[发明专利]一种非线性动力吸振器的参数优化方法

说明书

本发明公开了一种非线性动力吸振器的参数优化方法，采用动态变惯性权重的粒子群优化算法进行非线性动力吸振器的参数优化，惯性权重与迭代次数呈单调递减的二次函数关系。开始迭代时，惯性权重较大，具有较强的全局搜索能力；迭代将要结束时，惯性权重小，具有较强的局部搜索能力。惯性权重随迭代次数的变化关系决定了改进的粒子群优化算法搜索能力快，求解精度高的特点。此外，粒子群优化算法本身算法规则简单，目的性强，易于实现。

技术领域

本发明属于机械振动领域，具体涉及一种非线性动力吸振器的参数优化方法。

背景技术

采用动力吸振器吸振是一种通过设计吸振器结构使其具有适当的阻尼，在此阻尼下动力吸振器频率略微小于结构的共振频率，来减小原结构共振频率下振动响应的控制方法。当动力吸振器的响应与激励不具有一次非线性关系时，该动力吸振器就称为“非线性动力吸振器”。为了获取适当的阻尼，抑制原结构共振频率下的振动响应，实现最好的吸振效果，需要对非线性动力吸振器的参数进行优化。

参数优化是为达到设计目标采取的一种方法，通过将设计目标参数化，采用优化方法，不断的调整设计变量，使得设计结果不断接近目标值。常用数值优化方法和智能优化算法进行参数优化，但现有的优化算法不能兼顾全局寻优和收敛速度，收敛快的易于陷入局部最优解，能够找到全局最优解的往往收敛速度慢，迭代次数较多。

发明内容

发明目的：针对上述现有技术，提出一种非线性动力吸振器的参数优化方法，提高参数优化过程的全局搜索能力，使参数优化过程能够以最快的速度找到全局最优解。

技术方案：一种非线性动力吸振器的参数优化方法，包括如下步骤：

1)基于非线性动力吸振器的结构，建立非线性动力吸振器的动力学模型，量化吸振效果；

2)将吸振效果的量化函数作为目标函数，采用变惯性权重粒子群优化算法进行全局寻优。

进一步的，步骤2)中采用变惯性权重粒子群优化算法进行全局寻优包括如下步骤：

21)初始化粒子群算法因子、粒子群位置和速度；

22)基于惯性权重的计算表达式和迭代次数，计算惯性权重；

23)基于粒子的位置，计算每个粒子的适应度函数值；

24)对于每个粒子，将粒子经历过的最优位置作为粒子个体最优点；

25)对于整个群体，将所有粒子个体所经历过位置中的最优位置作为种群最优点；

26)基于速度更新公式和位置更新公式更新每个粒子的速度和位置；

27)判断迭代次数是否达到迭代次数阈值，如未达到，重复步骤22)到步骤26)，否则算法结束。

进一步的，所述步骤21)中，粒子群算法因子包括种群大小n、加速度因子c₁、加速度因子c₂以及迭代次数阈值H；粒子群位置和速度都是一个3维向量，位置为k＝(k₁,k₂,k₃)，速度为v＝(v₁,v₂,v₃)，一个位置代表一个潜在解。

进一步的，所述步骤22)中，惯性权重的计算表达式是关于迭代次数i的一个二次函数，具体为：

w_i为惯性权重。

进一步的，所述步骤23)中，适应度函数为

进一步的，所述步骤24)中，最优位置为适应度函数最小时对应的粒子位置。