[发明专利]一种滚珠丝杆传动系统模型的优化方法

摘要

一种滚珠丝杆传动系统模型的优化方法，涉及一种机械传动模型的优化方法，本发明提出一种自适应多策略布谷鸟算法（MSACS）。首先，提出5种搜索策略互相配合，并且通过学习之前各个策略和控制参数的发挥，自适应的改变各个策略的使用概率以及控制参数的值。其次，在24种常用的基准函数上实验并评估了MSACS的性能，并与几种先进的CS算法，PSO算法，DE算法的变体作出了对比。最后，将改进后的算法应用于滚珠丝杆传动系统模型中。利用本发明设计和制造具有更好运动学或动力学特性的不同机构，提高自动化机器的性能，提高生产率和和产品的高品质。

主权项

1.一种滚珠丝杆传动系统模型的优化方法，其特征在于，所述方法基于一种自适应多策略布谷鸟算法（MSACS），提出5种搜索策略互相配合，并且通过学习之前各个策略和控制参数的发挥，自适应的改变各个策略的使用概率以及控制参数的值，并将改进后的算法应用于滚珠丝杆传动系统模型中；具体过程如下：多策略自适应布谷鸟算法(MSACS)包括以下改进：改进 1，在MSACS中，针对标准布谷鸟算法搜索策略的单一性的特点，提出了五种不同的布谷鸟搜索策略；在一次迭代中，每只布谷鸟都以自适应的方式随机地选择一种策略生成新的布谷鸟；改进 2，MSACS采用了一种更加先进的自适应策略，让适应度参数参与到迭代当中去；根据当前算法所需，实时地改变自身；上述改进应用于在滚珠丝杆传动系统模型上的优化设计，其改进的内容包括提出了五种不同的布谷鸟搜索策略，这五种策略如下：策略一：采用原CS算法中模拟果蝇飞行行为的Levy飞行策略，以较大概率作小步长随机搜索的同时，用较大概率作长距离搜索；配合其他不同搜索长度算法，能够充分发挥Levy飞行的优势；Levy飞行的步长α被设置为1；策略二：每只布谷鸟的搜索都将与随机其他两只布谷鸟的位置有关，选择该策略的布谷鸟r1将随机选择两个布谷鸟r2,r3(r1,r2,r3不相同)，根据它们之间的位置选择下一代的巢穴；策略三：同策略二相似，每只布谷鸟的搜索都将与随机其他四只布谷鸟的位置有关，选择该策略的布谷鸟r1将随机选择两组布谷鸟，每组2个,r2,r3,r4,r5(r1,r2,r3,r4,r5不相同)，分别根据它们之间的位置选择下一代的巢穴；相比策略二而言，该策略的搜索步长更小，更适合作小距离的寻优；策略四：由于Levy飞行策略具有良好的搜索性能，所以MSACS采用一种带有记忆性的策略，保留通过Levy飞行策略寻找到的具有潜力的解；对于每个粒子使用策略一所寻找到的到目前为止的具有最好适应度值的位置，用一个Np列的学习矩阵LM来记录；策略五： MSACS借鉴QC提高自己的搜索能力；在搜索过程中，经常会出现算法陷入局部极小值的情况，有时布谷鸟不能仅通过它的邻居跳出这一极小值，因为他们也遵循相同的搜索规律；自适应策略在MSACS中每个搜索策略都将以一定概率被使用，每只布谷鸟每一代都会根据这些概率（大小）随机选择一个搜索策略生成新的子代；这个概率将在每次迭代前根据他们在之前几代的发挥而生成；自适应策略五种搜索策略被使用的概率被初始化为0.2，即，所有策略都有相同的被选择概率；每次迭代时，为种群中的每一个布谷鸟都选择一种策略；第i个策略在第G代被使用的概率是，在第G代，求出所有生成的布谷鸟之后，将第i个策略生成的能成功进入下一代的布谷鸟的个数记作。