韩 放，郭杏林，高海洋

（大连理工大学 工业装备结构分析国家重点实验室，大连 116023）

确定转子系统的未知参数是一项非常复杂的工作，对于具有非线性刚度和碰摩特性的转子系统来说，由于碰摩力的间断性使得参数的识别变得更加的困难。目前，优化算法越来越多的用来求解机械系统的反问题当中［1］，从而也为参数识别提供了一个有效的替代方法［2］。近年来，人们从仿生学的机理中受到启发，提出了许多用于求解优化问题的智能方法，如模拟退火算法［3］、遗传算法［4］、蚁群算法［5］等，虽然在求解中不需要任何的梯度信息，但由于智能算法是一种基于全局的优化算法，因此时间消耗比较大，为了能够降低搜索时间提高搜索能力，许多学者提出了改进方法，如局部搜索算法与遗传算法相结合的提高算法［6-7］，GASA算法［8］，GA 与 AA 的混合算法［9］，融合粒子群和局部搜索的优化算法［10］，遗传算法与神经网络的混合算法［11］等。

本文在多种智能算法的启发下，试图探寻一种较好的平衡方法。在对多种经典算法进行研究和对比后，设计了一种改进遗传蚁群算法（GAAC）与局部邻域搜索（local Neighborhood-searching，LNeS）相结合的新算法（Ne-GAAC）。以考虑非线性刚度和碰摩特性的单盘转子模型为对象进行仿真分析，讨论了Ne-GAAC方法在识别非线性转子系统若干参数的有效性和可行性。

1 遗传算法与蚁群算法的融合

遗传算法（Genetic Algorithm，GA）具有快速全局搜索能力，但对于系统中的反馈信息没有利用，往往导致无为的冗余迭代，求解效率低。……