CN102214319B - 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 - Google Patents
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 Download PDFInfo
- Publication number
- CN102214319B CN102214319B CN201110152956.XA CN201110152956A CN102214319B CN 102214319 B CN102214319 B CN 102214319B CN 201110152956 A CN201110152956 A CN 201110152956A CN 102214319 B CN102214319 B CN 102214319B
- Authority
- CN
- China
- Prior art keywords
- matrix
- data
- path
- configuration
- 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
- 239000002245 particle Substances 0.000 title claims abstract description 39
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 25
- 238000000034 method Methods 0.000 title claims abstract description 22
- 239000003016 pheromone Substances 0.000 claims description 3
- 230000007704 transition Effects 0.000 claims description 3
- 239000011159 matrix material Substances 0.000 claims 23
- 238000005457 optimization Methods 0.000 abstract description 4
- 238000004364 calculation method Methods 0.000 abstract description 3
- 230000000694 effects Effects 0.000 abstract description 2
- 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蚁群粒子群混合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，之后应用蚁群粒子群混合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蚁群粒子群混合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蚁群粒子群混合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：
本发明基于蚁群粒子群混合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，之后应用蚁群粒子群混合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。
应用蚁群粒子群混合算法进行优化计算方法如下：
1）粒子群初始化：随机选择n个粒子，每个粒子包含三个参数β，ρ，qO，组成一个3×n的随机数组，其中D在[1，5]随机取值，P和q0在[0，1]随机取值，n为位置个数；
2）蚁群系统初始化：对任意的边(i，j)，信息素初值 =const，=0；将n只包含各自参数的蚂蚁随机地放置在n个结点上，根据各自的变量值，求适应度函数值，即n只蚂蚁分别进行下面的蚁群系统寻径；
3）对每一只包含各自参数(β，ρ，qO)的蚂蚁运行蚁群系统：进行状态转移，寻找路径；对经过的边，进行局部信息素更新；记录每个蚂蚁的结果；对当前最好解的路径进行全局信息素更新；
4）将寻径后的每个蚂蚁的最短路径长度作为相应粒子的适应度函数值；使用粒子群算法，更新每个粒子的速度和位置，即更新每个粒子的3个参数；最后输出全局最优路径值和全局，最优参数β，ρ，qO。
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；
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是根据蚁群粒子群混合算法应用配置方案（1）所得到的优化配置图。
图4是根据蚁群粒子群混合算法应用配置方案（2）所得到的优化配置图。
图5是根据蚁群粒子群混合算法应用配置方案（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.应用蚁群粒子群混合算法（MATLAB 程序）进行优化计算，程序如下：
3.1）粒子群初始化：随机选择n(n为位置个数)个粒子(particle)，每个粒子包含三个参数β，ρ，qO，组成一个3×n的随机数组。其中D在[1，5]随机取值，P和q0在[0，1]随机取值。
for It=l to MaxIt PS0 do
3.2）蚁群系统初始化：对任意的边(i，j)，信息素初值=const，=0；将n只包含各自参数的蚂蚁随机地放置在n个结点上，根据各自的变量值，求适应度函数值，即n只蚂蚁分别进行下面的蚁群系统寻径：
for Nc=1 to MaxNc 蚁群系统 do
for k=l to n do
3.3）对每一只包含各自参数(β，ρ，qO)的蚂蚁运行蚁群系统：进行状态转移，寻找路径；对经过的边，进行局部信息素更新；记录每个蚂蚁的结果。
end for
对当前最好解的路径进行全局信息素更新。
end for
3.4）将寻径后的每个蚂蚁的最短路径长度作为相应粒子的适应度函数值；使用粒子群算
法，更新每个粒子的速度和位置，即更新每个粒子的3个参数。
end for
最后输出全局最优路径值和全局，最优参数β，ρ，qO。
在表2所示的实施例中，根据蚁群粒子群混合算法优化出的路径数据。
表2
4.制定三种方向配置方案：
（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。
（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（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。
（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，根据蚁群粒子群混合算法应用配置方案（1）所得到的优化配置图。
在图4所示的实施例中，根据蚁群粒子群混合算法应用配置方案（2）所得到的优化配置图。
在图5所示的实施例中，根据蚁群粒子群混合算法应用配置方案（3）所得到的优化配置图。
Claims (1)
1.一种基于蚁群粒子群混合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，之后应用蚁群粒子群混合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，应用蚁群粒子群混合算法计算压电作动器的配置路径方法如下：
