基于小生境遗传模拟退火算法的液压集成块布局优化(英文)

根据液压集成块的结构及其设计特点,建立了集成块布局优化中带性能约束的多目标优化数学模型,并利用小生境遗传模拟退火算法对提出的数学模型进行了求解。实例表明,利用小生境遗传模拟退火算法可以很好完成集成块的布局优化,为集成块布局设计提供了参考依据。     

复杂型液压集成块的优化设计

为解决复杂型液压集成块设计中外部布局和内部布孔集成方案的组合优化问题,深入分析了复杂型液压集成块的设计规律,提出一种混合优化算法和工程设计经验相结合的集成块优化设计方法。讨论了集成块优化设计中外部元件布局、内部孔道连通设计、安全干涉校核等关键技术问题,给出了系统解决方案,构建了复杂型液压集成块智能优化设计系统。最后通过工程实例,验证了该方法的有效性和可行性。     

改进型粒子群算法在数控加工切削参数优化中的应用

文章介绍了粒子群算法及其改进型的原理、模型和算法实现过程,并采用改进型粒子群算法对数控加工切削参数优化数学模型进行了优化计算,计算结果符合实际情况,表明改进型粒子群算法应用于机械加工优化计算切实可行,为复杂的机械制造及加工系统优化设计问题提供了新的思路和方法.     

并行组合模拟退火算法在集成块孔道网络优化设计中的应用

针对遗传算法和模拟退火算法在求解大规模组合优化的NP-hard问题上的不足,提出利用并行组合模拟退火算法对液压集成块孔道网络进行优化设计.建立了集成块孔道网络优化中带性能约束的多目标优化数学模型,提出了布线顺序的处理策略,用并行组合模拟退火算法实现了对液压集成块孔道网络连通自动寻优的设计.实例设计结果表明:该方法简单、可靠,具有较高的精度,适合集成块优化设计.     

多机器人系统布局与时间协同优化

多机器人系统能可靠地完成单机器人无法完成的高效性作业,已成为构建智能产线的研究热点。但是在协同优化和时间成本上还存在许多问题。针对多机器人装配系统布局优化问题,在分析ABB机器人系统的正逆运动学理论和构建多机器人模型与数学建模的基础上,提出了基于粒子群算法的多机器人系统布局优化方案,并采用MATLAB进行逆运动学求解。通过仿真实验验证了粒子群算法的有效性,该方法可减少多机器人系统的运行时间,节时13.48%,显著提高系统的运行效率,对以后多机器人系统任务分配以及路径规划的研究具有重要意义。     

基于多目标粒子群算法的直线感应电机机构优化设计

为了得到更大起动推力,满足高压断路器开断性能和机械性能要求,论文对操动机构用圆筒型直线感应电机(C-LIM)进行优化设计,把粒子群优化算法(PSO)引进到C-LIM的优化设计之中。并针对电机优化问题的具体特点,提出多目标粒子群算法(MOP)用于C-LIM的全局优化。根据C-LIM应用于高压断路器操动机构的结构和性能要求,建立了多目标优化设计数学模型;并采用Matlab工程计算工具,编写了C-LIM的MOP设计程序,同时还制作了可视化界面(GUI)。对优化结果分析,表明MOP设计要好于单目标优化设计。优化的C-LIM,在推力增加的同时使电机结构尺寸整体缩小、重量减轻,提高了C-LIM操动机构的实用性。     

基于粒子群算法的气动人工肌肉建模与优化

对气动人工肌肉的数学模型进行研究.给出基本数学模型,在此基础上提出一种简化模型,利用粒子群算法对简化模型的相关参数进行优化,将利用简化后的数学模型得到的计算数据和实验数据进行对比.结果表明优化后的数学模型切实可行,有利于控制策略的实现,简化了算法程序设计.     

