一定質(zhì)量、一定成本的基礎(chǔ)之上,使電機(jī)效率達(dá)到最高;約束條件是根據(jù)各種特定問題而施加的限制性條件,其數(shù)學(xué)表達(dá)式中包含了所有或部分的變量參數(shù),輪轂電機(jī)優(yōu)化設(shè)計(jì)的約束條件包括與輪轂電機(jī)的啟動(dòng)電流相關(guān)的g1(x)、與啟動(dòng)扭矩相關(guān)的g2(x)、與氣隙磁感應(yīng)強(qiáng)度相關(guān)的g3(x)、與額定轉(zhuǎn)速相關(guān)的g4(x)、與熱負(fù)荷相關(guān)的g5(x)、與定子齒部磁密相關(guān)的g6(x)、與定子軛部磁密相關(guān)的g7(x)、與轉(zhuǎn)子軛部磁密相關(guān)的g8(x)。

所述步驟s3,根據(jù)輪轂電機(jī)的變量參數(shù),所述變量參數(shù)包括定子外徑、定子內(nèi)徑、鐵芯長度、氣隙長度、永磁體厚度、每槽導(dǎo)體數(shù)、導(dǎo)線直徑、槽滿率,生成遺傳模擬退火算法的初始種群,所述初始種群由下式的初始個(gè)體構(gòu)成:

x=[dout,din,liron,lgas,mt,ns,dc,sf]t(2)

上式中,x表示解空間的向量,dout為定子外徑,din為定子內(nèi)徑,liron為鐵芯長度,lgas為氣隙長度,mt為永磁體厚度,ns為每槽導(dǎo)體數(shù),dc為導(dǎo)線直徑,sf為槽滿率。

進(jìn)一步作為優(yōu)選的實(shí)施方式,所述步驟s4,包括:

s41、設(shè)定遺傳模擬退火算法的適應(yīng)度函數(shù);

s42、根據(jù)適應(yīng)度函數(shù),采用下式計(jì)算種群中的每一個(gè)個(gè)體的被選中概率,并根據(jù)計(jì)算出的被選中概率對(duì)種群進(jìn)行隨機(jī)選擇:

其中,fmin代表種群中個(gè)體適應(yīng)度函數(shù)值的最小值,f(i)代表第i個(gè)個(gè)體的適應(yīng)度函數(shù)值,pi(tt)代表在更新迭代參數(shù)過程中,當(dāng)前溫度tt下該個(gè)體被選中的概率。

進(jìn)一步作為優(yōu)選的實(shí)施方式,所述步驟s41,包括:

s411、根據(jù)下式,設(shè)定遺傳退火算法的適應(yīng)度函數(shù)為:

minf(x,γ)=f(x)+p(x,γ)(4)

其中,f(x)為預(yù)設(shè)的目標(biāo)函數(shù),p(x,γ)為懲罰函數(shù),是有關(guān)約束條件的函數(shù)。

s412、根據(jù)設(shè)計(jì)要求預(yù)設(shè)的目標(biāo)函數(shù)表達(dá)式為:

上式中,αi為權(quán)系數(shù),fi(x)為單個(gè)的目標(biāo)函數(shù),n為目標(biāo)函數(shù)的個(gè)數(shù)。

其中約束函數(shù)表達(dá)式為:

式中,ist為優(yōu)化后的啟動(dòng)電流、ist0為優(yōu)化前的啟動(dòng)電流;tst為優(yōu)化后的啟動(dòng)扭矩、tst0為優(yōu)化前的啟動(dòng)扭矩;bδ為優(yōu)化后的氣隙磁感應(yīng)強(qiáng)度、bδ0為優(yōu)化前的氣隙磁感應(yīng)強(qiáng)度;nγ為優(yōu)化后的額定轉(zhuǎn)速、nγ0為優(yōu)化前的額定轉(zhuǎn)速;h為優(yōu)化后的熱負(fù)荷、h0為優(yōu)化前的熱負(fù)荷;bt為優(yōu)化后的定子齒部磁密、bt0為優(yōu)化前的定子齒部磁密;bj為優(yōu)化后的定子軛部磁密、bj0為優(yōu)化前的定子軛部磁密;bi為優(yōu)化后的轉(zhuǎn)子軛部磁密、bi0為優(yōu)化前的轉(zhuǎn)子軛部磁密。

