自适应SA-PSO优化的威布尔混合分布参数估计方法及应用

针对采用传统参数估计方法得到的模型拟合误差较大的问题,建立多重威布尔混合分布参数估计的非线性最小二乘模型,并提出基于模拟退火（SA）思想的自适应粒子群（PSO）算法进行求解。在PSO算法优化过程中,采用自适应方法调整惯性权重和加速因子,加快其收敛速度;引入模拟退火机制,根据Metropolis准则确定最优粒子的取舍,改善其全局搜索能力。将该方法应用到某型柴油机喷油器失效分布的参数估计中,并与图解法、基于Levenberg-Marquardt的非线性最小二乘法、标准PSO算法、自适应PSO算法求解的结果进行比较,分析所提方法的优化性能及精度。结果表明,该方法能够有效提高多重威布尔混合分布模型参数估计的精度和效率。     

基于粒子群优化算法的 AR模型参数估计

利用粒子群优化算法对模型AR（ P）参数进行优化,提高了模型的预测精度。采用AIC准则判断出模型的最佳阶数。该估算方法优于传统的基于最小二乘估计和基于灰色理论估计,为此类模型的参数估计提供了一种新思路。     

基于MATLAB的车灯光通量试验数据拟合分析

为了研究汽车灯泡光通量的变化规律,利用基于MATLAB的粒子群算法优化BP神经网络对汽车灯泡光通量试验数据进行非线性拟合分析,即用粒子群算法对目标函数进行改进,寻到最优权值和阈值应用于BP神经网络。比较改进神经网络(PSO-BP)算法与最小二乘法以及BP神经网络算法的拟合结果,结果表明改进神经网络(PSO-BP)算法的拟合能力显著提高。     

最小二乘与鱼群混合优化方法评定直线度误差的研究

为快速、精确的进行空间直线度误差评定,提出了一种最小二乘算法与人工鱼群算法相结合的混合优化算法解决该问题。首先利用改进的最小二乘算法获取过测点集合算术平均中心的最小二乘拟合直线,然后在该直线向量邻域内均匀生成人工鱼群算法的初始解,进而基于旋转逼近策略应用改进后的人工鱼群算法搜索最小包容圆柱的轴线参数。通过在经典人工鱼群算法中引入变异和淘汰机制,对传统鱼群算法中的聚群、觅食等行为加以改进,有效提高了鱼群算法的优化效率和稳定性。实验及仿真结果表明:文中算法与遗传算法、粒子群算法等其它多种算法相比具有更高的正确度,非常适合空间直线度误差的精确评定。     

面向精度评价的并联机床参数辨识技术

基于并联机床外部标定,推导出辨识方程的残差近似等于标定后的位姿误差。为克服最小二乘法存在较大残差的缺陷,面向精度评价,提出最小最大优化的参数辨识技术,以残差最大绝对值最小为优化目标,直接控制误差范围。标定实例验证了最小二乘法缺陷的实际存在和最小最大优化抑制较大残差的效果。该参数辨识技术直接联系运动学标定和标定后的精度评价,简单有效的提高并联机床的整体精度。     

剐齿机床立柱动力学模型修正技术研究

针对机床立柱与床身接触刚度复杂,在有限元建模时边界条件难以确定,会导致机床立柱有限元模态分析结果与模态试验结果存在偏差的问题,通过响应面法与粒子群优化算法组合的方法修正机床立柱的动力学模型。以SKGC-500剐齿机床立柱为研究对象,将立柱与床身之间的导轨连接处理成弹簧阻尼单元,设计变量选择法向刚度和切向刚度。用正交试验设计方法选择有限元分析样本点并拟合二阶多项式响应面模型,建立以固有频率最小二乘法为目标函数,以接触刚度为约束条件的优化模型,用粒子群优化算法对固有频率最小二乘进行优化。结果表明,修正后的立柱动力学模型与实际固有频率有更好的一致性。     

基于LabVIEW的圆度误差多粒子群优化算法研究

在LabVIEW环境下实现了多粒子群优化算法评定圆度误差。在该算法中,每个粒子群彼此独立地搜索各自的最优解空间;最后从多粒子群的解族中求取最优解。该方法克服了标准粒子群求解时容易产生的“早熟”现象。并与最小二乘算法进行了比较,结果表明该算法优于最小二乘法。     

