技术领域
[0001] 本
发明涉及
汽车电控液压转向系统领域，特别是一种电控液压助力转向系统及基于该系统的多目标优化方法。
背景技术
[0002] 电控液压助力转向系统是一种由
电动机驱动，由车速
传感器监控车速，电控单元ECU获取数据后通过控制转向控制
阀的开启程度、
叶片泵驱动
电机的转速改变油液压力，实现转向助力力度的大小调节的新型汽车动力转向系统，目前广泛应用于汽车动力转向中。相比传统的液压助力转向系统，电控液压助力转向系统拥有更好的汽车高速行驶时的操纵感觉和动态响应以及行驶过程中经济性等优势，由于该系统以电机代替
发动机直接驱动液压泵，车速和转向盘转速将影响电机转速的大小，在车速低、转向盘
角速度大时，ECU响应使得电机转速增大，增大液压油流量，增大转向助力；反之，电机转速降低，系统提供的助力减小。
[0003] 但是在现有的电控液压助力转向系统的研究中，一方面，只能根据车速和转向盘转矩确定电机转速，再通过控制电机的转速来控制助力转矩，液压系统中的转阀开度只能依赖于转向盘转角进行线性调节，不适合多工况下均能满足使汽车转向能耗尽量小的要求，系统结构在降低能耗方面还有很大程度的改进；另一方面，目前对电控液压助力转向系统优化设计方面的研究不能综合考虑汽车转向过程中系统的
能量消耗，同时兼顾驾驶员的转向感受。目前，针对对机械系统参数和液压泵参数进行多目标优化设计，使得转向系统以较小的能量消耗并保证驾驶员获得良好的操纵
稳定性和转向路感的报道尚未见公开。
发明内容
[0004] 针对上述问题，本发明提供一种电控液压助力转向系统，并基于该系统，根据由传感器得到的车速、转向盘转角、转向力矩、汽车
横摆角速度以及路面
信号基础上，综合考虑电机转速、转阀开度、机械转向系统参数、液压泵参数的电控液压助力转向系统及其多目标优化方法，本发明是这样实现的：
[0005] 一种电控液压助力转向系统，其特征在于，包括转向机械单元、转阀开度调节单元、油泵调节单元和
电子控制单元ECU；
[0006] 所述转向机械单元包括依次连接的转向盘、
转向轴、
齿轮齿条转向器以及两端连有
车轮的转向横拉杆，转向横拉杆上设有
液压缸，转向轴上设有
扭矩传感器；
[0007] 所述转阀开度调节单元包括相连的转阀及转阀调节电机，转阀与液压油箱之间设有液压回油管路，转阀与液压缸之间设有液压缸进油管路和液压缸回油管路，液压缸两侧设有液压传感器元件；
[0008] 所述油泵调节单元包括相连的双作用
叶片泵和油泵
驱动电机；双作用叶片泵分别与液压油箱和转阀相连，将由液压油箱输出的液压油通过转阀进油管路在转阀处分流至液压缸进油管路和液压缸回油管路；
[0009] 所述电子控制单元ECU与扭矩传感器和液压传感器元件相连，接收他们发出的
电信号，并向转阀调节电机和油泵驱动电机发出
控制信号。
[0010] 进一步，本发明中，所述电子控制单元ECU还连有车载
光学传感器，接收由车载光学传感器发出的电信号。
[0011] 一种基于电控液压助力转向系统的多目标优化方法，具体步骤如下：
[0012] 1)利用建模
软件MATLAB-simulink，建立电动液压助力转向系统模型、整车动力学模型，以及能耗数学模型，其中电动液压助力转向系统模型包括电机模型、转向盘模型、齿
轮齿条模型、转向泵模型、转阀模型、输入和
输出轴模型、液压
位置伺服控
制模型、轮胎模型；
[0013] 2)将转向系统能耗、转向路感以及转向灵敏度作为电控液压助力转向的性能评价指标，并建立三个性能评价指标的量化公式；
[0014] 其中，转向路感的量化公式为：
[0015]
[0016] 式(1)中，Th为转向盘输入转矩，Tr为转向螺杆的助力转矩，mr为齿条
质量，rp为
小齿轮半径，n1为转向系统转向盘转角到前轮转角的
传动比，Jm为电机与油泵的
转动惯量，AP为液压缸
活塞面积，Br为齿条阻尼系数，Bm为电机与油泵的粘性阻尼系数，ρ为油液
密度，A为阀间隙的油流量面积，ηv为油泵的容积效率，Cq为阀间隙的流量系数，K为电机助力系数，Ka为转向助力电机转矩系数，Ks为转矩传感器
刚度，KTT为转向轴与扭杆的综合刚度，q为泵的
