原文传递
基于预决策粒子群算法的悬架仿真优化
| 论文题名： | 基于预决策粒子群算法的悬架仿真优化 |
| 关键词： | 粒子群算法;悬架参数;悬架优化;动力学模型 |
| 摘要： | 悬架参数优化是汽车底盘设计过程中一项重要研究内容，主要目的在于改善汽车的平顺性、提高操纵稳定性和安全性等。悬架的优化是个典型的多目标优化问题，且目标之间存在着矛盾。众多的多目标优化算法中，研究表明以粒子群算法和遗传算法代表的进化算法最适合求解多目标问题。而粒子群算法没有遗传算法的编码、交叉、编译等复杂操作，且具有更好的收敛性。于是本文针对悬架优化问题，对粒子群算法进行了改进，并采用新算法优化了悬架参数，最终的实验结果表明优化后的悬架参数能明显改善汽车的行驶平顺性和一定程度上改善操纵稳定性，证明了新算法可以很好的应用于悬架优化设计。 本文的主要内容和创新点可以概括如下： 首先，文章在汽车振动理论的基础上，建立了七自由度汽车动力学模型及其simulink模型，然后选取了悬架的刚度和阻尼为设计变量，确定了车身垂向加速度，悬架动行程和车轮-路面动位移等十一个悬架参数优化目标函数。 其次，提出了基于Vague交叉熵的多准则决策方法，得到了专家在多准则下对悬架目标函数的评价模型；然后引入分析型证据推理理论，融合各专家的冲突性的评价结果，最终得到了悬架目标函数的预决策权值，并进行了等价目标类的划分。通过将预决策权值应用于粒子群主从种群信息通联，解决了粒子种群因失去多样性造成的过快收敛问题。 然后，提出了惯性权重因子周期性衰减自适应策略，解决了粒子群算法的全局和局部搜索能力平衡。引入优先阶搜索策略，代替传统的Pareto优化准则划分非支配解，从而更加有效地从非支配解集中选择出“品质”更好的解，解决了等价目标类中算法迭代中全局最优“质量”下降的问题。 最后，在确定了粒子群算法的相应参数后，开发了面向悬架的多目标粒子群优化程序，并得到了一组优化后的悬架参数，不同车速下的仿真实验表明优化后悬架，使得汽车的行驶稳定性和操纵稳定性得到较大改善。同时将求解结果与传统算法获取的另两组优化后的悬架参数，进行了解质量对比分析。分析表明预决策粒子群算法在悬架参数多目标优化具体问题解决上是优于传统算法的。 |
| 作者： | 张弓 |
| 专业： | 机构设计及理论 |
| 导师： | 王耘;宋小文 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
