基于极简粒子群算法的机床主轴结构参数优化

为了弥补传统优化方法在机床主轴结构参数优化问题中收敛速度慢、精度不高、需要设置初始值等缺点,提出一种基于极简粒子群优化算法的机床主轴结构参数优化方法。抽象并建立机床主轴结构数学模型,通过实例对fmincon函数法、基本粒子群优化算法和极简粒子群算法的搜索结果进行对比分析。结果显示该改进策略有效地避免了基本粒子群优化算法收敛精度低、后期收敛速度慢等缺点,寻优速度有了大幅度的提高,适合代码容量小,精度要求不高的环境。基于极简粒子群算法的机床主轴结构参数优化方法与fmincon函数法和基本粒子群算法相比,优化结果有了很大提升,且迭代时间分别降低了76.91%和7.31%。     

基于改进PSO优化BP的数控机床热误差预测研究北大核心

热误差是影响数控机床加工精度的主因,为提高数控机床热误差模型的预测精度,提出了基于改进粒子群优化BP神经网络的数控机床热误差建模预测方法。针对BP易陷入局部最优、收敛速度慢,在标准粒子群算法的基础上,改进粒子的速度与位置更新策略,在此基础上优化BP神经网络的阈值和权值,并建立数控机床热误差预测模型;借助于MATLAB完成仿真实验,结果表明,与标准的BP神经网络和支持向量机相比,基于改进粒子群优化BP神经网络的数控机床热误差预测模型精度高、泛化能力强。     

基于CPSO-BP的刀具寿命预测算法

为了改善刀具寿命预测的精准度,文章在已有的PSO-BP神经网络算法中引入混沌理论,提出了一种基于混沌粒子群算法优化BP神经网络(CPSO-BP神经网络)的刀具寿命预测方法。该方法采用粒子群算法优化网络权值和阈值,通过混沌扰动更新粒子的位置。CPSO-BP神经网络算法既避免了BP神经网络存在的收敛速度慢、易陷入局部最优的缺点,又改善了全局搜索能力,同时,降低了粒子群优化算法造成早熟收敛或停滞的可能性。仿真结果表明:与已有的PSO-BP神经网络算法相比,该文的CPSO-BP神经网络算法用于刀具寿命预测时收敛速度和预测精度均更胜一筹。     

改进粒子群优化BP的数控机床热误差预测研究

由于BP存在网络结构选取基于经验、易陷入局部最优、收敛速度慢等缺陷,致使基于BP的数控机床热误差预测模型精度不高,对此提出了一种改进粒子群优化BP的数控机床热误差预测建模的新方法。通过改进标准粒子群算法中粒子的位置与速度更新策略,以此寻找BP神经网络最优的阈值和权值,在此基础上建立数控机床热误差预测模型。仿真实验结果表明:与标准的BP神经网络和支持向量机相比,改进粒子群优化BP神经网络的数控机床热误差预测模型精度更高、泛化能力更强。     

基于状态转移规则改进蚁群算法的机器人路径规划

针对传统蚁群算法在全局路径规划中存在的收敛速度慢、局部最优解、算法优化能力低、种群多样性与收敛速度相互矛盾4种主要问题进行改进，提出了基于动态更新状态转移规则的蚁群算法。通过人工势场法改进启发函数，提高算法的优化能力；利用伪随机状态策略改进状态转移规则，提高了算法的收敛速度；引入动态信息素更新方式，解决局部最优问题，协调种群多样性与收敛速度的矛盾。利用剪枝法对改进后的路径规划算法进行优化。通过分步仿真、对比仿真的方法证明算法改进过程的合理性，提高了蚁群算法在路径规划中的性能。仿真结果表明，改进后算法的路径长度缩短44.08%,运算时间缩短45.13%,在解决4种问题的同时，有效提升了机器人全局路径的平滑性和安全性。     

基于改进BP算法的模具零件表面抛光质量预测研究

针对模具零件表面自动化抛光的工艺参数现场调试困难、抛光后模具零件表面质量不一致等问题,提出了基于改进BP算法的模具零件表面抛光质量预测模型。通过采集模具零件表面抛光试验样本参数,构建预测模型输入参数集,将混沌理论、动态权重、动态学习因子和高斯变异策略引入粒子群优化算法（PSO）,利用改进后的粒子群优化算法（IPSO）对BP算法中权值和阈值的更新策略进行优化,并构建了基于IPSO-BP算法的模具零件表面抛光质量预测模型,结合快速非支配排序遗传算法（NSGA-II）建立多目标优化模型,实现对模具零件表面抛光质量的高精度预测以及抛光工艺参数的优化,对比5种常规预测模型,结果表明基于IPSO-BP算法的预测模型具有较高的预测精度。     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。     

基于改进粒子群算法的轧制负荷分配优化

应用改进粒子群算法,实现单机架可逆冷轧机轧制负荷分配优化。结合某厂单机架可逆冷轧机实际工况,建立了合适的轧制力数学模型并进行参数计算,以压下率为自变量,以轧制力成比例分配为目标,通过改进粒子群算法,得到最佳的轧制负荷分配。工程实践证明:与基本粒子群算法、遗传算法相比,改进粒子群算法具有计算精度更高、收敛速度更快、搜索能力更强等优点,是一种适于单机架可逆冷轧机轧制负荷分配优化的新方法。     

基于人工免疫算法和RBF神经网络的板料成形变压边力优化

针对人工免疫算法搜索时间长、效率低等缺点,对其进行了改进,使其在保持种群多样性的同时,提高了收敛速度。为了减少板料成形工艺参数试错时间,运用数值模拟建立近似模型。以方盒件为例,利用Dynaform软件仿真获得训练数据,通过人工免疫算法优化RBF神经网络,获得隐层中心位置和数量,并采用伪逆法确定输出层的权值。利用改进后的人工免疫算法对该模型进行优化,获得变压边力加载曲线。研究结果表明,采用优化后的变压变力控制曲线能有效地提高板料成形质量。     

基于混沌粒子群优化算法的三轴气浮台平台优化设计

将混沌搜索引入到粒子群优化方法中,并将改进的算法应用在三轴气浮台平台优化设计中。该算法既保持了粒子群算法结构简单、快速收敛的特点,又利用了混沌算法易于逃离局部极小值的特点。测试及应用结果表明该方法改善了算法的全局搜优性能,提高了算法的收敛速度和计算精度。