CN117744410A - 基于车辆稳定性需求的区间多目标优化方法、设备和介质 - Google Patents
基于车辆稳定性需求的区间多目标优化方法、设备和介质 Download PDFInfo
- Publication number
- CN117744410A CN117744410A CN202410182908.2A CN202410182908A CN117744410A CN 117744410 A CN117744410 A CN 117744410A CN 202410182908 A CN202410182908 A CN 202410182908A CN 117744410 A CN117744410 A CN 117744410A
- Authority
- CN
- China
- Prior art keywords
- population
- parameter
- current
- value
- simulation
- 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.)
- Granted
Links
- 238000005457 optimization Methods 0.000 title claims abstract description 67
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000004088 simulation Methods 0.000 claims abstract description 101
- 238000013461 design Methods 0.000 claims abstract description 38
- 241000722713 Carcharodon carcharias Species 0.000 claims abstract description 32
- 230000006870 function Effects 0.000 claims description 76
- 238000011156 evaluation Methods 0.000 claims description 8
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000008685 targeting Effects 0.000 claims 1
- 238000012545 processing Methods 0.000 abstract description 5
- 230000008569 process Effects 0.000 description 18
- 238000004590 computer program Methods 0.000 description 6
- 238000013459 approach Methods 0.000 description 4
- 238000012938 design process Methods 0.000 description 4
- 239000000725 suspension Substances 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 241000251730 Chondrichthyes Species 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及数据处理技术领域,公开了一种基于车辆稳定性需求的区间多目标优化方法、设备和介质。该方法通过确定车辆底盘的各稳定性参数中的各第一参数和第二参数,并获取各第一参数的目标值以及各第二参数的目标区间,分别构建第一目标函数和第二目标函数,进而生成初始白鲨种群,将其作为当前搜索种群,通过底盘仿真模型得到各稳定性参数的仿真值,从而确定当前最优种群,根据预设优化方向生成新的当前搜索种群并返回确定仿真值,直至达到迭代停止条件,得到各设计参数的最终值,实现了车辆底盘的稳定性调校,能够在目标区间内调校出最优的设计参数,解决现有优化方案优化结果不准确、无法同时满足所有性能需求以及容易产生漏解无解的问题。
Description
技术领域
本发明涉及数据处理技术领域,尤其涉及一种基于车辆稳定性需求的区间多目标优化方法、设备和介质。
背景技术
汽车底盘设计过程中,需要结合设计需求,对汽车的设计参数进行调校,从而得到优化后的车辆底盘设计方案,这对减少设计成本,提高车辆操纵性能有着重要意义。
目前,通常车辆设计过程中对车辆轮胎参数、悬架前束角、外倾角、主销外后倾角、主销内倾角等参数存在不同的性能需求。现有优化方法仅将这些参数的性能需求作为定值考虑,而由于不同参数之间的相互影响,这些参数并非取极值时为最优方案,因此,现有优化方法会导致优化结果不准确,无法同时满足所有性能需求,容易产生漏解无解的情况。
