[发明专利]一种刷式封严结构的多目标优化方法

权利要求书

1.一种刷式封严结构的多目标优化方法，其特征在于：包括以下步骤：

步骤1，选择封严结构的待优化参数，并确定待优化参数的优化范围；

步骤2，以最少泄露和最低磨损为优化目标，构造适应度函数；

步骤3，进行多组变工况实验，制成支持向量机的数据样本，并从中随机选取若干组数据样本作为训练样本；

步骤4，基于训练样本对支持向量机参数进行训练，建立刷式封严的支持向量机代理模型，代理模型输入向量为待优化参数，输出值为适应度函数；

步骤5，基于支持向量机代理模型所拟合的待优化参数与适应度函数之间的数值关系，利用遗传算法确定代理模型的最小输出值，最小输出值所对应的代理模型输入向量便为待优化参数的最优值。

2.根据权利要求1所述的刷式封严结构的多目标优化方法，其特征在于：步骤1中，所述待优化参数选择包括刷丝直径，刷丝层数，后挡板保护高度，刷束自由高度；刷丝直径的优化范围为0.09～0.2mm，刷丝层数的优化范围为6～14层，后挡板高度的优化范围为0.78～2.68mm，刷束自由高度的优化范围为2.64～15.14mm。

3.根据权利要求1所述的刷式封严结构的多目标优化方法，其特征在于：步骤2中，对于最少泄露和最低磨损两个优化目标，分别赋予0.7和0.3的权重。

4.根据权利要求1所述的刷式封严结构的多目标优化方法，其特征在于：步骤3中，支持向量机的输入向量为刷丝直径，刷丝层数，后挡板保护高度，刷束自由高度；输出量分别为泄露量和磨损量；

制作支持向量机数据样本的步骤为：

步骤3.1，针对刷丝直径，刷丝层数，后挡板高度及刷束自由高度进行随机组合，进行100组变工况实验；

步骤3.2，从100组实验数据中选取80组作为支持向量机的训练样本，剩余20组数据作为支持向量机的检测样本；

步骤3.3，针对实验数据进行归一化处理，归一化方法如下：

$\hat{x}=\frac{x-x_{\min }}{x_{\max }-x_{\min }}$

式中，x_max为输入数据的最大值，x_min为输入数据的最小值，x为输入数据，为归一化后的数据。