一种汽车结构优化方法、装置和存储介质.pdf

(19)国家知识产权局(12)发明专利申请(10)申请公布号CN115935513A(43)申请公布日2023.04.07(21)申请号202211578229.4(22)申请日2022.12.06(71)申请人华南理工大学地址510641广东省广州市天河区五山路381号(72)发明人陈伟能魏凤凤钟竞辉(74)专利代理机构广州嘉权专利商标事务所有限公司44205专利代理师郑宏谋(51)Int.Cl.G06F30/15(2020.01)G06F30/27(2020.01)G06N3/006(2023.01)G06F18/2431(2023.01)权利要求书3页说明书12页附图3页(54)发明名称一种汽车结构优化方法、装置和存储介质(57)摘要本发明公开了一种汽车结构优化方法、装置和存储介质，其中方法包括：获取汽车结构优化的历史数据；其中，所述历史数据包括结构参数、对应结构的性能模拟测试结果；根据历史数据对汽车结构优化问题进行数学建模，确定模型的优化目标；其中，以汽车重量最小、安全性最高作为优化目标；采用分类模型辅助的分层粒子群优化算法对数学模型进行优化处理，获得汽车重量最小、安全性最高的结构设计参数。本发明利用分类模型预测代替演化过程中大部分汽车结构性能模拟，以分类结果驱动分层粒子群演化，解决了现有技术中由于搜索空间大，评估耗时长而导致的汽车结构优化结果差，搜索效率低的问题。本发明可广泛应用于演化计算和工业汽车结构设计两大领域。CN115935513ACN115935513A权利要求书1/3页1.一种汽车结构优化方法，其特征在于，包括以下步骤：获取汽车结构优化的历史数据；其中，所述历史数据包括结构参数、对应结构的性能模拟测试结果；根据历史数据对汽车结构优化问题进行数学建模，确定模型的优化目标；其中，以汽车重量最小、安全性最高作为优化目标；采用分类模型辅助的分层粒子群优化算法对数学模型进行优化处理，获得汽车重量最小、安全性最高的结构设计参数。2.根据权利要求1所述的一种汽车结构优化方法，其特征在于，所述分类模型在算法优化过程中对产生的结构参数进行性能预测，替代演化过程中汽车结构参数的性能模拟，以节省算法优化时间；所述分层粒子群算法作为演化算子，以分类模型预测的性能结果驱动分层粒子群演化，对汽车结构设计进行全局搜索优化。3.根据权利要求1所述的一种汽车结构优化方法，其特征在于，所述分类模型通过汽车结构优化的历史数据进行训练：采用汽车结构优化的历史数据训练分类模型其中，结构参数为输入对应结构的汽车重量和安全性模拟测试结果为输出在优化过程中产生新的结构参数后，采用分类模型预测该结构参数的性能挑选预测性能较好的结构参数进行汽车结构性能模拟并利用与更新训练分类模型4.根据权利要求1所述的一种汽车结构优化方法，其特征在于，所述采用分类模型辅助的分层粒子群优化算法对数学模型进行优化处理，包括：A1、以所有结构参数为个体，对个体进行编码，并初始化数据库的参数；其中，初始化的参数包括决策变量和对应适应值，以及初始速度；A2、从数据库中选择适应值最优的NP个个体组成种群，包括决策变量适应值初始速度其中NP是种群大小；A3、将种群按照适应值从优到劣排序，并分为四层；采用四层种群训练一个四分类的分类器；A4、对种群中的个体进行更新学习，得到中间学习个体；A5、采用分类器对中间学习个体进行类别预测；A6、进行局部信息开发，循环执行步骤A3‑A4，直到所有中间学习个体均被预测为第一类；A7、在均被预测为第一类的中间学习个体中，利用几何关系挑选潜力个体进行汽车结构性能模拟分析；A8、为增加种群多样性，除潜力个体外，随机选择一个中间学习个体进行汽车结构性能模拟分析；A9、将真实性能模拟分析的个体加入到数据库中；A10、循环执行步骤A2至A7，直到算法达到终止条件；2CN115935513A权利要求书2/3页A11、将数据库中适应值最优的个体变量值作为全局寻优的汽车结构参数优化结果进行输出。5.根据权利要求4所述的一种汽车结构优化方法，其特征在于，所述步骤A4具体包括：将种群中的第一层个体保持不变；对于种群中第二层的每个个体，随机从第一层中选择两个个体且满足适应值优于其中k1,k2为标记所选个体索引；对于种群中第三层的每个个体，随机从第一层中选择一个个体随机从第二层中选择一个个体由分层可知，这两个个体必然满足适应值优于对于种群中第四层的每个个体，首先随机选择两个学习层，然后分别在两个学习层选择学习个体且满足适应值优于6.根据权利要求5所述的一种汽车结构优化方法，其特征在于，通过以下公式更新得到中间学习个体：其中，t表示演化代数，i表示待更新结构参数索引，为取值空间在[0,1]的随机数向量，φ为权重控制参数，和表示两个分类模型预测性能比好的结构参数，即表示第i个个体