基于改进粒子群算法的机车二系弹簧载荷分配优化
发布时间：2021-04-15 12:32
针对机车二系弹簧载荷优化调整这一复杂的多变量优化问题,为进一步提高现有求解方法的优化效果和计算效率,将烟花算法融入粒子群算法,提出一种具有分层递阶结构的改进粒子群算法,算法为3层架构,其中,底层是基础层,为加入维变异算子的粒子群算法,是改进算法的基本框架;中间层是融合层,为引入烟花算法爆炸机制的粒子更新层,主要用于扩大算法搜索范围,提高全局搜索能力;顶层是扰动层,引入扰动因子,避免算法因陷入局部搜索而进行的大量无为冗余迭代,加快全局收敛速度。用典型测试函数对改进算法性能进行测试,并将其应用于机车二系弹簧载荷分配优化调整仿真实验。研究结果表明:改进算法与传统遗传算法、烟花算法和粒子群算法相比,全局搜索能力更强,鲁棒性更好,求解精度更高。
【文章来源】：中南大学学报(自然科学版). 2019,50(11)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
改进粒子群算法总体架构
烟花算法的爆炸强度即产生的新火花的数目与烟花适应度紧密联系，通过控制爆炸强度使适应度高的烟花爆炸而生成更多新火花，可以提高寻优效率。减小爆炸幅度(爆炸半径)可以缩小烟花的爆炸范围，加快算法收敛。烟花算法是通过计算每个烟花个体的适应度函数值确定爆炸强度和爆炸幅度，计算方法如下：式中：Si为第i个烟花爆炸产生的火花数量；Ai为第i个烟花的爆炸半径；ymax和ymin分别为当前烟花种群适应度的最大值和最小值；f(xi)为适应度函数，i=1,2,?,N;N为种群规模；A?为最大爆炸半径；M为常数，用于控制N个烟花爆炸产生的火花总数。为避免在特殊情况下存在分母为0的可能，引入极小常数ε进行约束。
为了比较算法的性能优势，IPSO,GA,PSO和FWA算法中均取最大迭代次数T=500，种群规模N=100。Rosenbrock函数对应维度为D=10，其他2种函数对应维度D=35。图3所示为各算法迭代过程中最佳适应度收敛曲线。从图3可见：在这4种算法中，IPSO算法的搜索能力最强，收敛速度最快。这是因为IPSO算法充分利用了烟花算法的爆炸机制来增强种群多样性，降低了算法限入局部极值的概率；同时，引入的扰动因子避免了IPSO算法在局部极值区域的冗余迭代，加快了算法收敛速度。
【参考文献】：
期刊论文
[1]多输出支持向量机混合模型在机车调簧中的应用[J]. 潘迪夫,陈军,鲍天哲,韩锟. 华南理工大学学报(自然科学版). 2018(04)
[2]两系悬挂式轨道交通车辆二系支承载荷均布方法研究:建模分析与载荷优化调整（英文）[J]. 鲍天哲,韩锟,潘迪夫. Journal of Central South University. 2018(04)
[3]基于Bloch球面坐标的改进量子遗传算法及其应用[J]. 李家才,韩锟,鲍天哲. 铁道科学与工程学报. 2016(11)
[4]机车车辆二系弹簧载荷分配优化的改进遗传算法[J]. 韩锟,潘迪夫,韩洪飞. 中南大学学报(自然科学版). 2016(07)
[5]基于模拟退火算法的地铁车辆调簧优化算法设计[J]. 高久淳,林建辉. 机械. 2014(10)
[6]烟花算法研究进展[J]. 谭营,郑少秋. 智能系统学报. 2014(05)
[7]An optimization algorithm for locomotive secondary spring load adjustment based on artificial immune[J]. 潘迪夫,王梦格,朱亚男,韩锟. Journal of Central South University. 2013(12)
[8]机车二系弹簧载荷均匀性分配调整的混合建模方法[J]. 韩锟,潘迪夫. 中南大学学报(自然科学版). 2012(01)
