基于粒子群算法的汽车扭杆悬架弹簧优化.pdfVIP

第30卷第 17期 企 业 技 术 开 发 2011年 9月 V01．30 No．17 TECHN0L0GICAL DEVEL0PMENT OF ENTERPRISE Sep．2011 基于粒子群算法的汽车扭杆悬架弹簧优化 谢标长 (江西铜业集 团公司德兴铜矿 ，江西 德兴 334224) 摘 要 ：为提高粒子群算法 (ParticleSwarmOptimization，PSO)寻优 的全局性能，文章在基本粒子群算法中引入混沌理论 (Chaos)的Logistic映射 ，并将改进后的算法运用到汽车扭杆悬架弹簧的优化设计中。数值实验的结果表明，与传统 PSO 算法相比，改进后的算法具有更强的全局收敛性，与传统设计方法相 比，使用本文算法设计 出的汽车扭杆弹簧的变形势 能要高出1．6％，有效地提高了其避振效果。 关键词：群智能；粒子群算法；优化设计；Logistic映射 中图分类号 ：P301．6 文献标识码 ：A 文章编号：1006—8937(201t)17—0016—02 Theoptimizationofautomotivetorsionbarsuspensionspringsbasedonparticleswarm XIE Biao-chang (DexingCopper，JiangxiCopperCorporation，Dexing，Jiangxi334224，China) Abstract：ToimprovethePSO (ParticleSwarmOptimization，PSO)optimizationofglobalperfomrance，thisarticleintroducedinele- mentaryparticleswarmChaosTheory(Chaos)oftheLogisticmapandtheimprovedalgorithmappliedtotheautomobiletorsionbarSUS— pensionSpringoptimizeddesign．Numericalexperimentalresultsshowthat，comparedwiththetraditionalPSOalgorithm improvedal- gorithm hasmoreglobalconvergence，comparedwiththetraditionaldesignmethod，usingthisalgorithm todesignthecalf’sdefomr ed torsionbarspringpotentialenergytobehigherthan1．6％．effectivelyraisingitsna ti—vibrationeffects． Keywords：swarmintelligence；particleswarmoptimization(PSO)；optimization；Logisticmap 粒子群优化算法(PSO)是 Eberhart等人源于对鸟类 的速度和位置，再根据 目标函数计算出粒子的适应度做 捕食行为的研究而提出的一种进化计算技术(Evolution— 为衡量粒子优劣的程度。 aryComputation)。实验研究表 明，粒子群算法在动态 目标 在 N维搜索空间中，用向量 X=(x．．，x，…，XiN)(i_ 寻优 、多维函数寻优等应用中具有收敛速度快、鲁棒性 1，2，…m)表示各个粒子，其中，m为粒子个数。粒子的飞 好等优点。但是粒子群算法也存在早熟收敛 、易陷入局 行速度表示为 V。=(v v。，…，v)(i=l，2，…m)，适应度 部最优以及搜索精度不高、后期迭代效率不高的缺点。混 fitness=f(Xi)，粒子历史最优值及其对应的位置分别表示 沌系统具有规律性、随机性、遍历性等特点。本文算法正