复杂系统可靠性冗余优化的量子粒子群算法研究

由于复杂系统可靠性函数常常具有非线性的特点,因此如何确定复杂系统各单元冗余数,设计既满足可靠度要求、又使系统成本最小是冗余优化问题中的难点.针对复杂系统的特点,提出了基于量子粒子群算法的求解方法.根据数学模型,详细探讨了量子粒子群算法在系统的可靠性优化计算中应用的可行性,并给出了基于粒子群算法的可靠性的求解策略,同时对桥式系统的可靠性优化设计问题进行分析计算.仿真表明,该算法具有较强的局部搜索能力,与其他方法相比,该算法有较高的搜索效率,能够找到更优的解.最后验证了该算法在复杂系统可靠性优化中的可行性和有效性.     

基于协同量子粒子群的自动配煤系统优化

提出了一种基于量子粒子群算法的自动配煤优化方法,该方法首先对量子粒子群进行了改进,引入协同与学习策略提高了算法的搜索性能。在对自动配煤系统数学建模时,采用加权法将其由多目标优化问题转化为单目标优化问题,再通过协同量子粒子群优化求解。实验结果表明在对自动配煤系统的优化中,协同量子粒子群具有更优秀的搜索能力,能够快速、可靠、有效地获得最优解。     

求解Job shop调度的协同优化算法

针对量子粒子群算法、遗传算法在求解车间调度存在的局部收敛的问题,提出用量子粒子群算法与遗传算法相结合的协同优化方法求解该问题。该算法采用量子粒子群算法与遗传算法的并行搜索结构,通过迁移算子把各个种群联系起来。仿真结果表明,该算法收敛速度快,且具有较高的求解质量。     

可靠性优化问题的人工鱼群算法求解

为了使设计既能满足可靠度要求又使系统成本最小,提出了基于人工鱼群算法的优化方法。简单介绍了冗余优化模型和人工鱼群算法,并给出了基于人工鱼群算法的可靠性的求解策略,详细讨论了求解步骤,并对串一并联系统的可靠性分配的可靠性优化设计问题进行了分析计算。结果表明该算法具有较强的局部搜索能力,与其他方法相比,具有更高的搜索速度和搜索效率。     

可靠性优化问题的人工鱼群算法求解

为了使设计既能满足可靠度要求又使系统成本最小,提出了基于人工鱼群算法的优化方法.简单介绍了冗余优化模型和人工鱼群算法,并给出了基于人工鱼群算法的可靠性的求解策略,详细讨论了求解步骤,并对串-并联系统的可靠性分配的可靠性优化设计问题进行了分析计算.结果表明该算法具有较强的局部搜索能力,与其他方法相比,具有更高的搜索速度和搜索效率.     

利用量子粒子群算法求解单级多资源约束生产批量计划问题

针对单级多资源约束生产批量计划问题,提出了基于量子粒子群算法求解该问题的方法。此算法将量子强大的领域搜索能力和基本粒子群算法(PSO)通过跟踪极值更新粒子的功能结合,能够改善粒子群算法后期搜索速度慢的问题。通过对其他文献的实例进行计算与比较,结果表明,在求解单级多资源约束生产批量计划问题时,量子粒子群算法(QP-SO)要优于退火惩罚混合遗传算法和传统的遗传算法。     

基于遗传算法的复杂系统可靠性冗余优化研究

由于复杂系统可靠度函数常具有非线性的特点，因此如何确定复杂系统各单元冗余数，既满足设计可靠度要求、又使系统成本最小是冗余优化问题中的一个难点。文中针对复杂系统的特点，提出一种基于遗传算法的多目标可靠性冗余优化方法。同时，将其和现有的可靠性冗余优化方法进行了比较分析，结果表明该方法具有全局最优和更强的适应性与求解能力。     

粒子群优化算法及其在结构优化设计中的应用

介绍了粒子群优化算法的原理和实现方法,分析了该算法的主要参数对搜索方向的影响。将粒子群优化算 法与遗传算法在优化过程和搜索技术方面进行了对比。利用粒子群优化算法与遗传算法分别对测试函数和桁架结 构优化设计问题进行求解,将两种算法的计算结果进行了对比。计算结果表明在满足相同的计算精度的前提下,粒 子群优化算法的效率更高,利用粒子群优化算法可求解机翼结构优化设计问题,因此,粒子群算法是一种有效的优 化方法,适用于大型复杂结构优化设计。     

基于T-S故障树和混合μPSO算法的可靠性优化方法

针对可靠性框图构造系统可靠度函数时需不交化处理的不足,提出了基于T-S故障树算法构造系统故障概率函数并结合可靠性费用函数构造可靠性优化模型的方法,降低了构造复杂系统可靠性优化模型的难度。针对微粒子群优化(μPSO)算法局部收敛性差、粒子群优化(PSO)算法全局搜索能力弱的不足,将μPSO算法和PSO算法进行综合,并结合死亡罚函数法构造了适应度函数,提出了混合μPSO算法,即μPSO-PSO算法。结合串联系统和桥式系统可靠性优化实例,考虑不同的粒子个数,证明了混合μPSO算法的优化结果比PSO算法、μPSO算法及PSO-μPSO算法的优化结果更为理想。     

应用混沌粒子群算法求解工程优化问题

针对工程优化设计问题,提出了基于混沌粒子群算法的工程约束优化问题求解方法.CPSO算法利用混沌搜索的全局遍历性、随机性和规律性等特点,引导粒子在全局范围内搜索,从而克服了传统粒子群算法早熟收敛的缺点.该算法以种群适应度方差作为粒子群优化算法早熟收敛的判据,并用惩罚函数法处理违法约束的粒子,当基本粒子群算法陷入早熟时,随机选择粒子群中的部分粒子实施混沌搜索,直至满足迭代收敛条件为止.CPSO算法能提高种群的多样性和粒子搜索的遍历性,从而有效提高了PSO算法的收敛速度和精度.两个工程约束优化实例的求解结果表明,该算法的优化结果最好,收敛速度也比较快.     

