[发明专利]基于改进飞蛾赴火算法的弹簧自重优化设计方法

说明书

本发明涉及一种基于改进飞蛾赴火算法的弹簧自重优化设计方法，包括以下步骤：步骤S1:构建以弹簧最小自重为优化目标的数学模型；步骤S2:根据飞蛾赴火算法并结合Sine混沌理论和柯西变异，构建改进的飞蛾扑火算法；步骤S3:采用改进的飞蛾扑火算法对弹簧最小自重问题进行计算，得到最优方案；步骤S4:将最优方案输入数学模型，得到最优的弹簧自重。本发明能够有效的优化弹簧的自重设计。

技术领域

本发明涉及弹簧设计领域，一种基于改进飞蛾赴火算法的弹簧自重优化设计方法。

背景技术

关于弹簧自重的优化设计问题，目前已有重力搜索算法(Gravitational SearchAlgorithm，GSA)，多元优化算法(Multi-Verse Optimizer，MVO)，进化策略算法(EvolutionStrategy，ES)等多种知名算法应用于弹簧的自重最小化设计，但弹簧的自重设计效果还有待提升。

飞蛾赴火算法(Moth-Flame Optimization，MFO)是由澳大利亚团队—MirjaliliSeyedali等人在2015年提出的一种模仿飞蛾赴火行为的新型元启发式算法。此算法模拟飞蛾围绕火焰旋转飞行的运动模型，数学建模出一种可以用来参数最优化的智能算法。飞蛾赴火算法能够较好的解决最优化问题，但仍存在不少缺点。飞蛾算法容易陷入局部最优，在收敛精度方面还有极大的改善空间。导致原始飞蛾赴火算法找到的解精度较低，计算得到的弹簧自重较大。

发明内容

有鉴于此，本发明的目的在于提供一种基于改进飞蛾赴火算法的弹簧自重优化设计方法，可以有效的优化弹簧的自重设计。

为实现上述目的，本发明采用如下技术方案：

一种基于改进飞蛾赴火算法的弹簧自重优化设计方法，包括以下步骤：

步骤S1:构建以弹簧最小自重为优化目标的数学模型；

步骤S2:根据飞蛾赴火算法并结合Sine混沌理论和柯西变异，构建改进的飞蛾扑火算法；

步骤S3:采用改进的飞蛾扑火算法对弹簧最小自重问题进行计算，得到最优方案；

步骤S4:将最优方案输入数学模型，得到最优的弹簧自重。

进一步的，所述数学模型具体为：弹簧自重的影响参数包括钢丝直径d,线圈的匝数N和线圈直径D，数学模型如下：

设定向量

计算弹簧的自重目标函数为：

约束条件如下：

参数的限制范围如下：

0.05≤x₁≤2

0.25≤x₂≤1.3

2≤x₃≤15。

进一步的，所述步骤S2具体为：

步骤S21:飞蛾的种群以矩阵M表示

其中，n为人工飞蛾总数量,k表示变量个数；将钢丝直径(d),线圈的匝数(N)和线圈直径(D)这3个影响参数作为变量，因此k要设为3；

步骤S22:采用了Sine混沌映射对随机的矩阵M进行预处理，采用了Sine混沌映射对随机的矩阵M进行预处理，Sine混沌的数学公式如式(1)