基于混合粒子群算法的柴油机喷油器可靠性分布的参数估计

针对在柴油机喷油器可靠性分析中运用最大似然估计求解混合威布尔参数时需要面对求解复杂联立超越方程组的问题,引入粒子群优化理论,用混合粒子群算法来求解超越方程组以达到估计混合威布尔参数的目的,并将求解结果与粒子群方法、图解法、非线性最小二乘法的求解结果进行比较。结果表明:混合粒子群算法在求解效率和收敛性能上要优于粒子群方法、图解法和非线性最小二乘法,利用该方法来估计混合威布尔分布的参数是可行的,且能获得较精确的求解结果。     

基于代理模型的变复杂度方法在板料成形优化中的应用

板料成形优化中存在一些缺陷问题,如一步法与优化算法相结合时精度低、增量法与优化算法直接结合时效率低以及通过传统构造代理模型的方法构造高精度的代理模型时需要大量增量法模拟结果。为了充分发挥一步法和增量法各自的优点,提出采用变复杂度方法通过较少次数的试验样本点数据先在一步法和增量法间建立一个差值补偿响应面模型。通过一步法和差值补偿响应面模型构造新的试验样本点,在新构样本点和原有用增量法计算的样本点数据基础上建立移动最小二乘法代理模型,建立的移动最小二乘法代理模型精度和效率都较高。利用粒子群优化算法对移动最小二乘法代理模型进行优化求解。将该方法应用到了汽车某内板的成形性优化中,优化的结果显著地提高了板料的成形性。算例表明,该方法具有较高的精度和较强的工程实用性。     

基于粒子群优化的VB-LSSVM算法研究辛烷值预测建模

针对现有红外线分析仪表无法实现阶段在线检测车用汽油调合中,MMT抗爆剂对辛烷值的影响问题,考虑到样本数据较少的因素,提出一种基于粒子群优化算法的矢量基最小二乘支持向量机方法,首先以粒子群优化的方法来选取最小二乘支持向量机的模型参数,然后用矢量基判据选择支持向量,使最小二乘支持向量机的解具有稀疏性.该方法不但克服了常用的交叉验证法的耗时与盲目性问题,发挥了最小二乘支持向量机的小样本学习和计算简单的特点,而且提高了最小二乘支持向量机模型的泛化能力,将其应用于汽油调合系统中研究法辛烷值的预测,仿真结果表明,该方法是可行且有效的.     

基于粒子群优化的混合模型预测控制研究

为解决复杂非线性系统的控制精度不高,稳定性难于保证等问题、将预测控制技术应用于非线性控制中,提出了一种基于粒子群优化和混合模型的预测控制算法.混合模型预测控制算法使用模糊聚类和最小二乘法建立了系统的复合模犁,由带压缩因子的粒子群算法优化获得了非线性控制系统的控制量,在非线性模型上对模糊预测控制算法和混合模型预测控制算法...     

一种基于LS-SVM与PID复合的逆控制系统

针对逆系统中非线性逆模型辨识困难的问题,研究了基于最小二乘支持向量机(LS-SVM)的逆模型辨识及控制,并用微粒子群算法(PSO)优化LS-SVM的参数和核函数参数。提出了一种由LS-SVM的逆模型与PID结合的复合控制系统,由LS-SVM辨识非线性系统的逆模型作为前馈控制器,形成直接逆控制。同时,由PID控制器构成反馈控制,克服直接逆控制鲁棒性不强的缺陷。仿真研究结果表明LS-SVM的逆模型辨识能力强,该复合控制系统具有比基于最近邻聚类的RBF神经网络逆控制系统更优的动态跟踪性能,更好的抗干扰能力和鲁棒性。     