基于QPSO的数控机床交流伺服系统PID参数的优化

高速度是数控机床发展的方向之一,提出了一种新的基于永磁同步电机的数控机床交流伺服控制系统。QP-SO是基于PSO的改进算法,具有全局搜索能力强,收敛速度快、稳定性高等特点。首先利用QPSO对模糊控制器PID的三个比例因子参数进行优化,随后利用优化后的模糊控制器PID对数控机床交流伺服系统进行运动控制,具有很强的鲁棒性,仿真结果证明了其有效性。     

基于传感器数据融合的倾斜角度测量方法研究

倾斜角度的测量精度直接决定了状态控制系统的工作效果。在单一传感器测量倾斜角度的研究基础上,探讨了传感器数据融合技术用于倾斜角度测量的方法。首先分析基于加速度计和陀螺仪测量倾斜角度的原理,并研究加速度计和陀螺仪测量结果的频率特性;然后根据加速度计和陀螺仪测量结果的频率特性选定互补滤波器作为数据融合的方法;最后选定量子粒子优化群(QPSO)算法作为互补滤波器的参数寻优方法,并对比量子粒子优化群算法和粒子群优化算法的参数寻优效果。实验结果表明,互补滤波器可以在广泛频域范围内准确测量倾斜角度值,并且量子粒子群优化算法相对于粒子群优化算法具有更好的参数寻优效果。     

基于QPSO的数控加工切削参数优化

QPSO是基于PSO的改进算法,具有全局搜索能力强,收敛速度快、鲁棒性高等特点。现利用QPSO对根据数控加工中机床和刀具的实际约束而建立的以进给量和切削速度为变量的数学模型进行优化,仿真结果表明经过QPSO优化得到的进给量和切削速度的值比经验值更能满足生产率最大化和生产成本最小化的要求,同时也明显优于PSO。     

Monte carlo method for the uncertainty evaluation of spatial straightness error based on new generation geometrical product specification

Straightness error is an important parameter in measuring high-precision shafts. New generation geometrical product specification(GPS) requires the measurement uncertainty characterizing the reliability of the results should be given together when the measurement result is given. Nowadays most researches on straightness focus on error calculation and only several research projects evaluate the measurement uncertainty based on "The Guide to the Expression of Uncertainty in Measurement(GUM)". In order to compute spatial straightness error(SSE) accurately and rapidly and overcome the limitations of GUM, a quasi particle swarm optimization(QPSO) is proposed to solve the minimum zone SSE and Monte Carlo Method(MCM) is developed to estimate the measurement uncertainty. The mathematical model of minimum zone SSE is formulated. In QPSO quasi-random sequences are applied to the generation of the initial position and velocity of particles and their velocities are modified by the constriction factor approach. The flow of measurement uncertainty evaluation based on MCM is proposed, where the heart is repeatedly sampling from the probability density function(PDF) for every input quantity and evaluating the model in each case. The minimum zone SSE of a shaft measured on a Coordinate Measuring Machine(CMM) is calculated by QPSO and the measurement uncertainty is evaluated by MCM on the basis of analyzing the uncertainty contributors. The results show that the uncertainty directly influences the product judgment result. Therefore it is scientific and reasonable to consider the influence of the uncertainty in judging whether the parts are accepted or rejected, especially for those located in the uncertainty zone. The proposed method is especially suitable when the PDF of the measurand cannot adequately be approximated by a Gaussian distribution or a scaled and shifted t-distribution and the measurement model is non-linear.     

基于量子粒子群优化Volterra时域核辨识的隐Markov模型识别方法

将量子粒子群优化算法引入Voherra级数模型的非线性辨识中,并结合隐Markov模型(hidden Markov model,HMM),提出了一种基于量子粒子群优化的Voherra时域核特征提取的HMM识别方法,在提出的方法中,利用量子粒子群优化算法辨识得到的前三阶Volterra时域核作为故障特征,输入到各种状态的HMM中,其中,输出概率最大的HMM对应的状态即为设备的当前运行状态.提出的方法克服了传统的基于Volterra模型系统的机械故障诊断要求目标函数连续可导、容易陷入局部最小以及抗干扰能力差等缺陷.最后,将提出的方法应用到旋转机械故障诊断中.实验结果验证了该方法的有效性.     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

某型飞机搜索引导适配器设计

为了解决某型飞机搜索引导系统与原机老设备之间的信号交联,研制了一种基于429总线技术的信号适配器,并详细介绍了适配器的功能及软、硬件设计。结果表明,该适配器不仅技术先进、性能优越,保障了系统工作的可靠性,而且还提升了该型飞机的搜索引导性能。     

基于QPSO的重载齿轮多目标优化设计

粒子群优化算法(PSO)是一种基于群智能的优化方法,量子粒子群优化算法(QPSO)是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多目标、多约束条件的重载齿轮的优化设计,本文提出了一种基于QPSO优化求解的设计方法;实践表明能够快速、有效求得优化解,是求解重载齿轮优化设计问题的一个较好方案。