(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210643552.9 (22)申请日 2022.06.09 (71)申请人 温州大学 地址 325000 浙江省温州市瓯海区东方南 路38号温州市国家大 学科技园孵化器 (72)发明人 汪鹏君　宋世铭　陈慧灵　叶浩　 施一剑　 (74)专利代理 机构 宁波奥圣专利代理有限公司 33226 专利代理师 方小惠 (51)Int.Cl. G06F 30/20(2020.01) G06F 111/04(2020.01) (54)发明名称 基于随机单元置换哈里斯鹰算法的碟形弹 簧重量优化方法 (57)摘要 本发明公开了一种基于随机单元置换哈里 斯鹰算法的碟形弹簧重量优化方法， 先确定碟簧 重量优化的目标函数及待求解的关键参数， 然后 对原哈里斯鹰算法结构进行优化， 具体优化措施 为： 第一， 取消原 哈里斯鹰算法除初始化种群步 骤以外的集中计算目标函数值的步骤， 而是在算 法获得更优解的同时对结果进行记录； 第二， 在 原哈里斯鹰算法每一次迭代寻优结束前的位置 引入随机单元置换机制； 第三， 对原 哈里斯鹰算 法的能量因子E的绝对值大于等于1的搜索步骤 进行删除； 将 优化后的哈里斯鹰算法称为基于随 机单元置 换哈里斯鹰算法， 并利用该基于随机单 元置换哈里斯鹰算法求解关键参数， 得到碟簧重 量优化的关键参数； 优点是收敛速度快、 求解精 度高。 权利要求书6页 说明书13页 附图1页 CN 114936468 A 2022.08.23 CN 114936468 A 1.一种基于随机单元置换哈里斯鹰算法的碟形弹簧重量优化方法， 其特征在于包括以 下步骤： 步骤S1、 确定碟 簧重量优化的目标函数及待求 解的关键参数； 步骤S2、 对原哈里斯鹰算法结构进行优化， 具体优化措施为： 第一， 取消原哈里斯鹰算 法除初始化种群步骤以外的集中计算目标函数值的步骤， 而 是在算法获得更优解的同时对 结果进行记录， 以节省计算耗时； 第二， 在原哈里斯鹰算法每一次迭代寻优结束 前的位置引 入随机单元置换机制， 以增强全局搜索性能； 第三， 对原哈里斯鹰算法的能量因子E的绝对 值大于等于1的搜索步骤进 行删除， 以减少对随机单元置换机制的寻优效果的影响； 将优化 后的哈里斯鹰算法称为基于随机单元置换哈里斯鹰算法， 并利用该基于随机单元置换哈里 斯鹰算法求 解关键参数， 得到碟 簧重量优化的关键参数。 2.根据权利要求1所述的基于随机单元置换哈里斯鹰算法的碟形弹簧重量优化方法， 其特征在于所述的步骤S1中确定碟簧重量优化的目标函数及待求解的关键参数 的具体过 程为： S1.1、 确定碟 簧重量优化的目标函数， 该目标函数如式(1)所示： 其中， F(x)为目标函数， 表示碟簧的重量， 计量单位为磅(lb)， ρ表示碟簧材料的密度， 计量单位为磅/立方英寸(lb/in3)， VBS为碟簧的体积， 计量单位为立方英寸(in3)， π为圆周 率， Dot为碟簧外径， 计量单位为英寸(in)， Dinn为碟簧内径， 计量单位为英寸(in)， ts为碟簧 厚度， 计量单位 为英寸(i n)； S1.2、 确定碟 簧重量优化的约束条件， 约束条件如式(2)至(8)所示： g3(x)＝ δl‑δmax≥0          (4) g4(x)＝H‑h‑ts≥0         (5) g5(x)＝Dmax‑Dot≥0        (6) g6(x)＝Dot‑Dinn≥0         (7) 其中， g1(x)为碟簧径向缩短产生的应力约束， g2(x)为碟簧的刚度约束， g3(x)为碟簧的 限定挠度约束， g4(x)为碟簧厚度和高度的关系约束， g5(x)为碟簧的外径约束， g6(x)为碟簧 的外径和内径的关系约束， g7(x)为碟簧几何尺寸约束， h为碟簧高度， 计量单位为英寸 (in)， S为碟簧的容许强度， 计量单位为千磅力/平方英寸(kpsi)， E为碟簧的弹性模量， 计量 