基于AWLS-SVM的污水处理过程软测量建模

针对污水处理过程建模中样本数据可能存在的测量误差对模型性能的影响,提出一种自适应加权最小二乘支持向量机(AWLS-SVM)回归的软测量建模方法。该方法基于最小二乘支持向量机模型,根据样本拟合误差,并结合改进的指数分布赋权规则,自适应地为每个建模样本分配不同的权值,以降低随机误差对模型性能的影响;同时采用一种全局优化算法——混沌粒子群模拟退火(CPSO-SA)算法对最小二乘支持向量机的模型参数进行优化选择,以提高模型的泛化能力。仿真实验表明,AWLS-SVM模型的预测精度及鲁棒性能优于LS-SVM和WLS-SVM。最后,应用AWLS-SVM方法建立污水处理过程出水水质关键参数的软测量模型,获得了较好的效果。     

MMSE design of nonlinear Volterra equalizers using artificial bee colony algorithm

In this paper a novel approach for channel equalization is presented, where a framework for Volterra system is used to model both the channel and the equalizer. We propose development of first-order and second-order Volterra equalizers using minimum mean square error (MMSE) approach and design these equalizers using swarm intelligence based stochastic optimization algorithm which is applied to adapt the equalizer coefficients to the time varying channel. This work proposes to use the artificial bee colony (ABC) algorithm, recently introduced for global optimization, simulating the intelligent foraging behavior of honey bee swarm in a simple, robust, and flexible manner. For comparative analysis, adaptive equalizers like least mean squares (LMSs) equalizer, recursive least squares (RLSs) equalizer and least mean p-Norm (LMP) equalizer and population based optimum equalizers employing PSO are also applied for identical problems and the superiority of the newly proposed algorithm is aptly demonstrated.     

应用粒子群优化算法辨识Hammerstein模型

非线性系统的辨识一直是现代辨识领域中的一个主要课题。针对非线性系统中Hammerstein模型，文中提出了利用群集智能中的粒子群优化算法（PSO）对非线性模型进行辨识。讨论了PSO的基本算法与参数初值的设置与选择方法。通过仿真实验说明：与非线性最小二乘法相比PSO算法对于非线性辨识的有效性和鲁棒性。PSO算法是一种有效的解决优化问题的群集智能算法，它的突出特点是算法中需要选择的参数少，程序实现简单，并在种群数量、寻优速度等方面较其他进化算法具有一定的优势。尤其县存高噪信比情况下，也收到较满意的结果。     

A reliable method of minimum zone evaluation of cylindricity and conicity from coordinate measurement data

The form error evaluation of cylinders and cones is very important in precision coordinate metrology. The solution of the traditional least squares technique is prone to over-estimation, as a result unnecessary rejections may be caused. This paper proposes a reliable algorithm to calculate the minimum zone form errors of cylinders and cones, called a hybrid particle swarm optimization-differential evolution algorithm. The optimization is conducted in two stages, so that the program can hold a fast convergence rate, while effectively avoiding local minima. Experimental results demonstrate that the proposed algorithm can obtain very accurate and stable results for the calculation of cylindricity and conicity.     

改进粒子群优化的LSSVM结构损伤评定

为改善结构动力损伤的识别效果,提出了刚度变化指标构架下改进粒子群算法优化的最小二乘支持向量机的结构损伤评估方法。首先,通过由试验技术修正的有限元模型来计算刚度变化指标(stiffness variation index,简称SVI),并进行损伤定位;然后,在SVI基础上,利用改进粒子群算法优化最小二乘支持向量机的超参数,建立结构损伤评估优化模型,计算损伤大小。将该方法用于起重机主梁的损伤评定,研究结果表明,该方法具有较高的精度和效率,能准确地判断结构的实际性态,是一种有效的评估手段。     

基于混沌蚂蚁群算法的PID控制器的参数整定

将蚂蚁混沌动力学、群组织和优化机制进行巧妙的结合，本文给出了一种基于群智能理论的新的优化方法，即混沌蚂蚁群算法CAS。同时采用该方法对PID控制器的参数进行了整定，它以误差积分型性能指标为目标函数、以设计参数的取值范围及最小增益和相位裕度为约束条件，建立了优化数学模型，数值结果显示采用混沌蚂蚁群算法的整定性能要优于采用遗传算法整定的性能。同时本文的方法由于不需要采用编码过程，因此比采用遗传算法的辨识方法要简练。