基于Kriging模型的注塑工艺稳健优化

为降低薄壁注塑件的翘曲变形,提出了基于Kriging模型的工艺稳健优化方案。特别地,研究并提出了基于变异粒子群算法的Kriging模型建立与优化算方法,建立了注塑工艺参数和翘曲变形之间的Kriging模型。通过实验设计、CAE仿真结果数据建立起Kriging模型,并结合变异粒子群算法实现了工艺的优化设计。在此基础上,为减少工艺参数波动对注塑件质量的影响,建立了注塑成型的6 Sigma稳健优化设计方法,提高了工艺的稳健性与可靠度。以汽车出风口壳体为计算用例,结果表明,基于Kriging模型与变异粒子群算法的工艺稳健优化策略在小样本情况下能够得到较高质量的稳健优化参数组合。     

基于改进PSO算法的热连轧粗轧短行程控制曲线优化

在对热连轧粗轧短行程控制原理和模型进行深入分析的基础上,采用一种新的进化寻优方法--粒子群优化方法(简称PSO算法),对短行程控制曲线进行优化.为了保证粒子群算法的全局最优性,在算法中采用带有变异算子的改进粒子群算法.经实验仿真证明,采用改进PSO算法优化后的短行程曲线,可以降低板坯头尾宽度偏差,减少头尾切损量,获得满意的效果,PSO算法是一种有效的短行程控制优化方法.     

智能优化算法及其在焊接优化设计领域的应用

在焊接工艺中,优化设计已经涉及到各个领域,但传统的优化算法往往优化效果不佳,智能优化算法特别是遗传算法已经逐步地应用到焊接优化领域,并成为一个重要的研究方向.在对焊接相关文献进行系统研究的基础上,阐述了焊接优化设计领域应用较为广泛的遗传算法、模拟退火算法和群集算法(蚁群算法和粒子群算法)等几种智能优化算法的基本原理,介...     

基于混合粒子群算法的注塑机电液伺服系统控制研究

注塑机电液伺服系统是一个时滞、非线性复杂系统,传统PID控制往往难以取得理想的控制效果。为了获取良好的控制效果,提出一种用混合粒子群算法优化PID控制器参数的方法,将模拟退火算法引入到粒子群算法中,能够更加快速、准确寻优出PID控制器最优参数。利用MATLAB仿真软件建立注塑机电液伺服系统控制模型,将混合粒子群算法与粒子群算法、遗传算法进行对比。仿真结果表明:利用混合粒子群算法优化的PID控制器收敛速度快、准确性高、鲁棒性强,明显提高了系统的控制性能。     

基于粒子群算法的U型装配线平衡问题研究

针对给定节拍最小化工作站数的第一类U型装配线平衡问题,提出了一种改进的粒子群算法.由于粒子群算法不能直接用于求解离散空间的组合优化问题,故文章采用基于优先权的粒子群算法来求解,通过对任务赋以的权重的大小来选择任务,并具体说明了粒子速度和位置的更新.最后,对大量测试问题集进行了验证,说明了算法的有效性.     

基于神经网络和粒子群算法的切削参数现场实时优化

为了使金属切削加工中，能实现切削参数的实时优化，保证产品质量和设备效率，提出了一种新的切削参数最优化方法，引入加工时间、加工精度、加工成本三个目标控制量，建立了多目标非线性规划模型。并用惩罚函数法将多目标非线性约束规划问题转换成无约束非线性单目标规划问题。通过对神经网络和粒子群算法的有机结合，并充分利用了粒子群算法和BP网络各自具有的优点，对模型进行了求解。数值试验表明该方法能较好地解决切削参数的优化问题。     

采用遗传算法进行液压集成块的自动优化设计

针对液压集成块设计费时、费力、质量不易保证的难点，将遗传算法与液压集成块设计知识相结合，对集成块进行了自动优化设计。根据元件编码的特点及其物理意义，分别设计了相应的交叉算子和变异算子。并通过一系列实验的测试，得出适于液压集成块自动优化设计的若干参数组合。     

