基于改进多目标混合粒子群算法的汽车传动参数优化方法技术

本发明专利技术公开了一种基于改进多目标混合粒子群算法的汽车传动参数优化方法，包括：对于当前种群中的每个粒子，根据每个粒子的位置、预设的动力性分目标函数以及经济性分目标函数计算每个粒子的个体最优值pbest，并求解Pareto最优前沿，根据所述Pareto最优前沿得到种群全局最优值gbest，根据所有粒子的类别，计算每个粒子对应的类别最优值nbest；然后计算每个粒子下一次迭代的位置；用遗传算法更新种群中的所有粒子得到用于下一次迭代的种群，然后继续迭代，满足预设的终止迭代条件时将Pareto最优前沿对应的粒子输出作为最优的汽车动力传动参数。本发明专利技术保证较低时间复杂度的前提下，防止过早收敛陷入局部最优，可以获得更准确的计算结果。更准确的计算结果。更准确的计算结果。

【技术实现步骤摘要】
基于改进多目标混合粒子群算法的汽车传动参数优化方法


[0001]本专利技术涉及汽车传动参数优化领域，尤其涉及一种基于改进多目标混合粒子群算法的汽车传动参数优化方法。

技术介绍

[0002]现有的汽车动力性指标和经济性指标理论上属于一对相互矛盾的变量，因为如果要求汽车具有较强的动力性，尤其是汽车拥有较强的加速性能和爬坡能力，一般需要汽车拥有较大的后备功率，但是针对经济性指标来说，较大的后备功率必然降低发动机的负荷率，导致汽车经济性指标降低。同时从汽车的实际行驶过程中来看，既不能完全脱离动力性指标来追求最高的经济性指标，也不能完全脱离经济性指标来追求最高的动力性指标，因此汽车传动参数最佳的设计方案为在动力性指标和经济性指标之间寻求最佳的折中方案，即求解两个目标的最优化问题。
[0003]典型的最优化问题的数学表达形式可以采用下式进行描述：
[0004][0005]s.t.g
j
(x)≤0j＝1,2,
…
q+p
[0006]l(i)≤x
i
≤u(i)1≤i≤n
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进多目标混合粒子群算法的汽车传动参数优化方法，其特征在于，包括以下步骤：S1)根据预设的初始参数创建种群，初始化所述种群中每个粒子的位置，所述粒子为汽车传动参数；S2)对于当前种群中的每个粒子，根据每个粒子的位置、预设的动力性分目标函数以及经济性分目标函数计算每个粒子的个体最优值pbest，并求解Pareto最优前沿，根据所述Pareto最优前沿得到种群全局最优值gbest，根据所有粒子的类别，计算每个粒子对应的类别最优值nbest；S3)用每个粒子的位置、每个粒子的个体最优值pbest、群体全局最优值gbest以及每个粒子对应的类别最优值nbest计算每个粒子下一次迭代的位置；S4)用遗传算法更新种群中的所有粒子得到用于下一次迭代的种群，返回步骤S2)直到满足预设的终止迭代条件；S5)将Pareto最优前沿对应的粒子输出作为最优的汽车动力传动参数。2.根据权利要求1所述的基于改进多目标混合粒子群算法的汽车传动参数优化方法，其特征在于，步骤S2)具体包括：S21)根据每个粒子的位置、预设的动力性分目标函数以及经济性分目标函数计算每个粒子的动力性分目标函数值以及经济性分目标函数值；S22)根据每个粒子的动力性分目标函数值以及经济性分目标函数值与上一次迭代中对应的个体最优值pbest的动力性分目标函数值以及经济性分目标函数值比较结果，确定本次迭代中每个粒子的个体最优值pbest；S23)根据每个粒子的动力性分目标函数值以及经济性分目标函数值求解Pareto最优前沿，根据所述Pareto最优前沿与上一次迭代中的群体全局最优值gbest的比较结果，确定本次迭代中的群体全局最优值gbest；S24)若本次迭代为第一次迭代，对所有粒子进行聚类以划分每个粒子的类别，并执行步骤S25)，否则直接执行步骤S25)；S25)对于同一类别下的所有粒子，根据每个粒子的动力性分目标函数值以及经济性分目标函数值求解Pareto最优解，根据所述Pareto最优解确定本次迭代中所述类别下所有粒子的类别最优值nbest。3.根据权利要求2所述的基于改进多目标混合粒子群算法的汽车传动参数优化方法，其特征在于，步骤S22)具体包括：分别将每个粒子的动力性分目标函数值以及经济性分目标函数值与上一次迭代中对应的个体最优值pbest的动力性分目标函数值以及经济性分目标函数值比较，若粒子支配上一次迭代中对应的个体最优值pbest，将粒子的当前位置作为本次迭代对应的个体最优值pbest，若粒子未支配上一次迭代中对应的个体最优值pbest，随机选择粒子的当前位置或者上一次迭代中对应的个体最优值pbest作为本次迭代对应的个体最优值pbest。4.根据权利要求2所述的基于改进多目标混合粒子群算法的汽车传动参数优化方法，其特征在于，步骤S23)具体包括：根据每个粒子的动力性分目标函数值以及经济性分目标函数值，对所述种群进行快速非支配排序找到Pareto最优前沿，将上一次迭代中的群体全局最优值gbest与Pareto最优前沿进行比较，若上一次迭代中的群体全局最优值gbest为支
配解，将上一次迭代中的群体全局最优值gbest作为本次迭代中的种群全局最优值gbest，若上一次迭代中的群体全局最优值gbest为非支配解，随机选取Pareto最优前沿中的一个解作为本次迭代中的种群全局最优值gbest，并保存Pareto最优前沿。5.根据权利要求2所述的基于改进多目标混合粒子群算法的汽车传动参数优化方法，其特征在于，步骤S25)具体包括：对于同一类别下的所有粒子，根据每个粒子的动力性分目标函数值...

【专利技术属性】
技术研发人员：付建勤，孙希雷，谢茗柯，刘琦，王槐麟，
申请(专利权)人：湖南大学，
类型：发明
国别省市：