基于二进制差分进化算法的起落架测点寻优方法及系统与流程
本发明涉及起落架测点寻优,特别是涉及基于二进制差分进化算法的起落架测点寻优方法及系统。
背景技术:
1、测试性指目标系统是否易于被测试,以及能够被测试的程度。随着飞机系统复杂性不断提升,测试技术在飞机生产制造中占比逐步提升,其测试过程和测试复杂性涉及内容繁多,在现有生产过程中,存在过测试、欠测试、测试完备性未评估、测试方法优化空间较大等问题。其中,测试完备性评估问题以及测试方法优化问题均涉及测点布局问题。合理的测点布局不仅在产品设计阶段有助于产品的自检测性分析,在机载系统测试工艺设计阶段也发挥了重要作用,及时优化测点布局,能有效提高测试完备性,降低过测试、欠测试等行为频率,提高测试可靠性,降低测试周期及测试成本。
2、在测点优化领域,各种优化算法在不同的行业背景下有较为良好的表现,典型代表如针对车辆齿轮传动箱的粒子群优化技术,其考虑内部零部件的振动信号及其传递路径,从信号分析角度出发解决测点配置问题;在航空航天领域,典型代表如利用自适应模拟退火遗传算法分析大型飞机机身壁板的有限元模型,从数学模型出发得到壁板检测点优化布置方法,又如有学者提出有效独立法从参数识别所需的数据角度出发,根据信息阵解决轨道航天器的结构传感器测点优化问题。
3、上述提到的典型代表展示了当前测点优化领域解决问题的几个主要思路:
4、1)优化传感器数目或位置;2)分析信号能量,从诊断角度切入,将测点寻优问题转化为寻找有最大信息量的检测位置问题;3)从模型角度出发,建立对象有限元等数学模型,在不同故障模态下进行观测,得到最佳测点方案。
5、但现有技术很少将测点寻优技术应用至起落架系统,有效将其作为测试性分析手段,且能保证测试完备性。
技术实现思路
1、为解决上述技术问题,本发明提出了基于二进制差分进化算法的起落架测点寻优方法及系统,为起落架系统的产品设计阶段和测试工艺设计阶段服务,在保证测试完备性的前提下提高测试效率。
2、本发明是通过采用下述技术方案实现的:
3、基于二进制差分进化算法的起落架测点寻优方法,包括以下步骤:
4、步骤s1. 搭建起落架多信号流图模型,并基于该模型生成故障-测试性矩阵;其中,所述故障-测试性矩阵为二值形式的知识矩阵,以1和0分别表示系统中工况模式与待测试点之间是否存在依赖关系;
5、步骤s2. 采用二进制编码的差分进化算法对已知离散的待测试点组合进行优化,具体包括以下步骤:
6、步骤s21. 采用二进制编码方式表示待测试点组合;随机生成若干染色体以获得初始种群;
7、步骤s22. 基于故障-测试性矩阵以及预构建的适应度函数,计算当代每条染色体的适应度值;
8、步骤s23. 执行差分进化操作,包括变异、交叉以及选择,生成新一代种群;其中,所述变异指:在本代种群中随机选取两个不同的染色体,生成覆盖码,并将覆盖码作用于当代适应度值最大的染色体,生成变异染色体,获得变异种群;所述交叉指:在变异种群和本代种群中选择染色体上的对位基因进行交叉操作,生成试验染色体,获得子代种群;所述选择指:在本代种群和子代种群中选出染色体进入下一轮循环;
9、步骤s3. 重复执行步骤s22至步骤s23,直至满足收敛条件或达到最大迭代次数,输出适应度值最大的染色体作为最优测试点组合。
10、搭建起落架多信号流图模型的方法为:依据起落架系统功能层次划分对象结构,确定系统部件、工况模式与待测试点间的对应关系,梳理信号传播路径,实现层次化建模,完成起落架多信号流图模型的搭建。
11、采用二进制编码方式表示待测试点组合,其中,所述染色体上的编码为一个长度为
n的二进制序列,
n代表系统待测试点数量,编码1代表待测试点被选择,该序列即代表了一种待测试点组合。
12、所述适应度函数为:
13、,
14、式中,表示第
i个指标,表示第
i个指标的权重,且、均为
n维。
15、所述指标包括基于故障-测试性矩阵得到的故障探测率、故障隔离率以及待测试点使用率。
16、所述变异具体包括以下步骤:
17、步骤1. 在本代种群中随机选取两条染色体,对它们做异或操作,即数字相同得0,数字不同得1,将异或结果所得到的由0和1组成的串作为覆盖码;
18、步骤2. 将上述覆盖码作用于当代适应度值最大的染色体,进行覆盖操作,生成变异染色体:若覆盖码第
i个位置是1,则当代适应度值最大的染色体对应位置的数字被覆盖,原位置是0则变为1,原位置是1则变为0;
19、步骤3. 重复上述步骤1和步骤2,共进行
n次,获得变异种群。
20、所述交叉具体指:对本代种群的每条染色体,生成一个与染色体同等长度的01掩码;对于掩码的第
i位,独立生成服从均匀分布的随机数
ri,
ri∈[0,1];基于预设交叉概率
pc,生成试验染色体:若
ri≤
pc,当掩码的第
i位为1,试验染色体的第
i位取自对应的变异染色体,否则保留染色体的第
i位;上述交叉操作对种群中的n条染色体分别执行,共生成n条试验染色体,获得子代种群。
21、还包括动态调整交叉概率
pc:
22、,
23、式中,、分别为交叉概率常数,为染色体第位的适应度值,为每一代适应度值的平均值,为该代染色体适应度值的最大值。
24、所述选择具体指:将本代种群和子代种群合并为临时种群,计算临时种群中所有染色体的适应度值,选取值为前
n个的染色体进入下一轮迭代操作。
25、基于二进制差分进化算法的起落架测点寻优系统,包括:
26、建模与矩阵生成模块,用于搭建起落架多信号流图模型,并基于该模型生成故障-测试性矩阵;其中,所述故障-测试性矩阵为二值形式的知识矩阵,以1和0分别表示系统中工况模式与待测试点之间是否存在依赖关系;
27、种群初始化模块,用于采用二进制编码方式表示待测试点组合;随机生成若干染色体以获得初始种群;
28、适应度评价模块,用于基于故障-测试性矩阵以及预构建的适应度函数,计算当代每条染色体的适应度值;
29、差分进化优化模块,包括变异子模块、交叉子模块以及选择子模块;所述变异子模块用于随机选取两个不同的染色体,生成覆盖码,并将覆盖码作用于当代适应度值最大的染色体,生成变异染色体,获得变异种群;所述交叉子模块用于在变异种群和本代种群中选择染色体上的对位基因进行交叉操作,生成试验染色体,获得子代种群;所述选择子模块用于在本代种群和子代种群中选出染色体进入下一轮循环;
30、迭代控制与输出模块,用于重复调用适应度评价模块以及差分进化优化模块,直至满足收敛条件或达到最大迭代次数,输出适应度值最大的染色体作为最优测试点组合。
31、与现有技术相比,本发明的有益效果表现在:
32、1、本发明所提供的基于二进制差分进化算法的起落架测点寻优技术为起落架系统的产品设计阶段和测试工艺设计阶段服务,达到测试完备性、故障隔离率、故障检测率及测试成本周期的协调匹配,相较同类算法,在保证测试完备性的前提下能提高测试效率,配置更灵活,在起落架系统上得到较好的验证效果。
33、具体的,本发明利用二进制差分进化算法完成针对起落架系统测试性评估模型的测试性分析和待测试点优化工作,相较同类算法不易陷入局部最优,自动化程度高。更为具体的,本发明采用二进制表示染色体,本发明将解类比为染色体,对序列进行变异、交叉、选择3种运算生成新的优化解,与现有技术中的基于模拟退火思想和遗传算法的改进粒子群算法相比,更直观,更便于操作计算,拥有较好的工程适配性。并且,本发明所使用的加速收敛策略可以很大程度避免陷入局部最优。
34、2、现有技术中,其他领域的测点布置方案一般面向工程结构问题,基于相关物理参数建立结构的动力学模型,应用到本起落架系统,会存在建模困难、计算复杂等问题,且针对性不强。由于起落架系统测点具有相对固定性和不连续性的特性,本发明通过故障分析,使测点寻优着重于结构响应,才使得本发明能应用于飞机起落架系统故障测点系统。
35、3、本发明通过将多信号流图模型的关系转换为d-矩阵,更方便寻优计算分析。
36、4、本发明基于所采用的二进制差分进化算法,设计基于覆盖码的变异操作,能解决二进制编码串向量相减无意义的问题。
37、5、本发明所用的指标包括基于故障-测试性矩阵得到的故障探测率、故障隔离率以及待测试点使用率。这些指标从测试性评估的角度出发,是针对起落架系统的专属特点所特意选择的。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com