懲罰函數(shù)的表達(dá)式為:

式中,γ為懲罰因素;hu(x)為第u個(gè)約束函數(shù)中的等式部分;qu(x)為第u個(gè)約束函數(shù)中的不等式部分;u表示約束函數(shù)的序號(hào),u=1,2,λm;m為約束函數(shù)的個(gè)數(shù)。

進(jìn)一步作為優(yōu)選的實(shí)施方式,所述步驟s5,包括:

s51、按照設(shè)定的交叉率和變異率,采用比例選擇算子對(duì)種群中的個(gè)體進(jìn)行選擇;

s52、對(duì)選擇后的種群進(jìn)行交叉操作;

s53、對(duì)交叉后的種群進(jìn)行變異操作。

步驟s5實(shí)際執(zhí)行的是遺傳操作,遺傳操作是整個(gè)算法的關(guān)鍵部分,遺傳操作對(duì)上一代的個(gè)體進(jìn)行選擇,被選擇的個(gè)體通過交叉和變異產(chǎn)生下一代的個(gè)體。在這個(gè)過程中充滿了隨機(jī)性,但是在全局范圍內(nèi)又要有把控搜索方向的能力。遺傳操作包括選擇、交叉和變異三個(gè)步驟,及對(duì)應(yīng)步驟s51~s53。

進(jìn)一步作為優(yōu)選的實(shí)施方式,所述步驟s51,包括:

s511、按照交叉率pc和變異率pv在種群中進(jìn)行搜索,計(jì)算出每一個(gè)個(gè)體的適應(yīng)值后,按從大到小的順序進(jìn)行排序,所述交叉率pc和變異率pv為:

式中,pc1表示預(yù)設(shè)的交叉率,取(0,1)區(qū)間的值;pv1表示預(yù)設(shè)的變異率,取(0,1)區(qū)間的值;fmin表示群體中個(gè)體的最小適應(yīng)度;favg表示群體中個(gè)體的平均適應(yīng)度;f′表示相互交叉的兩個(gè)個(gè)體之中,相對(duì)較小的個(gè)體適應(yīng)度。

交叉率pc是交叉操作過程中的一個(gè)重要的參數(shù),影響著子代的多樣性以及算法的搜索范圍。交叉操作的主要目的就是將最優(yōu)個(gè)體的部分特征遺傳給子代,以便子代能夠迅速達(dá)到全局最優(yōu)狀態(tài)。如果交叉率pc取得過高,則容易破壞群體中的優(yōu)良模式,不利于算法的收斂;如果交叉率取得過低,則降低了個(gè)體的多樣性,使算法陷入局部最優(yōu),得出的解的質(zhì)量不高。因此要選擇合適的交叉率。

s512、根據(jù)下式計(jì)算每一個(gè)個(gè)體的適應(yīng)度值占總適應(yīng)度值的比例pk(xi)后,組成賭輪盤:

上式中,f(xi)表示第i個(gè)個(gè)體的適應(yīng)度值;

s513、隨機(jī)產(chǎn)生一個(gè)0~1之間的隨機(jī)數(shù),根據(jù)隨機(jī)數(shù)在賭輪盤上所處的群尖選擇對(duì)應(yīng)的個(gè)體;

s514、重復(fù)執(zhí)行步驟s413知道直到選取的個(gè)體達(dá)到種群容量的最大值。

進(jìn)一步作為優(yōu)選的實(shí)施方式,所述步驟s52,包括:

s521、對(duì)于種群p1(t)中的每一個(gè)個(gè)體xi計(jì)算其適應(yīng)度函數(shù)值f(xi),按f(xi)由小到大的順序重新排列p1(t),并將p1(t)中f(xi)最小的個(gè)體作為全局最優(yōu)個(gè)體xe保存。

s522、個(gè)體的適應(yīng)度可以表示為一個(gè)與其在群體中的位置i相關(guān)的函數(shù),記作:f(i)=(i+1)/(n+1),其中i表示個(gè)體在群體中的位置i∈[0,λ,n-1],從種群p1(t)中按照概率random(0,1)<f(i)選擇r·n(r為交叉率,n為群體規(guī)模)個(gè)個(gè)體。對(duì)于每一個(gè)個(gè)體xi按照公式進(jìn)行交叉。

