[发明专利]基于细胞膜优化算法的汽车复合转向系统多目标优化方法

摘要

本发明公开了一种基于细胞膜优化算法的汽车复合转向系统多目标优化方法，选取复合转向系统中对转向性能影响较大的机械参数、液压参数作为优化变量，以转向路感、转向灵敏度、能量消耗作为优化目标，以转向助力范围作为约束条件，使得系统以较小的能量消耗获得良好的转向路感和转向灵敏度。

主权项

基于细胞膜优化算法的汽车复合转向系统多目标优化方法，所述汽车复合转向系统包含控制模块、机械传动模块、电动助力模块以及电控液压助力模块；所示机械传动模块包含方向盘、转向柱、循环球转向器、转向横拉杆、方向盘转角传感器、扭矩传感器和车速传感器；所述转向柱一端通过方向盘转角传感器和所述方向盘固定相连，另一端和所述循环球转向器的一个输入端相连；所述循环球转向器采用具有液压功能的循环球转向器，其输出端和所述转向横拉杆的输入端相连；所述转向横拉杆的两个输出端分别和汽车的两个前轮相连；所述扭矩传感器在转向柱上，用于获取转向管柱上的扭矩，并将其传递给所述控制模块；所述方向盘转角传感器用于获得方向盘的转角，并将其传递给所述控制模块；所述车速传感器设置在汽车上，用于获取汽车的车速，并将其传递给所述控制模块；所述电动助力模块包括弧形直线电机和减速机构，所述弧形直线电机的输出端和所述循环球转向器的另一个输入端通过所述减速机构相连；所述电控液压助力模块包含液压罐、液压泵、转阀和液压泵驱动电机；所述液压泵驱动电机的输出端和液压泵的输入端固定相连；所述液压泵的进油端口和所述液压罐的进油管路相连、出油端口和所述转阀的进油口管道相连；所述转阀的出油口和所述液压罐的回油管路相连、高压出油口和所述循环球转向器的进油口管道相连、低压出油口和所述循环球转向器的出油口管道相连；所述控制模块分别与车速传感器、扭矩传感器、方向盘角位移传感器、弧形直线电机、液压泵驱动电机电气相连，用于根据接收到的车速信号、扭矩传感器信号、方向盘转角信号控制弧形直线电机、液压泵驱动电机工作；所述循环球转向器包含转向摇臂、齿扇、转向螺杆和转向螺母；所述转向螺杆一端和转向柱的下端相连，转向螺杆上的螺纹和所述转向螺母上的螺纹啮处设有循环的钢珠链；所述转向螺母外侧的齿轮与齿扇啮合；所述齿扇的轴心和转向摇臂的一端相连，所述转向摇臂的另一端和所述转向横拉杆的输入端相连；其特征在于，所述多目标优化方法包含以下步骤：步骤1)，建立电控复合转向系统模型、整车动力学模型以及能耗模型，其中，所述电控复合转向系统模型包括转向盘模型、输入输出轴模型、液压泵模型、循环球模型、电机模型、轮胎模型；步骤2)，将汽车电控复合转向系统的转向路感、转向灵敏度以及转向能耗作为电控复合转向系统的性能评价指标，建立转向路感、转向灵敏度、转向能耗这三个性能评价指标的量化公式；步骤3)，以转向路感、转向灵敏度、转向能耗作为优化目标，以转向助力大小范围和转向灵敏度作为约束条件，以路面信息有效频率范围的频域能量平均值作为转向路感、转向灵敏度的优化评价函数；步骤4)，根据DOE实验设计结果，将转向螺杆中心距ra、齿扇节圆半径rp、转向柱刚度Ks、弧形直线电机等效转动惯量Jm2、液压泵驱动电机等效转动惯量Jm1、转向螺母的有效面积AP、齿扇转动惯量Jcs、液压泵定子厚度B作为复合电控转向系统的设计变量；步骤5)，借助isight优化软件，以转向路感、转向灵敏度、转向能耗作为优化目标，采用改进的细胞膜优化算法对复合