有鉴于此,特提出本发明。
发明内容
为了解决上述技术问题,本发明提供了一种基于车辆稳定性需求的区间多目标优化方法、设备和介质,解决现有优化方案优化结果不准确、无法同时满足所有性能需求以及容易产生漏解无解的问题,提高车辆底盘优化的准确性与优化效率。
本发明实施例提供了一种基于车辆稳定性需求的区间多目标优化方法,该方法包括:
确定车辆底盘的各稳定性参数中的各第一参数和各第二参数,并获取各第一参数的目标值以及各第二参数的目标区间;
以各第一参数的仿真值逼近对应的目标值为目标,构建第一目标函数,并以各第二参数的仿真值逼近对应的目标区间内的中值为目标,构建第二目标函数;
生成初始白鲨种群,并将各初始白鲨种群作为当前搜索种群,其中,所述初始白鲨种群包括车辆底盘的各设计参数的初始值;
基于底盘仿真模型确定每个当前搜索种群下各稳定性参数的仿真值,并根据每个当前搜索种群下各稳定性参数的仿真值、所述第一目标函数以及所述第二目标函数,确定当前最优种群;
根据预设优化方向和当前最优种群生成新的当前搜索种群,并返回确定新的当前搜索种群下各第一参数的仿真值,直至达到迭代停止条件,基于当前最优种群确定各设计参数的最终值。
本发明实施例提供了一种电子设备,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行任一实施例所述的基于车辆稳定性需求的区间多目标优化方法的步骤。
本发明实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行任一实施例所述的基于车辆稳定性需求的区间多目标优化方法的步骤。
本发明实施例具有以下技术效果:
通过确定车辆底盘的各稳定性参数中的各第一参数和第二参数,并获取各第一参数的目标值以及各第二参数的目标区间,以各第一参数的仿真值逼近对应的目标值为目标构建第一目标函数,以各第二参数的仿真值逼近对应的目标区间内的中值为目标构建第二目标函数,进而生成初始白鲨种群,将其作为当前搜索种群,通过底盘仿真模型得到各稳定性参数的仿真值,从而结合仿真值、第一目标函数和第二目标函数确定当前最优种群,进而根据预设优化方向生成新的当前搜索种群并返回确定仿真值,直至达到迭代停止条件,基于当前最优种群确定各设计参数的最终值,实现了车辆底盘的稳定性调校,能够基于车辆底盘稳定性需求,在目标区间内调校出最优的设计参数,解决现有优化方案优化结果不准确、无法同时满足所有性能需求以及容易产生漏解无解的问题,提高车辆底盘优化的准确性与优化效率,获得保障车辆操纵稳定性的最终值。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的一种基于车辆稳定性需求的区间多目标优化方法的流程图;
图2是本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将对本发明的技术方案进行清楚、完整的描述。显然,所描述的实施例仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施例,都属于本发明所保护的范围。
本发明实施例提供的基于车辆稳定性需求的区间多目标优化方法,主要适用于基于稳定性需求对车辆底盘的设计参数进行优化的情况。本发明实施例提供的基于车辆稳定性需求的区间多目标优化方法可以由计算机等电子设备执行。
图1是本发明实施例提供的一种基于车辆稳定性需求的区间多目标优化方法的流程图。参见图1,该基于车辆稳定性需求的区间多目标优化方法具体包括:
S110、确定车辆底盘的各稳定性参数中的各第一参数和各第二参数,并获取各第一参数的目标值以及各第二参数的目标区间。
其中,稳定性参数可以是车辆底盘设计中描述车辆操纵稳定性的参数,如,车辆轮胎参数、悬架前束角、外倾角、主销外后倾角、主销内倾角、轮距、悬架跳动行程等。
具体的,针对所有稳定性参数,在车辆底盘设计的过程中,部分稳定性参数可以在取定值(如极大值或极小值)时为最优设计方案,针对此类稳定性参数,可以将其作为第一参数,并获取每个第一参数的目标值。其中,目标值可以是车辆底盘设计中期望第一参数能够达到的取值。
此外,部分稳定性参数并非取定值时为最优设计方案,如前束角、倾角等稳定性参数,针对此类稳定性参数,可以将其作为第二参数,并获取每个第二参数的目标区间。其中,目标区间可以是车辆底盘设计中期望第二参数的取值能够满足的范围。
示例性的,针对第一参数,可以获取用户针对第一参数所设定的目标值。针对第二参数,可以获取用户针对第二参数所设定的目标区间,或者,可以根据车辆整车质量、分布情况、负荷率等变量确定第二参数的目标区间。
S120、以各第一参数的仿真值逼近对应的目标值为目标,构建第一目标函数,并以各第二参数的仿真值逼近对应的目标区间内的中值为目标,构建第二目标函数。
其中,对于能够确定目标值的第一参数,可以在优化过程中,以各第一参数的仿真值逼近对应的目标值为目标,结合最小二乘法原理进行优化,构建第一目标函数。
