[发明专利]一种基于遗传算法计算汽车试验场路况循环数的方法

说明书

本发明提供了一种基于遗传算法计算汽车试验场路况循环数的方法，其特征在于，包括以下步骤：步骤1，采用随机赋值的方式得到初始种群，将该初始种群作为父代种群，设定初始进化次数t＝0；步骤2，对父代种群进行当量计算得到试验场损伤Y_si；步骤3，计算得到目标函数；步骤4，计算父代种群中每个循环数的相对适应度；步骤5，进行遗传算子操作得到子代种群，同时设定进化次数t＝t+1；步骤6，若子代种群不满足收敛条件或进化次数小于最大进化次数，则令子代种群替代父代种群，回到步骤2，若子代种群满足收敛条件且进化次数大于等于最大进化次数，则将子代种群作为目的种群输出；步骤7，从目的种群中挑选目标函数的值最小的循环数作为结果输出。

技术领域

本发明涉及一种试验场路况循环数计算的方法，具体涉及一种基于遗传算法计算汽车试验场路况循环数的方法。

背景技术

现代汽车设计必须以市场为导向，设计寿命“过大”或“不足”的产品通常是不经济且缺乏市场竞争力的，所以无论在汽车设计、开发还是试验阶段都应当考虑用户的使用要求。其中，汽车可靠性试验是考核和评价车辆耐久性的一种重要手段，但是，传统的试验基础大多数偏向于强度试验，而不是寿命试验，都是为了保证在最差工况下车辆构件不发生断裂，且能满足一般的工程要求。显然，这些试验基本上依赖于经验、习惯，而没有合理地考虑用户的情况，主要靠推测，而不是基于科学原理。

车辆结构试验场疲劳耐久试验规范必须与用户使用情况关联，与用户使用情况脱节的不合理的试验规范不仅无法指导试验工作的开展，还可能误导车型的开发甚至开发失败。试验场试验规范的制定一般采用的是进行试验规范的等效转化，即依据线性损伤累积理论、疲劳损伤当量等效等原理，将某一试验场的有效试验规范转化为另一试验场的试验规范。

目前，试验场工况循环数计算一般采用两种方式：一是靠试验工程师的经验来判定，但凭经验确定误差较大，主观影响大，结果不准确，调整时也缺乏方向，会对循环数的判定结果造成很大的影响。第二种方法是最小二乘法。当子规范中所包含的通道数大于其子规范个数时，以上数学模型为超定方程组，没有精确解。一般通过最小二乘优化算法对离散解进行拟合求出最接近的解，但当有异常值时，容易求出局部最优解，但不能得到全局最优解。

发明内容

本发明是为了解决上述问题而进行的，目的在于提供一种基于遗传算法计算汽车试验场路况循环数的方法。

本发明提供了一种基于遗传算法计算汽车试验场路况循环数的方法，具有这样的特征，包括以下步骤：

步骤1，采用随机赋值的方式产生k个循环数作为初始染色体，该k个循环数的集合为初始种群p(t)＝[β₁,β₂,…,β_k]，将该初始种群p(t)作为父代种群，设定初始进化次数t＝0；

步骤2，根据下式(1)对父代种群进行当量计算得到试验场损伤Y_si，

式(1)中，X_ij表示通道i在道路类型j上的损伤，Y_i表示通道i的目标损伤，β_i表示道路i的循环次数；

步骤3，根据式(2)，计算得到目标函数F(β_i)，

F(β_i)＝|Y_si-Y_i| (2)

式(2)中，Y_si为试验场损伤，Y_i表示通道i的目标损伤；

步骤4，根据下式(3)计算父代种群中每个循环数的相对适应度，

p＝F(β_i)/∑F(β_i) (3)