[发明专利]一种方程式赛车空间转向梯形结构的全局优化方法

说明书

本发明涉及一种方程式赛车空间转向梯形结构的全局优化方法，属于车辆弯道转向性能研究技术领域。首先建立方程式赛车空间梯形内外轮转角关系的智能算法优化模型，通过选取转向内外点空间坐标6个参数为决策变量建立空间转向梯形结构的优化模型，然后对传统粒子群算法进行改进，重新定义学习因子，引入模拟退火思想，并提出粒子震荡的原理，使得改进的粒子群算法在优化模型参数时克服了算法早熟、迭代后期算法全局搜索能力过差等问题，大大提高了方程式赛车空间转向梯形结构的优化模型参数优化求解的精度和稳定性，优化后的实际内外轮转角关系更接近目标转向关系。

技术领域

本发明涉及车辆弯道转向性能研究技术领域，具体地说，涉及一种方程式赛车空间转向梯形结构的全局优化方法。

背景技术

中国大学生方程式汽车大赛(Formula Student Chian，简称“中国FSC”)是一项由汽车相关专业在校本科生和研究生参加的汽车设计和制造的赛车运动。参赛车手主要通过方向盘控制赛车运动，因而转向性能直接影响到赛车成绩，其中转向梯形的优化设计是转向系统影响转向性能的主要因素，因而成为国内外该领域学者的热点研究方向。

目前该研究领域已经利用空间机构学建立了转向梯形的数学模型并进行了优化设计，并尝试用一些经典的算法去优化这些参数，Xi Pingyuan^[1]等利用混合遗传算法优化了转向梯形参数，陈思忠^[2]利用非线性最小二乘法进行了优化。上述研究给出了转向梯形优化模型，并初步提出了模型参数的优化思想，但是求解精度相对较低，且只适用于平面问题的讨论中，在维数较大时，这些算法往往容易计算量过大，求解效率低，而实际问题的讨论往往处在三维空间。

基于此，有学者建立了空间转向梯形参数优化方案，并提出了改进的粒子群算法，将智能算法引入到空间模型的参数优化求解中，利用遗传算法将空间模型转化为平面模型的问题进行了优化设计，也有学者提出改进粒子群算法，提高了空间模型参数优化的收敛速度。但是，当前空间转向梯形优化模型参数求解智能算法易陷入局部最优，导致求解精度较低，且仅适用于维数较少、规模较小的平面转向梯形优化模型，传统的粒子群算法虽然拥有很强的全局搜索能力，但却存在后期收敛速度慢的问题。

[1]XI Ping-yuan,WANG CHeng.Hybrid genetic algorithm optimization onsteering trapezoid linkage of vehicle[C].2009 4th International Conference onComputer ScienceEducation，Nanjing，China，2009(7):.

[2]陈思忠，倪俊，吴志成.基于特定赛道的方程式赛车转向梯形优化与虚拟试验[J].机械传动，2012，36(09):67-70.CHEN Si-zhong，NI Jun，WU ZHi-cheng.Optimizationand virtual test of steering trapezoid of formula racing car based onparticular race track[J].Journal of Mechanical Transmission，2012，36(09):67-70.

发明内容

本发明的目的是提供一种方程式赛车空间转向梯形结构的全局优化方法，解决了方程式赛车空间转向梯形结构优化模型中数据维数和处理规模大的问题，提高了模型中全局最优解的收敛速度和精度。

为了实现上述目的，本发明提供的方程式赛车空间转向梯形结构的全局优化方法包括以下步骤：

(1)构建方程式赛车的空间转向梯形结构模型；

(2)选取空间转向梯形结构模型的左侧内外点的初始坐标为决策变量构建优化函数：