(1)粒子群初始化：随机选择n个粒子，每个粒子包含三个参数β，ρ，qO，组成一个3×n的随机数组，其中β在[1，5]随机取值，ρ和q0在[0，1]随机取值，n为位置个数；
(2)蚁群系统初始化：对任意的边(i，j)，信息素初值τij(t)＝const，Vτij(t)＝0；将n只包含各自参数的蚂蚁随机地放置在n个结点上，根据各自的变量值，求适应度函数值，即n只蚂蚁分别进行下面的蚁群系统寻径；
(3)对每一只包含各自参数(β，ρ，qO)的蚂蚁运行蚁群系统：进行状态转移，寻找路径；对经过的边，进行局部信息素更新；记录每个蚂蚁的结果；对当前最好解的路径进行全局信息素更新；
(4)将寻径后的每个蚂蚁的最短路径长度作为相应粒子的适应度函数值；使用粒子群算法，更新每个粒子的速度和位置，即更新每个粒子的3个参数；最后输出全局最优路径值和全局最优参数β，ρ，qO；
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：
1)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；
2)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，以便提供给所述蚁群粒子群混合算法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110152956.XA CN102214319B (zh) | 2011-06-08 | 2011-06-08 | 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 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201110152956.XA CN102214319B (zh) | 2011-06-08 | 2011-06-08 | 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 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN102214319A CN102214319A (zh) | 2011-10-12 |
| CN102214319B true CN102214319B (zh) | 2014-12-10 |
Family
ID=44745617
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201110152956.XA Expired - Fee Related CN102214319B (zh) | 2011-06-08 | 2011-06-08 | 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 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN102214319B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN107919813A (zh) * | 2017-11-20 | 2018-04-17 | 无锡开放大学 | 基于模糊神经网络的超声电机转速控制 |
| CN108696176B (zh) * | 2018-05-08 | 2019-07-26 | 广东工业大学 | 一种基于粒子群算法的压电陶瓷驱动器控制方法 |
-
2011
- 2011-06-08 CN CN201110152956.XA patent/CN102214319B/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 * |
| 基于粒子群优化的蚁群算法在TSP中的应用;柴宝杰 等;《计算机仿真》;20090831;第26卷(第8期);第89-91,136页 * |
| 柴宝杰 等.基于粒子群优化的蚁群算法在TSP中的应用.《计算机仿真》.2009,第26卷(第8期),第89-91,136页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN102214319A (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 | |
| CN103984527B (zh) | 优化稀疏矩阵向量乘提升不可压缩管流模拟效率的方法 | |
| CN108573326B (zh) | 基于遗传蚁群混合算法的视频服务器选址方法 | |
| US20150379393A1 (en) | Multiplexing physical neurons to optimize power and area | |
| Vasaitis et al. | Dieback of European ash (Fraxinus spp.)-consequences and guidelines for sustainable management. | |
| CN107154150A (zh) | 一种基于道路聚类和双层双向lstm的交通流量预测方法 | |
| CN107766994A (zh) | 一种共享自行车调度方法与调度系统 | |
| CN107591011B (zh) | 考虑供给侧约束的交叉口交通信号自适应控制方法 | |
| CN104317768B (zh) | 面向cpu+dsp异构系统的矩阵乘加速方法 | |
| CN103092933B (zh) | 面向海量点云数据的基于矩形拼合的Delaunay三角网并行构网方法 | |
| CN107168267A (zh) | 基于改进粒子群与启发式策略的生产排产方法及系统 | |
| CN106651011B (zh) | 一种基于粒子群算法的渠系优化配水方法 | |
| KR20130090147A (ko) | 신경망 컴퓨팅 장치 및 시스템과 그 방법 | |
| 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 | |
| CN110908799A (zh) | 一种分布式训练中的通信方法、装置、设备、介质 | |
| CN105574194A (zh) | 一种用于电子地图界面的坐标点处理方法及装置 | |
| CN104284386A (zh) | 基于点介数的无线传感器网络簇头选择方法 | |
| CN111049667A (zh) | 一种时间触发以太网通信任务离线调度优化方法 | |
| CN109829599B (zh) | 基于高比例可再生能源的配电网的集群划分方法及装置 | |
| CN102184338B (zh) | 基于人工鱼群算法的压电作动器方向优化配置方法 | |
| CN107104826A (zh) | 一种基于sdn和nfv的网控编码方法 | |
| CN102214318B (zh) | 基于双蚁群算法的压电作动器方向优化配置方法 | |
| CN109752952A (zh) | 一种获取多维随机分布及强化控制器的方法和装置 | |
| CN106355271A (zh) | 一种应用于土地利用规划编制的土地资源空间优化配置方法 | |
| CN102222167B (zh) | 基于人工免疫算法的压电作动器方向优化配置方法 |
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: 20141210 Termination date: 20160608 |