兼顧水面航態(tài)UUV性能和功能綜合優(yōu)化設計
發(fā)布時間：2022-01-16 02:57
本文基于一種UUV艇型,對其進行改進設計,使之有效兼顧水面航態(tài),并建立快速性、操縱性和主要功能的優(yōu)化數(shù)學模型。改進優(yōu)化軟件,使用遺傳、混沌和粒子群3種優(yōu)化算法進行不同代數(shù)的優(yōu)化計算,總結了3種算法的計算原理,比較各個計算代數(shù)計算結果的適應度函數(shù)最大值,得出最佳參數(shù),并分析了3種算法對約束程度的滿足要求。結果表明,粒子群算法相對更優(yōu),更易滿足約束條件,計算結果為該艇型的水下無人艇的開發(fā)研究提供參考依據。
【文章來源】：艦船科學技術. 2020,42(23)北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
PSO算法的基本流程圖Fig.2FlowchartofPSOalgorithm
000120000140000適應度函數(shù)值55.61102.17105.18118.11119.34136.01125.08浮性約束/%99.7699.3599.7399.9399.9699.7999.34力的約束/%99.6599.7699.9199.9399.8599.9899.84轉矩約束/%99.6599.7699.9199.9399.8599.9899.84由表3計算結果可以得出，約束條件均在99%以上。由圖4可以看出，伴隨著混沌計算代數(shù)的增大，適應度函數(shù)值也表現(xiàn)出增大的趨勢，波動也相對較大。對比遺傳算法計算結果，可以看出，混沌算法的函數(shù)值普遍小一些，即采用混沌算法相對遺傳算法優(yōu)化計算效果較差。圖4適應度函數(shù)值隨計算代數(shù)的變化曲線Fig.4Changecurveoffitnessfunctionvaluewithcalculationalgebra2.2.3粒子群算法優(yōu)化計算主要數(shù)據設定如下：種群規(guī)模400，最大粒子飛行速度與區(qū)間概率0.15，變權重0.9～0.4，選取6組優(yōu)化代數(shù)進行計算，計算結果匯總如表4所示。表4粒子群算法不同優(yōu)化代數(shù)的計算結果Tab.4ThecalculationresultsofdifferentoptimizationalgebraofPSOalgorithm優(yōu)化代數(shù)100020003000400050006000適應度值177.84221.45241.80245.89256.32255.25浮性約束/%99.9699.9199.9699.6599.9199.49力的約束/%99.9299.9999.9399.9399.9999.98轉矩約束/%99.9299.9999.9399.9399.9999.98由表4可以看出，所計算的數(shù)據值都相對較好，而且符合約束。如圖5所示，在計算到較大的代數(shù)時，適應度函數(shù)值表現(xiàn)出更加穩(wěn)定，增加緩慢，或有細微的變化波動。由此得出，優(yōu)化次數(shù)達到5000代時，目標函數(shù)值趨于穩(wěn)定，所計算的結果相對較優(yōu)。圖5適應度函數(shù)值隨計算代數(shù)的變化曲線Fig.5Variationcurveoffitnessfunctionvaluewithcalc
Oalgorithm優(yōu)化代數(shù)100020003000400050006000適應度值177.84221.45241.80245.89256.32255.25浮性約束/%99.9699.9199.9699.6599.9199.49力的約束/%99.9299.9999.9399.9399.9999.98轉矩約束/%99.9299.9999.9399.9399.9999.98由表4可以看出，所計算的數(shù)據值都相對較好，而且符合約束。如圖5所示，在計算到較大的代數(shù)時，適應度函數(shù)值表現(xiàn)出更加穩(wěn)定，增加緩慢，或有細微的變化波動。由此得出，優(yōu)化次數(shù)達到5000代時，目標函數(shù)值趨于穩(wěn)定，所計算的結果相對較優(yōu)。圖5適應度函數(shù)值隨計算代數(shù)的變化曲線Fig.5Variationcurveoffitnessfunctionvaluewithcalculationalgebra2.3優(yōu)化結果根據上述幾種計算的結果不難看出，根據粒子群算法算出來的數(shù)據明顯更好，更符合要求，最終數(shù)據如表5所示。