CN102214318B - 基于双蚁群算法的压电作动器方向优化配置方法 - Google Patents
基于双蚁群算法的压电作动器方向优化配置方法 Download PDFInfo
- Publication number
- CN102214318B CN102214318B CN201110152925.4A CN201110152925A CN102214318B CN 102214318 B CN102214318 B CN 102214318B CN 201110152925 A CN201110152925 A CN 201110152925A CN 102214318 B CN102214318 B CN 102214318B
- Authority
- CN
- China
- Prior art keywords
- matrix
- data
- configuration
- row
- ant
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 18
- 239000011159 matrix material Substances 0.000 claims description 26
- 241000257303 Hymenoptera Species 0.000 claims description 6
- 239000005557 antagonist Substances 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 claims description 3
- 239000003016 pheromone Substances 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 2
- 238000006243 chemical reaction Methods 0.000 abstract 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公布了一种基于双蚁群算法的压电作动器方向优化配置方法，根据现有的板壳结构三维变形数据并进行数据转换，之后应用双蚁群算法计算压电作动器的配置路径，再根据已有的优化配置方案以及配置路径设置压电作动器配置方向。本发明的有益效果是，计算简单，配置方便，优化效果显著。
Description
技术领域
本发明涉及一种用于板壳结构变形控制的基于双蚁群算法的压电作动器方向优化配置方法。
背景技术
目前，公知的优化配置方法中主要涉及位置、大小等，而方向智能优化配置方法只有本人在2010年两次国际会议上所提出的基于遗传算法、模拟退火算法以及神经网络算法的优化配置方法。方向优化配置方法可以实现变形矢量控制，可以大幅度降低变形控制所需的能量，提高变形控制精度。
发明内容
本发明目的是针对现有技术存在的缺陷提供一种基于双蚁群算法的压电作动器方向优化配置方法。
本发明为实现上述目的，采用如下技术方案：
本发明基于双蚁群算法的压电作动器方向优化配置方法，根据现有的板壳结构三维变形数据并进行数据转换，之后应用双蚁群算法计算压电作动器的配置路径，再根据已有的优化配置方案以及配置路径设置压电作动器配置方向。
应用双蚁群算法进行优化计算方法如下：
1）蚁群参数初始化，信息素矩阵初始化；
2）生成m只蚂蚁，放到n个城市结点上，其中m*r1只蚂蚁按状态1行动，m*r2只蚂蚁按状态2行动．
3）每只蚂蚁重复如下动作：
按自己的行为规则选择下一位置；
移动到下一位置；
将该城市的索引加入自己的禁忌表，直到不能再向前移动；
4）视禁忌表为一个抗体群，选择k个高亲和度抗体，计算亲和度及进行克隆操作。
5）进行高频变异；
6）计算亲和度进行免疫最优选择得到新的抗体群。并进行信息交换，更新信息素；
7）蚂蚁群体的进化。保留精英蚂蚁进入抗体记忆库M．对抗体记忆库进行局部最优免疫优势操作；
8）结束条件：判断结束条件(结束条件为最大迭代次数)，如果满足结束条件，输出最优个体，否则清空所有蚂蚁的禁忌表，转第(3)步。
方向配置方法如下：
（1） 以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点；
（2） 以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点，下一个序号对应的路径号与配置起点的路径号的物理空间距离应在任意三个相邻路径号所占的物理空间距离以内；
（3） 以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点，下一个序号对应的路径号与配置起点的路径号所占的物理空间距离应在任意两个相邻路径号物理空间距离以内。
本发明的有益效果是，计算简单，配置方便，优化效果显著。
附图说明
图1是对某板壳结构进行划分示意图。
图2是对该板壳结构的三维变形图。
图3是根据双蚁群算法应用配置方案（1）所得到的优化配置图。
图4是根据双蚁群算法应用配置方案（2）所得到的优化配置图。
图5是根据双蚁群算法应用配置方案（3）所得到的优化配置图。
具体实施方式
在图1所实施例中，表示了对某板壳结构进行划分，标注了各点的路径号。
在图2所示实施例中，表示了对该板壳结构的三维变形图。
在表1所示的实施例中，表示了该板壳结构上各点三维变形数据。
表1
优化计算流程如下：
1.将三维变形数据进行转换，MATLAB转换流程如下：
A=[0.0001, 0.0034 , -0.0299 , -0.2450, -0.1100 , -0.0043 , -0.0000;
0.0007 , 0.0468 , -0.5921 , -4.7596 , -2.1024 , -0.0616 , 0.0004;
-0.0088 , -0.1301 , 1.8559 , -0.7239 , -0.2729 , 0.4996 , 0.0130;
-0.0365 , -1.3327 , -1.6523 , 0.9810 , 2.9369 , 1.4122 , 0.0331;
-0.0137 , -0.4808 , 0.2289 , 3.6886 , 2.4338 , 0.5805 , 0.0125;
0.0000 , 0.0797 , 2.0967 , 5.8591 , 2.2099 , 0.1328 , 0.0013;
0.0000 , 0.0053 , 0.1099 , 0.2999 , 0.1107 , 0.0057 , 0.0000];
for i=1:7
for j=1:6
