叶片精密抛光伺服系统的干扰观测补偿控制

叶片型面尺寸精度及表面质量的提高对数控抛光伺服系统性能提出了更高的要求.针对非线性摩擦和被控对象参数摄动对数控抛光伺服系统定位精度和跟踪精度的影响,提出了一种基于干扰观测器的粒子群优化模糊PID(PFPID)控制方法.该方法通过构造干扰观测器来预测伺服系统中的非线性摩擦和参数摄动等各种干扰,并在控制中引入等效的补偿来抑制干扰,同时利用粒子群优化算法对模糊控制器的量化因子和比例因子进行在线调整,进而利用模糊控制器对PID控制参数进行自适应整定.仿真分析和实验结果表明,基于干扰观测器的PFPID控制器具有控制精度高、鲁棒性强、抑制干扰能力强等优点,其能够提高叶片型面尺寸精度和表面一致性,降低表面粗糙度,减小残余应力并提高抛光效率.     

基于混合鸡群算法和核极端学习机的锅炉NOx排放的预测

以某300MW亚临界循环流化床锅炉为研究对象,对锅炉的NOx排放量进行预测。利用模拟退火混合鸡群算法(SACSO)和核极端学习机(KELM)对不同工况下NOx的排放量进行建模;对比了差分进化算法,粒子群算法和原始鸡群算法,证明了改进后算法的优越性;之后,又对传统BP算法,支持向量机,极端学习机和核极端学习机模型进行对比;最终确定的SACSO-KELM模型具有更高的预测精度和稳定性以及更好的泛化能力,可选择将此模型用于锅炉NOx排放的建模预测。     

基于粒子群算法优化支持向量机的铝热连轧机轧制力预报

为了提高热轧带材的轧制力预报精度,提出了粒子群算法和支持向量机结合的方法来预报轧制力。根据轧制原理用支持向量机建立轧制力预报的模型,通过粒子群算法优化支持向量机参数来提高预报精度。为了进一步提高轧制力预报精度,还提出了支持向量机网络与数学模型相结合的方法,对某“1+4”铝热连轧厂现场采集的5052铝合金轧制数据进行离线仿真,仿真结果可以看出支持向量机网络与数学模型结合的方法预报轧制力,提高了轧制力预报速度并使其轧制力预报精度控制在7%以内。     

数控加工中心的位置误差补偿模型

本文以三轴数控加工中心为例,利用齐次矩阵建立了完备的数控加工中心的位置误差补偿模型,利用本文方法可以对三轴以上的多轴数控加工中心的位置误差进行建模,本文的建模方法和结论可以应用到三坐标测量机、工业机器人的位置误差模型的建立和位置误差补偿中去,以便在不增加制造成本的情况下,提高加工精度或测量精度,实现“不使用精密设备的精密加工”。     

SVM和改进的PSO在压路机驾驶室结构噪声优化中的应用

针对压路机驾驶室结构噪声,将拉丁超立方试验设计、支持向量机近似模型、改进的粒子群优化算法相结合,通过修改驾驶室主要板件的板厚参数降低压路机结构噪声。建立一套基于支持向量机和粒子群算法控制车内结构噪声的设计流程。针对粒子群可能出现局部最优解的问题,对粒子群进行了改进。并利用改进的粒子群优化支持向量机参数,构建高拟合精度的支持向量机模型代替有限元模型。并用改进的粒子群算法对该模型进行板厚寻优,找到一组最佳的板厚参数使得参考点(驾驶员右耳处)声压级最小,减少计算工作量,提高优化效率。     

基于佳点集粒子群算法的SVM参数优化方法

针对传统的粒子群算法（PSO）初始种群随机生成而导致的算法稳定性差和易出现早熟等问题,提出了基于佳点集改进的粒子群算法（GSPSO）,并将其优化支持向量机（SVM）,构建一种高效的预测评估模型（GSPSO-SVM）。首先采用佳点集方法使PSO中初始粒子均匀分布,然后利用GSPSO优化SVM的惩罚因子C和径向基核函数参数g以获取最佳参数值,提高SVM分类性和稳定性,最后将模型应用于旱情数据的评估预测。仿真实验结果表明：本模型在平均准确率和方差方面的准确都取得了很好的效果;对比分别用PSO和遗传算法（GA）优化的SVM模型,本模型的性能更好。     