3結語本文針對一種水下無人艇，設計一種支柱平臺對傳統(tǒng)艇型進行改進，使之能有效兼顧水面航態(tài)，結合快速性、操縱性、功能特性，構造總目標函數(shù)、約束條件以及懲罰函數(shù)，建立該型UUV的綜合優(yōu)化數(shù)學模型，分別使用遺傳算法、混沌算法和粒子群算法不同計算代數(shù)進行了該型UUV的運算，從計算結果可以得出:1）混沌算法計算結果的適應度函數(shù)值相對其他2個算法較低，雖然遺傳與粒子群算法計算結果更接近，但整體還是粒子群算法所計算的更優(yōu)，相對更穩(wěn)定；2）隨著計算次數(shù)的增加，3種計算方法所計算的結果都呈現(xiàn)正向增加的變化趨勢，且當計算次數(shù)到達圖3適應度函數(shù)值隨遺傳代數(shù)的變化曲線Fig.3Changecurveoffitnessfunctionvaluewithgeneticalgebra第42卷程占元，等：兼顧水面航態(tài)UUV性能和功能綜合優(yōu)化設計·39·
【參考文獻】：
期刊論文
[1]基于粒子群優(yōu)化的船舶電力系統(tǒng)經濟環(huán)境調度[J]. 李素素,王錫淮. 船電技術. 2019(11)
[2]基于蟻群算法的船舶調度優(yōu)化研究[J]. 趙翱東,壯而行. 艦船科學技術. 2019(06)
[3]基于粒子群優(yōu)化算法的無人艇路徑規(guī)劃[J]. 薛敏,徐海成,王碩. 中國科技信息. 2018(24)
[4]無人潛水器主體多學科多目標設計優(yōu)化[J]. 李嘉寧,劉峰,姚競爭,杜世欣,梁旭. 哈爾濱工程大學學報. 2019(04)
[5]基于改進遺傳算法的新型水面無人艇性能綜合優(yōu)化分析[J]. 魏子凡,井升平,楊松林. 江蘇科技大學學報(自然科學版). 2017(01)
[6]基于改進遺傳算法的無功優(yōu)化[J]. 尹星月,閆旭,劉欣,汪春龍. 東北電力大學學報. 2014(03)
博士論文
[1]基于多目標決策的USV系統(tǒng)可變自主實現(xiàn)機制研究[D]. 鄒啟杰.哈爾濱工程大學 2014
碩士論文
[1]一種水面無人艇艇型優(yōu)化及遠程設計系統(tǒng)初步研究[D]. 劉曼.江蘇科技大學 2018
[2]深海無人智能潛水器力學性能和能源系統(tǒng)綜合優(yōu)化方法研究[D]. 俞強.江蘇科技大學 2014
本文編號：3591799
【文章來源】：艦船科學技術. 2020,42(23)北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
PSO算法的基本流程圖Fig.2FlowchartofPSOalgorithm
000120000140000適應度函數(shù)值55.61102.17105.18118.11119.34136.01125.08浮性約束/%99.7699.3599.7399.9399.9699.7999.34力的約束/%99.6599.7699.9199.9399.8599.9899.84轉矩約束/%99.6599.7699.9199.9399.8599.9899.84由表3計算結果可以得出，約束條件均在99%以上。由圖4可以看出，伴隨著混沌計算代數(shù)的增大，適應度函數(shù)值也表現(xiàn)出增大的趨勢，波動也相對較大。對比遺傳算法計算結果，可以看出，混沌算法的函數(shù)值普遍小一些，即采用混沌算法相對遺傳算法優(yōu)化計算效果較差。圖4適應度函數(shù)值隨計算代數(shù)的變化曲線Fig.4Changecurveoffitnessfunctionvaluewithcalculationalgebra2.2.3粒子群算法優(yōu)化計算主要數(shù)據設定如下：種群規(guī)模400，最大粒子飛行速度與區(qū)間概率0.15，變權重0.9～0.4，選取6組優(yōu)化代數(shù)進行計算，計算結果匯總如表4所示。表4粒子群算法不同優(yōu)化代數(shù)的計算結果Tab.4ThecalculationresultsofdifferentoptimizationalgebraofPSOalgorithm優(yōu)化代數(shù)100020003000400050006000適應度值177.84221.45241.80245.89256.32255.25浮性約束/%99.9699.9199.9699.6599.9199.49力的約束/%99.9299.9999.9399.9399.9999.98轉矩約束/%99.9299.9999.9399.9399.9999.98由表4可以看出，所計算的數(shù)據值都相對較好，而且符合約束。