1.一种性能改善型被动悬架系统的技术参数最优设计方法，其特征在于，具体包括以下所示步骤：步骤(1)：确定待设计车辆的参数，具体包括车身质量M，悬架弹簧的非簧载质量m，轮胎的线性弹性系数k1和非线性弹性系数k2，左前悬架质心与车辆质心之间的力矩L1，右前悬架质心与车辆质心之间的力矩L2，车辆质心与前悬架质心之间的力矩Lf，车辆质心与后悬架质心之间的力矩Lr，车辆的俯仰转动惯量I1和侧倾转动惯量I2，再搭建如公式①中所示的四个等式关系：其中，当i分别等于1，2，3和4时，依次代表左前悬架，右前悬架，左后悬架和右后悬架；

Δt表示差分时间间隔， 和 依次表示车身垂向速度，车身俯仰

角速度，车身侧倾角速度和悬架垂向速度在第j个时刻的变化量，Θ(j‑1)和Φ(j‑1)分别表示车身俯仰角度Θ和车身侧倾角度Φ在第j‑1个时刻的具体数值；悬架的轮胎弹力在第j个3

时刻的具体数值Ti(j)＝k1·Δyi(j)+k2·[Δyi(j)] ，Δyi(j)表示轮胎垂向位移在第j个时刻的变化量；悬架弹簧的弹力在第j‑1个时刻的具体数值Si(j‑1)和阻尼器的阻尼力在第j‑1个时刻的具体数值Di(j‑1)的计算方式如公式②所示：上式②中，klin和knon分别表示悬架弹簧的线性刚度系数和非线性刚度系数，clin，csys和cnon分别表示阻尼器的线性阻尼系数，对称阻尼系数和非线性阻尼系数；Δzi(j‑1)表示悬架垂向位移在第j‑1个时刻的变化量， 表示悬架垂向速度在第j‑1个时刻的变化量；

当 时，符号函数 当 时，符号函数

Δzi(j‑1)和 的计算方式分别如公式③和公式④所示：

其中， 表示车身俯仰角速度在第j‑1个时刻的具体数值， 表示车身侧倾角速度在第j‑1个时刻的具体数值，Z(j‑1)和 分别表示车身垂向位移和车身垂向速度在第j‑1个时刻的具体数值，zi(j‑1)和 分别表示悬架的垂向位移和垂向速度在第j‑

1个时刻的具体数值；

步骤(2)：从均值等于0，标准差等于0.01的正态分布中随机生成一个4×N维的数据矩阵Y后，再依次确定klin，knon，clin，csys和cnon的选型范围，即其

中， 分别对应表示选型范围的最小值， 分别对应

表示选型范围的最大值，N等于车辆行驶的时刻总数；

步骤(3)：确定HHO算法的损失度J的计算过程，具体如步骤(3.1)至步骤(3.5)所示；

步骤(3.1)：初始化j＝1，并分别设置 Z(0)＝0，Θ(0)＝

0，Φ(0)＝0， 和zi(0)＝0；其中，i＝1，2，3，4；

步骤(3.2)：设置y1(j)，y2(j)，y3(j)，y4(j)分别等于数据矩阵Y中第j列向量的四个数据3

后，再根据Ti(j)＝k1·Δyi(j)+k2·[Δyi(j)]分别计算T1(j)，T2(j)，T3(j)，T4(j)，并根据公式②计算S1(j‑1)，S2(j‑1)，S3(j‑1)，S4(j‑1)和D1(j‑1)，D2(j‑1)，D3(j‑1)，D4(j‑1)；

步骤(3.3)：根据公式①中的等式关系计算 和 后，再分别

根据公式

和 依次计算出 Z(j)，Θ

(j)，Φ(j)， 和zi(j)；

步骤(3.4)：判断j是否小于N；若是，则设置j＝j+1后，再返回步骤(3.2)；若否，则将中的最大值和最小值分别记录为 和 将中的最大值和最小值分别记录为 和 将

中的最大值和最小值分别记录为 和 将Ti(1)，Ti

(2)，…，Ti(N)中的最大值和最小值分别记录为Ti(max)和Ti(min)后，再执行步骤(3.5)；

步骤(3.5)：根据如下所示公式⑤计算损失度J：

上式⑤中，wz，wΘ，wΦ和wT表示计算损失度J的四个权重系数，j＝1，2，…，N；

步骤(4)：设置HHO算法的群体数等于H，最大迭代次数等于F后，随机生成一个5×H维的实数矩阵P；其中，P中第1行向量的H个数据都是按照均匀分布从区间 上生成的随机数，P中第2行向量的H个数据都是按照均匀分布从区间 上生成的随机数，P中第