示例性的,第一目标函数可以是残差函数,以通过残差函数描述仿真值与目标值之间的偏移程度,如下式所示:
;
式中,表示第i个第一参数的目标值,/>为第i个第一参数的仿真值,x表示设计参数,m为第一参数的数量,L表示残差值。
需要说明的是,第一参数和第二参数的仿真值可以基于底盘仿真模型确定,底盘仿真模型可以是用于模拟实际车辆底盘的模型,该底盘仿真模型可以根据输入的各设计参数的取值,对各稳定性参数进行计算,输出各稳定性参数的仿真值。
在本发明实施例中,对于能够确定目标区间的第二参数,可以在优化过程中,以各第二参数的仿真值逼近对应的目标区间内的中值为目标,使得仿真值逼近目标区间的上下界之间,构建第二目标函数。
在一种具体的实施方式中,以各第二参数的仿真值逼近对应的目标区间内的中值为目标,构建第二目标函数,包括:
根据第二参数的仿真值与对应的目标区间的上限之间的差值,构建第一偏移函数,并根据第二参数的仿真值与对应的目标区间的下限之间的差值,构建第二偏移函数;以第一偏移函数与第二偏移函数的均值最小化为目标,构建第二目标函数。
示例性的,第一偏移函数可以参见如下公式:
;
式中,为第二偏移函数的计算结果,/>为第j个第二参数的仿真值,x表示设计参数,B表示第j个第二参数的目标区间的上限。
第二偏移函数可以参见如下公式:
;
式中,为第一偏移函数的计算结果,/>表示第j个第二参数的仿真值,A表示第j个第二参数的目标区间的下限。
进一步的,可以得到第一偏移函数与第二偏移函数的均值,以该均值最小化为目标,构建第二目标函数:
;
式中,S表示区间偏移量。对于第i个第一变量和第j个第二变量,可以满足如下公式:
;
式中,表示第一变量的集合,/>表示第二变量的集合。
通过上述实施方式,可以实现针对存在目标值的第一参数的目标函数的构建,以及针对存在目标区间的第二参数的目标函数的构建,便于后续分别使用对应的目标函数进行优化,保证优化结果的准确性。
S130、生成初始白鲨种群,并将各初始白鲨种群作为当前搜索种群,其中,初始白鲨种群包括车辆底盘的各设计参数的初始值。
在本发明实施例中,可以根据车辆底盘的各设计参数,生成初始白鲨种群,以通过白鲨优化算法进行车辆底盘优化,得到使各稳定性参数的仿真值满足对应的目标值或目标区间的各设计参数的取值。
具体的,可以先确定车辆底盘的每一个设计参数的取值范围。其中,设计参数可以是车辆底盘设计过程中需要确定取值的参数,即车辆底盘优化所涉及到的零部件参数,如,如行驶弹簧、减震器总成、悬架缓冲块、车辆硬点、衬套等。
进一步的,针对每一个设计参数,可以根据预设的采样数量或采样步长,在对应的取值范围内进行采样,得到设计参数的各初始值,进而构建多个初始白鲨种群。其中,每一个初始白鲨种群可以理解为一个底盘设计方案,包括各设计参数的初始值。
示例性的,多个初始白鲨种群可以构成一个矩阵,该矩阵可以参见如下形式:
;
在上述矩阵中,d为车辆底盘的设计参数的数量,每一行代表一个初始白鲨种群,如,、/>、……、/>构成第一个初始白鲨种群;n为初始白鲨种群的数量,即有n条初始白鲨种群。
在得到各个初始白鲨种群之后,可以将各初始白鲨种群作为当前搜索种群,以便于后续模拟鲨鱼寻找猎物的原理,在各个当前搜索种群中搜索最优猎物,并进行迭代优化,直至达到迭代停止条件。
S140、基于底盘仿真模型确定每个当前搜索种群下各稳定性参数的仿真值,并根据每个当前搜索种群下各稳定性参数的仿真值、第一目标函数以及第二目标函数,确定当前最优种群。
具体的,对于每一个当前搜索种群,可以将其中各设计参数的取值输出至底盘仿真模型中,得到底盘仿真模型输出的各稳定性参数的仿真值。
进一步的,可以通过第一目标函数,结合稳定性参数中各第一参数的仿真值,计算残差值L,并通过第二目标函数,结合稳定性参数中各第二参数的仿真值,计算区间偏移量S,从而通过第一目标函数和第二目标函数,结合计算得到的残差值和区间偏移量,从所有当前搜索种群中筛选出当前最优种群。
考虑到第二目标函数可以衡量第二参数的仿真值与目标区间之间的偏移程,为了进一步保证筛选的当前最优种群,可以使得第二参数的仿真值位于目标区间之内,避免第二参数的仿真值位于靠近目标区间的区间外侧,还可以预先设置针对第二参数的约束条件,结合该预设约束条件一并确定当前最优种群。
在一种具体的实施方式中,根据每个当前搜索种群下各稳定性参数的仿真值、第一目标函数以及第二目标函数确定当前最优种群,包括:
根据每个当前搜索种群下各稳定性参数的仿真值,在所有当前搜索种群中搜索同时满足第一目标函数、第二目标函数以及预设约束条件的当前搜索种群,作为当前最优种群;其中,预设约束条件用于约束第二参数的仿真值位于对应的目标区间之内。
其中,预设约束条件可以参见如下公式:
;
式中,为第j个第二参数的仿真值,A、B分别为第j个第二参数的目标区间的下限和上限。
具体的,可以通过第一目标函数,结合稳定性参数中各第一参数的仿真值,计算残差值L,并通过第二目标函数,结合稳定性参数中各第二参数的仿真值,计算区间偏移量S。
