基于VPS-PSO算法的装配序列规划方法

针对装配序列规划问题的特点,提出一种求解装配序列规划问题的变种群策略-粒子群优化(Various Population Strategy-Particle Swarm Optimization,VPS-PSO)算法。针对粒子群算法容易陷入局部最优的缺点,采用变种群策略,缩短进化停滞时间,提高粒子群算法进化效率,增强算法的寻优能力。并结合装配几何可行性、装配过程连续性、装配工具改变次数3个评价指标构建适应度函数,实现多目标优化。以经编机成圈传动机构装配序列规划实例验证VPS-PSO算法比较PSO算法具有更好的全局搜索能力。     

混合遗传算法在机器人路径规划中的应用

针对传统智能算法在多障碍物环境下求解路径时存在忽视路径安全性，易陷入局部最优解等问题，提出一种融合粒子群算法(PSO)、遗传算法(GA)和人工势场法(APF)的混合遗传算法(PA-GA)。首先，改进障碍物参数和算法的适应度函数，引入防碰撞距离与安全距离，保证路径安全性；其次，通过动态调整粒子群算法中的惯性权重增强粒子的搜索能力，加快算法收敛；然后，引入分群策略、等级交叉策略和人工势场法来改进遗传算法的交叉变异操作，依靠自适应调整交叉变异概率加快收敛速度；最后，将改进后的算法融合，保证混合算法在全局和局部的寻优能力。仿真结果显示，PA-GA算法具备了较强的寻优能力，且路径检索结果更好，收敛速率也更快。     

多策略改进粒子群优化AGV模糊PID控制

为解决AGV在复杂环境下控制精度低下、响应速度慢和鲁棒性差等问题,提出一种基于改进粒子群优化模糊PID控制方法。在粒子群算法（PSO）引入Logistic混沌映射对种群进行初始化,其次对惯性权重和学习因子进行非线性控制更新,提升种群寻优能力和避免陷入局部最优;选取9个测试函数验证改进PSO算法效果。仿真结果表明改进PSO在寻优精度和收敛速度都优于其他3种算法,而且不易陷入局部最优。最后对被控系统进行效果验证,结果表明改进PSO优化模糊PID控制器在常规和外部干扰两种环境下控制性能都优于传统PID和模糊PID,具有高可靠性、高控制精度,满足系统要求。     

基于改进遗传算法的孔群数控加工路径优化

针对孔群加工路径优化中遗传算法存在的局部最优和收敛速度慢等问题,提出采用模拟退火算法改进遗传算法进行路径优化。首先根据孔群数控加工的特点建立数学模型,采用遗传算法设计种群编码,建立适应度函数选择优秀种群,并对保留的优秀种群进行交叉、变异等操作,实现种群进化,其次引入模拟退火算法对其适应度函数进行拉伸处理,调整种群进化差异性而加速寻优进度,同时采用改进的Metropolis准则调整接受概率,调节旧种群和新种群的进化程度,增强遗传算法的全局搜索能力。实例表明:改进算法用于某模具的孔群加工,有效克服遗传算法的早熟现象,缩短收敛次数,平均路径缩短比例达6.9%,提高了加工效率,效果良好。     

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.     

基于改进LFQPSO优化MRVM的轴向柱塞泵故障诊断

针对传统粒子群优化算法以准确率或误判率作为适应度函数耗时长和轴向柱塞泵故障机制较为复杂的问题,提出一种基于改进适应度函数的Lévy飞行量子粒子群优化(QPSO)多分类相关向量机(MRVM)的轴向柱塞泵概率性智能软状态判别方法。为了克服人为设定核参数不精确、效率低等缺点,采用基于Lévy飞行的QPSO搜索MRVM的最优核参数;为了缩短寻优时间,将样本间余弦相似度作为寻优算法的适应度函数,并利用UCI机器学习标准数据集进行仿真来验证改进后优化方法的有效性及优越性;采集柱塞泵不同故障状态的数据,提取时频域和时域特征,输入到优化后的MRVM中,进行训练及测试。实验结果表明：所提方法可以有效提高故障诊断的准确率及诊断效率,同时能够实现软分类,即以概率形式输出诊断结果,能够为设备检修及维护提供可靠且符合实际的故障信息。     

