基于螢火蟲算法的隔振體系參數(shù)優(yōu)化研究

于文靜

(安徽水利水電職業(yè)技術學院，安徽 合肥231603)

摘要:文章將最新的群智能優(yōu)化算法-螢火蟲算法與主動隔振思想結合，以優(yōu)化設計隔振參數(shù)。數(shù)值結果表明，文章所述方法可以有效地計算出最優(yōu)參數(shù)，避免了經(jīng)驗性的隔振體系設計。

關鍵詞:螢火蟲算法；多模態(tài)函數(shù)；隔振；參數(shù)設計；優(yōu)化

收稿日期：2015-04-04；修回日期：2015-04-06

作者簡介：于文靜(1985-)，女，山東淄博人，教師，從事結構工程教學與研究。

DOI：10.3969/j.issn.1671-6221.2015.02.003

中圖分類號：TU112.41

Parameters optimization for vibration isolation

system using Glowworm Swarm Optimization algorithm

YU Wen-jing

(Anhui Technical College of Water Resources and Hydroelectric Power,Hefei 231603,China)

Abstract:A latest swarm intelligence optimization algorithm-GSO algorithm is combined with active vibration isolation theory to obtain the optimal parameters of given system.Numerical results show that the strategy presented in this paper can compute the optimal parameters effectively, and it avoids not designing the system empirically, meanwhile, it provides a new idea for optimal design of vibration isolation, and it can give inspiration a lot for optimal vibration isolation.

Key words:GSO; multi-modal function; vibration isolation; parameters design; optimization

螢火蟲算法(Glowworm swarm optimization, GSO)是由印度學者Krishnanand和Ghose于2005年提出,它是目前群智能優(yōu)化領域的最新算法。研究表明,螢火蟲算法在尋找各種全局最優(yōu)解上比傳統(tǒng)算法更有效,在優(yōu)化研究問題上具有很大潛力。國內外學者將該算法應用于多模態(tài)函數(shù)優(yōu)化等眾多領域,取得了良好的尋優(yōu)效果和魯棒性。

1　主動隔振體系

考慮如圖1所示的主動隔振體系,其中,ma為動力設備的質量,ka,ca分別為主動隔振系統(tǒng)的剛度和阻尼;mb為安置基礎的質量,kb,cb為基礎的等效剛度和阻尼;za,zb分別為設備及基礎的位移,w(t)為設備產(chǎn)生的振動荷載。圖1所示的兩級隔振體系的動力學方程如式(1):

(1)

圖1　主動隔振體系

考慮如式(2)的狀態(tài)變量:

(2)

定義x=[x1,x2,x3,x4]T,則方程(1)可轉化為式(3)的狀態(tài)空間形式

(3)

在(3)式中,A,B分別為如下矩陣

(4)

在(4)式中,C1,D11為如下矩陣

(5)

在式(5)中,C2,D21為如下矩陣

2　螢火蟲算法(GSO)

2.1螢火蟲算法的仿生原理

螢火蟲算法就是模擬自然界中螢火蟲的發(fā)光行為構造出的隨機優(yōu)化算法,算法利用螢火蟲的發(fā)光特性,根據(jù)其搜索區(qū)域來尋找伙伴,并向鄰域結構內位置較優(yōu)的螢火蟲移動,最終實現(xiàn)位置進化。GSO算法中,螢火蟲彼此吸引的原因取決于兩個因素,即自身亮度和吸引度。其中螢火蟲發(fā)出熒光的亮度取決于自身所在位置的目標值,亮度越高表示所處的位置越好,即目標值越佳。吸引度與亮度相關,愈亮的螢火蟲擁有愈高的吸引力,可以吸引亮度比自己低的螢火蟲往這個方向移動。如果發(fā)光亮度相同,則螢火蟲各自隨機移動。

2.2螢火蟲算法的基本計算步驟

設定算法的維數(shù)m,螢火蟲的種群數(shù)n,計算步長s;隨機初始化螢火蟲位置x,并定義迭代至t代時,第i螢火蟲位置為xi(t);

fori=1:ndoei(0)=l0%熒光素濃度初始化

設定最大迭代次數(shù)為T;

while(t

{

for each glowworm i do:

{

ei(t)=(1-ρ)li(t-1)+γJ(x);%更新熒光素

foreach glowwormj∈Ni(t) do:

}

t=t+1;