基于粒子群与聚类的多目标优化算法

针对粒子群优化算法容易陷入局部最优的问题,提出了一种基于粒子群优化与分解聚类方法相结合的多目标优化算法。算法基于参考向量分解的方法,通过聚类优选粒子策略来更新全局最优解。首先,通过每条均匀分布的参考向量对粒子进行聚类操作,来促进粒子的多样性。从每个聚类中选择一个具有最小聚合函数适应度值的粒子,以平衡收敛性和多样性。动态更新全局最优解和个体最优解,引导种群均匀分布在帕累托前沿附近。通过仿真实验,与4种粒子群多目标优化算法进行对比。实验结果表明,提出的算法在27个选定的基准测试问题中获得了20个反世代距离(IGD)最优值。     

基于状态空间模型的机床加工精度分析

伺服进给系统的机电耦合特性直接影响数控机床的加工精度，单独针对伺服系统或机械系统建立的模型不足以准确分析系统参数对机床整机加工精度的影响。因此，综合考虑机床伺服系统与机械结构之间的耦合关系，建立伺服进给系统机电耦合动力学模型具有重要意义。首先，为保证伺服进给系统建模精度，利用状态空间法建立了机床机电耦合状态空间方程。其次，建立了伺服进给系统机电耦合Simulink模型，在此基础上采用复合控制提高系统的响应速度和加工精度。随后，利用多体动力学软件建立机床进给系统的刚柔耦合动力学模型，添加摩擦、阻尼等非线性因素，并导入Simulink与伺服系统建立耦合关系。最终，建立了卧式加工中心伺服进给系统的刚柔-机电耦合仿真加工平台，通过模拟机床加工轨迹以验证机电耦合状态空间模型的可靠性。结果表明：该状态空间模型能准确描述系统内部参数和系统输入输出的耦合关系；采用复合控制结构能有效提高系统的响应速度和加工精度。研究结果为数控机床的仿真建模和提高加工精度提供理论依据，为机床机电系统的设计提供有效指导。     

基于熵-流特征和樽海鞘群优化支持向量机的故障诊断方法

针对旋转机械设备故障特征提取困难的问题,提出一种熵-流特征和樽海鞘群优化支持向量机(salp swarm optimization support vector machine,SSO-SVM)的故障诊断方法。利用改进多尺度加权排列熵(improved multiscale weighted permutation entropy,IMWPE)提取机械设备不同工况下的故障特征;采用监督等度规映射(S-Isomap)流形学习进行降维处理,获取低维的熵-流特征集;将熵-流特征输入至SSO-SVM多故障分类器进行识别与诊断。行星齿轮箱故障诊断实验分析结果表明:IMWPE+S-Isomap熵-流特征提取方法优于现有的多尺度排列熵(multiscale permutation entropy,MPE)、多尺度加权排列熵(multiscale weighted permutation entropy,MWPE)和IMWPE等熵值特征提取方法以及IMWPE+等度规映射(Isomap)和IMWPE+线性局部切空间排列(linear local tangent space alignment,LLTSA)等熵-流特征提取方法;樽海鞘群算法对支持向量机参数寻优效果优于粒子群、灰狼群、人工蜂群和蝙蝠群等算法;所提故障诊断方法识别精度达到100%,能够有效诊断出行星齿轮箱各工况类型。     