进一步的,可以在所有当前搜索种群中,搜索使残差值最小、区间偏移量最小且满足预设约束条件的当前搜索种群,作为当前最优种群。
在上述实施方式中,通过结合预设约束条件搜索出当前最优种群,可以进一步保证筛选的当前最优种群,能够使第二参数的仿真值位于目标区间之内,避免第二参数的仿真值位于靠近目标区间的区间外侧,进而保证了每一轮优化的准确性。
S150、根据预设优化方向和当前最优种群生成新的当前搜索种群,并返回确定新的当前搜索种群下各第一参数的仿真值,直至达到迭代停止条件,基于当前最优种群确定各设计参数的最终值。
在从所有当前搜索种群中得到当前最优种群之后,进一步的,可以结合预设优化方向和当前最优种群生成新的当前搜索种群,以迭代进行搜索当前最优种群的步骤,直至达到迭代停止条件。
其中,预设优化方向可以是新的当前搜索种群下的残差值或区间偏移量不超过当前搜索种群下的残差值或区间偏移量。
在一种具体的实施方式中,根据预设优化方向和当前最优种群生成新的当前搜索种群,包括如下步骤:
步骤11、基于当前最优种群生成新的当前搜索种群;
步骤12、根据当前搜索种群下各稳定性参数的仿真值、以及新的当前搜索种群下各稳定性参数的仿真值,判断新的当前搜索种群是否满足预设优化方向;
步骤13、若否,则重新基于当前最优种群生成新的当前搜索种群。
在步骤11中,针对每一个当前搜索种群,可以结合当前最优种群,生成对应的新的当前搜索种群。其中,还可以基于随机数设置不同的生成策略。
针对上述步骤11,可选的,基于当前最优种群生成新的当前搜索种群,包括:
获取当前随机数;判断当前随机数是否小于当前迭代动力,若是,则针对每一个当前搜索种群,结合当前最优种群、全局搜索空间上限以及全局搜索空间下限,生成对应的新的当前搜索种群。
其中,当前随机数可以是位于0~1之间的随机数。当前迭代动力可以是白鲨接近猎物时随迭代次数增加的动力,即当前迭代动力可以根据当前迭代的次数更新。
具体的,可以先随机生成一个当前随机数,如果当前随机数小于当前迭代动力,则针对每一个当前搜索种群,结合当前最优种群、全局搜索空间上限以及全局搜索空间下限,生成对应的新的当前搜索种群。
可选的,本发明实施例提供的方法还包括:若当前随机数不小于当前迭代动力,则针对每一个当前搜索种群,结合白鲨运动频率,生成对应的新的当前搜索种群。
即,如果当前随机数不小于当前迭代动力,则可以结合白鲨运动频率,生成对应的新的当前搜索种群。
示例性的,可以参见如下公式:
;
式中,为第k次迭代过程中的第p个搜索种群,/>为第第k+1次迭代过程中的第p个搜索种群;若将/>作为当前搜索种群,则/>为对应的新的当前搜索种群。/>为当前最优种群,/>、/>分别为全局搜索空间上限以及全局搜索空间下限,/>、/>分别为一维二进制向量,代指返回函数的方向,/>为当前迭代动力,/>为白鲨波浪运动过程中的运动频率,即白鲨运动频率,/>为当前随机数。
基于上述步骤,可以针对每一个当前搜索种群生成对应的新的当前搜索种群,保证新生成的当前搜索种群具备随机性,避免陷入局部最优,进而保证迭代优化的准确性。
进一步的,在步骤12中,可以结合当前搜索种群下各稳定性参数的仿真值、以及新的当前搜索种群下各稳定性参数的仿真值,计算残差值和区间偏移量,进而判断新的当前搜索种群是否满足预设优化方向。
针对上述步骤12,可选的,根据当前搜索种群下各稳定性参数的仿真值、以及新的当前搜索种群下各稳定性参数的仿真值,判断新的当前搜索种群是否满足预设优化方向,包括:
基于当前搜索种群下各稳定性参数的仿真值、以及新的当前搜索种群下各稳定性参数的仿真值,对第一目标函数和所述第二目标函数进行计算;若新的当前搜索种群下目标函数的计算结果不超过当前搜索种群下目标函数的计算结果,则确定新的当前搜索种群满足预设优化方向。
具体的,可以使用第一目标函数,对当前搜索种群下各第一参数的仿真值进行计算,得到残差值,并对新的当前搜索种群下各第一参数的仿真值进行计算,得到残差值。并且,可以使用第二目标函数,对当前搜索种群下各第二参数的仿真值进行计算,得到区间偏移量,并对新的当前搜索种群下各第二参数的仿真值进行计算,得到区间偏移量。
进一步的,如果新的当前搜索种群下的各区间偏移量不超过当前搜索种群下的各区间偏移量,且,新的当前搜索种群下的残差值不超过当前搜索种群下的残差值,则确定新的当前搜索种群满足预设优化方向。
通过仿真值判断其是否满足预设优化方向,可以在迭代生成新种群的过程中,保证新种群的准确性,避免逐渐生成性能较差的种群,保证种群可以向性能更优的方向不断进行迭代优化。
进一步的,如果新的当前搜索种群满足预设优化方向,则可以保留该新的当前搜索种群,进而继续判断下一个新的当前搜索种群是否满足预设优化方向,直至本轮次所有新生成的当前搜索种群均满足预设优化方向。
如果新的当前搜索种群不满足预设优化方向,则可以重新返回步骤11,以重新生成新的当前搜索种群,如,重新获取一个当前随机数,进而重新生成新的当前搜索种群。
