
《智能优化算法》
大 作 业 报 告 书
题 目
含惯容的无源悬架控制系统舒适度优化设计
学 院
物联网工程学院
班 级
自动化
2106
姓 名
范力丹
学 号
1039210605
指导教师
王锴
2023 年 12 月

报告正文
1.问题描述与分析
针对图 2 中的 5 个无源网络,当并联弹簧的静态刚度
k
的取不同的固定值时
(由
4
1 10 N/m
至
4
12 10 N/m
取 12 个值,间隔为
4
1 10 N/m
),优化网络元件值
(非负),使得式(
1
)中的乘车舒适度性能指标
1
J
最小。
经计算,求得传递函数为:
K150000+s)s(Y150000+s)37500000+K285(+s)s(Y285+8750s
Y(s)s150000+150000K
=
zz
234
→
T
sr
2
.所用算法及其实现思路
经实验,发现粒子群算法可以较快速较准确的求得以上五个问题的最优解,
所以本次实验采用粒子群算法。
2.1 粒子群算法的主要步骤
(
1
)初始化粒子群,包括群体规模
N
,每个粒子的位置
i
x
和速度
i
v
。
(2)计算每个粒子的适应度值
][fit i
。
(
3
)对每个粒子,用它的适应度值
]i[fit
和个体极值
)i(p
best
比较。如果
]i[fit
<
)i(p
best
,
则用
]i[fit
替换掉
)i(p
best
。

(4)对每个粒子,用它的适应度值
]i[fit
和全局极值
)(g i
best
比较。如果
]i[fit
<
)(g i
best
,
则用
]i[fit
替换
)(g i
best
。
(5)迭代更新粒子的速度
i
v
和位置
i
x
。
(
6
)进行边界条件处理。
(
7
)判断算法终止条件是否满足:若是,则结束算法并输出优化结果;否则
,
返回步骤 2。
2.2 粒子群算法的流程图
开始
初始化每个粒子的速度和位置
置
计算每个粒子的适应度值位置
计算每个粒子的个体最优值
计算整个群体的全局最优值
对粒子的速度、位置进行优化
进行边界条件处理
输出结果
结束
满足结束条件?
件?
是
否

3. 结果调试与分析
3.1 实验数据
表
3_1
在静态刚度
k
取不同的固定值时,优化性能指标
J1
K(N/m)
J1
Y(s)=c
Y(s)=c+bs
Y(s)=
c+
bcs
bs
Y(s)=
b
b
csbs
bsc
k++
)+(k
2
Y(s)=
ckbskbcs
sk
bb
b
++
bc
2
10000
0.7181
0.6932
0.7034
0.695
0.7181
20000
1.0159
0.9775
0.9758
0.9829
0.9772
30000
1.2449
1.1928
1.1740
1.2038
1.2439
40000
1.4363
1.3714
1.3333
1.39
1.4363
50000
1.6068
1.5251
1.4676
1.5407
1.6058
60000
1.7591
1.6599
1.5843
1.7034
1.7591
70000
1.9000
1.7791
1.6877
1.8191
1.9001
80000
2.0312
1.8853
1.7818
2.8993
2.0312
90000
2.1544
1.9802
1.8653
2.0002
2.1545
100000
2.2710
2.0656
1.9429
2.1462
2.2710
110000
2.3819
2.1431
2.0148
2.1643
2.3821
120000
2.4877
2.2140
2.0817
2.2542
2.4879
图
3-1
最优的
1
J
随不同静态刚度
k
的变化曲线