排量，B为
定子厚度，R2为定子长轴半径，R1为定子短轴半径，Z为叶片泵叶片数，t为叶片厚度；
[0017] 转向灵敏度量化公式为：
[0018]
[0019] 式(2)中，δ(s)为经拉普拉斯变换后的前轮转角，θs(s)为经拉普拉斯变换后的
方向盘转角，β(s)为经拉普拉斯变换后的横摆
加速度，φ(s)为经拉普拉斯变换后的质心
侧偏角，wr(s)为经拉普拉斯变换后的横摆角速度，n为双作用叶片泵的转速，n2为转向输出轴到前轮的传动比，a为汽车质心到前
轴距离，u为汽车车速，d为为车辆1/2
轮距，E1为侧倾转向系数，k1、k2为前轮侧偏刚度；
[0020] 转向系统能耗量化公式为：
[0021]
[0022] 式(3)中，E为转向系统总能耗功率，PECU-loss为ECU消耗功率，PE-motorloss为电机损失功率，Ppump-loss为液压泵损耗功率，Pv-loss为转阀损耗功率；UA为液压泵驱动电机的有效
电压,IA为发动机
电流,RA为电枢电流的负载
电阻，Relec为非电枢电流上的电阻,US为
电源电压，L为转阀开口长度，w为转阀开口宽度，Kc为转向轴刚度，Kn为转矩传感器刚度；
[0023] 3)以转向路感和转向系统能耗为优化目标，转向灵敏度为系统约束条件，建立电控液压助力转向系统多目标优化模型，电控液压助力转向系统优化的目标函数f(x)为：
[0024]
[0025] 式(4)中：路感函数f(x1)为路面信息有效
频率范围(0，ω0)的频域能量平均值，优化方案中ω0＝40Hz；能耗函数f(x2)为系统电机的能量损耗和转阀的能量损耗；
[0026] 电控液压助力转向系统优化的约束条件为：
[0027]
[0028] 在优化过程中ω0＝40Hz，并且式(5)函数满足0.0008≤f(x3)≤0.0099的约束条件；
[0029] 4)将定子厚度B，电机与油泵的转动惯量Jm，转矩传感器刚度Ks，液压泵转速n，转阀转角θ作为电控液压助力转向系统的设计变量；
[0030] 5)利用优化软件：isight，采用融合布谷
鸟算法的改进Memetic智能算法对式(1)-(4)中的机械参数、液压系统参数进行优化，根据优化结果得出最优pareto解集，并选取最优妥协解；
[0031] 6)将获得的最优妥协解各参数对应的能耗值与优化前的能耗值进行比较，若低于优化前的能耗值，则认为优化有效。
[0032] 进一步，本发明中，步骤5)所述融合布谷鸟算法的改进Memetic智能算法具体步骤如下：
[0033] 51)编码：
[0034] 根据设计变量的取值范围及约束条件限制，得到解空间的可行解数据，并将其表示成搜索空间的浮点型串结构数据，这些串结构数据的不同组合即构成了不同的可行解；
[0035] 52)产生初始种群：
[0036] 初始种群为随机产生，对于N＝0时刻，随机产生M个可行解，具体随机产生的可行解Xi为：
[0037] Xi＝rand(0,1)(Xmax-Xmin)+Xmin (6)
[0038] Xmax为可行解范围的上边界，Xmin为可行解范围的下边界；
[0039] 53)适应度计算：
[0040] 将得到的可行解代入目标函数，所得到的目标函数值对应于适应度，目标函数值越优所对应个体作为优良个体；
[0041] 54)群体Meme协作，
[0042] 从上代群体中选取M个优良个体，进入下一次
迭代过程，选择概率如下式：
[0043]
[0044] 对初始产生的M个个体，按照如下杂交算子进行计算，产生新种群：
[0045]
[0046] 式中：P1、P2为从种群中随机选取的两个父个体；P1new、P2new为通过交叉算子运算后产生的子代对应新个体；w1、w2为[0,1]上随机产生的随机数；
[0047] 在杂交运算产生的新种群中，按下式给出的变异算子进行变异操作，选取若干个体：
[0048]
[0049] 式中：V为选取的变异参数；Vnew为变异后的参数；sign随机取0或1；bup、blb分别为参数取值的上界和下界；r为[0,1]上随机产生的随机数；t＝gc/gm为种群进化的标志，其中，gc是种群当前进化的代数，gm是种群最大的进化代数；
