基于標準粒子群算法的汽車乘坐舒適性優(yōu)化分析.pdf

1、標準粒子群優(yōu)化算法(SPSO)是一種基于群智能的隨機搜索優(yōu)化算法。粒子群算法源于對鳥群的集體捕食過程進行模擬，系統(tǒng)本身是由一群微粒組成，當約束設(shè)定后，微粒群在問題空間互相合作尋求最優(yōu)解。這種算法具有實現(xiàn)容易、精度高、收斂快的特點。粒子群算法在汽車領(lǐng)域尤其是在汽車行駛平順性及乘坐舒適性方面應(yīng)用廣泛。本論文對標準粒子群算法進行研究，并應(yīng)用MATLAB中粒子群優(yōu)化工具箱對汽車的參數(shù)進行優(yōu)化與分析。主要研究內(nèi)容如下:
　　本文首先研究了汽

2、車乘坐舒適性的評價方法，得到了一種主觀方法與客觀方法相結(jié)合的合理有效的評價方法，為后續(xù)的優(yōu)化分析提供理論依據(jù)。其次建立了汽車子系統(tǒng)振動的力學模型、動力學模型及頻率響應(yīng)模型，建立了十一自由度整車振動的仿真模型，對其分析發(fā)現(xiàn)影響汽車乘坐舒適性的主要因素有前后懸架的剛度和阻尼。最后本文對標準粒子群算法的基本原理、算法流程進行理論介紹，重點研究了各個參數(shù)的選擇和設(shè)置。建立了人-車-路耦合的十一自由度力學模型、動力學模型及頻率響應(yīng)模型，分析得到了