转向系统的设计变量进行优化，根据优化结果得出最优Pareto解集，并选取最优妥协解；所述改进的细胞膜优化算法的具体步骤如下：步骤A)，物质类型划分根据函数适应度水平，先将物质进行排序，取前Ps比例的物质为脂溶性物质，排在后面的认为是非脂溶性物质；再将非脂溶性物质根据物质浓度高低划分为两类：高浓度非脂溶性物质和低浓度非脂溶性物质；对于某物质Y，它所处的浓度定义为其邻域范围内所包含的物质数占总物质数的百分比：Con=nm]]>其中，Con为该物质周围浓度，m为总物质的数量，n表示Xi中到Y的距离小于r×(u‑l)，其中，r为计算物质浓度采用的半径系数，u为解空间的上界值，l为解空间的下界值；所有浓度的平均值MeanCon为：MeanCon=1mΣi=1mConi]]>若某非脂溶性物质所处的浓度大于MeanCon，那么将该物质划分为高浓度非脂溶性物质，否则将其划分为低浓度非脂溶性物质；步骤B),脂溶性物质扩散对于每个脂溶性物质在以该物质为中心、ra为半径的搜索区域内，随机生成新的一个物质并对超出搜索范围的部分进行修正；若新物质的目标函数值优于则用替换接着搜索半径向量进行收缩rnewa＝ra×u；开始时搜索半径向量ra计算方法为：ra=u-l2×m1·S(t)]]>其中，r∈[0,1]，b＝3,T为进化设置最大代数，t为优化当前代数,t的初始值为0；当t较小时，S(t)≈1，搜索半径相对较大，当t较大时，S(t)≈0，搜索半径相对较小，加快搜索速度；搜索范围的修正方法为：对于任意K，若则令若则令其中，uk为解空间的第k维上界值，lk解空间的第k维下界值；步骤C)，高浓度非脂溶性物质运动令每个高浓度非脂溶性物质存在载体的概率为P1，若rand[0,1]≤P1，则该物质可以协助扩散，从高浓度侧运动到低浓度侧，并令新位置为局部搜索中心否则令原位为局部搜索中心；接着，该物质会进行K次的局部搜索运动，在此之前，需要初始化搜索半径向量rb=u-l2×m2·S(t)]]>搜索后，记录K个物质中的最优物质若则代替否则替换步骤D)，低浓度非脂溶性物质运动令每个低浓度非脂溶性物质存在载体的概率为P2；令低浓度非脂溶性物质的能量均处于[0,1]内，且按线性分布；首先计算每个低浓度非脂溶性物质的函数值再将这些函数值进行从小到大排序；函数值最小的物质其能量Ei为Emin，函数值最大的物质其能量Ei为Emax，其他物质的能量Ei介于Emin与Emax之间，并按照排序的顺序线性计算，其中，Emin与Emax为[0,1]内的常数，在这里Emin取为0，Emax取为1；如果某物质存在载体和足够的能量，那么它可以进行主动运输，从低浓度侧到高浓度侧，并令新位置为局部搜索中心否则令原位为局部搜索中心；低浓度非脂溶性物质主动运输后的新位置XicC=Xic+(Xbest-Xic)(0.5+0.5×rand())]]>接着，初始化搜索半径rc=u-l2×m3·S(t)]]>然后，在以为中心和以rc为半径的搜索区域内，随机运动K次，并对它们的范围进行修正；记录K个物质中的最优物质若则代替否则替换步骤E)，更新物质将脂溶性物质、高浓度非脂溶性物质和低浓度非脂溶性物质组成的新物质群替换旧物质群Xi(i＝1，…，m)。步骤F)，判断优化是否终止若t<T，则对t进行加1操作，并修正搜索半径ra、rb、rc，返回步骤A)并进入迭代，若t＝T，则对解集进行排序，形成Pareto解集，给出优化解，优化结束。