通过判断新生成的当前最优种群是否满足预设优化方向,可以保证每一次的新种群能够向性能更优的方向生成,进而保证了迭代优化的准确性。
进一步的,在生成每一个当前搜索种群所对应的新的当前搜索种群之后,可以开始进行下一轮迭代,即返回确定新的当前搜索种群下各第一参数的仿真值,以得到新的当前搜索种群中的当前最优种群,重复上述操作,直至达到迭代停止条件,将最后一次迭代得到的当前最优种群,作为最终设计方案,根据最后一次迭代得到的当前最优种群,得到各设计参数的最终值。
其中,迭代停止条件可以是迭代次数达到预设次数,或者,迭代开始收敛。
在一种具体的实施方式中,迭代停止条件为新的当前搜索种群对应的收敛评价值小于预设阈值,其中,收敛评价值基于新的当前搜索种群下第一参数的仿真值和当前搜索种群下第一参数的仿真值计算得到,或者,基于新的当前搜索种群下第二参数的仿真值和当前搜索种群下第二参数的仿真值计算得到。
具体的,可以通过第一目标函数对新的当前搜索种群下第一参数的仿真值进行计算,得到残差值,并对当前搜索种群下第一参数的仿真值进行计算,得到残差值,进而基于新的当前搜索种群下的残差值和当前搜索种群下的残差值,计算收敛评价值。如,迭代停止条件如下式所示:
;
式中,、/>分别为第k+1次迭代时的搜索种群下的残差值,以及第k次迭代时的搜索种群下的残差值,即分别对应新的当前搜索种群和当前搜索种群,0.001为预设阈值。
或者,可以通过第二目标函数对新的当前搜索种群下第二参数的仿真值进行计算,得到区间偏移量,并对当前搜索种群下第二参数的仿真值进行计算,得到区间偏移量,进而基于新的当前搜索种群下的区间偏移量和当前搜索种群下的区间偏移量,计算收敛评价值。如,迭代停止条件如下式所示:
;
式中,、/>分别为第k+1次迭代时的搜索种群下的区间偏移量,以及第k次迭代时的搜索种群下的区间偏移量,即分别对应新的当前搜索种群和当前搜索种群,0.001为预设阈值。
在每一次迭代的过程中,可以通过新的当前搜索种群下稳定性参数的仿真值和当前搜索种群下稳定性参数的仿真值,计算收敛评价值,进而通过收敛评价值判断本次迭代是否满足迭代停止条件,可以提高计算效率,在优化效果逐渐减小到一定值的情况下及时停止迭代,减少迭代次数,保证优化效率。
本发明具有以下技术效果:通过确定车辆底盘的各稳定性参数中的各第一参数和第二参数,并获取各第一参数的目标值以及各第二参数的目标区间,以各第一参数的仿真值逼近对应的目标值为目标构建第一目标函数,以各第二参数的仿真值逼近对应的目标区间内的中值为目标构建第二目标函数,进而生成初始白鲨种群,将其作为当前搜索种群,通过底盘仿真模型得到各稳定性参数的仿真值,从而结合仿真值、第一目标函数和第二目标函数确定当前最优种群,进而根据预设优化方向生成新的当前搜索种群并返回确定仿真值,直至达到迭代停止条件,基于当前最优种群确定各设计参数的最终值,实现了车辆底盘的稳定性调校,能够基于车辆底盘稳定性需求,在目标区间内调校出最优的设计参数,解决现有优化方案优化结果不准确、无法同时满足所有性能需求以及容易产生漏解无解的问题,提高车辆底盘优化的准确性与优化效率,获得保障车辆操纵稳定性的最终值。
图2是本发明实施例提供的一种电子设备的结构示意图。如图2所示,电子设备400包括一个或多个处理器401和存储器402。
处理器401可以是中央处理单元(CPU)或者具有数据处理能力和/或指令执行能力的其他形式的处理单元,并且可以控制电子设备400中的其他组件以执行期望的功能。
存储器402可以包括一个或多个计算机程序产品,所述计算机程序产品可以包括各种形式的计算机可读存储介质,例如易失性存储器和/或非易失性存储器。所述易失性存储器例如可以包括随机存取存储器(RAM)和/或高速缓冲存储器(cache)等。所述非易失性存储器例如可以包括只读存储器(ROM)、硬盘、闪存等。在所述计算机可读存储介质上可以存储一个或多个计算机程序指令,处理器401可以运行所述程序指令,以实现上文所说明的本发明任意实施例的基于车辆稳定性需求的区间多目标优化方法以及/或者其他期望的功能。在所述计算机可读存储介质中还可以存储诸如初始外参、阈值等各种内容。
在一个示例中,电子设备400还可以包括:输入装置403和输出装置404,这些组件通过总线系统和/或其他形式的连接机构(未示出)互连。该输入装置403可以包括例如键盘、鼠标等等。该输出装置404可以向外部输出各种信息,包括预警提示信息、制动力度等。该输出装置404可以包括例如显示器、扬声器、打印机、以及通信网络及其所连接的远程输出设备等等。
当然,为了简化,图2中仅示出了该电子设备400中与本发明有关的组件中的一些,省略了诸如总线、输入/输出接口等等的组件。除此之外,根据具体应用情况,电子设备400还可以包括任何其他适当的组件。
除了上述方法和设备以外,本发明的实施例还可以是计算机程序产品,其包括计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的基于车辆稳定性需求的区间多目标优化方法的步骤。