B(i,j+1)=A(i,j)+A(i,j+1);
end
end
for i=1:6
for j=1:7
C(i+1,j)=A(i,j)+A(i+1,j);
end
end
for i=1:7
for j=1:7
D(i,j)=i*C(i,j);
end
end
for i=1:7
for j=1:7
E(i,j)=j*B(i,j);
end
end
2.将D组数据与E数据合并：
3.应用双蚁群算法进行优化计算，流程如下：
3.1）蚁群参数初始化，信息素矩阵初始化．
3.2）生成m只蚂蚁，放到n个城市结点上，其中m*r1只蚂蚁按状态1行动，m r2只蚂蚁按状态2行动．
3.3）For每只蚂蚁do
Repeat
按自己的行为规则选择下一位置；
移动到下一位置；
将该城市的索引加入自己的禁忌表
Until不能再向前移动
End for
3.4）视禁忌表为一个抗体群，选择k个高亲和度抗体，计算亲和度及进行克隆操作。
3.5）进行高频变异。
3.6）计算亲和度进行免疫最优选择得到新的抗体群。并进行信息交换，更新信息素。
3.7）蚂蚁群体的进化。保留精英蚂蚁进入抗体记忆库M．对抗体记忆库进行局部最优免疫优势操作。．
3.8）结束条件。判断结束条件(结束条件为最大迭代次数)，如果满足结束条件，输出最优个体，否则清空所有蚂蚁的禁忌表，转第(3)步．
在表2所示的实施例中，根据双蚁群算法优化出的路径数据。
表2
4.制定三种方向配置方案：
（4） 以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点。
（5） 以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号（该序列号对应的路径号与配置起点的路径号的物理空间距离应在任意三个相邻路径号所占的物理空间距离以内）为方向配置的终点。
（6） 以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号（该序列号对应的路径号与配置起点的路径号所占的物理空间距离应在任意两个相邻路径号物理空间距离以内）为方向配置的终点。
在图3所示的实施例中，根据双蚁群算法应用配置方案（1）所得到的优化配置图。
在图4所示的实施例中，根据双蚁群算法应用配置方案（2）所得到的优化配置图。
在图5所示的实施例中，根据双蚁群算法应用配置方案（3）所得到的优化配置图。
Claims (1)
1.一种基于双蚁群算法的压电作动器方向优化配置方法，其特征在于根据板壳结构三维变形数据并进行数据转换，之后应用双蚁群算法计算压电作动器的配置路径，再根据优化配置方案以及配置路径设置压电作动器配置方向；
其中，所述应用双蚁群算法进行优化计算方法如下：
（1）蚁群参数初始化，信息素矩阵初始化；
（2）生成m只蚂蚁，放到n个城市结点上，其中m*r1只蚂蚁按状态1行动，m*r2只蚂蚁按状态2行动；
（3）每只蚂蚁重复如下动作：
按自己的行为规则选择下一位置；
移动到下一位置；
将该城市的索引加入自己的禁忌表，直到不能再向前移动；
（4）视禁忌表为一个抗体群，选择k个高亲和度抗体，计算亲和度及进行克隆操作；
（5）进行高频变异；
（6）计算亲和度进行免疫最优选择得到新的抗体群；
并进行信息交换，更新信息素；
（7）蚂蚁群体的进化；
保留精英蚂蚁进入抗体记忆库M，对抗体记忆库M进行局部最优免疫优势操作；
（8）结束条件：判断结束条件，结束条件为最大迭代次数，如果满足结束条件，输出最优个体，否则清空所有蚂蚁的禁忌表，转第(3)步；
所述方向配置方法如下：
①以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点；
②以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点，下一个序号对应的路径号与配置起点的路径号的物理空间距离应在任意三个相邻路径号所占的物理空间距离以内；
③以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点，下一个序号对应的路径号与配置起点的路径号所占的物理空间距离应在任意两个相邻路径号物理空间距离以内；
所述数据转换的具体方法是：
将板壳结构进行划分，建立网络节点，标注各网络节点的路径号；
测得各网络节点的三维变形数据，并将测得的三维变形数据组成矩阵A；即
A=[0.0001, 0.0034 , -0.0299 , -0.2450, -0.1100 , -0.0043 , -0.0000;
0.0007 , 0.0468 , -0.5921 , -4.7596 , -2.1024 , -0.0616 , 0.0004;
-0.0088 , -0.1301 , 1.8559 , -0.7239 , -0.2729 , 0.4996 , 0.0130;
-0.0365 , -1.3327 , -1.6523 , 0.9810 , 2.9369 , 1.4122 , 0.0331;
-0.0137 , -0.4808 , 0.2289 , 3.6886 , 2.4338 , 0.5805 , 0.0125;
0.0000 , 0.0797 , 2.0967 , 5.8591 , 2.2099 , 0.1328 , 0.0013;
0.0000 , 0.0053 , 0.1099 , 0.2999 , 0.1107 , 0.0057 , 0.0000];
对于矩阵B，将矩阵A的第一列与第二列数据之和赋值为矩阵B第二列的数据；矩阵A第二列与第三列数据之和赋值为矩阵B第三列的数据；并依此类推；
对于矩阵C，将矩阵A第一行与第二行数据之和赋值为矩阵C第二行的数据；矩阵A第二行与第三行数据之和赋值为矩阵C第三行的数据；并依此类推；
对于矩阵D，将矩阵C的第一行数据放大一倍赋值给矩阵D的第一行的数据；矩阵C的第二行数据放大二倍赋值给矩阵D第二行的数据；并依此类推；
对于矩阵E，将矩阵B的第一列数据放大一倍赋值给矩阵E的第一列的数据；矩阵B的第二列数据放大二倍赋值给矩阵E的第二列的数据；并依此类推；
将矩阵D的数据与矩阵E的数据合并，以便提供给所述双蚁群算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110152925.4A CN102214318B (zh) | 2011-06-08 | 2011-06-08 | 基于双蚁群算法的压电作动器方向优化配置方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110152925.4A CN102214318B (zh) | 2011-06-08 | 2011-06-08 | 基于双蚁群算法的压电作动器方向优化配置方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102214318A CN102214318A (zh) | 2011-10-12 |
