欢迎来到知嘟嘟! 联系电话:13336804447 卖家免费入驻,海量在线求购! 卖家免费入驻,海量在线求购!
知嘟嘟
我要发布
联系电话:13336804447
知嘟嘟经纪人
收藏
专利号: 2018104352474
申请人: 长沙理工大学
专利类型:发明专利
专利状态:未下证
专利领域: 计算;推算;计数
更新日期:2026-11-16
缴费截止日期: 暂无
价格&联系人
年费信息
委托购买

摘要:

权利要求书:

1.一种汽车乘员约束系统的多目标不确定性优化方法,其特征在于,包括如下步骤:步骤1:对汽车乘员约束系统制造过程中的不确定性因素进行分析,利用椭球凸集模型对存在相关性的不确定性设计变量进行建模,然后选取确定性设计变量、约束函数和目标函数,建立汽车乘员约束系统的多目标不确定性优化问题,具体表达式为公式(1):,   公式(1)

 s.t.  ,

  ,

, ,

公式(1)中, 为目标函数, 为约束函数, 为 维的确定性设计向量,其取值范围为, 为存在相关性的 维不确定性设计向量, 为不确定性设计向量 的中点;向量的不确定性用椭球凸集模型 来描述, 为椭球模型的特征矩阵, 为设定参数,每个不确定性设计变量 的区间 ,上标I表示区间,L表示区间下边界, R表示区间上边界, 为第 个约束函数的允许上限;

步骤2:将汽车乘员约束系统的多目标不确定性优化问题转换为无约束的确定性优化问题;

所述汽车乘员约束系统的多目标不确定性优化问题转换为无约束的确定性优化问题包括如下分步骤:步骤21:利用区间序关系处理目标函数;

利用区间序关系处理公式(1)中的不确定性目标函数,则公式(1)中的每一个子目标函数可转换为如下的确定性多目标优化问题:  公式(2)

公式(2)中, 和 分别表示目标函数的区间中点和区间半径,对于任一确定性设计向量 ,目标函数 的区间上下边界可通过公式(3)求解:,   公式(3)

结合线性加权法,公式(2)所示的子目标优化问题可以进一步转换为如下的优化问题:  公式(4)

公式(4)中, 为目标评价函数; 为权系数, 可根据设计者对区间中点和区间半径的偏好进行选取;为保证 和 非负的参数; 和为正则化因子;

步骤22:利用区间可能度处理约束函数;

对于不确定性优化问题公式(1)中 型的不等式约束,采用区间可能度水平对区间不确定性约束进行描述,可以转换为如下的确定性不等式约束:  公式(5)

公式(5)中, 为一预先给定的可能度水平,约束函数 的区间上下边界可通过公式(6)求解:,   公式(6)

一旦求得 ,即可通过公式(7)求解约束可能度 ,并判断约束可能度是否满足给定的可能度水平;

  公式(7)

步骤23:利用罚函数法获得无约束的确定性多目标优化问题;

利用罚函数法对不等式约束进行处理,可进一步获得如下以罚函数 表示的无约束的确定性多目标优化问题:,   公式(8)

  公式(8)

中, 为罚因子; 和 为罚函数,可分别通过公式(9)和公式(10)获得:  公式(9)

  公式(10)

步骤3:利用拉丁超立方采样方法在确定性设计向量和不确定性设计向量混合空间上进行样本点采样,将样本点带入汽车乘员约束系统仿真模型并计算乘员身体部位各项损伤值,从而获得目标函数和约束函数的初始样本;

步骤4:基于获得的样本点数据,结合径向基函数构建出如公式(11)所示的近似多目标不确定性优化问题:,   公式(11)

 s.t.  , 

  , 

,  , 

公式(11)中, 为近似目标函数, 为近似约束函数;基于步骤(2)将公式(11)所示的近似多目标不确定性优化问题转换为无约束的确定性多目标优化问题:,   公式(12)

公式(12)中, 为近似罚函数, 为近似目标评价函数;

步骤5:基于微型多目标遗传算法和隔代映射遗传算法对公式(12)进行求解,从而获得此近似多目标不确定性优化问题在第 迭代步的罚函数非支配解集: , ;

步骤6:根据非支配解集 求得在 处所对应的近似目标函数区间,以及分别对应于区间下界和上界的不确定性向量的值 和 :  公式(13)

同理,也可获得非支配解集 在 处近似约束函数的区间 ,以及分别对应于区间下界和上界的不确定性向量的值 和 :  公式(14)

步骤7:计算真实目标函数在区间边界坐标点 和 的值:  公式(15)

计算所有真实约束函数在区间边界坐标点 和 的值:  公式(16)

步骤8:计算误差 :

  公式(17)

其中:

如果 ,则输出非支配解集,迭代终止;否则,转下步;其中,为允许误差;

步骤9:把非支配解集对应的目标函数两个边界坐标点 和 作为新样本加入到目标函数样本集;同理,对应于每一个约束的两个边界坐标点 和也加入此约束的当前样本集,转至步骤(4),并置 。

2.根据权利要求1所述的一种汽车乘员约束系统的多目标不确定性优化方法,其特征在于:所述步骤3中的确定性设计向量与不确定性设计向量组成的混合空间如公式(18)所示:  公式(18)

式中, 为 维的确定性设计向量, 为存在相关性的 维不确定性设计向量。

3.根据权利要求1所述的一种汽车乘员约束系统的多目标不确定性优化方法,其特征在于:所述步骤5中用微型多目标遗传算法来求解最优确定性设计向量,隔代映射遗传算法用来求解不确定性目标函数和约束函数的区间。