基于IINFO的粒子重组FastSLAM在SLAM中的研究

针对FastSLAM算法需要增加粒子数提高精度以及重采样导致的粒子多样性缺失的问题，提出一种改进INFO(向量加权平均算法)优化的粒子重组FastSLAM算法。首先，在预测粒子集时加入最新时刻的观测信息并通过INFO计算粒子适应度值，为增强INFO跳出局部最优的能力，对最优个体进行柯西变异；其次，通过改进INFO寻优能力强，收敛速度快的特性更新预测粒子集，使得在计算权重前粒子集的位姿就更接近期望值，以此提高估计精度；最后，重采样阶段将筛选后保留的粒子与剩余粒子重新组合成新的粒子，以此增加粒子多样性。仿真实验结果表明，IINFO-FastSLAM算法较FastSLAM、INFO-FastSLAM算法相比，其位姿与路标估计精度更高且鲁棒性更佳。     

基于改进粒子群-禁忌搜索算法的FMS布局优化

针对待加工零件(族)的工艺特性已知,且加工设备型号与数量选定的柔性制造系统(FMS)布局问题,以FMS总物流成本最低为优化目标,采用改进的粒子群-禁忌搜索算法进行了布局优化。以实数映射编码的方法和自动换行策略对粒子进行初始化随机编码,并在粒子群迭代过程中引入自适应变异算子对粒子的位置进行随机变异,增加粒子群的多样性,避免陷入局部最优解。将得到的优化结果解码并进行禁忌搜索,提高算法的局部搜索能力和寻优质量。通过实例验证了使用改进粒子群-禁忌搜索算法优化FMS布局的可行性,得到了相比于标准粒子群算法更优的物料搬运总成本和布局方案序列,结果表明该算法可以有效提高求解布局优化问题的精度。     

基于PSO/GA的立体视觉测量系统优化布局

探讨一种基于PSO/GA（粒子群优化/遗传算法）混合算法的立体视觉测量系统优化布局方法。以空间点目标的三维重构不确定度最小为目标,构建了立体视觉测量系统优化布局的目标函数。通过实例阐述了使用PSO/GA混合算法求解系统最优布局参数的过程,并且在MATLAB环境下对该方法做了验证。仿真实验结果表明：与传统的粒子群优化算法和遗传算法相比,使用PSO/GA混合算法得到的最佳个体适应度曲线上升速度最快,而且求得的系统最优布局参数使空间点目标的三维重构不确定度最小。     

基于PSO/GA的立体视觉测量系统优化布局

探讨一种基于PSO/GA(粒子群优化/遗传算法)混合算法的立体视觉测量系统优化布局方法。以空间点目标的三维重构不确定度最小为目标,构建了立体视觉测量系统优化布局的目标函数。通过实例阐述了使用PSO/GA混合算法求解系统最优布局参数的过程,并且在MATLAB环境下对该方法做了验证。仿真实验结果表明:与传统的粒子群优化算法和遗传算法相比,使用PSO/GA混合算法得到的最佳个体适应度曲线上升速度最快,而且求得的系统最优布局参数使空间点目标的三维重构不确定度最小。     

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CMCPSO-SVM的轴承微弱故障诊断方法

针对旋转机械轴承微弱故障振动信号易被强噪声掩盖难以识别的问题,提出一种改进混沌粒子群优化支持向量机的故障诊断方法。将信号通过局部均值分解算法分解处理得到乘积函数(PF)分量,并进行能量归一化处理获得时频域特征集;通过迭代拉普拉斯得分降低时频域特征集的空间维度;以PF分量的排列熵作为混沌粒子群的适应度,并加入交叉和变异新策略,建立一种新的交叉变异混沌粒子群优化方法;利用改进的粒子群算法优化支持向量机的核函数和惩罚因子,并将优化后的分类模型应用于轴承故障诊断。结果表明：该故障分类模型的识别准确率高于其他分类模型。     

BAS-LSA混合算法在装配序列规划的应用

针对闪电搜索算法在求解装配序列规划问题中求解精度低、易陷于局部最优的缺点,提出一种将闪电搜索算法和天牛须搜索算法结合的混合算法。算法前期使用闪电搜索算法对种群进行搜索,对于搜索后不满足几何可行性的个体用天牛须搜索算法进行优化,用天牛须搜索算法来提高闪电搜索算法的局部搜索能力,避免闪电搜索算法陷入局部最优,提高求解精度;用装配序列的几何可行性、稳定性、一致性、连贯性4个评价指标来构建适应度函数;以蒸汽发动机引擎为例,将混合算法与差分进化算法、闪电搜索算法、粒子群算法进行比较,从最优值迭代次数、适应度值、局部最优逃逸能力等方面进行分析,验证该混合算法的有效性。结果表明求解精度、跳出局部最优的能力方面混合算法明显优于其它三种算法,混合算法明显提高了求解精度和增强了跳出局部最优的能力。     

