بهینه سازی پارتو مدل تعلیق خودروی کامل سه بعدی با استفاده از الگوریتم ژنتیک چندهدفه

مقاله حاضر یک الگوریتم ژنتیک چندهدفه را برای طراحی بهینه یک سیستم تعلیق خودرو به کار می برد. مدل خودرو حرکت های سه بعدی بدنه خودرو را در نظر می گیرد. در این مدل کامل خودرو که دارای 8درجه آزادی است، حرکت عمودی صندلی مسافر، بدنه خودرو و چهار تایر و همچنین حرکت های چرخشی بدنه خودرو، درجات آزادی مدل را تشکیل می دهند. در این مقاله پارامترهای کاربردی تعلیق شامل شتاب صندلی مسافر، زاویه کله زنی بدنه خودرو، زاویه غلتش بدنه خودرو، نیروی دینامیکی تایر، سرعت تایر و انحراف تعلیق در نظر گرفته می شوند و در فرآیند بهینه سازی بهینه می شوند. جفت های متفاوتی از این پارامترها به عنوان توابع هدف، انتخاب و در فرآیند بهینه سازی چندهدفه بهینه می شوند و حل های پارتو برای جفت توابع هدف به دست می آیند. در فرآیند بهینه سازی نهایی، حل پارتو مربوط به مجموع پارامترهای بی بعد در یک گروه پارامترهای تعلیق نسبت به گروه دیگر به دست می آید. در این حل های پارتو، نقاط بهینه مهمی وجود دارند و طراحان می توانند هر یک از نقاط بهینه را برای یک هدف خاص انتخاب کنند. بهینه سازی پارتو بهتر از دیگر روش های بهینه سازی چندهدفه است، زیرا تعداد نقاط بهینه بیشتری در جبهه پارتو وجود دارد که هر نقطه معرف یک سطح از بهینه سازی برای جفت توابع هدف است و طراحان هر یک از نقاط را می توانند به دلخواه انتخاب کنند.