基于改进粒子群算法的齿轮传动优化设计研究

针对齿轮传动系统多目标优化设计问题,选取了齿轮传动系统的体积和重合度作为优化目标函数,建立了以可靠性约束、齿数约束、模数约束等作为约束条件的齿轮传动系统多目标优化数学模型。将收缩因子和线性递减惯性权重引入到基本粒子群算法中,得到了带收缩因子的线性递减惯性权重粒子群寻优算法;利用该算法具有收敛速度快和搜索能力强的特点,对二级斜齿圆柱齿轮传动系统的优化数学模型进行了求解,最终得到了齿轮的关键参数(齿数、模数、螺旋角)的最优解。研究结果表明:在齿轮传动优化设计中采用带收缩因子的线性递减惯性权重粒子群寻优算法,可以使二级斜齿圆柱齿轮传动系统的体积减少39.8%,重合度提高7.3%,降低成本,提高齿轮传动的稳定性;该结果可为齿轮传动系统的优化设计提供参考依据。     

基于粒子群算法的越野车悬架参数优化

针对基于平顺性的悬架参数优化问题,建立了越野车后悬架系统参数优化的数学模型,包括优化变量、目标函数和约束条件,设计和应用了三种改进的粒子群算法,线性时变惯性权重粒子群算法、随机惯性权重粒子群算法和时变加速因子粒子群算法,来对车辆悬架平顺性进行优化,并与遗传算法对比。仿真结果表明,时变加速因子粒子群算法在收敛速度和收敛精度上都明显高于其他算法,优化后的车辆平顺性大大提高。     

基于速度扰动项的多目标粒子群算法研究

通过系统研究多目标粒子群算法,对于标准粒子群使用的线性惯性权重或常值惯性权重方法进行分析,发现粒子后期收敛速度的不足,针对这一问题,采用非线性递减指数函数的惯性权重取值方法,对粒子群速度更新公式进行分析研究,发现在算法迭代后期许多粒子速度停滞为零,易使粒子陷入局部最优,无法找到全局最优解,进而又提出了添加二次函数类速度扰动项的改进粒子群算法,该改进算法避免了粒子在迭代后期的停滞,使粒子在迭代后期仍具有较小的飞行速度,从而避免了粒子后期陷入局部最优。通过试验对比,改进后算法在收敛性和分布性能上均提高(30~50)%左右。     

基于改进粒子群算法的数控加工参数优化研究

为优化数控加工参数,提高数控机床加工性能,研究改进粒子群算法的数控加工参数优化方法,设置最低生产成本以及最高生产率为数控加工参数的优化目标,利用协调系数将多目标优化问题转化为单目标优化问题建立目标函数,设置切削速度、进给量约束、切削进给力、切削功率、切削转矩约束、表面粗糙度要求为约束条件,采用惯性权重值适应性递减方法改进粒子群算法,令惯性权重随粒子群进化适应性提升,采用改进粒子群算法快速寻找数控加工参数目标函数最优值,实现数控加工参数优化.实例分析结果表明,该方法可有效优化数控加工参数,满足实际加工需求,优化后的实验数控机床加工性能佳.     

基于改进粒子群算法的数控加工参数优化研究

为优化数控加工参数,提高数控机床加工性能,研究改进粒子群算法的数控加工参数优化方法,设置最低生产成本以及最高生产率为数控加工参数的优化目标,利用协调系数将多目标优化问题转化为单目标优化问题建立目标函数,设置切削速度、进给量约束、切削进给力、切削功率、切削转矩约束、表面粗糙度要求为约束条件,采用惯性权重值适应性递减方法改进粒子群算法,令惯性权重随粒子群进化适应性提升,采用改进粒子群算法快速寻找数控加工参数目标函数最优值,实现数控加工参数优化.实例分析结果表明,该方法可有效优化数控加工参数,满足实际加工需求,优化后的实验数控机床加工性能佳.     

非对称卧式液压机机架优化设计

根据用户需求设计的新型卧式液压机,其机架由两根横梁和三根拉杆组成,三根拉杆的位置分布不对称于液压力的作用中心。针对由拉杆的位置分布不对称性造成的拉杆受力不均衡等问题,建立了非对称卧式液压机机架优化模型,提出了一种惯性权重凹函数递减的粒子群算法,利用Matlab和ANSYS程序,结合某工程实例进行优化实验,实验表明所提出的算法比惯性权重线性递减的粒子群算法更有效,优化后机架的重量减轻了13%,拉杆之间的受力更加均衡,达到了对非对称液压机机架优化设计的目的。     

基于粒子群算法的Delta机器人正运动学的研究

正运动学分析对Delta并联机器人轨迹规划和控制非常的重要。而Delta并联机器人的逆运动学求解比较容易，正运动学求解却相对困难。故研究利用基本的和带权重线性递减的粒子群算法应用于Delta并联机器人正运动学求解。通过改变不同的权重因子和学习因子，研究结果表明，这两种粒子群算法在一定的条件都能够快速及正确地对Delta并联机器人的正运动学求解。而且进一步研究数据也表明，带权重线性递减的改进版粒子群算法一定程度上要比基本粒子群算法更容易收敛于极值，收敛性更优。     

采用粒子群算法的AGV路径跟踪控制研究

针对双轮差速驱动自动导引车的轨迹跟踪问题,首先根据车辆角度偏差,横向距离偏差这两者与驱动轮速之间的关系,建立简化车辆运动模型,其次,采用线性递减惯性权重改进的粒子群算法设计控制方案,最后提出时间乘误差绝对值积分准则与误差占比相结合的变化适应度函数。将以上两种控制方法与标准粒子群控制方法进行仿真对比,结果表明,采用线性递减惯性权重粒子群算法能有效提高粒子寻优速度,结合以上两种改进的控制方法,能减小超调量,缩短调节时间,增加车辆行驶稳定性。     

随机权重粒子群算法优化磁轴承系统

为了提高单自由度主动磁悬浮轴承系统的稳定性,采用随机权重粒子群算法与传统PID控制相结合的方法,将随机权重粒子群算法与线性递减权重粒子群算法进行函数测试对比,结果表明,随机权重粒子群算法能够更快、更准确地找出优化函数的最优值。通过MATLAB/Simulink构建系统模型并进行仿真对比,证明随机权重粒子群算法可以更好地提高系统的稳定性。     

加工参数优化中自适应协同粒子群算法研究

针对加工参数优化过程中粒子群优化算法的优化效果受参数影响较大的问题,提出了自适应协同粒子群优化算法。对粒子群优化算法的参数对优化结果的影响进行了详细而深入的分析,在此基础上,给出了优化过程中惯性权重、学习因子、最大速度等参数的变化规律,并通过仿真的方法确定了最优参数的取值。最后通过对基准函数的仿真实验,验证了本文算法的正确性和有效性。