[发明专利]基于蚁群粒子群混合算法的压电作动器方向优化配置方法

说明书

技术领域

本发明涉及一种用于板壳结构变形控制的基于蚁群粒子群混合算法的压电作动器方向优化配置方法。

背景技术

目前，公知的优化配置方法中主要涉及位置、大小等，而方向智能优化配置方法只有本人在2010年两次国际会议上所提出的基于遗传算法、模拟退火算法以及神经网络算法的优化配置方法。方向优化配置方法可以实现变形矢量控制，可以大幅度降低变形控制所需的能量，提高变形控制精度。

发明内容

本发明目的是针对现有技术存在的缺陷提供一种基于蚁群粒子群混合算法的压电作动器方向优化配置方法。

本发明为实现上述目的，采用如下技术方案：

本发明基于蚁群粒子群混合算法的压电作动器方向优化配置方法，根据现有的板壳结构三维变形数据并进行数据转换，之后应用蚁群粒子群混合算法计算压电作动器的配置路径，再根据已有的优化配置方案以及配置路径设置压电作动器配置方向。

应用蚁群粒子群混合算法进行优化计算方法如下：

1）粒子群初始化：随机选择n个粒子，每个粒子包含三个参数β，ρ，qO，组成一个3×n的随机数组，其中D在[1，5]随机取值，P和q0在[0，1]随机取值，n为位置个数；

2）蚁群系统初始化：对任意的边(i，j)，信息素初值                                                =const，=0；将n只包含各自参数的蚂蚁随机地放置在n个结点上，根据各自的变量值，求适应度函数值，即n只蚂蚁分别进行下面的蚁群系统寻径；

3）对每一只包含各自参数(β，ρ，qO)的蚂蚁运行蚁群系统：进行状态转移，寻找路径；对经过的边，进行局部信息素更新；记录每个蚂蚁的结果；对当前最好解的路径进行全局信息素更新；

4）将寻径后的每个蚂蚁的最短路径长度作为相应粒子的适应度函数值；使用粒子群算法，更新每个粒子的速度和位置，即更新每个粒子的3个参数；最后输出全局最优路径值和全局，最优参数β，ρ，qO。

方向配置方法如下：

（1）              以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点；

（2）              以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点，下一个序号对应的路径号与配置起点的路径号的物理空间距离应在任意三个相邻路径号所占的物理空间距离以内；

以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点，下一个序号对应的路径号与配置起点的路径号所占的物理空间距离应在任意两个相邻路径号物理空间距离以内。

本发明的有益效果是，计算简单，配置方便，优化效果显著。

附图说明

图1是对某板壳结构进行划分示意图。

图2是对该板壳结构的三维变形图。

图3是根据蚁群粒子群混合算法应用配置方案（1）所得到的优化配置图。

图4是根据蚁群粒子群混合算法应用配置方案（2）所得到的优化配置图。

图5是根据蚁群粒子群混合算法应用配置方案（3）所得到的优化配置图。

具体实施方式

在图1所实施例中，表示了对某板壳结构进行划分，标注了各点的路径号。

在图2所示实施例中，表示了对该板壳结构的三维变形图。

在表1所示的实施例中，表示了该板壳结构上各点三维变形数据。

表1

优化计算流程如下：

1.将三维变形数据进行转换，MATLAB转换流程如下：

A=[0.0001,    0.0034 ,  -0.0299 ,  -0.2450,   -0.1100 ,  -0.0043 ,  -0.0000;

0.0007 ,   0.0468 ,  -0.5921 ,  -4.7596 ,  -2.1024 ,  -0.0616  , 0.0004;

-0.0088 ,  -0.1301  ,  1.8559 ,  -0.7239  , -0.2729  ,  0.4996  ,  0.0130;

-0.0365  , -1.3327  , -1.6523  ,  0.9810  ,  2.9369  ,  1.4122  ,  0.0331;

-0.0137 ,  -0.4808  ,  0.2289  ,  3.6886  ,  2.4338  ,  0.5805  ,  0.0125;