利用QPSO算法的装配式建筑项目工序优化方法（英文）

针对装配式建筑项目中工序的合理安排问题,提出一种基于量子粒子群优化(QPSO)的工序优化方法。首先对项目工序进行编码,使其能够以量子形式表示。然后,根据综合考虑施工工期和成本的目标函数,利用QPSO算法对工序方案其进行寻优,得到最优方案。另外,为了提高QPSO算法的收敛能力,融入了变异机制来避免其陷入局部最优。在一个装配式住宅项目案例中的实验结果表明:提出的方法能有效降低项目工期和成本,具有较高的实用价值。     

利用QPSO算法的装配式建筑项目工序优化方法

针对装配式建筑项目中工序的合理安排问题，提出一种基于量子粒子群优化(QPSO)的工序优化方法。首先对项目工序进行编码，使其能够以量子形式表示。然后，根据综合考虑施工工期和成本的目标函数，利用QPSO算法对工序方案其进行寻优，得到最优方案。另外，为了提高QPSO算法的收敛能力，融入了变异机制来避免其陷入局部最优。在一个装配式住宅项目案例中的实验结果表明：提出的方法能有效降低项目工期和成本，具有较高的实用价值。     

基于自适应变异粒子群优化算法的移动机器人路径规划

对路径规划中区域划分的建模方法进行改进,实现根据环境中障碍物的具体分布来自适应划分环境空间,将路径规划问题转化为带约束目标函数优化求解问题.针对粒子群算法的局部极小值问题,提出将自适应差分进化算子作为粒子群优化算法的自适应变异算子的改进方案.仿真结果表明:环境模型的自适应划分可以提高算法的搜索效率,缩短计算时间,使算法具有更好的实时性;加自适应变异算子的粒子群优化算法可以使目标函数快速跳出局部最优的束缚.     

改进PSO优化模糊RBF神经网络的牵引变压器故障诊断研究

为了快速准确地识别出油浸式牵引变压器的常见故障,结合粒子群算法全局搜索能力强、寻优速度快及模糊神经网络容错能力强、自适应性强的特点,提出了将模糊逻辑、RBF神经网络及粒子群算法有机结合的油浸式牵引变压器故障诊断方法。针对粒子群算法局部搜索能力不足的缺点,改进粒子群的速度更新公式和惯性权重,以此优化模糊神经网络的结构参数,从而构建起基于油中气体分析技术的改进PSO优化模糊神经网络的牵引变压器故障诊断模型。实验及仿真结果表明,与BP神经网络、标准PSO优化模糊神经网络相比,改进PSO优化模糊神经网络的故障辨识准确性更高、泛化能力更强。     

基于冷却曲线特征与粒子群算法的铸造热物性参数寻优

针对铸造过程材料热物性参数求解方法适用参数种类少、人工经验依赖度高的问题,根据铸造冷却曲线特征与粒子群优化算法,建立了基于冷却曲线间差异的适应度函数。提出了基于种群搜索状态与粒子适应度排序的惯性权重调整策略,并结合冷却曲线特征适应度的粒子群速度迭代策略,建立了一种铸造过程材料热物性参数寻优方法,并以25G材料为例进行了实际验证。结果表明,试验方法可达到与人工反求法相同的精度,且所需计算次数少、人工经验依赖度低。     

基于改进粒子群算法的多电机智能控制研究

伺服电机作为全自动线束端子组装设备驱动、控制和机械传动的主要联系环节,其控制系统的优劣决定了整个设备的性能。结合端子组装设备的结构和工作原理,对端子组装设备中重要的伺服系统建立了控制数学模型。为了得到较优的控制器参数,对粒子群算法(PSO)搜索寻优进行了改进,通过PSO对PID控制器进行参数优化,并利用优化后的PID控制器设计多电机功率平衡控制策略。仿真验证表明：改进粒子群算法能有效实现多电机功率平衡控制,在负载发生变化的情况下,控制策略能够控制每个电机的输出实现均衡分配负载。     

基于改进PSO优化模糊神经网络的数控机床故障诊断技术研究

数控机床故障具有隐蔽性和复杂性的特点,为了快速准确地识别数控机床发生的故障,结合粒子群算法全局搜索能力强、寻优速度快及模糊神经网络容错能力强、自适应性强的特点,提出了将模糊逻辑、RBF神经网络及粒子群算法有机结合的数控机床故障诊断方法。为了改善粒子群算法局部搜索能力,在标准粒子群算法的基础上,改进粒子群的速度更新公式和惯性权重,以此优化模糊神经网络结构参数,从而建立起改进PSO优化模糊神经网络的数控机床主轴伺服系统故障诊断模型。实验和仿真结果表明:与RBF神经网络、标准PSO优化模糊神经网络相比,改进PSO优化模糊神经网络的故障辨识准确性更高、泛化能力更强。