}

其中,ρ為熒光素揮發(fā)因子;γ為適應度提取比 例;β為鄰域變化率;nt為鄰域閾值;s為步長;l0為熒光素初始濃度

3　主動隔振體系參數(shù)優(yōu)化

3.1隔振體系傳遞率

假定初始狀態(tài)為零,分別對(4)(5)式進行s=jω的拉氏變換,可得目標控制輸出的傳遞函數(shù)矩陣為

(6)

其中,I為單位矩陣。

螢火蟲算法在處理多模態(tài)函數(shù)最值問題,如多峰值、多谷值函數(shù)具有較強優(yōu)化和計算能力,而主動隔振體系的傳遞率響應也恰是多峰值函數(shù),為此考慮采用GSO算法進行優(yōu)化,適應值函數(shù)為fitness=‖Tzw(s)‖∞。

3.2算例

對于圖1所示隔振體系,任意給定某動力設備ma=560kg,擬安置的基礎等效參數(shù)為:kb=2.5×105N/m,cb=100N/ms-1,設備產(chǎn)生的荷載為1×103sin(2πft)(N),頻率f=1Hz,圓頻率ω=2πf,試進行最優(yōu)隔振參數(shù)設計。

假定基礎設計質量為mb=θ1ma;隔振系統(tǒng)參數(shù)為:ka=θ2kb,ca=θ3cb(θ1,θ2,θ3即分別為質量比、剛度比和阻尼比);GSO算法設定為3維,θ1,θ2,θ3分別對應螢火蟲的三維;種群數(shù)為200,迭代數(shù)200,搜索范圍設定為[10-3,10-3,10-3]～[103,103,103],算法中的基本參數(shù)設定如表1所列。

表1　 GSO算法基本參數(shù)

優(yōu)化計算得到的θ1,θ2,θ3分別為:973,588,65,對應的mb=5.45×105kg,ka=1.47×108N/m,ca=6.51×103N/ms-1。

圖2　優(yōu)化設計后隔振體系頻域響應　　　　　　　　　　　　　　　　　圖3　優(yōu)化設計后隔振體系時域響應

4　結束語

將最新的群智能優(yōu)化算法-螢火蟲算法,與主動隔振思想結合,利用螢火蟲算法較強的優(yōu)化多模態(tài)函數(shù)能力,考慮傳遞率函數(shù)矩陣的無窮范數(shù)為目標函數(shù),以優(yōu)化隔振體系的參數(shù)。本文所選優(yōu)化方法新穎,目標隔振對象具有較強的實際工程價值,且所開展研究具有一定的現(xiàn)實意義。

[參考文獻]

[1]宋鵬金，陳龍珠，嚴細水.鍛錘隔振基礎參數(shù)優(yōu)化的新方法[J].振動與沖擊，2004, (3): 96-98.

[2]K.N. Krishnanand, D.Ghose. Glowworm swarm optimization for simultaneous capture of multiple local optima of multimodal functions[J]. Swarm Intell, 2009，(3): 87-124.

[3]K.N.Krishnanand, D.Ghose. Glowworm swarm based optimization algorithm for multimodal functions with collective robotics applications[J]. Multiagent and Grid Systems, 2006,():209-222.

[4]YANG Yan, ZHOU Yong-quan, GONG Qiao-qiao. Hybrid Artificial Glowworm Swarm Optimization Algorithm for Solving System of Nonlinear Equations[J]. Journal of Computational Information Systems, 2010, (10):3431-3438.

[5]曾冰，李明富，張翼，等.基于螢火蟲算法的裝備序列規(guī)劃研究[J]. 機械工程學報，2013,(326):1351.028.

[6]SUMEDH M．Space suit puncture repair using a wireless sensor network of micro-robots optimized by glowworm swarm optimization[J]．Journal of Micro-Nano Mechatronics， 2011， ( 3) : 47-58．

[7]SENTHILNATH J，OMAKAR S N．Hierarchical clustering algorithm for land cover mapping using satellite images[J]．IEEE Journal of Selected Topics in Applied Earth Observatios and Remote Sensing，2012，( 3) : 762-768．

[8]HUANG Z X，ZHOU，Y Q．Using glowworm swarm optimization algorithm for clustering analysis[J]．Journal of Convergence Information Technology，2011，( 2) : 78- 85．

[9]周季華，葉春明．應用螢火蟲算法求解置換流水線問題[J]．計算機應用研究，2013，(1) : 152-154．

[10]周永權，黃正新，劉洪霞.求解TSP問題的離散型螢火蟲群優(yōu)化算法[J].電子學報，2012，(6) : 1164-1169．

(責任編輯陳化鋼)