一种改进灰狼优化算法的移动机器人路径规划方法

针对移动机器人路径规划中存在易陷入局部最优、收敛速度慢、搜索路径消耗成本较大等问题,提出一种改进的灰狼优化算法对移动机器人进行路径规划。建立移动机器人避障路径规划二维空间模型,将灰狼优化算法中的线性收敛因子转变为非线性收敛因子,并将灰狼优化算法与粒子群算法结合,给予Omega狼意识;加入协同量子化优化灰狼群体;采用4类国际测试函数证明了改进算法在收敛精度、稳定性方面更优。将改进算法运用到移动机器人路径规划中,并与粒子群算法、原始灰狼优化算法进行对比,仿真结果验证了该算法的有效性。     

粒子群-蚁群融合算法的机器人路径规划

为了提升移动机器人在全局静态环境下搜寻到达指定目标点的最优路径的能力,提出一种粒子群算法和蚁群算法改进求解路径规划问题的融合算法。改进算法针对粒子群算法易陷入局部极值,利用蚁群算法获得全局最优路径;设置标识栅格,提升路径安全度;同时引入活跃因子增加粒子速度的多样性,根据粒子群算法最优解调整路径上信息素分布,解决蚁群算法中初始信息素缺乏的问题。融入简化算子,对路径做进一步处理,优化路径长度。仿真结果表明,融合算法具有较强的安全性以及改善了算法寻找最优解的能力。     

模糊改进的人工势场法机器人局部路径规划

移动机器人在狭窄、障碍物繁多的密闭环境中工作,人工势场法(APF)应用于机器人避障及局部路径规划存在局部最优、目标不可达等问题,文章提出一种模糊改进的APF算法,通过重新构建障碍物斥力势场、障碍物运动速度和加速度势场、引力势场模型,克服局部最优陷阱;在某些特殊情况下,使用模糊算法给机器人提供辅助作用力,帮助机器人安全到达目标点。把改进模糊APF算法用于机器人避障,仿真结果表明:改进的控制算法应用于多障碍物环境可以帮助机器人实现安全避障。     

数控机床主轴绿色配置设计的不确定优化模型建立与求解?

以MJ-50型数控车床主轴的模块化绿色配置设计为例,将技术性能最优、经济成本低、环境影响最小、能耗最少设为目标函数,建立包含模糊数与区间数的不确定组合优化模型;按三角模糊数和区间数的运算法则将其转换为确定型模型,并采用权重系数法把该多目标优化问题转化为单目标优化问题;采用离散二进制粒子群优化算法进行模型求解,获取最优解。实验证明该方法可行。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

伺服系统转动惯量辨识及控制器PI参数优化

在机器人运行时,为了使伺服电机在最优性能下达到目标速度、在工作过程中有着更强的抗扰动能力,并避免出现震荡、谐振的状况,从而造成机器人运行时动态稳定性严重降低。提出一种基于非线性动态学习因子的粒子群优化算法,对普通粒子群优化算法进行改进。该算法以伺服系统控制模型中的速度控制器为核心,实时辨识负载转动惯量值,使伺服系统内部控制参数根据实际工况调节;运用该辨识值,通过计算得到速度控制PI参数值,并实时修正速度控制器PI参数值。MATLAB/SIMULINK仿真结果表明,与传统的粒子群优化算法相比,无论在电机启动过程中、还是负载扰动下,该方法都具有更快的响应速度、更高的控制精度以及更强的抗干扰能力。     

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。     

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。     

基于粒子群算法的机器人关节空间最优运动轨迹规划

为了提高机器人的工作效率,对机器人轨迹规划进行研究。文章依据机器人运动学特征,提出了一种关节空间运动轨迹规划的算法。其基于粒子群算法,采用高次多项式插值的方式,对机器人关节空间的运动轨迹进行拟合。在确保运动轨迹平滑的同时,保证了关节运动的平稳性。最后,在MATLAB中进行仿真实验,实现了关节空间最优运动规划。该算法结构简单,易于实现,为提高机器人的工作效率提供了科学依据。     

基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制

为改善粒子群优化算法的寻优性能,提出了一种新的算法———混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明：该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

6082铝合金板带热连轧规程优化

根据应力随应变、变形温度和应变速率变化的数据,利用MATLAB软件拟合6082铝合金的变形抗力模型;利用测试函数对基本粒子群算法(BPSO)和改进粒子群算法(IPSO)的性能进行对比,结果表明,IPSO在收敛速度和精度上均优于BPSO。利用IPSO,在设备、工艺约束下,以能耗、板形为目标函数,对6082铝合金的4机架热连轧规程进行优化,并将优化结果与以等压下率分配的规程进行对比,结果表明,优化后的规程,其能耗和板形均优于等压下率制定的规程,对实际生产有一定的指导意义。     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

基于动态惯性权重粒子群算法的磨削低能耗加工方法

利用三层误差反向传播(back propagation, BP)神经网络建立磨削能耗预测模型,以砂轮线速度、进给速度和磨削深度为影响因素设计125组全因子试验,并取其中的75组试验数据作为该预测模型的训练样本与测试样本。采用动态惯性权重改进粒子群算法(adaption particle swarm optimization, APSO),以BP神经网络的预测作为适应度函数,以最小能耗为目标进行迭代寻优获取最优工艺参数。结果表明:模型预测结果较为准确,采用优化后的工艺参数能够有效降低磨削能耗。      

基于CMCPSO-SVM的轴承微弱故障诊断方法北大核心

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。     

基于CAPSO-RBF的磁悬浮系统控制研究

为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化（CAPSO）的RBF神经网络监督控制器。通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进〖JP+1〗行归一动态优化。采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真。结果表明：基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升。     

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.     

温锻压力机肘杆机构的自适应粒子群算法优化

为了改善温锻压力机肘杆机构的下压性能、提高产品质量,提出了肘杆机构的自适应粒子群算法优化方法。使用封闭矢量法建立了传动机构的运动学模型。以6连杆尺寸为优化参数,以滑块最大运动速度、最大加速度和曲柄最大输出扭矩为优化目标,建立了优化模型,根据曲柄存在条件、上连杆摆角约束、滑块行程约束等设置了约束条件。在粒子群算法的基础上,提出了算法参数随粒子适应度和算法迭代次数的自适应变化律,给出了基于自适应粒子群算法的优化模型求解方法。经过优化,在公称压力行程范围内,滑块的最大运动速度降低了1.87%,最大加速度降低了3.13%,曲柄最大输出扭矩降低了1.10%,改善了肘杆机构的下压性能,同时证明了自适应粒子群算法在传动机构参数优化中的有效性。     

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。     

一种关节型机器人快速收敛的粒子群优化算法

快速收敛性的研究和应用对关节型机器人轨迹规划有着重要的意义和价值。以关节型机器人完成不同动作时轨迹的平滑度和所用的时间为主要优化目标，提出一种快速收敛的粒子群算法。将全局学习因子和局部学习因子联合起来，通过调整比例系数和全局学习因子的比重获得更快的收敛速度。实验结果表明：在迭代次数较少时，所提方法与改进的粒子群算法的应用效果接近；在迭代次数较多时，所提方法优于改进的粒子群算法。     

基于遗传粒子群算法的集成块布局优化

根据集成块的结构特点提出了一种集成块布局的优化方法,建立了集成块空间布局优化设计的数学模型和集成块的参数化描述,并结合遗传粒子群算法对提出的数学模型进行了求解.计算实例表明,运用遗传粒子群算法优化该数学模型可以很好地完成集成块的布局优化设计,为以后集成块的自动优化设计打下了坚实的基础.