基于蚁群粒子群混合算法的压电作动器方向优化配置方法

具体实施方式

在图1所实施例中，表示了对某板壳结构进行划分，标注了各点的路径号。

在图2所示实施例中，表示了对该板壳结构的三维变形图。

在表1所示的实施例中，表示了该板壳结构上各点三维变形数据。

表1

优化计算流程如下：

1.将三维变形数据进行转换，MATLAB转换流程如下：

A=[0.0001,    0.0034 ,  -0.0299 ,  -0.2450,   -0.1100 ,  -0.0043 ,  -0.0000;

0.0007 ,   0.0468 ,  -0.5921 ,  -4.7596 ,  -2.1024 ,  -0.0616  , 0.0004;

-0.0088 ,  -0.1301  ,  1.8559 ,  -0.7239  , -0.2729  ,  0.4996  ,  0.0130;

-0.0365  , -1.3327  , -1.6523  ,  0.9810  ,  2.9369  ,  1.4122  ,  0.0331;

-0.0137 ,  -0.4808  ,  0.2289  ,  3.6886  ,  2.4338  ,  0.5805  ,  0.0125;

0.0000  ,  0.0797  ,  2.0967  ,  5.8591  ,  2.2099  , 0.1328  ,  0.0013;

0.0000  ,  0.0053  ,  0.1099  ,  0.2999  ,  0.1107 ,  0.0057  ,  0.0000];

for i=1:7

for j=1:6

B(i,j+1)=A(i,j)+A(i,j+1);

end

end

for i=1:6

for j=1:7

C(i+1,j)=A(i,j)+A(i+1,j);

end

end

for i=1:7

for j=1:7

D(i,j)=i*C(i,j);

end

end

for i=1:7

for j=1:7

E(i,j)=j*B(i,j);

end

end

2.将D组数据与E数据合并：

3.应用蚁群粒子群混合算法（MATLAB 程序）进行优化计算，程序如下：

3.1）粒子群初始化：随机选择n(n为位置个数)个粒子(particle)，每个粒子包含三个参数β，ρ，qO，组成一个3×n的随机数组。其中D在[1，5]随机取值，P和q0在[0，1]随机取值。

for It=l to MaxIt PS0 do

3.2）蚁群系统初始化：对任意的边(i，j)，信息素初值=const，=0；将n只包含各自参数的蚂蚁随机地放置在n个结点上，根据各自的变量值，求适应度函数值，即n只蚂蚁分别进行下面的蚁群系统寻径：

for Nc=1 to MaxNc 蚁群系统 do

for k=l to n do

3.3）对每一只包含各自参数(β，ρ，qO)的蚂蚁运行蚁群系统：进行状态转移，寻找路径；对经过的边，进行局部信息素更新；记录每个蚂蚁的结果。

end for

对当前最好解的路径进行全局信息素更新。

end for

3.4）将寻径后的每个蚂蚁的最短路径长度作为相应粒子的适应度函数值；使用粒子群算

法，更新每个粒子的速度和位置，即更新每个粒子的3个参数。

end for

最后输出全局最优路径值和全局，最优参数β，ρ，qO。

在表2所示的实施例中，根据蚁群粒子群混合算法优化出的路径数据。

表2

4.制定三种方向配置方案：

（3）              以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号为方向配置的终点。

（4）              以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号（该序列号对应的路径号与配置起点的路径号的物理空间距离应在任意三个相邻路径号所占的物理空间距离以内）为方向配置的终点。

（5）              以任意序号对应的路径号为方向配置起点，以下一个序号对应的路径号（该序列号对应的路径号与配置起点的路径号所占的物理空间距离应在任意两个相邻路径号物理空间距离以内）为方向配置的终点。

在图3所示的实施例中，根据蚁群粒子群混合算法应用配置方案（1）所得到的优化配置图。

在图4所示的实施例中，根据蚁群粒子群混合算法应用配置方案（2）所得到的优化配置图。

在图5所示的实施例中，根据蚁群粒子群混合算法应用配置方案（3）所得到的优化配置图。