[发明专利]一种用于矿用重载实心轮胎的参数辨识及优化方法

权利要求书

1.一种用于矿用重载实心轮胎的参数辨识及优化方法，其特征在于，是按以下步骤进行：

步骤1、按照矿用重载实心轮胎试验对轮胎进行试验操作，得到试验数据，并利用试验数据构建矿用重载实心MF轮胎模型；

步骤1.1、定义当前测试次数为s，并初始化s＝1；

步骤1.2、将矿山车辆重载橡胶实心牵引的轮胎样件通过六分力测试实验台进行第s次测试，获取第s次测试下的n组试验数据其中，表示第s次测试下的任意第i组试验数据，且表示第i组试验数据x_i中的第j个特征量，并将第i组试验数据中第j个特征量的拟合值记作的试验值记作m表示特征量的总数；

步骤1.3、利用式(1)建立半经验轮胎模型在第s次测试时的目标函数Z^s：

步骤1.4、将s+1赋值给s后，判断sSmax是否成立，若成立，则执行步骤2，否则，返回步骤1.2顺序执行，其中，Smax表示最大试验次数；

步骤2、将Smax次测试时的目标函数值进行升序排序，得到排序后的第一目标函数值作为半经验轮胎模型的初值，从而得到矿用重载MF实心轮胎模型；

步骤3、将通过高斯牛顿迭代法辨识所述矿用重载MF实心轮胎模型中的参数：

步骤3.1、对矿用重载MF实心轮胎模型进行泰勒级数展开，并删除二阶及二阶以上的偏导数项，得到非线性回归轮胎模型；

步骤3.2、定义当前迭代次数为v，并初始化v＝1；

步骤3.3、用最小平方法第v次对所述非线性回归轮胎模型进行估计，得到第v次估计的修正因子；

步骤3.4、计算第v次估计的修正因子的残差平方和SSR^v；

步骤3.5、辨识待回归系数：

对于给定的允许误差率k，当时，停止迭代，并将得到第v次估计的修正因子代入所述非线性回归轮胎模型中，得到修正后的矿用重载MF实心轮胎模型；否则，将v+1赋值给v后，返回步骤3.3顺序执行；

步骤4、根据修正后的矿用重载MF实心轮胎模型中待辨识的参数值，产生初始种群；

步骤4.1、设定种群规模为U，定义种群的当前代数为g；并初始化g＝1；

将修正后的矿用重载MF实心轮胎模型中的所有待辨识参数值作为第g代种群中第u个染色体从而得到第g代种群集合记为

步骤4.2、根据式(1)计算得到第g代种群A^g中第u个染色体的适应度值并将第u个染色体中适应度值最高的两个基因进行交叉操作后，得到第u个染色体的两个新基因，用于替换第u个染色体中适应度值最高的两个基因，从而得到更新后的第u个染色体进而得到更新后的第g代种群A′^g；

步骤4.3、将第u个染色体的两个新基因作为模拟退火算子的初始最优解并进行退火操作：

步骤4.3.1、定义退火操作的当前循环次数为k，并初始化k＝0；

令第k次循环的温度T_k，随机产生当前第k次循环的状态ω_k为第k次循环的最优解；

步骤4.3.2、令第k+1次循环的温度T_k+1＝αT_k；其中，α表示退温因子，0＜α＜1；

步骤4.3.3、将k+1赋值给k后，根据T_k得到第k次循环的状态ω_k，并作为第k次循环的最优解ω_k；

步骤4.3.4、令第k次循环的增量为ΔZ_k＝Z(ω_k)-Z(ω_k-1)，其中，Z表示半经验轮胎模型的目标函数；ω_k-1表示第k-1次循环的状态；

若ΔZ_k≤0，则将第k次循环的最优解ω_k替换第u个染色体的两个新基因并得到第g+1代种群A^g+1的第u个染色体否则，执行步骤4.3.5；

步骤4.3.5、若则将第k次循环的最优解ω_k替换第u个染色体的两个新基因并得到第g+1代种群A^g+1的第u个染色体否则，第k-1次循环的最优解ω_k-1替换第u个染色体的两个新基因并得到第g+1代种群A^g+1的第u个染色体其中，ε表示系数；r_k表示第k次循环的随机数，且r_k∈[0,1]；

步骤4.4、按照变异概率P_m对第g+1代种群A^g+1中任意第j条染色体进行变异操作，得到新的染色体若第g+1代的第j个增量则将新的染色体加入第g+1代种群A^g+1，并得到更新后的第g+1代种群A′^g+1，否则，在[0,1]之间产生第g+1代的第j个随机数若则将新的染色体加入第g+1代种群A^g+1，并得到更新后的第g+1代种群A′^g+1，否则，将第j条染色体仍然保持在第g+1代种群A^g+1中，其中，t_j表示第j个退温函数；

步骤4.5、根据式(1)计算更新后的第g+1代种群A′^g+1中第u个染色体的适应度值判第u个染色体中适应度值高的两个基因作为模拟退火算子的初始最优解并进行退火操作：

步骤4.5.1、初始化退火操作的当前循环次数k＝0；

令第k次循环的温度T_k′，随机产生当前第k次循环的状态ω_k′为第k次循环的最优解；

步骤4.5.2、令第k+1次循环的温度T_k′₊₁＝αT_k′；其中，α表示退温因子，0＜α＜1；

步骤4.5.3、将k+1赋值给k后，根据T_k′得到第k次循环的状态ω_k′，并作为第k次循环的最优解ω_k′；

步骤4.5.4、令第k次循环的增量为ΔZ_k′＝Z(ω_k′)-Z(ω_k′_-1)，其中，ω_k′_-1表示第k-1次循环的状态；

若ΔZ_k′≤0，则将第k次循环的最优解ω_k′替换第u个染色体中适应度值高的两个基因并得到第g+2代种群A^g+2的第u个染色体否则，执行步骤4.5.5；

步骤4.5.5、若则将第k次循环的最优解ω_k′替换第u个染色体中适应度值高的两个基因并得到第g+2代种群A^g+2的第u个染色体否则，第k-1次循环的最优解ω_k′_-1替换第u个染色体中适应度值高的两个基因并得到第g+2代种群A^g+2的第u个染色体其中，r_k′表示第k次循环的随机数，且r_k′∈[0,1]；

步骤4.6、将g+2赋值给g后，判断ggmax是否成立，若成立，则表示得到第gmax代种群，并选择适应度最高的染色体作为修正后的矿用重载MF实心轮胎模型的最优辨识参数值，否则，返回步骤4.2顺序执行。