3行向量的H个数据都是按照均匀分布从区间 上生成的随机数，P中第4行向量的H个数据都是按照均匀分布从区间 上生成的随机数，P中第5行向量的H个数据都是按照均匀分布从区间 上生成的随机数；

步骤(5)：设置迭代次数γ＝1后，执行HHO算法的迭代优化过程，每次迭代优化过程结束后需将迭代次数加1，直至迭代次数等于F从而得到最优解向量h0；

步骤(6)：设置klin，knon，clin，csys和cnon分别等于最优解向量h0中的5个数据后，再设计选用与这5个技术参数相匹配的悬架弹簧和阻尼器。

2.根据权利要求1所述的一种性能改善型被动悬架系统的技术参数最优设计方法，其特征在于，所述步骤(5)中执行HHO算法的迭代优化过程求解最优解向量h0的具体实现流程如下所示：步骤(5.1)：根据如下所示步骤(一)至步骤(三)计算P中第1列向量，第2列向量，至第H列向量分别对应的损失度J1，J2，…，JH；

步骤(一)：设置b＝1；

步骤(二)：将P中第b列向量的5个数据分别赋值给klin，knon，clin，csys和cnon后，再执行步骤(3.1)至步骤(3.5)，从而计算损失度J；

步骤(三)：设置P中第b列的列向量对应的损失度Jb＝J后，判断b是否小于H；若是，则设置b＝b+1后，返回步骤(二)；若否，则得到P中第1列向量，第2列向量，至第H列向量分别对应的损失度J1，J2，…，JH；

步骤(5.2)：将J1，J2，…，JH中的最小数值对应的列向量记录为最优解向量h0，计算目标当前能量值Eγ＝2·E0·(1‑γ/F)，并根据均值为0.5，标准差为1的正态分布随机生成一个随机数R0后，再判断Eγ的绝对值|Eγ|是否小于1；若否，则执行步骤(5.3)更新P中的各个列向量后，再跳转至步骤(5.7)；若是，则执行步骤(5.4)更新P中的各个列向量后，再跳转至步骤(5.7)；其中，E0是介于‑1和+1之间的常数；

步骤(5.3)：按照均匀分布从区间[0，1]上生成两个随机数R1和R2，再从区间[1，H]上生成一个随机整数ε后，根据如下所示公式⑥更新P中的各个列向量：上式⑥中，hn和hs分别表示实数矩阵P中第n列和第ε列的列向量，pmax是由组成的一个5×1维的列向量，pmin是由 组成的一

个5×1维的列向量，表示P中所有H个列向量的均值向量，n＝1，2，…，H；

步骤(5.4)：按照均匀分布从区间[0，1]上生成一个随机数R3后，再判断是否满足条件|Eγ|≥0.5且R0≥0.5；若是，则根据公式hn＝h0‑hn‑Eγ·|2·(1‑R3)·h0‑hn|更新P中的各个列向量；若否；则再判断是否满足条件|Eγ|≥0.5且R0＜0.5，若是，则按照均匀分布从区间[0，1]上生成三个随机数R4，R5和R6后，再执行步骤(5.5)；若否，则再判断是否满足条件|Eγ|＜0.5且R0≥0.5；若是，则根据hn＝h0‑Eγ·|h0‑hn|更新P中的各个列向量；若否，则执行步骤(5.6)更新P中的各个列向量；

步骤(5.5)：根据公式x＝h0‑Eγ·|2·(1‑R3)·h0‑hn|计算伪向量x后，根据如下所示公式⑦计算莱维飞行值LF，再根据如下所示公式⑧更新P中的各个列向量：上式⑦中，伽马函数Γ(2.5)＝1.3293，伽马函数Γ(1.25)＝0.9064；上式⑧中，J(x)表示将伪向量x中的5个数据分别赋值给klin，knon，clin，csys和cnon后，再通过步骤(3.1)至步骤(3.5)计算得到的损失度，J(x+R5·LF)表示将x+R5·LF中的5个数据对应赋值给klin，knon，clin，csys和cnon后，再通过步骤(3)计算得到的损失度；

步骤(5.6)：根据公式 计算伪向量x后，根据公式⑦计算莱维飞行值LF，再根据公式⑧更新P中的各个列向量；

步骤(5.7)：判断γ是否小于F；若是，则设置γ＝γ+1后，再返回步骤(5.1)；若否，则得到最终的最优解向量h0。