基于粒子群优化极限学习机及电容层析成像的两相流流型及其参数预测

提出了一种基于粒子群优化极限学习机及电容层析成像的两相流流型辨识及其参数预测方法。首先,通过粒子群优化极限学习机的连接权值,并使用粒子群优化极限学习机算法对4种典型的油-气两相流流型进行辨识;其次,使用粒子群优化极限学习机算法对流型的参数进行预测;最后进行了仿真实验,结果表明,与极限学习机算法相比,粒子群优化极限学习机算法所需隐层节点数更少,流型辨识率更高,其正确辨识率达100%,对4种流型参数预测的最大相对误差为5.24%。     

基于粒子群算法与连续型深度信念网络的水泥熟料游离氧化钙预测

针对水泥熟料质量指标游离氧化钙含量难以实时检测的问题,提出一种基于连续型深度信念网络建模的预测方法。首先根据水泥熟料生产工艺选取影响烧成系统的主要变量,利用灰关联分析得出各变量灰色关联度并去除关联度小的变量,建立水泥熟料游离钙预测的辅助变量集合。其次采用粒子群算法对连续型深度信念网络进行优化,建立水泥熟料游离钙预测模型。最后与最小二乘支持向量机、反向传播算法网络和连续型深度信念网络预测效果进行对比。结果表明,基于粒子群寻优的连续型深度信念网络水泥熟料游离钙含量的预测方法精度高、泛化能力强。     

基于多目标粒子群协同算法的状态参数优化

针对铅锌烧结过程综合透气性、烧结终点的优化具有强非线性、计算复杂等特点,提出了一种有效的多目标粒子群协同优化算法。首先,建立了有综合透气性、烧结终点两个目标的优化模型。接着,通过改进的约束比较方法、粒子极值选取方法,以及利用不同的粒子群来分别优化相应的变量,提出了一种改进的多目标粒子群协同优化算法。最后,利用提出的多目标优化算法进行综合透气性、烧结终点的优化。仿真结果表明,所提出的多目标优化算法能较好地解决综合透气性、烧结终点的优化问题。     

Neuron-based adaptive control algorithm for CNC positioning servo system

A neuron-based adaptive controller is proposed for the positioning servo control of CNC machine tools due to neuron self-learning. The algorithm has the benefit that the identification of system models is no longer necessary. Moreover, the simplicity of calculation makes the algorithm very suitable for practical engineering applications. A simulation example is given. The algorithm is applied to real-time control of positioning a servo system of a CNC machine tool, and excellent experimental results illustrate the effectiveness of this approach.     

Recurrent Functional-Link-Based Fuzzy Neural Network Controller With Improved Particle Swarm Optimization for a Linear Synchronous Motor Drive

A recurrent functional link (FL)-based fuzzy neural network (FNN) controller is proposed in this study to control the mover of a permanent-magnet linear synchronous motor (PMLSM) servo drive to track periodic reference trajectories. First, the dynamic model of the PMLSM drive system is derived. Next, a recurrent FL-based FNN controller is proposed in this study to control the PMLSM. Moreover, the online learning algorithms of the connective weights, means, and standard deviations of the recurrent FL-based FNN are derived using the back-propagation (BP) method. However, divergence or degenerated responses will result from the inappropriate selection of large or small learning rates. Therefore, an improved particle swarm optimization (IPSO) is adopted to adapt the learning rates of the recurrent FL-based FNN online. Finally, the control performance of the proposed recurrent FL-based FNN controller with IPSO is verified by some simulated and experimental results.      

基于GSA-SVM的循环流化床锅炉NOx排放特性模型

为了准确地预测循环流化床锅炉NOx排放量,以某热电厂循环流化床锅炉燃烧数据为样本,提出了基于支持向量机（SVM）的循环流化床锅炉NOx排放特性GSA-SVM模型。由于SVM精度及泛化能力依赖于参数选择,故将万有引力搜索算法（GSA）运用到模型参数寻优过程中,利用不同工况下的样本数据检验了模型的预测性能,并将该模型分别与BP神经网络、粒子群(PSO)和遗传算法(GA)优化的SVM模型进行比较,仿真实验证明GSA-SVM模型具有很好的辨识能力及良好的泛化能力。     

