蘭利波

（長(zhǎng)安大學(xué) 汽車學(xué)院，陜西 西安 710064）

進(jìn)化遺傳算法是一種模擬自然進(jìn)化過(guò)程的全局優(yōu)化方法，它借用達(dá)爾文“物競(jìng)天擇、適者生存”的生物進(jìn)化觀點(diǎn)，通過(guò)選擇、交叉、變異等機(jī)制來(lái)提高個(gè)體的適應(yīng)性[1]。朱虹燃等為純電動(dòng)汽車兩擋自動(dòng)變速器選擇其驅(qū)動(dòng)電機(jī)的轉(zhuǎn)矩、轉(zhuǎn)速和功率，以整車經(jīng)濟(jì)性最優(yōu)為目標(biāo)，在動(dòng)力性約束條件下，運(yùn)用進(jìn)化算法對(duì)變速器傳動(dòng)比進(jìn)行優(yōu)化設(shè)計(jì)，得到了很好的優(yōu)化結(jié)果[2]。 陳淑俠基于模擬退火算法優(yōu)化設(shè)計(jì)變速箱，取得了很好的結(jié)果[3]。閆帥印基于智能混合算法優(yōu)化設(shè)計(jì)優(yōu)化汽車變速器齒輪組參數(shù)[4]。劉振軍等通過(guò)分析純電動(dòng)汽車兩檔變速器的結(jié)構(gòu)特點(diǎn)，設(shè)計(jì)了純電動(dòng)汽車兩檔變速器的基本結(jié)構(gòu)，對(duì)整車參數(shù)進(jìn)行了匹配研究，利用Simulink軟件優(yōu)化變速器的傳動(dòng)比，并進(jìn)行了齒輪以及軸的參數(shù)設(shè)計(jì)[5]；盧培文基于MATLAB遺傳算法優(yōu)化變速箱殼體數(shù)控切削加工工藝[6]。

1 進(jìn)化遺傳算法

1.1 進(jìn)化遺傳算法的基本原理

遺傳算法從種群的初始的解決方案開(kāi)始其搜索過(guò)程，群體中的每個(gè)個(gè)體被稱為染色體，在迭代過(guò)程中染色體的不斷更新稱為遺傳，遺傳算法主要通過(guò)交叉、變異、選擇算子來(lái)實(shí)現(xiàn)，染色體的優(yōu)點(diǎn)和缺點(diǎn)通常通過(guò)適應(yīng)性來(lái)評(píng)估[7]。

1.2 進(jìn)化遺傳算法的研究總結(jié)

王雪敏為了使變速器結(jié)構(gòu)更緊湊和成本更低，以齒輪箱體積最小和齒輪傳動(dòng)重合度最大為目標(biāo)進(jìn)行匹配優(yōu)化，運(yùn)用遺傳算法確定了純電動(dòng)專用兩擋變速器齒輪的結(jié)構(gòu)布置、齒輪齒數(shù)、模數(shù)、齒寬等齒輪箱具體參數(shù)[8]。趙廣宣建立了可隨電機(jī)參數(shù)變化的電機(jī)效率模型，以電機(jī)過(guò)載系數(shù)和擴(kuò)大恒功率區(qū)系數(shù)以及傳動(dòng)系速比作為優(yōu)化變量，采用多目標(biāo)優(yōu)化聯(lián)合遺傳算法，對(duì)純電動(dòng)汽車的電機(jī)參數(shù)和傳動(dòng)系參數(shù)進(jìn)行了整體優(yōu)化匹配[9]。高惠東等以某純電動(dòng)汽車為研究對(duì)象，對(duì)其驅(qū)動(dòng)電機(jī)進(jìn)行參數(shù)匹配.以整車動(dòng)力性最優(yōu)為目標(biāo)，運(yùn)用遺傳算法優(yōu)化設(shè)計(jì)變速器傳動(dòng)比[10]。盧培文基于MATLAB遺傳算法優(yōu)化變速箱殼體數(shù)控切削加工工藝，以最大生產(chǎn)率為優(yōu)化目標(biāo)，以變速器殼體數(shù)控切削加工為研究對(duì)象 建立了變速器殼體的加工參數(shù)優(yōu)化模型，以機(jī)床工作環(huán)境和加工制造情況的限制為基礎(chǔ)，分析研究了加工制造過(guò)程中相應(yīng)的約束條件，以最大生產(chǎn)率為優(yōu)化目標(biāo)，以遺傳算法為加工參數(shù)的優(yōu)化，確定約束條件，利用MATLAB軟件遺傳算法工具，進(jìn)行加工參數(shù)優(yōu)化，得到優(yōu)化參數(shù)。蔡亞對(duì)多目標(biāo)遺傳算法進(jìn)行改進(jìn)并優(yōu)化設(shè)計(jì)變速箱參數(shù)[11]。褚永康等基于遺傳算法對(duì)汽車變速箱進(jìn)行輕量化設(shè)計(jì)[12]。

