基于AFSA与PSO混合算法的J-A动态磁滞模型参数辨识及验证

Jiles-Atherton (J-A)磁滞模型静态参数辨识结果直接影响其对变压器铁心磁滞特性的预测效果。针对目前单一智能算法存在的寻优能力差、计算时间长等问题,提出了一种人工鱼群算法与优化惯性权重线性递减粒子群优化算法相结合的混合算法。搭建变压器铁心磁性能测试系统,对正弦激励下变压器铁心的磁滞特性和损耗特性进行实验研究。对比分析了所提混合算法与其他单一智能算法对J-A模型的参数辨识速度与精度。结果表明,混合算法辨识结果的均方根误差仅为0.006 9,低于其他单一智能算法的相应结果,证明了该混合算法相较于其他单一智能算法,具有不易陷入局部最优解、收敛速度快、参数辨识精度高等优点。此外,考虑交变磁场下动态损耗分量对变压器铁心磁滞特性的影响,修正现有动态损耗系数求解方法,建立了J-A动态磁滞模型。通过对比动态磁滞回线模型预测结果与实验数据,验证了该方法的正确性与有效性。     

基于GA PSO混合算法的钢杆磁特性参数识别方法

测量轴类零件的磁滞回线,利用其特征参数的变化表征零件表面硬度及硬化层深度,是具有工程应用前景的电磁无损检测新技术之一,其关键是轴类零件磁特性曲线测量装置的研制和磁特性参数高精度识别方法的研究。设计出一种基于闭环磁路的钢杆磁滞回线测量实验装置,并基于J-A磁滞模型,提出了一种遗传粒子群(GA-PSO)混合算法,实现了钢杆磁滞回线全局与局部特征参数的快速、高精度识别。实验测得的3种不同材质钢杆磁滞回线,对比分析了混合优化算法与单一算法(遗传、粒子群、模拟退火)的参数识别速度与精度,结果表明,混合算法全局识别结果的最小均方根误差仅为0.004 7,低于单一算法的相应结果;混合算法对局部特征参数(矫顽力、剩余磁感应强度)识别的相对误差均小于0.35%,优于单一算法识别精度。上述实验测试和磁特性参数识别方法,有望应用于销钉、螺栓等轴类构件表面硬化层的无损检测。     

基于耦合算法的类人机器人模仿学习控制方法

为提高类人机器人模仿学习的准确性及效率,建立了一种改进的粒子群算法优化超限学习机的模仿学习模型。采用非线性动态系统对示教时的相关数据进行建模;以动态自适应策略改进粒子群算法的惯性权重,并利用改进后的粒子群算法对超限学习机的网络参数进行寻优;利用该耦合学习模型对模仿学习动态系统的参数进行学习,并重现了模仿学习动作。实验结果表明,该耦合算法应用在类人机器人模仿学习方面具有很好的拟合精度、自适应性及泛化能力,重现模仿学习动作时的平均误差为0.0172。     

柔性关节机械臂轨迹规划及振动抑制研究

针对工业机器人多自由度复杂机械臂系统,对其建立多刚体运动学模型,仿真验证末端运动轨迹的真确性。在此基础上,对机械臂系统的末端关节进行柔性化处理,添加随机柔性扰动,得到刚柔耦合机械臂较为真实的末端轨迹曲线。提出了基于混沌粒子群优化算法(CPSO)的振动抑制方案,通过CPSO算法对机械臂末端轨迹的插值参数进行优化,定义了柔性末端的振动变形最小的目标函数,并给出了具体的求解步骤。数值仿真结果表明,在满足系统约束条件的情况下,机械臂运行平稳,不存在角速度突变的情况,相比于基本粒子群优化算法,CPSO算法保证了粒子群体的随机性,提高了群体的多样性,且收敛速度较快,不会陷入局部最优,在CPSO优化下的柔性末端轨迹振动明显减小,从而说明CPSO算法能够有效优化轨迹规划参数,减小机械臂柔性末端的振动变形。     

基于CPSO-LSSVM的多传感器数据融合

文中提出了一种新的基于混沌算法优化的粒子群(CPSO)算法,该算法在种群初始化时应用混沌算法优化粒子的初始位置,扩大粒子的有效搜索范围,在陷入局部最优时应用混沌算法遍历整个搜索空间,跳出局部最优.仿真实验证明该算法寻优性能优于当前其他PSO算法.利用CPSO对LSSVM的参数进行优化选择,建立多传感器数据融合模型.将该模型应用于压力的检测,实验证明了该方法优于当前其他主要方法.     