改进的 QPSO 算法在自融资投资组合中的应用

针对量子粒子群优化 (Quantum Particle Swarm Optimization, QPSO) 算法的缺陷,提出了一种基于 L$\acute{\rm e}$vy 飞行策略和混合概率分布的改进量子粒子群优化 (Hybrid Quantum Particle Swarm Optimization, HQPSO) 算法。在算法的设计中,借助 L$\acute{\rm e}$vy 飞行策略对粒子位置的迭代公式进行更新,用于改善算法的局部收敛精度,增强其全局探索能力。另外,考虑到迭代后期的早熟问题,在势阱模型中引入了指数分布和正态分布相结合的混合概率分布,帮助算法及时逃离局部最优。基于 16 个基准函数的测试结果表明,HQPSO 算法在收敛精度和鲁棒性上比其他几种算法表现更好。最后,将改进的 QPSO 算法应用到自融资投资组合模型的求解中,其数值结果与差分进化、粒子群优化算法和量子粒子群优化算法相比,HQPSO 算法展现出更好的可比性和优越性。     

Genetic particle swarm parallel algorithm analysis of optimization arrangement on mistuned blades

This article introduces a method of mistuned parameter identification which consists of static frequency testing of blades, dichotomy and finite element analysis. A lumped parameter model of an engine bladed-disc system is then set up. A bladed arrangement optimization method, namely the genetic particle swarm optimization algorithm, is presented. It consists of a discrete particle swarm optimization and a genetic algorithm. From this, the local and global search ability is introduced. CUDA-based co-evolution particle swarm optimization, using a graphics processing unit, is presented and its performance is analysed. The results show that using optimization results can reduce the amplitude and localization of the forced vibration response of a bladed-disc system, while optimization based on the CUDA framework can improve the computing speed. This method could provide support for engineering applications in terms of effectiveness and efficiency.     

基于分形维数和GA-SVM的风电机组齿轮箱轴承故障诊断

对风机齿轮箱轴承故障诊断进行了研究,提出一种基于分形维数和遗传算法支持向量机(GA-SVM)相结合的故障诊断算法。基于常用的时域特征参数作为支持向量机的识别参数,引入分形维数特征参数来提升支持向量机的识别精度。提出了基于遗传算法(GA)的支持向量机参数优化的模型,通过GA的寻优自动获得最优的支持向量机参数。采用某风场的风电机组齿轮箱轴承数据进行故障诊断,实验表明,所提出的GA-SVM模型很好地解决了参数选择的问题,同时基于分形维数的特征参数也提高了风电机组轴承故障的识别准确率。     

基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识

提出一种基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识方法。该算法采用动态自适应调整策略,提高了粒子群算法收敛速度;同时引入新型遗传算法混合交叉变异机制,避免了粒子群陷入局部最优。将自适应粒子群遗传算法与标准粒子群算法、遗传算法、人工蜂群算法进行了比较,仿真实验结果表明该算法在迭代60次左右完成参数辨识,各参数的辨识相对误差均降低到了1%以内。最后利用旋转柔性关节实验平台进行了实验验证,实验结果证明了该算法具有更好的收敛速度和寻优精度。     

基于PLC的颗粒包装机称量系统设计

目的 为提高颗粒包装机称量精度和稳定性,基于PLC设计一种颗粒包装机称量系统.方法 分析颗粒包装机结构和工艺流程,并给出控制系统结构,包括核心处理器PLC、交流控制器、伺服电机驱动器、传感器、三相电机和伺服电机等.以称量控制为主要研究对象,提出一种粒子群模糊PID称量控制器,以提高称量控制系统的收敛速度、通用性和可移植性.最后进行仿真和实验研究.结果 相关结果表明,与模糊PID控制器相比,加入粒子群优化算法后,系统的响应速度更快,达到稳定状态所需时间更短,实际包装误差仅为0.528％.结论 所述称量控制系统可以有效地提升称量精度,有利于提高颗粒包装机的自动化水平.