上式中,random(0,1)表示0~1間的隨機(jī)數(shù)。

進(jìn)一步作為優(yōu)選的實(shí)施方式,所述步驟s53,具體為:

從種群p1(t)中按照概率random(0,1)>f(i)選擇m·n個(gè)個(gè)體。對(duì)于每一個(gè)交叉操作個(gè)體xi′按照變異函數(shù)進(jìn)行變異。

x″i=x′i+(f(α)scale-x′i)rand(0,1)+fn(i)+ft(tt)(12)

其中,scale表示變量參數(shù)定義域的半徑;xi′表示交叉操作后的個(gè)體,xi″表示變異操作后的個(gè)體,random(0,1)表示0~1間的隨機(jī)數(shù),fn(i)表示個(gè)體適應(yīng)度與個(gè)體在群體中位置的關(guān)系函數(shù),ft(tt)表示個(gè)體適應(yīng)度與當(dāng)前溫度的關(guān)系函數(shù),f(α)為系數(shù)函數(shù)。

fn(i)為個(gè)體適應(yīng)度與個(gè)體在群體中位置的關(guān)系函數(shù),其中i表示當(dāng)前個(gè)體的位置:

fn(i)=2πrand(0,1)f(α)f(i)(13)

其中,f(i)表示個(gè)體適應(yīng)度;

ft(tt)為個(gè)體適應(yīng)度與當(dāng)前溫度的關(guān)系函數(shù):

ft(tt)=2πrand(0,1)f(α)(tstart-tt)/tstart(14)

上式中,tt為當(dāng)前溫度;tstart為退火初始溫度,f(α)為系數(shù)函數(shù)。

其中系數(shù)函數(shù)f(α)為:

由可以看出,為了保持種群較好的多樣性,個(gè)體必須保持較大強(qiáng)度的擾動(dòng)力度。群體中個(gè)體的擾動(dòng)力度是按照個(gè)體在群體中的位置由前到后逐漸加大的,而且還會(huì)隨著溫度的降低而逐漸加強(qiáng)。這樣,就可以保證當(dāng)溫度較高時(shí),越是接近最優(yōu)解的個(gè)體抖動(dòng)越小,當(dāng)溫度較低時(shí),個(gè)體仍然可以保持一定強(qiáng)度的擾動(dòng),從而為尋找全局最優(yōu)解提供一個(gè)較為妥當(dāng)?shù)娜后w多樣性保持策略。

進(jìn)一步作為優(yōu)選的實(shí)施方式,所述步驟s6中所述判斷是否滿足預(yù)設(shè)的停止準(zhǔn)則的步驟,其具體為:

判斷是否達(dá)到最大遺傳代數(shù)和退火終止溫度,或者是否滿足以下條件:

f(x″i)>500或tt<tend(16)

其中,f(x″i)表示第i個(gè)個(gè)體的適應(yīng)度值,x″表示變異操作后的個(gè)體,tend表示退火終止溫度。

本發(fā)明通過遺傳退火算法對(duì)輪轂電機(jī)進(jìn)行逆解,用遺傳算法的搜索策略彌補(bǔ)模擬退火算法的精度問題,用模擬退火算法的全局搜索能力避免遺傳算法陷入局部最優(yōu)的困境。遺傳退火算法把兩種算法的優(yōu)勢(shì)有機(jī)地結(jié)合起來,不僅能使算法的效率得到提高,還能增強(qiáng)算法的全局把控能力?;诖怂惴▓?zhí)行的輪轂電機(jī)的優(yōu)化方法,精確度高,收斂速度快,效率高。

當(dāng)前第1頁1 2 
網(wǎng)友詢問留言 已有0條留言
  • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
1