一种基于蚁群算法的车身振动控制方法
【技术领域】
[0001] 本发明属于振动控制技术领域，具体涉及一种基于蚁群算法的车身振动控制方 法。
【背景技术】
[0002] 乘用车车身的振动特性是衡量轿车乘坐舒适性的重要标志之一。传统的减振降噪 措施往往与汽车的操控性能及轻量化等目标相矛盾，而且无法有效抑制低频振动。在航空 航天、车辆工程等领域中，将压电智能材料应用到结构振动主动控制中，已成为最具优势的 研宄思路和研宄热点。
【发明内容】
[0003] 本发明目的之一在于提供一种能够有效降低车身的振动幅度的基于蚁群算法的 车身振动控制方法。
[0004] 本发明提供的一种基于蚁群算法的车身振动控制方法，包括如下步骤：
[0005] 步骤1 :参数初始化，将PID三个参数组合在一起做为蚁群中的一只蚂蚁；
[0006] 步骤2 :计算蚂蚁从原点开始爬行，爬行至下一结点的路径选择概率；
[0007]步骤3 :计算所有蚂蚁爬行的目标函数值，记录其中最小函数值的爬行路径；
[0008] 步骤4 :判断所述爬行路径是否为最优解，是则转下一步，否则转步骤6 ;
[0009]步骤5 :所有蚂蚁完成一次爬行后，更新参数；
[0010] 步骤6 :计算得到更新后参数的信息量，判断该信息量是否为最优解，是则转下一 步，否则转步骤2;
[0011] 步骤7 :得到最优参数，结束本次计算。
[0012] 本发明的有益效果在于，本发明中的蚁群算法具有正反馈、分布计算和启发性搜 索等特点，不依赖被控对象的精确数学模型，能有效地攻克十分困难的优化问题，使处理问 题更具灵活性、适应性和鲁棒性；通过该方法不仅可以有效降低车身的振动幅度，而且对传 统控制方法控制效果不佳的振动低频区域，控制效果明显。
【附图说明】
[0013] 图1所示为本发明基于蚁群算法的车身振动控制方法流程图。
【具体实施方式】
[0014] 下文将结合具体实施例详细描述本发明。应当注意的是，下述实施例中描述的技 术特征或者技术特征的组合不应当被认为是孤立的，它们可以被相互组合从而达到更好的 技术效果。
[0015]蚁群算法是一种仿生优化方法，在一系列组合优化问题求解中进行寻优，利用正 反馈原理加快进度过程，求得最优解。
[0016] 如图1所示，本发明提供的一种基于蚁群算法的车身振动控制方法，包括如下步 骤：
[0017] 步骤Sl:参数初始化，将PID三个参数组合在一起做为蚁群中的一只蚂蚁。
[0018] 基于蚁群算法的PID参数优化是将PID三个参数组合在一起做为蚁群中的一只 蚂蚁，根据别的蚂蚁释放的信息素，动态调整方向和路径向目标逼近，最后找到最优目标路 径，即为控制器的最优参数。
[0019] 步骤S2 :计算蚂蚁从原点开始爬行，爬行至下一结点的路径选择概率。
[0020] 蚂蚁从原点开始爬行，第k只蚂蚁爬行至下一结点的路径选择概率为：
【主权项】
1. 一种基于蚁群算法的车身振动控制方法，其特征在于，包括如下步骤： 步骤1 ;参数初始化，将PID =个参数组合在一起做为蚁群中的一只妈蚁； 步骤2 ;计算妈蚁从原点开始爬行，爬行至下一结点的路径选择概率； 步骤3 ;计算所有妈蚁爬行的目标函数值，记录其中最小函数值的爬行路径； 步骤4 ;判断所述爬行路径是否为最优解，是则转下一步，否则转步骤6 ; 步骤5 ;所有妈蚁完成一次爬行后，更新参数； 步骤6 ;计算得到更新后参数的信息量，判断该信息量是否为最优解，是则转下一步， 否则转步骤2 ; 步骤7 ;得到最优参数，结束本次计算。
【专利摘要】本发明提供了一种基于蚁群算法的车身振动控制方法，包括步骤1：参数初始化，将PID三个参数组合在一起做为蚁群中的一只蚂蚁；步骤2：计算蚂蚁从原点开始爬行，爬行至下一结点的路径选择概率；步骤3：计算所有蚂蚁爬行的目标函数值，记录其中最小函数值的爬行路径；步骤4：判断所述爬行路径是否为最优解，是则转下一步，否则转步骤6；步骤5：所有蚂蚁完成一次爬行后，更新参数；步骤6：计算得到更新后参数的信息量，判断该信息量是否为最优解，是则转下一步，否则转步骤2；步骤7：得到最优参数，结束本次计算。本发明不仅可以有效降低车身的振动幅度，而且对传统控制方法控制效果不佳的振动低频区域，控制效果明显。
【IPC分类】G06F19-00
【公开号】CN104680029
【申请号】CN201510113950
【发明人】邢峰
【申请人】重庆工商职业学院
【公开日】2015年6月3日
【申请日】2015年3月16日