[发明专利]基于遗传算法的柴油机硅油减振器多目标动态匹配方法

权利要求书

1.一种基于遗传算法的柴油机硅油减振器多目标动态匹配方法，其特征是：建立了柴油机曲轴系统多自由度计算模型；根据计算模型建立减振器系统工作动态平衡过程，计算轴系扭振响应和减振器温升数据；采用遗传算法求解曲轴扭振响应的幅值、减振器工作温度和最小质量，得出硅油减振器的多目标自动匹配参数值，此方法至少包含以下几个步骤：

步骤1：提取硅油减振器的结构尺寸特征参数，确定减振器的设计变量为：外径R₀、内径R₁、总厚度B₁、顶隙δ₂、侧隙δ₁，硅油的运动粘度为V；

步骤2：根据减振器的安装空间和硅油特性确定最大允许扭振幅度、硅油黏度值和硅油工作温度参数；

步骤3：根据减振器总重量最小，柴油机轴系的自由端的扭振幅值最小和减振器壳体的表面工作温度最低作为设计目标；

步骤4：计算优化目标曲轴扭振幅角和减振器工作温度；

步骤5：以NSGA-II遗传算法对硅油减振器特征参数进行匹配优化计算；

所述的步骤4包含以下几个步骤：

步骤41：根据曲轴系统的集总参数法数学模型,得出的柴油机轴系多自由度扭振方程；

步骤42：依据硅油流变实验得出动力粘度值-温度-剪切速率曲线,根据推导出的硅油的动力粘度η_n与阻尼系数C_d之间的关系式，计算硅油减振器动态阻尼系数C_d；

步骤43：计算开始先设定初始转速(柴油机怠速)，根据柴油机外特性曲线各个转速点对应的负载计算主谐次激励力矩值；

步骤44：然后再设定温度值(环境温度)，计算硅油动力粘度值，再计算柴油机系统内阻尼系数和减振器的阻尼系数；

步骤45：根据曲轴系统多自由度振动方程公式，利用解析法求解振动幅值(扭角)；

步骤46：计算减振器系统发热量、散热量，当发热量大则增加温度值，重复以上的计算过程，直到发热量和散热量非常接近，结束整个计算过程；

步骤47：在此转速点的热平衡计算结束后，再增加转速重新进行计算，直到最高转速，最后输出柴油机整个转速区间内的减振器性能参数变化和轴系扭振幅值图。

2.根据权利要求1所述的基于遗传算法的柴油机硅油减振器多目标动态匹配方法，其特征是：所述步骤5包含以下几个步骤：

步骤51：编码采用二进制，对步骤11列出的减振器的结构尺寸、硅油黏度参数进行编码；用二进制编码串来表示优化变量的编码，每个优化变量的编码用多位二进制符号0和1所组成的符号集合来表示，符号串的长度根据求解精度来确定；单个体采用8位二进制编码串数表示，用随机数法随机产生1个初始种群进行计算，则每个个体的的编码rep如下：

rep(8)＝{rep(8,1)U rep(8,2)U rep(8,2)}

其中rep(n,i)为第i个优化变量的编码，n为二进制编码位数；

步骤52：适应度函数的调整遗传算法中，评价种群中各个个体解的优良程度采用适应度函数，适应度较高的个体遗传到下一代的概率较大，而群体的进化过程就是以群体中各个个体的适应度为依据的；直接将三个目标函数转化为三个适应度函数；

步骤53：选择复制：采用轮盘赌法和保留最优个体法，将前1代产生的1个最优个体保留到下1代；种群个体的选择概率为个体适应度值；

步骤54：交叉、变异：采用均匀交叉与单点变异策略；

步骤55：持续进行步骤53～54操作，直到满足各优化变量值经过多次迭代中趋于稳定，则输出最优目标函数值及其对应的变量值，并暂存于1个二维数组中；

步骤56：进行以上步骤52～55运算，得到群组局部最优值及其变量值，最后输出最优目标函数值及其变量值。