基于组合智能算法的变速箱参数优化方法及系统技术方案

本发明专利技术提供了一种基于组合智能算法的变速箱参数优化方法及系统，根据变速箱档位数、最大传动比和最小传动比得到等比级数分配的各档位传动比；对等比级数分配的各档位传动比按一定取值范围和取值步长，得到变速箱传动比的组合方案；根据获取的变速箱传动比的组合方案以及预设动力性模型和燃油经济性模型，基于蚁群算法和人工鱼群算法的组合算法，进行多目标优化确定帕累托最优解，根据需求的不同选择得到最佳的变速箱传动比方案；本发明专利技术结合蚁群算法能够快速收敛至局部最优值和人工鱼群算法能够获得广泛的鲁棒性优势，形成组合智能算法，考虑动力性和燃油经济性，实现了更准确和快速的多目标优化，高效和准确的得到了变速箱最优匹配方案。最优匹配方案。最优匹配方案。

【技术实现步骤摘要】
基于组合智能算法的变速箱参数优化方法及系统


[0001]本专利技术涉及变速箱设计优化
，特别涉及一种基于组合智能算法的变速箱参数优化方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
，并不必然构成现有技术。
[0003]变速箱可以将内燃机输出的动力进行变速和变矩，变速箱传动比的匹配直接决定了整车动力性和燃油经济性。由于实际运行工况十分复杂，重型商用车、拖拉机的档位数非常多，一般可以达到20到40个档，使得变速箱传动比的组合方案成指数增长。
[0004]专利技术人发现，现有的变速箱设计过程中，工程师大多根据试验和公式计算来确定变速箱参数，开发时间长，错误率高，极大的增加了获取变速箱最优匹配方案的难度。

技术实现思路

[0005]为了解决现有技术的不足，本专利技术提供了一种基于组合智能算法的变速箱参数优化方法及系统，将蚁群算法与人工鱼群算法相融合，结合蚁群算法能够快速收敛至局部最优值和人工鱼群算法能够获得广泛鲁棒性的优势，形成组合智能算法，考虑动力性和燃油经济性进行多目标优化本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于组合智能算法的变速箱参数优化方法，其特征在于：包括以下过程：确定变速箱档位数、最大传动比和最小传动比；根据变速箱档位数、最大传动比和最小传动比得到等比级数分配的各档位传动比；对等比级数分配的各档位传动比按一定取值范围和取值步长，得到变速箱传动比的组合方案；根据获取的变速箱传动比的组合方案以及预设动力性模型和燃油经济性模型，基于蚁群算法和人工鱼群算法的组合算法，进行多目标优化确定帕累托最优解，根据需求的不同选择得到最佳的变速箱传动比方案。2.如权利要求1所述的基于组合智能算法的变速箱参数优化方法，其特征在于：基于各变速箱传动比的组合方案，进行加速性能仿真试验和百公里油耗性能仿真试验，得到各变速箱传动比方案下动力性能样本和燃油经济性能样本；利用动力性能样本，采用支持向量机进行训练，得到动力模型；利用燃油经济性能样本，采用支持向量机进行训练，得到燃油经济性模型。3.如权利要求1所述的基于组合智能算法的变速箱参数优化方法，其特征在于：基于蚁群算法和人工鱼群算法的组合算法中，觅食行为，包括：当人工鱼搜索发现视野内其它位置X
k
的营养物质浓度Y
k
比当前位置X
j
高时，便向X
k
的方向随机游动一定距离；若人工鱼视野范围内有多个符合条件的位置X
e
，将鱼群算法浓度Y与蚁群算法相结合，计算各点的转移概率：其中，为从X
j
点到X
e
的转移概率，为从X
j
点到X
e
的信息素浓度，Y
e
为X
e
点营养物浓度，为X
j
与X
e
之间的距离，α为信息素重要程度因子、β为营养物质浓度与距离重要程度因子；觅食行为的目的点为所有可行点X
e
中，转移概率最大的位置所对应的点：由此得到觅食行为的方向；人工鱼进行觅食行为，包括：其中，X
next
为人工鱼下一步的位置，X
j
为人工鱼当前位置，为X
j
与X
k
之间的距离，step为人工鱼移动的最大步长，rand为一个数值在[0,1]之间的随机数。4.如权利要求3所述的基于组合智能算法的变速箱参数优化方法，其特征在于：基于蚁群算法和人工鱼群算法的组合算法中，聚群行为，包括：将蚁群算法的信息素浓度融入鱼群算法的聚群行为，人工鱼群的中心位置X
c
的营养物
质浓度Y
c
比当前位置的营养物质浓度Y
j
高，人工鱼根据自身视野范围内人工鱼的数量n
f
进行聚群行为判断，如果视野范围内有其他人工鱼并且它们的中心位置具有更高浓度的影响物质且满足聚群条件，便向该中心位置方向游动；进行聚群行为的条件为：Y
c
/n
f
>Y
j
·
δ其中，n
f
为自身视野范围内人工鱼的数量，Y
c
为鱼群的中心位置的营养物质浓度，Y
j
为当前位置的营养物质浓度，δ为自身位置拥挤度；若满足进行聚群行为的条件Y
c
/n
f
>Y
j
·
δ，则人工鱼群的中心位置X
c
不拥挤，人工鱼进行聚群行为；聚群行为，包括：其中，X
next
为人工鱼下一步的位置，X
j
为人工鱼当前位置，为X
j
与X
c
之间的距离，step为人工鱼移动的最大步长，rand为一个数值在[0,1]之间的随机数，为信息素浓度；分别计算觅食行为目标点X
k
的营养物质浓度Y
k
与聚群行为目标点X
c
的营养物质浓度Y
c
，若Y
k
>Y
c
，则人工鱼进行觅食行为；反之，则人工鱼进行聚群行为。5.如权利要求1所述的基于组合智能算法的变速箱参数优化方法，其特征在于：等比级数分配的各档位传动比为：其中，i
max
为最大传动比，i
min
为最小传动比，m变速箱档位数，k为档位的序号；确定各档位的取值范围为[0.7i
k
,1.3i
...

【专利技术属性】
技术研发人员：闫伟，王俊博，李国祥，蔡彦彬，张继伟，穆松，
申请(专利权)人：山东大学，
类型：发明
国别省市：