单位为磅力/平方英寸(psi)， δmax为碟簧的最大挠度， 计量单位为英寸(in)， μ为碟簧材料的 泊松系数， Pmax为碟簧的最大载荷， 计量单位为磅(1b)， H为碟簧高度的最大限制， 计量单位 为英寸(in)， Dmax为碟簧的最大外径， 计量单位为英寸(in)， δl为限定挠度， δl＝f(a)h， 表示碟簧高度与厚度的比值， f(a)表示碟簧的负载变形特性， 计量单位为英寸(in)， 令K＝Dot/Dinn， α 、 β 、 γ为临时变量， α 、 β 、 Y分别由式(9)至(1 1)计算得到：权　利　要　求　书 1/6 页 2 CN 114936468 A 2S1.3、 确定式(2)至(8)所示约束条件中的参数值， 其中， ρ ＝0.283lb/in3， S＝200kpsi， E ＝30×106psi， δmax＝0.2in， μ＝0.3， Pmax＝5400lb， H＝2in， Dmax＝12.01in， a及负载变形特 性f(a)的关系如下： 当a＜1.45时， f(a)＝1， 当1.45≤a＜1.55时， f(a)＝0.85， 当1.55≤a＜ 1.65时， f(a)＝0.77， 当1.65≤a＜1.75时， f(a)＝0.71， 当1.75≤a＜1.85时， f(a)＝0.66， 当1.85≤a＜1.95时， f(a)＝0.63， 当1.95≤a＜2.05时， f(a)＝0.6， 当2.05≤a＜2.15时， f (a)＝0.58， 当2.15≤a＜2.2 5时， f(a)＝0.56， 当2.2 5≤a＜2.35时， f(a)＝0.55， 当2.35≤a ＜2.45时， f(a)＝0.53， 当2.45≤a＜2.55时， f(a)＝0.52， 当2.55≤a＜2.65时， f(a)＝ 0.51， 当2.65≤a＜2.75时， f(a)＝0.51， 当a≥2.75时， f(a)＝0.50， 剩余四个参数即为待 求 解的关键参数， 即弹簧外径Dot， 弹簧内径Dinn， 弹簧厚度 ts和弹簧高度h， 其参数范围分别为： 5in≤Dot≤15in， 5in≤Dinn≤15in， 0.01in≤ts≤6in， 0.05in≤h≤0.5in， 用向量X表示待求 解的关键参数， 用向量LB表示X的下界， 用向量UB表示X的上界， 其表达式分别由式(12)至 (14)所示。 X＝[Dot， Dinn， ts， h]          (12) LB＝[5， 5， 0.01， 0.0 5]        (13) UB＝[15， 15， 6， 0.5]         (14) 其中， LB的第1维数据表示Dot的下限， 第2维数据表示Dinn的下限， 第3维数据表示ts的下 限， 第4维数据表示h的下限， UB的第1维数据表示Dot的上限， 第2 维数据表示Dinn的上限， 第3 维数据表示ts的上限， 第4维数据表示h的上限； S1.4、 采用向量X对公式(1)所示的目标函数进行变形， 得到最终的目标函数由式(15) 表示为： F(X)＝0.07075 π( (X1)2‑(X2)2)X3        (15) 其中， X1表示向量X的第1维数据， X2表示向量X的第2维数据， X3表示向量X的第3维数据， (·)2表示对数据进行平方运 算。 3.根据权利要求2所述的基于随机单元置换哈里斯鹰算法的碟形弹簧重量优化方法， 其特征在于所述的步骤S2中利用基于随机单元置换的哈里斯鹰算法求解关键参数， 得到碟 簧重量优化的关键参数的具体过程 为： S2.1、 种群初始化， 得到初始种群： 将所述的向量X对应为种群的个体， 个体维度D为4， 个体的第1维数据对应为Dot， 个体的第2维数据对应为Dinn， 个体的第3维数据对应为ts， 个体 的第4维数据对应为h； 将基于随机单元置换哈里斯鹰算法的种群容量N设定为30， 随机初始 化30个个体， 得到初始种群， 初始化方式由式(16)所示：权　利　要　求　书 2/6 页 3 CN 114936468 A 3