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.     

基于最优参数的改进Oustaloup滤波算法及其数字实现

针对基于推荐参数的改进Oustaloup滤波算法在拟合频域段端点附近对分数阶微分算子逼近精度较低的问题,提出了一种基于改进自适应混沌粒子群优化算法(IACPSO算法)的改进Oustaloup滤波算法的参数优化方法,该方法将拟合频域段内的频率与幅度、相位绝对误差乘积积分的加权和作为优化目标函数,利用IACPSO算法对常数b与d进行参数寻优,经多次独立计算确定一组最优参数(b=5.387 8,d=0.752 6),通过与标准Oustaloup算法、基于推荐参数(b=10,d=9)的改进Oustaloup滤波算法进行对比分析,验证了基于最优参数的改进Oustaloup滤波算法的有效性。     

基于粒子群算法的加工参数多目标优化技术研究

在数控加工中,为了尽可能提高生产效率和降低生产成本,采用粒子群优化算法对加工参数进行多目标优化。以切削速度、切削宽度和每齿进给量为决策变量,以加工时间和成本为目标函数,并以机床性能、刀具参数、工件质量等为约束条件,建立优化模型。采用罚函数法对约束条件进行处理,将多目标问题转化为单目标优化问题进行求解。为解决粒子群优化算法优化效果受参数影响较大的问题,提出了参数自适应协同粒子群优化算法(WCVPSO),算法参数按照一定规律变化,提高了优化算法的精度和收敛速度。实际加工试验表明,提出的优化方法提高了加工效率,降低了加工成本。     

基于神经网络和粒子群算法的管材弯曲工艺参数优化

针对弯管成形质量受多个工艺参数耦合影响的问题,提出基于神经网络和粒子群算法相结合的工艺参数优化方法。以压模压力、压模助推力、芯轴间隙、芯轴伸出量作为优化对象,以壁厚减薄率、横截面畸变率和起皱值最小为优化目标,通过神经网络构建优化对象和优化目标之间的非线性函数关系,并以此作为粒子群优化算法的适应度函数,实现管材弯曲的多目标工艺参数优化,最后进行了理论分析和实验验证。     

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。     

基于免疫粒子群算法的PID参数优化研究

针对传统PID控制系统中存在的调节时间长、控制精度低、响应速度慢等问题,提出使用免疫粒子群算法对PID参数进行优化。首先,对粒子群优化算法（PSO）中的惯性权重、学习因子、粒子学习模式进行改进,使得微粒更新适应各个阶段;其次,引入人工免疫思想形成免疫粒子群算法,保证了迭代过程中粒子的多样性,提高了算法精度;最后,在仿真环境下经过对ZN公式法、参数改进后的粒子群算法、免疫粒子群算法在PID控制参数优化效果进行对比可知,免疫粒子群算法的优化控制效果更佳。     

几种优化算法在平面度误差评定中的适应性研究

为了快速、精确地评定平面度误差,建立了平面度误差评定模型,对海鸥优化算法进行了改进。将粒子群优化算法、萤火虫和粒子群混合算法、原子搜索优化算法、海鸥优化算法和改进的海鸥算法应用于平面度误差的评定。引入边界因子控制搜索范围,设置一系列边界因子值,分别用上述五种优化方法对八个试样进行平面度误差评定。基于算法的计算精度、效率和边界因子影响三个方面对五种算法在平面度误差评定中的适应性进行了研究,对部分评定结果进行图形显示。研究结果表明：原子搜索优化算法在五个算法中适应性最差,计算精度最低,平面度误差值随着边界因子的增大波动最大,并且毫无规律,应用时不易设置合适的边界因子;改进后的海鸥优化算法在评定平面度误差时,平面度误差结果精度最高,且受边界因子的影响较小,计算效率较高,是综合考虑算法精度、效率和边界因子的影响后,五种算法中对平面度误差的评定适应性最好的算法。     

基于粒子群算法的越野车悬架参数优化

针对基于平顺性的悬架参数优化问题,建立了越野车后悬架系统参数优化的数学模型,包括优化变量、目标函数和约束条件,设计和应用了三种改进的粒子群算法,线性时变惯性权重粒子群算法、随机惯性权重粒子群算法和时变加速因子粒子群算法,来对车辆悬架平顺性进行优化,并与遗传算法对比。仿真结果表明,时变加速因子粒子群算法在收敛速度和收敛精度上都明显高于其他算法,优化后的车辆平顺性大大提高。     

