[发明专利]一种应用于车辆荷载分析的多峰极值求解方法

权利要求书

1.一种应用于车辆荷载分析的多峰极值求解方法，其特征在于，包括以下步骤：

步骤1、构建车辆荷载的多峰分布概率模型；

步骤2、采用粒子群算法对所述多峰分布概率模型进行局部搜索，得到粒子群在多个极值点附近的分布；

步骤3、采用密度聚类算法对所述粒子群进行区域分裂，得到多个簇；

步骤4、采用改进的粒子群算法对所有的所述簇进行全局搜索，得到每个簇的极值点；将所有的所述簇的极值点对应的车辆荷载值进行合并，得到全局最优解。

2.根据权利要求1所述的应用于车辆荷载分析的多峰极值求解方法，其特征在于，所述步骤1中，所述多峰分布概率模型表示如下：

其中，x表示车辆荷载值，p1表示极值Ⅰ型分布出现的概率，p2表示第一正态分布出现的概率，p3表示第二正太分布出现的概率，f(x)表示概率分布密度，α表示极限I型分布的尺度系数的倒数，β表示位置系数，μ1、σ1分别表示第一个正态分布的数学期望和标准差，μ2、σ2分别表示第二个正态分布的数学期望和标准差。

3.根据权利要求1所述的应用于车辆荷载分析的多峰极值求解方法，其特征在于，所述步骤2包括以下子步骤：

步骤2.1、通过粒子代表车辆荷载，初始化参数，为每个粒子设置一个随机的位置和一个随机的速度；

步骤2.2、计算每个粒子的适应度值；

步骤2.3、根据每个粒子的适应度值，更新粒子的个体极值和粒子群的全局最优值；

步骤2.4、根据惯性权重、第一学习因子、第二学习因子、第一随机数、第二随机数、所述个体极值、所述全局最优值更新每个粒子的位置和速度，计算更新后的粒子位置与更新前的粒子位置的差值；计算完毕后迭代次数加1；

步骤2.5、判断更新后的每个粒子的位置或者当前的迭代次数是否满足预设条件；

若满足所述预设条件，则输出所有粒子的当前位置；

若不满足所述预设条件，则返回至步骤2.2。

4.根据权利要求3所述的应用于车辆荷载分析的多峰极值求解方法，其特征在于，所述步骤2.4中，更新每个粒子的位置和速度采用如下公式：

其中，表示第k次迭代后，第i个粒子的速度在第d维上的值；表示第k次迭代前，第i个粒子的速度在第d维上的值；w表示惯性权重，c₁表示第一学习因子，表示第k次迭代时对应的第一随机数，表示第k次迭代前，第i个粒子的个体最优值在第d维上的值；表示第k次迭代前，第i个粒子的位置在第d维上的值；c₂表示第二学习因子，表示第k次迭代时对应的第二随机数，表示第k次迭代前，粒子的全局最优值在第d维上的值；表示第k次迭代后，第i个粒子的位置在第d维上的值。

5.根据权利要求3所述的应用于车辆荷载分析的多峰极值求解方法，其特征在于，所述步骤2.5中，所述预设条件为：当前的迭代次数达到预设的最大迭代次数；

或者，全局最优位置代数间差值满足预设的最小界限。

6.根据权利要求1所述的应用于车辆荷载分析的多峰极值求解方法，其特征在于，所述步骤3包括以下子步骤：

步骤3.1、将所述粒子群的粒子作为输入，设置聚类半径阈值和半径内粒子数阈值；

步骤3.2、从输入的粒子中抽取一个未处理的粒子，若以该粒子为圆心的半径内粒子数超过所述半径内粒子数阈值，则判定该粒子为核心粒子，并根据所述聚类半径阈值找出所有该粒子密度可达的对象，通过迭代形成一个簇；若以该粒子为圆心的半径内粒子数小于所述半径内粒子数阈值，则判定该粒子为噪声粒子，将该粒子忽略并寻找下一个粒子；

步骤3.3、在对所有粒子判断完毕之后，输出所有的簇以及簇中粒子的位置。