【技术实现步骤摘要】
本专利技术涉及电磁阀优化设计领域，特别是一种。
技术介绍
蚁群算法(ant colony algorithm，简称ACA)是20世纪90年代初提出的一种群智能演化算法，这种算法具有如下特点首先，与遗传算法一样，蚁群算法也属于智能优化算法，这种算法具有本质并行和自适应的特点，在组合优化方面甚至比遗传算法表现出更优异的性能。其次，蚁群算法在很大程度上可以克服传统确定性优化算法在求解过程中的缺陷；对目标函数没有可微、凸性的要求；不需要导数信息，全局优化性能力强；它的鲁棒性强、通用性强且适于并行处理，也易于与其它算法相结合，其算法性能可进一步提高。与遗传算法等其它智能优化算法相比，蚁群算法正反馈机制有发现较好解的能力，一些改进的蚁群算法在求解效率和全局优化能力方面也有一定的优势。此外，作为一种并行优化算法，蚁群算法在求解多目标优化问题时，一次运行可以求得多个可行非支配解，具有单目标优化方法不可比拟的优势，很适合基于Pareto最优的多目标优化设计。随着蚁群算法在函数优化方面研究的深入，其在工程优化中应用越来越受到重视且目前已被用于一些工程问题的求解。因此，将蚁群算法应用于工业产品如电磁阀的参数优化设计，不仅对蚁群算法的研究和推广有重要意义，而且也是在电磁阀优化设计领域的有益探索。
技术实现思路
本专利技术的目的在于提供一种，该方法有利于对电磁阀进行优化设计，从而提高电磁阀的整体性能指标。为实现上述目的，本专利技术采用的技术方案是一种基于蚁群算法的电磁阀电磁机构优化设计方法，其特征在于按如下步骤进行步骤1 选取电磁阀线圈参数、结构参数、最小开阀电压、影响电磁机构吸合以...
【技术保护点】
１．一种基于蚁群算法的电磁阀电磁机构优化设计方法，其特征在于：按如下步骤进行：步骤１：选取电磁阀线圈参数、结构参数、最小开阀电压、影响电磁机构吸合以后温升的主要参量作为优化变量，并估计所述各优化变量的取值范围：，其中，、分别为第ｉ维优化变量的上限、下限，ｉ为变量计数，为优化变量维数；步骤２：对所述各优化变量Ｎ等分：用表示第维优化变量子区间长度，则；步骤３：若，为设定的精度，则算法终止，所述各优化变量的最优解为：否则转步骤４；步骤４：初始化蚁群优化过程中用到的各参量，给信息素矩阵中各元素赋一个相同的常数值；设置蚁群优化过程中用到的各常量；将ｍ只蚂蚁随机地分配到第一个优化变量的Ｎ个子区间，并将每一只蚂蚁所走过的路径存入ｍ×ｎ的路径存储矩阵中；步骤５：每只蚂蚁ｓ按轮盘赌算法从余下的优化变量中选择下一个优化变量的位置，并将此位置存入所述路径存储矩阵中；步骤６：每只蚂蚁ｓ选择下一个优化变量的位置后，按如下公式对当前所在位置的信息素进行局部更新：其中，ρ表示信息浓度的持久性系数，表示第维优化变量Ｎ个区间中信息素浓度最小的区间号，ｒ表示 区间号，表示最大区间号，；步骤７：当ｍ只蚂蚁都完成步骤５、６以...
【技术特征摘要】
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。