电子发烧友网>电子资料下载>电子论文>数字信号处理论文>基于神经网络和遗传算法的悬挂系统优化设计

基于神经网络和遗传算法的悬挂系统优化设计

1692746 2009-07-09 | rar | 154 | 次下载 | 3积分

资料介绍

悬挂系统具有复杂的机械结构，对于这种非线性系统进行优化设计难度较大，且采用计算机仿真反复试验耗时巨大；基于神经网络和遗传算法·利用机械系统动力学仿真软件MSC＼AD AMS中的ATV模块，对悬挂系统中影响自行火炮行驶平稳性的各参数进行优化，取得了较好的结果，证明了该技术路线的可行性。
悬挂装置用于提高自行火炮行驶的平稳性和工作的可靠性。驾驶员位置处的竖直加速度较大一直是一个影响舒适度的难题。为了实现“人机功效”，有必要对悬挂系统进行优化计算。悬挂系统组成单元较多，各部分工作关系比较复杂。如何对其相关重件的各参数进行优化设计以更好地满足行驶的综合性能要求，是一个亟待解决的问题。现今的优化设计逐步在向计算机仿真的方向发展，可以借助机械系统动力学大型仿真软件Msc＼ADAMs建立起自行火炮整个底盘系统的虚拟样机，进行行驶过程的运动学、动力学分析，并对结构、材料等参数采用试验设计、优化分析。
虽然通过仿真的角度体现了省时省力的特性，但也暴露了其单因素优化设计的不足。第一它是多次单因素的优化设计，即固定其它输入参数．单就一个参数进行指向目标值的优化设计，无法寻求到各参数的最佳组合，第二各因素间相互作用，对系统产生干扰，使得系统的优化设计具有极大的不稳定性。第三耗时巨大，多水平的试验设计乃至优化不太现实。自行火炮悬挂系统的参数设计的一次仿真求解在双cpu一2．8G，内存4G 的大型工作站上仿真运行一次耗时需要l0几个小时。
本文采用均匀设计法安排试验，交由悬挂系统的虚拟样机仿真，然后采用BP网络和遗传算法，对悬挂系统进行优化设计，一方面大大减少了仿真试验次数，另一方面解决了具有极强非线性的悬挂系统的参数优化问题。