2 模擬退火法

2.1 模擬退火法基本原理

模擬退火法利用統(tǒng)計(jì)力學(xué)中物質(zhì)退火過(guò)程與優(yōu)化問(wèn)題的相似性，采用Metropohis接受準(zhǔn)則并控制適當(dāng)溫度的下降過(guò)程實(shí)現(xiàn)模擬退火，以而達(dá)到求解全局優(yōu)化的目的。

2.2 模擬退火法優(yōu)化思路

因?yàn)槟M退火算法具有并行性，適用于并行處理，可用于求解復(fù)雜的非線性優(yōu)化問(wèn)題，同時(shí)具有全局搜索能力，模擬退火算法已經(jīng)成為一個(gè)重要的工具來(lái)解決復(fù)雜的優(yōu)化問(wèn)題?？紤]接觸強(qiáng)度、彎曲強(qiáng)度和配齒約束條件，建立汽車行星變速器優(yōu)化模型，盡量減少行星傳動(dòng)的體積和質(zhì)量。目標(biāo)函數(shù)與處罰條款是由加法懲罰策略的類型，從而改變約束優(yōu)化為無(wú)約束優(yōu)化。然后采用Matlab模擬退火算法工具箱對(duì)基于懲罰策略的優(yōu)化模型求解。應(yīng)用具有全局搜索能力的模擬退火算法進(jìn)行啟發(fā)式搜索和并行計(jì)算，與傳統(tǒng)方法進(jìn)行比較驗(yàn)證，其搜索效率和精度都非常高，這樣保證了可靠的全局最優(yōu)解。

3 混合智能算法

首先按照變速器設(shè)計(jì)規(guī)范和齒輪參數(shù)設(shè)計(jì)的流程，利用VisualBasic語(yǔ)言，實(shí)現(xiàn)了齒輪組的自動(dòng)參數(shù)設(shè)計(jì)，并利用Access數(shù)據(jù)庫(kù)，實(shí)現(xiàn)了設(shè)計(jì)數(shù)據(jù)自動(dòng)化管理；然后利用ActiveX調(diào)用技術(shù)，在MATLAB平臺(tái)上以改進(jìn)的遺傳算法和BP神經(jīng)網(wǎng)絡(luò)遺傳算法作為混合優(yōu)化工具，實(shí)現(xiàn)了齒輪組的參數(shù)優(yōu)化設(shè)計(jì)，建立齒輪組的優(yōu)化設(shè)計(jì)模型。在優(yōu)化過(guò)程中，結(jié)合動(dòng)態(tài)懲罰函數(shù)與非線性規(guī)劃構(gòu)造出動(dòng)態(tài)懲罰函數(shù)非線性規(guī)劃遺傳算法，并結(jié)合BP神經(jīng)網(wǎng)絡(luò)的相關(guān)特性，通過(guò)練習(xí)獲得齒輪組輸入?yún)?shù)與強(qiáng)度之間的映射關(guān)系曲線，加速遺傳算法的收斂速度。

4 結(jié)語(yǔ)

綜上得，首先，對(duì)變速箱的優(yōu)化設(shè)計(jì)算法更多的是遺傳進(jìn)化算法，也有用模擬退火算法、混合智能算法等算法；其次，本文總結(jié)的算法對(duì)不同的目標(biāo)函數(shù)進(jìn)行優(yōu)化，有的以經(jīng)濟(jì)性最優(yōu)為優(yōu)化目標(biāo)，有的以動(dòng)力性最優(yōu)為優(yōu)化目標(biāo)等。