[发明专利]一种短初级双边直线感应电机优化设计方法、系统及终端

权利要求书

1.一种基于鸽群启发算法的短初级双边直线感应电机优化设计方法，其特征在于，所述基于鸽群启发算法的短初级双边直线感应电机优化设计方法包括：

获取短初级双边直线感应电机的设计指标；

基于获取的短初级双边直线感应电机的设计指标利用鸽群启发算法进行设计参数优化并输出最优输出特性。

2.如权利要求1所述基于鸽群启发算法的短初级双边直线感应电机优化设计方法，其特征在于，结合短初级双边直线感应电机的优化设计，所述鸽群启发算法包括：

首先，运用Matlab、Python、C++等软件，根据短初级双边直线感应电机设计参数的边界条件初始化鸽群位置、鸽群初始速度和目标群位置参数；

其次，将种群中所有的鸽子位置以及目标的位置利用目标函数进行评价，得到每一个鸽子、目标对应的适应度值；所述每一个鸽子、目标对应的适应度值为每一个鸽子、目标的目标函数值；

最后，基于得到的每一个鸽子、目标对应的适应度值筛选得到全局最优个体；迭代循环，直至评价次数达到预设的最大评价次数且迭代次数达到最大迭代次数，输出最优个体。

3.如权利要求1所述基于鸽群启发算法的短初级双边直线感应电机优化设计方法，其特征在于，所述基于得到的每一个鸽子、目标对应的适应度值筛选得到全局最优个体包括：

首先，令初始鸽群的每一只鸽子都成为个体历史最优；将目标划分为多个子群，并在每个子群中选取一个子群最优个体；

其次，从鸽群和目标群中选取适应度值最优的个体成为全局最优个体。

4.如权利要求1所述基于鸽群启发算法的短初级双边直线感应电机优化设计方法，其特征在于，所述鸽群启发算法还包括：

(1)利用下式选择变异算子，产生初级目标；

其中，

DE/rand/1/bin为：PT_i(t)＝PB_r1(t)+rand·(PB_r2(t)-PB_r3(t))+rand(PB_r4(t)-PB_r5(t))；DE/rand/2/bin为：PT_i(t)＝PB_i(t)+rand·(PB_r2(t)-PB_i(t))+rand·(PB_r4(t)-PB_r5(t))；PT表示初级目标，PB表示个体历史最优鸽子，i∈[1,N]表示第i个个体，t表示第t次迭代，rand表示一个服从均匀分布的随机数，范围[0,1]；r₁～r₅表示[1,N]中5个不等于i的不同的随机数；

(2)对新产生的初级目标进行边界处理，利用下式将初级目标超出边界的变量进行处理：

其中，上标out代表超出边界的维度；

(3)对基于不同变异算子的初级目标执行不同的交叉方法，产生中级目标：

若选择DE/rand/1/bin，则执行以下交叉方法：

其中，MT表示中级目标，CR₁表示适用于DE/rand/1/bin的交叉概率；j表示当前维度，j_rand表示[1,D]范围内的一个随机整数；

若选择DE/rand/2/bin，则执行以下交叉方法：

(4)执行选择方法，评价新产生的中极目标，将所述中极目标与上一代的高级目标比较，若所述终极目标优于上一代的高级目标，则新生成的终极目标称为新的高级目标，否则不变；

(5)执行方法平衡机制，利用下式对不同的个体选择执行基于莱维飞行的地图罗盘导航方法或增强的地标引导方法：

其中，rand_i(t)表示针对第t次迭代中第i个个体产生的一个均匀分布的随机数；

(6)利用下式对鸽向量进行边界处理，将超出边界的变量拉至边界上：

(7)利用下式评价鸽向量的适应度值：

fitness_i(t)＝func[X_i(t)]；

其中，fitness表示目标函数值；func表示目标函数；X表示输入向量；

(8)筛选得到新的个体历史最优、子群最优向量：

(9)利用下式根据所有个体历史最优向量的适应度值得到新的全局最优向量：

(10)判断评价次数是否满足结束条件；若评价次数未满足结束条件，则将迭代次数增1，继续循环，若评价次数达到最大评价次数，则输出此时的全局最优向量作为最优解。