多目标分解随机粒子群优化算法及其在直线电机优化设计中的应用
本文提出了一种多目标分解随机粒子群优化算法(MDSPSO).该算法优化过程中,所有粒子按各自固定的权重向量,采用改进Tchebycheff分解方法,将求解多目标非支配解问题转化为求解多个单目标最优解问题;而后每个粒子在以自身位置、个体历史最优参考位置及群体最优参考位置的几何中心为中心,以中心到自身位置为半径的区域内,随机生成一个新的起始位置,并参考当前的速度更新下一时刻的位置.通过对测试函数多次计算得到的数据进行统计分析,表明MDSPSO的收敛性和多样性均优于另外3种对比算法.最后针对直线电机磁路复杂、有限元计算费时的问题,使用神经网络拟合直线电机结构参数与性能的关系作为优化设计的模型,应用MDSPSO算法,优化结构参数.实际测试结果表明,优化后的直线电机推力大、效率高,同时有效控制了其推力波动和生产成本.
多目标优化、改进Tchebycheff分解方法、随机粒子群优化算法、直线电机
30
TP273(自动化技术及设备)
国家杰出青年科学基金资助项目60925011;国家自然科学基金国家重大国际地区合作研究项目61120106010
2013-08-08(万方平台首次上网日期,不代表论文的发表时间)
共9页
693-701