[发明专利]一种基于自适应模糊遗传算法的轮胎花纹降噪方法

说明书

技术领域

本发明属于计算机技术领域，涉及一种基于自适应模糊遗传算法的轮胎花纹降噪方法。

背景技术

经多年研究，得出轮胎花纹噪声主要由①花纹块击地噪声，它跟花纹块面积大小有关，与其形状基本无关，②花纹槽泵浦喷吸噪声，它只跟花纹槽宽度、长度及走向有关，与其深度基本无关，③因噪声波互相干涉产生声波增强或抵消现象，合成的噪声强度大小跟花纹结构参数及花纹排列有极大关联。这三个原则是轮胎花纹降噪的理论依据。为了得到合理的轮胎花纹结构参数，在模糊遗传降噪算法上作了改进，引入自适应特性，形成了自适应模糊遗传降噪算法。

模糊遗传降噪算法(Fuzzy Genetic Noise-Reduction Algorithm，FGNRA)

遗传算法编码

以节距比例值为例，对比例因子染色体初始群体其比例因子用素数和无理数，最大值与最小值之比受工艺设计要求限制在一定范围(一般取7以内)。若Bmax为最大比值，并设定最小节距值为Pmin，随机产生基本节距个数的正整数(256以内)，按从小到大的顺序建立比例因子串，这样减少了计算量。按如下方式进行编码：某一个轮胎花纹方案由A、B、C、D、E五个基本节距组成，随机产生小于等于256的五个正整数Ni(i＝1～5，排序后若为4、23、111、200、248)，节距值可由

Pi=Pmin+Pmin*(Bmax-1)*Ni265---(1)]]>

求得，从而可求出节距比例Ri＝Pi/P1，Ni对应十六进制编码为04、17、6F、C8、F8。

模糊遗传算法

遗传算法流程如图1，其迭代的结束条件有两个：①群体的最优个体适应度函数值趋于一稳态值；②迭代次数已满。对于轮胎花纹其他结构参数节距排列、错位、花纹条数等的FGNRA法优化具体过程与花纹节距比例优化相同。

基本遗传算法(Simple Genetic Algorithm，SGA)存在着容易早熟和收敛速度慢两个难题，且它的局部搜索能力弱，达不到很高的精度要求。

发明内容

本发明的目的在于克服上述技术存在的缺陷，提供一种基于自适应模糊遗传算法的轮胎花纹降噪方法，来提高局部搜索能力，并避免早熟和提高收敛速度。①引入交叉概率和变异概率与个体的适应度值相联系，使适应度值小的个体有较大的交叉概率和变异概率，适度值大的个体交叉概率和变异概率则相对较小，从而实现自适应的遗传算法。②为提高遗传算法的局部搜索能力，在交叉操作后引入模拟退火机制，并采用一种新的变异操作，每次变异产生二个子代，然后根据情况取舍，引入接受相对差的子代的概率，这样可一定程度上避免陷入局部极值。其具体技术方案为：

一种基于自适应模糊遗传算法的轮胎花纹降噪方法，包括以下步骤：

输入：初始节距比例群体训练集、改进遗传算法控制参数

输出：训练好的节距比例群体

步骤1：初始化控制参数：包括种群规模N，交叉概率Pc，变异概率Pm，调节变异自适应程度的参数V等；

步骤2：随机产生初始种群，并计算种群中所有个体的适应度；

步骤3：当结束条件未满足时

从父代中选择两个个体；

按(2)，(3)式确定交叉概率