所述计算机程序产品可以以一种或多种程序设计语言的任意组合来编写用于执行本发明实施例操作的程序代码,所述程序设计语言包括面向对象的程序设计语言,诸如Java、C++等,还包括常规的过程式程序设计语言,诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算设备上执行、部分地在用户设备上执行、作为一个独立的软件包执行、部分在用户计算设备上部分在远程计算设备上执行、或者完全在远程计算设备或服务器上执行。
此外,本发明的实施例还可以是计算机可读存储介质,其上存储有计算机程序指令,所述计算机程序指令在被处理器运行时使得所述处理器执行本发明任意实施例所提供的基于车辆稳定性需求的区间多目标优化方法的步骤。
所述计算机可读存储介质可以采用一个或多个可读介质的任意组合。可读介质可以是可读信号介质或者可读存储介质。可读存储介质例如可以包括但不限于电、磁、光、电磁、红外线、或半导体的系统、装置或器件,或者任意以上的组合。可读存储介质的更具体的例子(非穷举的列表)包括:具有一个或多个导线的电连接、便携式盘、硬盘、随机存取存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。
需要说明的是,本发明所用术语仅为了描述特定实施例,而非限制本申请范围。如本发明说明书中所示,除非上下文明确提示例外情形,“一”、“一个”、“一种”和/或“该”等词并非特指单数,也可包括复数。术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法或者设备中还存在另外的相同要素。
还需说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。除非另有明确的规定和限定,术语“安装”、“相连”、“连接”等应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体情况理解上述术语在本发明中的具体含义。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案。
Claims (10)
1.一种基于车辆稳定性需求的区间多目标优化方法,其特征在于,包括:
确定车辆底盘的各稳定性参数中的各第一参数和各第二参数,并获取各第一参数的目标值以及各第二参数的目标区间;
以各第一参数的仿真值逼近对应的目标值为目标,构建第一目标函数,并以各第二参数的仿真值逼近对应的目标区间内的中值为目标,构建第二目标函数;
生成初始白鲨种群,并将各初始白鲨种群作为当前搜索种群,其中,所述初始白鲨种群包括车辆底盘的各设计参数的初始值;
基于底盘仿真模型确定每个当前搜索种群下各稳定性参数的仿真值,并根据每个当前搜索种群下各稳定性参数的仿真值、所述第一目标函数以及所述第二目标函数,确定当前最优种群;
根据预设优化方向和当前最优种群生成新的当前搜索种群,并返回确定新的当前搜索种群下各第一参数的仿真值,直至达到迭代停止条件,基于当前最优种群确定各设计参数的最终值。
2.根据权利要求1所述的方法,其特征在于,所述以各第二参数的仿真值逼近对应的目标区间内的中值为目标,构建第二目标函数,包括:
根据第二参数的仿真值与对应的目标区间的上限之间的差值,构建第一偏移函数,并根据第二参数的仿真值与对应的目标区间的下限之间的差值,构建第二偏移函数;
以第一偏移函数与第二偏移函数的均值最小化为目标,构建第二目标函数。
3.根据权利要求1所述的方法,其特征在于,所述根据每个当前搜索种群下各稳定性参数的仿真值、所述第一目标函数以及所述第二目标函数确定当前最优种群,包括:
根据每个当前搜索种群下各稳定性参数的仿真值,在所有当前搜索种群中搜索同时满足所述第一目标函数、所述第二目标函数以及预设约束条件的当前搜索种群,作为当前最优种群;
其中,所述预设约束条件用于约束第二参数的仿真值位于对应的目标区间之内。
4.根据权利要求1所述的方法,其特征在于,所述根据预设优化方向和当前最优种群生成新的当前搜索种群,包括:
基于当前最优种群生成新的当前搜索种群;
根据当前搜索种群下各稳定性参数的仿真值、以及新的当前搜索种群下各稳定性参数的仿真值,判断新的当前搜索种群是否满足所述预设优化方向;
若否,则重新基于当前最优种群生成新的当前搜索种群。
5.根据权利要求4所述的方法,其特征在于,所述基于当前最优种群生成新的当前搜索种群,包括:
获取当前随机数;
判断当前随机数是否小于当前迭代动力,若是,则针对每一个当前搜索种群,结合所述当前最优种群、全局搜索空间上限以及全局搜索空间下限,生成对应的新的当前搜索种群。
6.根据权利要求5所述的方法,其特征在于,所述方法还包括:
若当前随机数不小于所述当前迭代动力,则针对每一个当前搜索种群,结合白鲨运动频率,生成对应的新的当前搜索种群。