[9]基于多目标遗传算法的机车二系支承载荷调整优化方法[J]. 潘迪夫,朱亚男. 铁道科学与工程学报. 2011(02)
[10]基于人工鱼群算法的机车二系支承载荷调整优化方法[J]. 杨本磊,潘迪夫. 计算机与现代化. 2011(01)
本文编号：3139344
【文章来源】：中南大学学报(自然科学版). 2019,50(11)北大核心EICSCD
【文章页数】：9 页
【部分图文】：
改进粒子群算法总体架构
烟花算法的爆炸强度即产生的新火花的数目与烟花适应度紧密联系，通过控制爆炸强度使适应度高的烟花爆炸而生成更多新火花，可以提高寻优效率。减小爆炸幅度(爆炸半径)可以缩小烟花的爆炸范围，加快算法收敛。烟花算法是通过计算每个烟花个体的适应度函数值确定爆炸强度和爆炸幅度，计算方法如下：式中：Si为第i个烟花爆炸产生的火花数量；Ai为第i个烟花的爆炸半径；ymax和ymin分别为当前烟花种群适应度的最大值和最小值；f(xi)为适应度函数，i=1,2,?,N;N为种群规模；A?为最大爆炸半径；M为常数，用于控制N个烟花爆炸产生的火花总数。为避免在特殊情况下存在分母为0的可能，引入极小常数ε进行约束。
为了比较算法的性能优势，IPSO,GA,PSO和FWA算法中均取最大迭代次数T=500，种群规模N=100。Rosenbrock函数对应维度为D=10，其他2种函数对应维度D=35。图3所示为各算法迭代过程中最佳适应度收敛曲线。从图3可见：在这4种算法中，IPSO算法的搜索能力最强，收敛速度最快。这是因为IPSO算法充分利用了烟花算法的爆炸机制来增强种群多样性，降低了算法限入局部极值的概率；同时，引入的扰动因子避免了IPSO算法在局部极值区域的冗余迭代，加快了算法收敛速度。
【参考文献】：
期刊论文
[1]多输出支持向量机混合模型在机车调簧中的应用[J]. 潘迪夫,陈军,鲍天哲,韩锟. 华南理工大学学报(自然科学版). 2018(04)
[2]两系悬挂式轨道交通车辆二系支承载荷均布方法研究:建模分析与载荷优化调整（英文）[J]. 鲍天哲,韩锟,潘迪夫. Journal of Central South University. 2018(04)
[3]基于Bloch球面坐标的改进量子遗传算法及其应用[J]. 李家才,韩锟,鲍天哲. 铁道科学与工程学报. 2016(11)
[4]机车车辆二系弹簧载荷分配优化的改进遗传算法[J]. 韩锟,潘迪夫,韩洪飞. 中南大学学报(自然科学版). 2016(07)
[5]基于模拟退火算法的地铁车辆调簧优化算法设计[J]. 高久淳,林建辉. 机械. 2014(10)
[6]烟花算法研究进展[J]. 谭营,郑少秋. 智能系统学报. 2014(05)
[7]An optimization algorithm for locomotive secondary spring load adjustment based on artificial immune[J]. 潘迪夫,王梦格,朱亚男,韩锟. Journal of Central South University. 2013(12)
[8]机车二系弹簧载荷均匀性分配调整的混合建模方法[J]. 韩锟,潘迪夫. 中南大学学报(自然科学版). 2012(01)
[9]基于多目标遗传算法的机车二系支承载荷调整优化方法[J]. 潘迪夫,朱亚男. 铁道科学与工程学报. 2011(02)
[10]基于人工鱼群算法的机车二系支承载荷调整优化方法[J]. 杨本磊,潘迪夫. 计算机与现代化. 2011(01)
本文编号：3139344
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3139344.html