含多级液压缸的大型液压举升系统时间最优轨迹规划

采用分段线性控制方法控制含多级液压缸的大型液压举升系统时,由于加速度不连续,易在举升过程中产生较大冲击。为消除举升过程中多级液压缸换级碰撞带来的液压冲击,提出了采用分级规划的策略。对每一级进行轨迹规划时,为保证举升过程的平稳性,采用B样条函数对举升负载的轨迹进行规划。在综合考虑工程实际中的液压系统压力、流量及负载横向过载约束的基础上,建立了举升系统的时间最优轨迹规划模型。针对解析法计算多级液压缸的最大速度和驱动力困难等问题,通过引入罚函数,提出一种改进的粒子群优化算法求解时间最优轨迹规划模型。含二级液压缸的某大型液压举升系统的仿真结果表明,提出的分级规划策略和时间最优轨迹规划方法是有效的。     

大型三维复杂构件双机器人协同焊接智能路径规划方法

大型三维复杂构件是船舶、海洋装备、集装箱等的重要组成部分,其焊缝种类较多、空间分布复杂,部分焊缝存在协同同步弧焊焊接、焊接方向等特殊焊接工艺约束,现有协同焊接规划方法难适用于这类复杂场景。提出全局与局部相结合的双机器人协同焊接路径规划多阶段寻优方法;建立复杂构件三维空间焊缝模型以及双焊接机器人协同模型;根据协同同步焊焊缝的数量将构件划分出相应数量的分块,通过蚁群算法求解每一焊接分块的局部路径规划近似最优解;通过遗传粒子群算法进行多分块间的全局路径规划。仿真结果表明:通过分块划分多阶段寻优的方法可以有效地解决特殊焊接工艺约束下的大型三维复杂构件双机器人同步焊接路径规划问题。     

基于改进鸽群算法与领航跟随法的无人车编队方法

针对无人车编队方法的不足，提出一种基于改进鸽群算法与领航跟随法的无人车编队方法。采用传统鸽群算法编队时有一定的局限性，故在算法初期提供一个初始解以提高计算效率，并在算法的地磁算子中加入相应的权重指标，提高算法在整体路径中的规划效率。在编队过程中，先利用改进鸽群算法为领航者规划出一条最优的路径，再运用领航跟随法控制每一辆跟随者以一定的距离和角度跟随领航者，从而实现以设定的队形运动。通过建立栅格地图进行仿真并在真实无人车上进行实际应用，验证该编队方法的可行性。结果表明：与量子粒子群优化算法与粒子群优化算法相比，改进的鸽群算法主要优势是最优路径短、运行时间短、收敛速率高。     

基于改进粒子群算法的六自由度机械臂时间最优轨迹规划

针对六自由度机械臂时间最优轨迹规划问题,提出一种基于改进粒子群算法的4-3-4混合多项式插值轨迹规划算法。算法采用自适应惯性权重,它能根据搜索过程的各个阶段采用相应大小的权重,有利于跳出局部最优陷阱,保持粒子群多样性;以非线性学习因子代替传统粒子群算法中固定的学习因子,有效提高算法的收敛速度和求解精度。通过MATLAB进行仿真验证,结果表明改进粒子群算法收敛速度提高46%,寻优精度提高38%,同时机械臂轨迹规划时间缩短了大约36%,充分地证明了该轨迹规划算法的可靠性和优越性。     

基于免疫粒子群的机器人自抗扰控制器参数整定方法

针对利用经验试凑法或其他优化算法整定机器人自抗扰控制器参数,存在整定过程复杂、整定结果不是全局最优等缺陷,提出一种基于免疫粒子群融合算法的机器人自抗扰控制器参数整定方法。该方法将免疫算法的免疫信息处理机制引入粒子群算法结构中,解决了免疫算法优化过程繁杂冗长以及粒子群算法过早陷入局部最优的问题,实现了自抗扰控制器参数整定,快速找到全局最优解。MATLAB仿真结果表明：该方法提高了自抗扰控制器的响应速度和稳定性,适用于机器人自抗扰控制器参数的整定。