7.根据权利要求4所述的方法,其特征在于,所述根据当前搜索种群下各稳定性参数的仿真值、以及新的当前搜索种群下各稳定性参数的仿真值,判断新的当前搜索种群是否满足所述预设优化方向,包括:
基于当前搜索种群下各稳定性参数的仿真值、以及新的当前搜索种群下各稳定性参数的仿真值,对所述第一目标函数和所述第二目标函数进行计算;
若新的当前搜索种群下目标函数的计算结果不超过当前搜索种群下目标函数的计算结果,则确定新的当前搜索种群满足所述预设优化方向。
8.根据权利要求1所述的方法,其特征在于,所述迭代停止条件为新的当前搜索种群对应的收敛评价值小于预设阈值,其中,收敛评价值基于新的当前搜索种群下第一参数的仿真值和当前搜索种群下第一参数的仿真值计算得到,或者,基于新的当前搜索种群下第二参数的仿真值和当前搜索种群下第二参数的仿真值计算得到。
9.一种电子设备,其特征在于,所述电子设备包括:
处理器和存储器;
所述处理器通过调用所述存储器存储的程序或指令,用于执行如权利要求1至8任一项所述的基于车辆稳定性需求的区间多目标优化方法的步骤。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质存储程序或指令,所述程序或指令使计算机执行如权利要求1至8任一项所述的基于车辆稳定性需求的区间多目标优化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410182908.2A CN117744410B (zh) | 2024-02-19 | 2024-02-19 | 基于车辆稳定性需求的区间多目标优化方法、设备和介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410182908.2A CN117744410B (zh) | 2024-02-19 | 2024-02-19 | 基于车辆稳定性需求的区间多目标优化方法、设备和介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117744410A true CN117744410A (zh) | 2024-03-22 |
CN117744410B CN117744410B (zh) | 2024-05-07 |
Family
ID=90281545
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410182908.2A Active CN117744410B (zh) | 2024-02-19 | 2024-02-19 | 基于车辆稳定性需求的区间多目标优化方法、设备和介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117744410B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945327A (zh) * | 2012-11-21 | 2013-02-27 | 湖南大学 | 一种用于汽车正碰安全性的多目标可靠性优化技术 |
CN104036089A (zh) * | 2014-06-25 | 2014-09-10 | 华东交通大学 | 一种低磨耗的高速列车车轮型面优化设计方法 |
CN113609815A (zh) * | 2021-09-16 | 2021-11-05 | 芯和半导体科技(上海)有限公司 | 一种电路仿真优化方法、装置、计算机设备及存储介质 |
CN114884134A (zh) * | 2022-05-25 | 2022-08-09 | 华北电力大学 | 基于区间优化的火电机组灵活性调节调度方法 |
CN115293056A (zh) * | 2022-10-10 | 2022-11-04 | 中国汽车技术研究中心有限公司 | 一种面向Modelica模型的多目标优化算法 |
CN116665091A (zh) * | 2023-05-18 | 2023-08-29 | 北京工业大学 | 一种智慧交通场景下的实时多摄像头视频分析方法 |
CN116911538A (zh) * | 2023-07-03 | 2023-10-20 | 河海大学 | 一种水库群多目标调度多源信息联合搜索方法、系统与设备 |
-
2024
- 2024-02-19 CN CN202410182908.2A patent/CN117744410B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102945327A (zh) * | 2012-11-21 | 2013-02-27 | 湖南大学 | 一种用于汽车正碰安全性的多目标可靠性优化技术 |
CN104036089A (zh) * | 2014-06-25 | 2014-09-10 | 华东交通大学 | 一种低磨耗的高速列车车轮型面优化设计方法 |