自适应粒子群优化支持向量回归的工程系统可靠性预测

针对可靠性预测精度低的问题提出了一种支持向量机回归预测模型。在可靠性预测过程中，开发了一种结合正弦映射和自适应策略来更新惯性权重的自适应粒子群优化算法，通过增强算法的局部挖掘能力与全局搜索能力，在一定程度上提高了粒子群算法的精度和收敛效率。基于8种测试基准函数将提出的算法与其他粒子群算法进行比较验证，结果表明，提出的自适应粒子群算法相比于其他算法具有更好的搜索能力。在此基础上，提出了一种新的自适应粒子群优化-支持向量机回归混合可靠性预测模型，对支持向量机回归的参数进行调整并预测涡轮增压器和工业机器人系统的可靠性，结果表明该混合模型在可靠性预测方面可达到实际工程精度要求。     

改进型粒子群算法在气控液压换向阀设计参数优化中的应用

介绍了粒子群算法及其改进型的原理、模型和算法实现过程，并采用改进型算法对气控液压换向阀设计参数数学模型进行了优化计算，计算结果符合实际情况，表明改进型粒子群算法应用于机械优化计算切实可行，为复杂的机械优化设计问题提供了新的思路和方法。     

加工参数优化中自适应协同粒子群算法研究

针对加工参数优化过程中粒子群优化算法的优化效果受参数影响较大的问题,提出了自适应协同粒子群优化算法。对粒子群优化算法的参数对优化结果的影响进行了详细而深入的分析,在此基础上,给出了优化过程中惯性权重、学习因子、最大速度等参数的变化规律,并通过仿真的方法确定了最优参数的取值。最后通过对基准函数的仿真实验,验证了本文算法的正确性和有效性。     

基于粒子群算法的开关磁阻调速电动机PID控制器参数优化

针对开关磁阻调速电动机(SRD)非线性、数学模型难以精确建立的特点,采用粒子群算法对开关磁阻电动机PID控制器参数进行优化,基于MATLAB Simulink建立SRD仿真模型,仿真验证粒子群优化算法的有效性。     

铣磨复合加工齿轮的切削参数优化

为减少齿轮复合加工的切削时间,提高加工效率,对铣磨复合加工齿轮切削参数进行了研究,并结合机床的各项约束条件,建立了以最小加工时间为目标函数的铣磨复合加工数学模型,使用改进的量子行为粒子群优化算法对切削参数进行寻优计算. 将寻优计算所得结果与齿轮模数进行最小二乘拟合,得到优化加工时间与齿轮模数、磨齿进给量与齿轮模数的函数关系拟合方程,实现了加工时间最少的目标,并且充分发挥了机床的性能.     

基于参数优化蚁群算法的机器人路径规划研究

采用蚁群算法(Ant Colony Optimization,ACO)求解棉花搬运机器人全局路径规划时,会出现规划效率低、蚁群算法参数的改变对规划效果影响大等问题。提出了一种粒子群参数优化的改进蚁群算法,该算法能够根据地图情况的不同智能地调节参数组合,从而在各种地图中能够发挥蚁群算法的最佳性能。通过实验数据分析蚁群算法重要参数对规划效率的影响,进行参数优化;针对改进后算法耗时大的问题,提出粒子群算法的动态惯性权重调整策略和改进的蚁群算法信息素更新策略,保证求解质量的同时,提高了优化效率,在障碍物分布不同的地图中进行仿真实验,通过与蚁群算法路径规划结果的对比,证明了粒子群参数优化的改进蚁群算法能够发挥蚁群算法最佳性能,可提高移动机器人到达目标点的速度并降低机器人运动过程中的损耗。     

元胞蚂蚁算法的参数优化方法及其仿真研究

针对元胞蚂蚁算法解决路径规划过程中的参数选取问题,以六边形栅格化地图为背景,提出了基于粒子群优化算法对元胞蚂蚁算法的参数进行优化的方法。首先以六边形元胞为基础建立元胞蚂蚁模型,统一栅格之间的移动步长;然后将元胞蚂蚁算法的参数作为粒子群优化算法的位置信息进行迭代求解,利用适应度函数值对求解性能做出评价;最终粒子趋向于适应度值更高的位置,从而得到元胞蚂蚁算法的最优参数组合。仿真结果表明;该方法能够有效实现对元胞蚂蚁算法的参数选取,对元胞蚂蚁算法应用于路径规划具有一定的实用意义。