[0050] 55)局部搜索，对步骤54)中每次交叉和变异后均进行局部搜索，对种群中的所有个体采用布谷鸟算法，将经
遗传算法得到的解作为初始种群，计算适应度，然后对鸟巢位置进行更新，按下列公式:
[0051]
[0052] 式中(10)中，Kg,i表示第i个鸟巢在第g代的鸟巢位置，Kbest为当前最优解，为常数；
[0053]
[0054] 服从莱维概率分布，u.v服从标准正态分布；
[0055] 其中，
[0056] 比较适用度，保留适用度高于上一代鸟巢的新巢；
[0057] 再按照5％的概率丢弃部分解后，采用随机游走重新生成相同数量的新解：
[0058] Ωg+1,i＝Ωg,i+rand(0,1)(Ωg,j-Ωg,k) (13)
[0059] 式(13)中Ωg,j,Ωg,k为g代的两个随机巢，将其补充后使得下代巢在数量上与上代保持一致，进入下一轮寻优，选择新巢，适应度计算，直到满足最大迭代数，完成个体Meme协作局部搜索；
[0060] 56)经遗传算法、布谷鸟算法循环迭代优化，得到适应度最高的最优解；
[0061] 57)检验停止条件是否满足，若满足最大迭代数则进行下一步解码；否，转至步骤53)产生下一代种群继续优化；
[0062] 58)解码，得到优化得到的最优pareto解集；
[0063] 59)设计者选取满意的最优妥协解。
[0064] 转阀调节电机根据电子控制单元ECU发出的指令，控制转阀调节电机调节转阀开度，将经双作用叶片泵输出的液压油在转阀处分流，从而在液压缸两侧形成压差，提供车轮转向助力。
[0065] 油泵驱动电机依据电子控制单元ECU发出的指令，调节油泵驱动电机转速，从而控制双作用叶片泵的的泵油量，并与转阀开度调节单元协同控制转向助力的大小。
[0066] 本发明的有益效果是在于：
[0067] (1)本发明的电控液压转向系统是在现有转向系统通过改变油泵驱动电机的转速来改变转向助力基础上，增加了转阀开度调节单元，将经双作用叶片泵输出的液压油在转阀处分流，从而在液压缸两侧形成压差提供转向助力，其与油泵调节单元协同控制转向助力的大小，解决了现有电控液压转向助力系统的转阀开度只能依赖于转向盘转角进行线性调节的问题；同时，转阀开度的合理控制，更适合多工况下对汽车转向经济性的要求，在降低能耗的同时进一步提高了转向系统的跟随性能。
[0068] (2)本发明综合考虑汽车转向过程中系统的能量消耗，并兼顾驾驶员的转向感受，提出电控液压助力转向系统的主要性能评价指标，并建立其量化公式；以汽车转向路感、转向灵敏度、转向系统耗能为优化目标，对电控液压助力转向系统的机械参数、液压系统参数进行多目标优化设计，使得转向系统以较小的能量消耗保证驾驶员获得良好的转向路感。
[0069] (3)本发明提出的电控液压转向系统多目标优化方法，将布谷鸟算法植入Memetic算法的局部搜索过程，提出改进的Memetic随机
优化算法。该方法采用遗传机制进行全局Meme群体的广度搜索，采用布谷鸟算法进行个体Meme的局部搜索，实现基于种群的全局进化与基于个体的局部启发式学习的协同发展，可以较大程度地提高算法局部最优解搜索的深度与全局最优解搜索的广度，从而提升最优解的优越性，提高电控液压助力转向系统的多目标优化效率及优化效果。
附图说明
[0070] 图1为电控液压助力转向系统结构图；
[0071] 图中，1、转向盘；2、扭矩传感器；3、转向轴；4、齿轮齿条转向器；5、车轮；6、液压缸回油管路；7、液压缸；8、液压缸活塞；9、液压缸进油管路；10、转阀回油管路；11、液压油箱；12、双作用叶片泵；13、油泵驱动电机；14、转阀进油管路；15、泵油电机转速控制信号；16、电子控制单元ECU；17、车速信号；18、侧向加速度信号；19、纵向加速度信号；20、车载光学传感器信号；21、转向盘转角信号；22、横摆角速度信号；23、液压缸压差信号；24、转发调节电机控制信号；25、转矩传感器信号；26、转阀；27、转发调节电机；28、转向横拉杆。
[0072] 图2为电控液压助力转向系统优化方法
流程图。
[0073] 图3为融合布谷鸟算法的改进Memetic智能算法流程图。
具体实施方式
[0075] 如图1所示，一种电控液压助力转向系统，包括转向机械单元、转阀开度调节单元、油泵调节单元和电子控制单元ECU16；
[0076] 其中，转向机械单元包括依次连接的转向盘1、转向轴3、齿轮齿条转向器4以及两端连有车轮的横轴28，横轴上还设有液压缸7，
液压液压缸活塞8位于液压缸中7中；
[0077] 转阀开度调节单元包括相连的转阀26及转阀调节电机27，转阀26与液压油箱11之间设有液压回油管路10，并且转阀26与液压缸7之间设有液压缸进油管路9和液压缸回油管路6；液压缸两侧还安装有液压传感器元件，其将液压差信号传递给电子控制单元ECU；
[0078] 油泵调节单元包括相连的双作用叶片泵12和驱动叶片泵的油泵驱动电机13；双作用叶片泵12分别与液压油箱11和转阀26相连，将由液压油箱11输出的液压油通过转阀进油管路14在转阀处分流，一部分液压油通过液压缸进油管路9流入液压缸7一侧，在液压缸7两侧产生压差，推动液压缸活塞8移动，液压缸7另一侧的液压油再由回油管路6流回转阀26，最终流回液压油箱11；
[0079] 电子控制单元ECU16可分为相连的路况信息综合计算模
块、转阀开度调节模块及油泵电机转速
控制模块；转阀开度调节模块和油泵电机转速控制模块分别与转阀调节电机27和油泵驱动电机13相连，向他们发出控制信号；路况信息综合计算模块与设在转向轴3上的扭矩传感器2和液压传感器元件相连，接受他们发出的电子信号，同时接收分布在汽车各处的
车速传感器，加速度传感器等得到车速信号17、横摆角速度信号22、转向盘转角信号
21、转矩传感器信号25、车载光学传感器检测的路面信号20、侧向加速度信号18、纵向加速度信号19，经过优化计算，得到油泵电机的最优控制转速和转阀的最优开度，并将信号分别传递给油泵驱动电机13和转阀调节电机27，同时，通过在液压缸两侧安装的液压传感器元件将转向液压缸的压差作为反馈信号，与理想压差进行比较，经过电子控制单元ECU16计算将油泵驱动电机13的补偿转速以及转阀的补偿转角分别加到油泵驱动电机13的理想转速和转阀26的理想开度中，通过电子控制单元ECU16传递油泵驱动电机转速控制信号15和转发调节电机控制信号24，转向助力达到理想值，使得电控液压助力转向系统在完成转向助力的同时，也兼顾驾驶员的手感。
[0080] 当转向盘1转动时，电子控制单元ECU16根据扭矩传感器2发出的传感信息向转阀调节电机27传递转阀调节电机控制信号24，控制转阀26转动一定的角度，将经双作用叶片泵12泵出的液压油分流，经液压缸回油管路6、液压缸进油管路9与液压缸7两侧相连，在液压缸7两侧形成压差，以提供车轮5转向助力；同时，电子控制单元ECU16还传递泵油电机转速控制信号15给油泵驱动电机13，控制液压油的流量，与转阀开度调节单元共同作用，调节转向助力的大小。
[0081] 本实施例液压电控转向系统相比传统电控液压转向助力系统只是通过改变油泵驱动电机13转速来改变转向助力，转阀26的开度只是由转向盘转角线性调节，电控液压助力转向系统综合考虑电液因素，使两者协同完成转向助力大小的调节，降低了原有方案下的转向能耗。
[0082] 本实施例中，电子控制单元ECU16还连有车载光学传感器20，通过对路面信息的反馈预先判断汽车转向操作，在无转向时，电子控制单元ECU16控制转阀26开度在一定的角度，油泵驱动电机13也以较低的转速运行，在节能的同时又有效的保证了转向操作的跟随性，缩短转向操作的响应时间，相较于以往的电控液压系统，转阀转角不再只依赖于转向盘转角，缩短了转向系统的响应时间，降低了能耗的同时，提升了转向的跟随性。
[0083] 实施例2多目标优化方法
[0084] 本实施例中，所使用的建模软件为MATLAB-simulink，优化软件为isight；本实施例采用实施例1所述系统进行多目标优化计算，图2为该多目标优化方法流程
框架示意图，具体步骤如下：
[0085] 步骤1：依据《汽车动力转向泵及
控制阀的研究》(山东理科大学等，高校理科研究)、《电控液压助力转向系统的设计研究》(张君君，江苏大学)、《电动液压助力转向系统控制策略及其能耗分析方法》(苏建宽等，机械设计与制造)文献公开的方法，建立电动液压助力转向系统模型、整车动力学模型，以及能耗模型，其中电动液压助力转向系统模型包括电机模型、转向盘模型、齿轮齿条模型、转向泵模型、转阀模型、输入和输出轴模型、液压位置伺服控制模型、轮胎模型，通过建立转向系统模型、能耗模型，为后续步骤的转向系统仿真及优化奠定基础；
[0086] 步骤2：考虑汽车转向过程中的能量消耗，选取转向系统能耗、转向路感、以及转向灵敏度作为电控液压助力转向的主要性能评价指标，建立三个性能评价指标的量化公式；
[0087] 通过在转向齿轮上的激励对转向盘把持力矩的影响来分析系统的转向路感，计算得到电控液压助力转向系统路感的量化公式为：
[0088]
[0089] 式(1)中，Th为转向盘输入转矩，Tr为转向螺杆的助力转矩，mr为齿条质量，rp为小齿轮半径，n1为转向系统转向盘转角到前轮转角的传动比，Jm为电机与油泵的转动惯量，AP为液压缸活塞面积，Br为齿条阻尼系数，Bm为电机与油泵的粘性阻尼系数，ρ为油液密度，A为阀间隙的油流量面积，ηv为油泵的容积效率，Cq为阀间隙的流量系数，K为电机助力系数，Ka为转向助力电机转矩系数，Ks为转矩传感器刚度，KTT为转向轴与扭杆的综合刚度，q为泵的排量，B为定子厚度，R2为定子长轴半径，R1为定子短轴半径，Z为叶片泵叶片数，t为叶片厚度；
[0090] 转向灵敏度反映了转向系统对驾驶员转向操作响应的快慢，转向灵敏度量化公式可以表述为：
[0091]
[0092] 式(2)中，δ(s)为经拉普拉斯变换后的前轮转角，θs(s)为经拉普拉斯变换后的方向盘转角，β(s)为经拉普拉斯变换后的横摆加速度，φ(s)为经拉普拉斯变换后的质心侧偏角，wr(s)为经拉普拉斯变换后的横摆角速度，n为双作用叶片泵的转速，n2为转向输出轴到前轮的传动比，a为汽车质心到前轴距离，u为汽车车速，d为为车辆1/2轮距，E1为侧倾转向系数，k1、k2为前轮侧偏刚度；
[0093] 转向系统总能耗功率E包括ECU消耗功率PECU-loss、电机损失功率PE-motorloss、液压泵损耗功率Ppump-loss、转阀损耗功率Pv-loss。转向系统总能耗功率E可以表述为：
[0094]
[0095] 式(3)中，UA为液压泵驱动电机的有效电压,IA为发动机电流,RA为电枢电流的负载电阻，Relec为非电枢电流上的电阻,US为电源电压，L为转阀开口长度，w为转阀开口宽度，Kc为转向轴刚度，Kn为转矩传感器刚度。
[0096] 步骤3：选取对三个主要性能评价指标影响较大的耦合变量：定子厚度B，电机与油泵的转动惯量Jm，转矩传感器刚度Ks，液压泵转速N，转阀转角θ作为电控液压助力转向系统的设计变量；
[0097] 步骤4：根据有约束多目标高维非线性优化的要求，以转向路感和转向系统能耗为优化目标，以转向灵敏度为系统约束条件，建立电控液压助力转向系统多目标优化模型，电控液压助力转向系统优化的目标函数f(x)为：
[0098]
[0099] 式(4)中：f(x1)为路感函数，为路面信息有效
频率范围(0，ω0)的频域能量平均值，在优化设计过程中取ω0＝40Hz；f(x2)为能耗函数，主要为系统电机的能量损耗和转阀的能量损耗；
[0100] 电控液压助力转向系统优化的约束条件为：
[0101]
[0102] 在优化过程中ω0＝40Hz，为保证转向灵敏度的合理性，对其进行约束，使得函数满足0.0008≤f(x3)≤0.0099的约束条件。
[0103] 步骤5：采用融合布谷鸟算法的改进Memetic智能算法对系统的机械参数、液压系统参数进行优化，得出最优pareto解集，并选取设计者满意的最优妥协解。图3为融合布谷鸟算法的改进Memetic智能算法流程图；
[0104] 如图3所示，融合布谷鸟算法的改进Memetic智能算法，将能够增强解的多样性，加快收敛速度的布谷鸟算法移植入Memetic算法中，建立用于嵌套式局部寻优的布谷鸟算法的数学模型，改进的Memetic智能算法是一种结合了遗传机制和局部搜索的随机优化算法，全局搜索策略采用浮点数编码的遗传算法，局部学习策略采用布谷鸟算法。具体实现步骤如下：