CN113609815A (zh) * | 2021-09-16 | 2021-11-05 | 芯和半导体科技(上海)有限公司 | 一种电路仿真优化方法、装置、计算机设备及存储介质 |
CN114884134A (zh) * | 2022-05-25 | 2022-08-09 | 华北电力大学 | 基于区间优化的火电机组灵活性调节调度方法 |
CN115293056A (zh) * | 2022-10-10 | 2022-11-04 | 中国汽车技术研究中心有限公司 | 一种面向Modelica模型的多目标优化算法 |
CN116665091A (zh) * | 2023-05-18 | 2023-08-29 | 北京工业大学 | 一种智慧交通场景下的实时多摄像头视频分析方法 |
CN116911538A (zh) * | 2023-07-03 | 2023-10-20 | 河海大学 | 一种水库群多目标调度多源信息联合搜索方法、系统与设备 |
Non-Patent Citations (2)
Title |
---|
李浩博 等: "基于改进白鲨算法的综合能源系统低碳经济调度", 电测与仪表网络首发, 16 February 2023 (2023-02-16), pages 1 - 11 * |
肖建;李枚毅;蔡霞;张海;: "动态Kriging优化算法求解昂贵约束优化问题", 小型微型计算机系统, no. 07, 15 July 2013 (2013-07-15), pages 1659 - 1663 * |
Also Published As
Publication number | Publication date |
---|---|
CN117744410B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114662780A (zh) | 碳排放量预测方法、装置、电子设备及存储介质 | |
CN109815988B (zh) | 模型生成方法、分类方法、装置及计算机可读存储介质 | |
CN109002577B (zh) | 一种悬架的优化方法及系统 | |
CN112231839B (zh) | 针对高耗时约束的飞行器追峰采样智能探索方法 | |
CN116227042B (zh) | 车辆风阻系数确定方法、设备和存储介质 | |
CN111079074A (zh) | 一种基于改进的正弦余弦算法构建预测模型的方法 | |
CN112365033A (zh) | 一种风电功率区间预测方法、系统及存储介质 | |
CN117744410B (zh) | 基于车辆稳定性需求的区间多目标优化方法、设备和介质 | |
CN117632905B (zh) | 基于云端使用记录的数据库管理方法及系统 | |
CN110275895B (zh) | 一种缺失交通数据的填充设备、装置及方法 | |
CN117744416B (zh) | 基于敏感性分析的车辆稳定性优化方法、设备和介质 | |
CN116069340A (zh) | 自动驾驶模型部署方法、装置、设备及存储介质 | |
CN112241811B (zh) | “互联网+”环境下定制产品的分层混合性能预测方法 | |
CN114511078A (zh) | 基于多策略麻雀搜索算法的bp神经网络预测方法及装置 | |
KR20190064948A (ko) | 준지도 학습에서의 꼭지점 중요도를 고려한 레이블 추론 방법 및 시스템 | |
CN117708997B (zh) | 基于遗传算法的车辆悬架设计参数确定方法、设备和介质 | |
US11810003B2 (en) | Learning tree output node selection using a measure of node reliability | |
CN117725685B (zh) | 一种车辆操控性多目标优化方法和设备 | |
CN117725764A (zh) | 基于回归模型的车辆底盘多目标优化方法、设备和介质 | |
CN113408692A (zh) | 网络结构的搜索方法、装置、设备及存储介质 | |
CN117725765A (zh) | 基于响应分析的车辆悬架多目标优化方法、设备和介质 | |
CN115755606B (zh) | 基于贝叶斯优化的运载体控制器自动优化方法、介质及设备 | |
CN117077002A (zh) | 一种基于模态分解的麻雀寻优雷电预警方法及系统 | |
CN118336724A (zh) | 基于改进lstm的分布式新能源接入电网的电能质量监测方法 | |
CN117541291A (zh) | 一种基于emd分解和ssa-svm模型的电价预测方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |