[发明专利]基于卡方变异的SSA的FSC赛车转向梯形优化方法

说明书

本发明公开了一种基于卡方变异的SSA的FSC赛车转向梯形优化方法，S1：将整车坐标系作为转向梯形坐标系，根据转向梯形坐标系建立内外轮转角的实际转向关系，同时根据阿克曼转向建立目标转向关系；S2：将卡方变异引入麻雀搜索算法，并建立优化目标函数，利用优化目标函数使实际转向关系趋向于目标转向关系。本发明可以对赛车转向梯形进行优化，从而提高赛车转向性能。

技术领域

本发明涉及赛车技术领域，具体涉及基于卡方变异的SSA的FSC赛车转向梯形优化方法。

背景技术

中国大学生方程式汽车大赛(Formula Student China，简称FSC)是一项由中国汽车工程学会举办、国内外70多所大学大学生参与赛车设计、制造的系列赛事，近年来越来越多的高校投入该赛事，被誉为中国汽车工程师的摇篮。转向梯形的设计直接影响赛车转向性能，继而影响赛车动态赛成绩，越来越多的国内外学者将研究方向转向转向梯形优化。L.Zhang等使用蒙特卡罗方法等传统优化算法优化转向梯形，但存在优化效率低的问题。吴平等利用RBF神经网络优化转向梯形断开点，将空间转型梯形简化为平面转向梯形，其优化结果与实际转向梯形有一定误差。

1975年Holland根据生物优胜劣汰的进化规律提出遗传算法，SMETS P于1991年根据蚁群觅食行为提出蚁群算法和Kennedy于1995年根据鸟类觅食行为提出粒子群算法，此后越来越多的学者根据生物特性提出了多种群智能优化算法和改进算法，如灰狼优化算法、蝗虫算法等。虽然群智能优化算法相比传统优化算法具有稳健性强、应用范围广的特点，但存在易陷入局部最优解，导致算法早熟的问题。

麻雀搜索算法(SSA)由薛建凯等于2020年提出，对比传统优化算法和传统群智能优化算法具有收敛速度快、求解精度高、稳健性强的优点，广泛应用领域广，但依然无法克服群智能优化算法在收敛后期易陷入局部最优解导致算法早熟，进而导致稳健性较差的缺点，使得转向梯形优化还存在优化不佳的问题。

发明内容

本发明的目的在于，提供一种基于卡方变异的SSA的FSC赛车转向梯形优化方法。本发明可以对赛车转向梯形进行优化，从而提高赛车转向性能。

为解决上述技术问题，本发明提供的技术方案如下：基于卡方变异的SSA的FSC赛车转向梯形优化方法，按以下步骤进行：

S1：将整车坐标系作为转向梯形坐标系，根据转向梯形坐标系建立内外轮转角的实际转向关系，同时根据阿克曼转向建立目标转向关系；

S2：将卡方变异引入麻雀搜索算法，并建立优化目标函数，利用优化目标函数使实际转向关系趋向于目标转向关系。

上述的基于卡方变异的SSA的FSC赛车转向梯形优化方法，所述实际转向关系的表达式如下：

θ_i1＝f₁(θ_o)；

式中：θ_i1为符合实际转向关系的内轮转角；θ_o为外轮转角；f₁为实际转向关系函数。

前述的基于卡方变异的SSA的FSC赛车转向梯形优化方法，所述目标转向关系的表达式如下：

式中：θ_i2为符合目标转向关系的内轮转角，K为阿克曼校正系数，L为轴距，θ_o为外轮转角；n为转向梯形坐标系中左梯形臂旋转中心与右梯形臂旋转中心的距离。

前述的基于卡方变异的SSA的FSC赛车转向梯形优化方法，将卡方变异引入麻雀搜索算法如下：

1)初始化种群；

2)根据公式更新发现者；