| CN102214318B true CN102214318B (zh) | 2014-09-03 |
Family
ID=44745616
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110152925.4A Expired - Fee Related CN102214318B (zh) | 2011-06-08 | 2011-06-08 | 基于双蚁群算法的压电作动器方向优化配置方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102214318B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112506246B (zh) * | 2020-12-02 | 2021-09-17 | 哈尔滨工程大学 | 利用振形控制进行平板上物体的振动主动控制方法 |
-
2011
- 2011-06-08 CN CN201110152925.4A patent/CN102214318B/zh not_active Expired - Fee Related
Non-Patent Citations (4)
| Title |
|---|
| JingyuYang Guoping Chen.Optimal Placement And Configuration Direction Of Actuators In Plate Structure Vibration Control System.《2010 2nd International Asia Conference on Informatics in Control |
| Optimal Placement And Configuration Direction Of Actuators In Plate Structure Vibration Control System;Jingyu Yang, Guoping Chen;《2010 2nd International Asia Conference on Informatics in Control, Automation and Robotics》;20101231;第124-128页 * |
| 刘朝华 等.双态免疫优势蚁群算法及其在TSP中的应用研究.《小型微型计算机系统》.2010,第31卷(第5期),第937-941页. |
| 双态免疫优势蚁群算法及其在TSP中的应用研究;刘朝华 等;《小型微型计算机系统》;20100531;第31卷(第5期);第937-941页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102214318A (zh) | 2011-10-12 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6987333B2 (ja) | Ｌ字型アレイアンテナの獲得形質の遺伝に基づくアレイ素子配置方法 | |
| CN109190857A (zh) | 一种基于多目标资源受限项目调度模型的优化算法 | |
| CN101777990B (zh) | 多目标免疫优化组播路由路径选择方法 | |
| CN105629728B (zh) | 复杂动态网络的建模方法及模型控制器的设计方法 | |
| CN105975332B (zh) | 一种多智能体分布式联盟形成方法 | |
| CN105191140A (zh) | 无边界分级互连的网络架构 | |
| CN103384354A (zh) | 一种无源光网络光分配网的优化设计方法 | |
| CN105117517A (zh) | 一种基于改进粒子群算法的配网重构方法 | |
| CN104572297A (zh) | 一种基于遗传算法的Hadoop作业调度方法 | |
| CN106162663A (zh) | 一种基于改进蜂群算法的传感节点覆盖方法 | |
| CN110554280A (zh) | 基于层级模型和改进灰狼优化算法的配电网故障定位方法 | |
| Rostami et al. | Wireless sensor network clustering using particles swarm optimization for reducing energy consumption | |
| CN102214318B (zh) | 基于双蚁群算法的压电作动器方向优化配置方法 | |
| CN103473465B (zh) | 基于多目标人工免疫系统的土地资源空间布局优化方法 | |
| CN104125582A (zh) | 一种规划通信网络的方法 | |
| Vinay Kumar et al. | Multi-culture diversity based self adaptive particle swarm optimization for optimal floorplanning | |
| CN109376195B (zh) | 用于在线社交网络数据挖掘模型数值机理有效性验证方法 | |
| CN103118102A (zh) | 一种在云计算环境下空间数据访问规律的统计与控制系统及方法 | |
| CN102214319B (zh) | 基于蚁群粒子群混合算法的压电作动器方向优化配置方法 | |
| CN106295791A (zh) | 用于寻找旅行商最优路径的方法 | |
| CN107104826A (zh) | 一种基于sdn和nfv的网控编码方法 | |
| CN103037467B (zh) | 一种无线传感器网络的数据融合方法和装置 | |
| CN102243693B (zh) | 基于类电磁演算法的压电作动器方向优化配置方法 | |
| CN102254070B (zh) | 基于蚁群算法的电磁阀优化设计方法 | |
| CN111146815B (zh) | 一种智能配电网分布式发电规划配置方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20140903 Termination date: 20160608 |