【技术实现步骤摘要】
一种短初级双边直线感应电机优化设计方法、系统及终端
[0001]本专利技术属于人工智能
，尤其涉及一种基于鸽群启发算法的短初级双边直线感应电机优化设计方法、系统、设备及终端。
技术介绍
[0002]随着计算机技术和工业科技的不断发展，在工业领域，复杂的参数优化问题要求计算方法更加的智能化、自动化。传统的梯度法、牛顿法等方法在解决非连续性的优化问题上已不占优势。为了更加高效地解决多峰、非连续、带约束的优化问题，现有技术提出了许多启发式算法。最著名的方法包括进化算法和群智能算法，例如遗传算法、差分进化算法、粒子群算法、蚁群算法、灰狼算法、球形搜索算法等。这些启发式算法已经在各种复杂的工业优化问题上取得巨大的成就。
[0003]现有技术提出了一种新的启发式群体智能算法，称为鸽群启发式算法。此算法解决了空中机器人路径规划问题，由于其出色的快速收敛性能和精确定位性能，鸽群启发式算法被广泛应用于航空航天领域等需要快速计算的优化问题。
[0004]然而，鸽群启发式算法有固有缺陷，由于学习方式过于单一，加之收敛速度过快...
【技术保护点】
【技术特征摘要】
1.一种基于鸽群启发算法的短初级双边直线感应电机优化设计方法，其特征在于，所述基于鸽群启发算法的短初级双边直线感应电机优化设计方法包括：获取短初级双边直线感应电机的设计指标；基于获取的短初级双边直线感应电机的设计指标利用鸽群启发算法进行设计参数优化并输出最优输出特性。2.如权利要求1所述基于鸽群启发算法的短初级双边直线感应电机优化设计方法，其特征在于，结合短初级双边直线感应电机的优化设计，所述鸽群启发算法包括：首先，运用Matlab、Python、C++等软件，根据短初级双边直线感应电机设计参数的边界条件初始化鸽群位置、鸽群初始速度和目标群位置参数；其次，将种群中所有的鸽子位置以及目标的位置利用目标函数进行评价，得到每一个鸽子、目标对应的适应度值；所述每一个鸽子、目标对应的适应度值为每一个鸽子、目标的目标函数值；最后，基于得到的每一个鸽子、目标对应的适应度值筛选得到全局最优个体；迭代循环，直至评价次数达到预设的最大评价次数且迭代次数达到最大迭代次数，输出最优个体。3.如权利要求1所述基于鸽群启发算法的短初级双边直线感应电机优化设计方法，其特征在于，所述基于得到的每一个鸽子、目标对应的适应度值筛选得到全局最优个体包括：首先，令初始鸽群的每一只鸽子都成为个体历史最优；将目标划分为多个子群，并在每个子群中选取一个子群最优个体；其次，从鸽群和目标群中选取适应度值最优的个体成为全局最优个体。4.如权利要求1所述基于鸽群启发算法的短初级双边直线感应电机优化设计方法，其特征在于，所述鸽群启发算法还包括：(1)利用下式选择变异算子，产生初级目标；其中，DE/rand/1/bin为：PT
i
(t)＝PB
r1
(t)+rand
·
(PB
r2
(t)
‑
PB
r3
(t))+rand(PB
r4
(t)
‑
PB
r5
(t))；DE/rand/2/bin为：PT
i
(t)＝PB
i
(t)+rand
·
(PB
r2
(t)
‑
PB
i
(t))+rand
·
(PB
r4
(t)
‑
PB
r5
(t))；PT表示初级目标，PB表示个体历史最优鸽子，i∈[1,N]表示第i个个体，t表示第t次迭代，rand表示一个服从均匀分布的随机数，范围[0,1]；r1～r5表示[1,N]中5个不等于i的不同的随机数；(2)对新产生的初级目标进行边界处理，利用下式将初级目标超出边界的变量进行处理：其中，上标out代表超出边界的维度；(3)对基于不同变异算子的初级目标执行不同的交叉方法，产生中级目标：若选择DE/rand/1/bin，则执行以下交叉方法：
其中，MT表示中级目标，CR1表示适用于DE/rand/1/bin的交叉概率；j表示当前维度，j
rand
表...
【专利技术属性】
技术研发人员：赵镜红，王涵铭，薛婕，张庆飞，
申请(专利权)人：中国人民解放军海军工程大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。