[0105] 步骤51：编码。
[0106] 将解空间的可行解数据表示成搜索空间的浮点型串结构数据，这些串结构数据的不同组合即构成了不同的可行解。
[0107] 步骤52：初始种群的产生。
[0108] 产生初始种群为随机产生。对于N＝0时刻，随机产生M个可行解，具体随机产生的可行解Xi为：
[0109] Xi＝rand(0,1)(Xmax-Xmin)+Xmin (6)
[0110] 步骤53：适应度计算。
[0111] 步骤54：群体协作。
[0112] 从当前群体中选取M个优良个体(适应度高)的个体，使他们有机会进入下一次迭代过程，舍弃适应度低的个体。每个个体选择的概率与其适应度值成比例，本文中由于适应度值总取值为负，且应趋于最小值，故选择概率如下式：
[0113]
[0114] 对初始产生的M个个体，按照事先设定的杂交概率任意选取两个进行杂交运算，或者成为交叉运算，产生新一代群体的两个新个体。本文中的杂交算子如下：
[0115]
[0116] 式(8)中：P1、P2为从种群中随机选取的两个父个体；P1new、P2new为通过交叉算子运算后产生的子代对应新个体；w1、w2为[0,1]上随机产生的随机数。
[0117] 在杂交运算产生的新种群中，按照一定的变异概率从中选取若干个体，按下式给出的变异算子进行变异操作：
[0118]
[0119] 式(9)中：V为选取的变异参数；Vnew为变异后的参数；sign随机取0或1；bup、blb分别为参数取值的上界和下界；r为[0,1]上随机产生的随机数；t＝gc/gm为种群进化的标志，其中，gc是种群当前进化的代数，gm是种群最大的进化代数。
[0120] 步骤55：局部搜索，
[0121] 作为文化基本单元的Meme个体，融入布谷鸟算法在Meme个体的传递学习和智能调整过程中，增强Meme个体的学习反演能力，每次交叉和变异后均进行局部搜索，通过优化种群的分布及早剔除不良个体，使每次迭代的所有个体都达到局部最优，从而提高算法的雄壮性，对种群中的所有个体采用布谷鸟算法选择寄生巢，保留上代最优巢，以及改变巢位置进行个体Meme协作局部搜索，具体为：
[0122] 对步骤54)中每次交叉和变异后均进行局部搜索，对种群中的所有个体采用布谷鸟算法，将经遗传算法得到的解作为初始种群，计算适应度，然后对鸟巢位置进行更新，按下列公式:
[0123]
[0124] 式中(10)中，Kg,i表示第i个鸟巢在第g代的鸟巢位置，Kbest为当前最优解，为常数；
[0125]
[0126] 服从莱维概率分布，u.v服从标准正态分布；
[0127] 其中，
[0128] 比较适用度，保留适用度高于上一代鸟巢的新巢；
[0129] 再按照5％的概率丢弃部分解后，采用随机游走重新生成相同数量的新解：
[0130] Ωg+1,i＝Ωg,i+rand(0,1)(Ωg,j-Ωg,k) (13)
[0131] 式(13)中Ωg,j,Ωg,k为g代的两个随机巢，将其补充后使得下代巢在数量上与上代保持一致，进入下一轮寻优，选择新巢，适应度计算。直到满足最大迭代数，完成个体Meme协作局部搜索；
[0132] 步骤56：群体评价，经遗传算法、布谷鸟算法循环迭代优化，得到适应度最高的最优解；
[0133] 步骤57：检验停止条件是否满足，若满足则进行下一步解码；否，转至步骤53继续；
[0134] 步骤58：解码，得到优化得到的最优pareto解集；
[0135] 步骤59：设计者选取满意的最优妥协解。
[0136] 步骤6，将优化后各参数对应的的能耗值与优化前的能耗值进行比较，若低于优化前的能耗值，则认为优化有效，选取不同初始值进行实验，验证算法的鲁棒性，避免局部最优解。
[0137] 以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉
本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应该以
权利要求的保护范围为准。