如圖5所示，在計算到較大的代數(shù)時，適應度函數(shù)值表現(xiàn)出更加穩(wěn)定，增加緩慢，或有細微的變化波動。由此得出，優(yōu)化次數(shù)達到5000代時，目標函數(shù)值趨于穩(wěn)定，所計算的結果相對較優(yōu)。圖5適應度函數(shù)值隨計算代數(shù)的變化曲線Fig.5Variationcurveoffitnessfunctionvaluewithcalc
Oalgorithm優(yōu)化代數(shù)100020003000400050006000適應度值177.84221.45241.80245.89256.32255.25浮性約束/%99.9699.9199.9699.6599.9199.49力的約束/%99.9299.9999.9399.9399.9999.98轉矩約束/%99.9299.9999.9399.9399.9999.98由表4可以看出，所計算的數(shù)據值都相對較好，而且符合約束。如圖5所示，在計算到較大的代數(shù)時，適應度函數(shù)值表現(xiàn)出更加穩(wěn)定，增加緩慢，或有細微的變化波動。由此得出，優(yōu)化次數(shù)達到5000代時，目標函數(shù)值趨于穩(wěn)定，所計算的結果相對較優(yōu)。圖5適應度函數(shù)值隨計算代數(shù)的變化曲線Fig.5Variationcurveoffitnessfunctionvaluewithcalculationalgebra2.3優(yōu)化結果根據上述幾種計算的結果不難看出，根據粒子群算法算出來的數(shù)據明顯更好，更符合要求，最終數(shù)據如表5所示。3結語本文針對一種水下無人艇，設計一種支柱平臺對傳統(tǒng)艇型進行改進，使之能有效兼顧水面航態(tài)，結合快速性、操縱性、功能特性，構造總目標函數(shù)、約束條件以及懲罰函數(shù)，建立該型UUV的綜合優(yōu)化數(shù)學模型，分別使用遺傳算法、混沌算法和粒子群算法不同計算代數(shù)進行了該型UUV的運算，從計算結果可以得出:1）混沌算法計算結果的適應度函數(shù)值相對其他2個算法較低，雖然遺傳與粒子群算法計算結果更接近，但整體還是粒子群算法所計算的更優(yōu)，相對更穩(wěn)定；2）隨著計算次數(shù)的增加，3種計算方法所計算的結果都呈現(xiàn)正向增加的變化趨勢，且當計算次數(shù)到達圖3適應度函數(shù)值隨遺傳代數(shù)的變化曲線Fig.3Changecurveoffitnessfunctionvaluewithgeneticalgebra第42卷程占元，等：兼顧水面航態(tài)UUV性能和功能綜合優(yōu)化設計·39·
【參考文獻】：
期刊論文
[1]基于粒子群優(yōu)化的船舶電力系統(tǒng)經濟環(huán)境調度[J]. 李素素,王錫淮. 船電技術. 2019(11)
[2]基于蟻群算法的船舶調度優(yōu)化研究[J]. 趙翱東,壯而行. 艦船科學技術. 2019(06)
[3]基于粒子群優(yōu)化算法的無人艇路徑規(guī)劃[J]. 薛敏,徐海成,王碩. 中國科技信息. 2018(24)
[4]無人潛水器主體多學科多目標設計優(yōu)化[J]. 李嘉寧,劉峰,姚競爭,杜世欣,梁旭. 哈爾濱工程大學學報. 2019(04)
[5]基于改進遺傳算法的新型水面無人艇性能綜合優(yōu)化分析[J]. 魏子凡,井升平,楊松林. 江蘇科技大學學報(自然科學版). 2017(01)
[6]基于改進遺傳算法的無功優(yōu)化[J]. 尹星月,閆旭,劉欣,汪春龍. 東北電力大學學報. 2014(03)
博士論文
[1]基于多目標決策的USV系統(tǒng)可變自主實現(xiàn)機制研究[D]. 鄒啟杰.哈爾濱工程大學 2014
碩士論文
[1]一種水面無人艇艇型優(yōu)化及遠程設計系統(tǒng)初步研究[D]. 劉曼.江蘇科技大學 2018
[2]深海無人智能潛水器力學性能和能源系統(tǒng)綜合優(yōu)化方法研究[D]. 俞強.江蘇科技大學 2014
本文編號：3591799
本文鏈接：http://sikaile.net/kejilunwen/chuanbolw/3591799.html
