纯电动汽车烟花算法自学习模糊控制策略研究

针对纯电动汽车复合电源模糊控制策略靠人工经验的主观性与局限性问题,基于advisor软件建立超级电容与蓄电池复合电源纯电动汽车模型,利用新的爆炸式搜索算法—烟花算法,调用advisor软件对复合电源模糊控制策略隶属度函数及模糊规则进行闭环学习,并与遗传算法、交叉蜂群算法的学习效果进行比较。结果表明:烟花算法学习的模糊控制策略与经验模糊控制策略相比,在FTP、NEDC、UDDS和CHINACITY工况下能耗仍能再降低5.47%、5.23%、4.25%和4.15%,且烟花算法与其他算法相比在复合电源纯电动汽车模糊控制学习中的求解精度更高。     

复合形引导蜂群寻优的无人机航迹多目标规划

为了提高无人机导航路径规划的精度和稳定性,提出了复合形引导蜂群寻优的无人机航迹多目标优化方法。使用坐标变换方法,将二维规划问题降为一维;建立了航迹规划的目标函数与约束条件;在传统人工蜂群基础上,改进了蜜源初始化方法,使前后航迹点相互关联,提高航迹可行率;为了提高收敛速度,改进了雇佣蜂和观察蜂的蜜源搜索方式,提出了随机搜索与最优蜜源引导相结合的位置更新方式;提出了Metropolis准则改进观察蜂蜜源选择策略,有利于算法跳出局部最优、保留潜在最优;使用复合形法引导蜂群整体向优质蜜源运动,提出了复合形引导蜂群寻优算法。经仿真验证,与传统算法和混沌扰动算法相比,复合形引导蜂群算法的收敛迭代次数分别减少了4倍和6倍,寻优时间降低了约一个数量级,且规划航迹更优、稳定性更好。     

基于改进人工蜂群的细长轴车削加工参数优化

为了优化细长轴的切削参数,提高产品质量、生产效率和综合效益,降低加工成本,提出改进的人工蜂群算法,解决细长轴多次加工中的切削参数优化问题。以生产率为目标函数,切削稳定性、表面粗糙度、切削用量为约束条件,结合四种惯性权值递减策略的人工蜂群算法寻找生产效率最优的方案。试验结果表明,改进的人工蜂群算法具有可靠的全局收敛性及较快的收敛速度,其中两种凹函数策略能在保持精度的情况下,加快人工蜂群算法的收敛。     

IABC-elite算法在电液比例溢流阀压力控制中的应用

为了改善电液比例溢流阀压力的PID控制效果,将标准人工蜂群(SABC)算法用于电液比例溢流阀控制器的PID参数整定。针对人工蜂群算法初始收敛性和局部性能较差等缺陷,以精英人工蜂群算法(ABC-elite)为基础,根据迭代次数动态调整精英解和全局最优解(gbest)的权重并且改进了雇佣蜂更新公式,得到改进精英人工蜂群(IABC-elite)算法并应用于电液比例溢流阀PID控制器。仿真结果表明,IABC-elite算法与SABC及其他改进算法相比,在理论上具有可行性,在系统稳定性和精度上均有明显提高。实验结果表明,压力输出稳定,精度较高。     

无人机群对多目标执行多任务的协同规划方法

为了减少无人机群对多目标执行多项任务的航程,提高任务规划的稳定性,提出了基于保留潜力蜜源人工蜂群算法的协同任务规划方法( RPSABC 算法).建立了无人机群协同任务规划的约束条件和目标函数;分析了基本人工蜂群算法原理;提出了动态选择策略,观察蜂选择蜜源时兼顾优质蜜源和潜力蜜源,利于算法寻优;使用 Metropolis 准则改进蜜源选择策略,有利于算法跳出局部最优、保留潜在最优;基于以上改进,提出了保留潜力蜜源人工蜂群算法的无人机群协同任务规划方法.仿真验证结果表明:RPSABC算法收敛迭代次数比 ROABC 算法、 ABC 算法分别减少３１.９％ 、４０.４％ ;目标函数收敛均值分别下降了５.２％ 和１９.０％ ; RPSABC 算法的收敛值标准差最小,说明此算法稳定性最好.     

基于人工蜂群算法优化采煤机伺服系统PID参数

针对采煤机电液伺服系统中PID控制器的参数寻优问题,利用人工蜂群算法来优化PID参数。人工蜂群算法通过模拟群蜂寻找花蜜的过程,将误差绝对值和控制输入平方项的时间积分作为优化目标,经过迭代寻优计算得到系统最优控制量。通过典型函数测试,对比分析遗传算法和粒子群优化算法,人工蜂群算法具有较好的全局收敛能力。结果表明:人工蜂群算法用于采煤机电液伺服系统的参数调节,比遗传算法和粒子群优化算法收敛速度快,超调量小,具有更好的动态响应性能,验证了该方案的可行性和有效性。     

改进蜂群算法及其在圆度误差评定中的应用

针对基本人工蜂群算法(Artificial bee colony algorithm,ABC)的缺点,提出一种改进人工蜂群算法(Improved artificial bee colony algorithm,IABC),并应用于圆度误差最小区域评定中。该改进算法利用信息熵初始化种群,增强种群的多样性,并在引领蜂和跟随蜂搜索阶段,提出一种新的搜索策略,平衡算法的探索与开发能力。详细阐述IABC算法的基本原理与实现步骤,给出圆度误差满足最小包容区域条件的优化目标函数和收益度函数。通过基准测试函数验证IABC算法的有效性和准确性;通过对由三坐标机测得的多组测量数据进行圆度误差评定试验,结果表明IABC算法的评定精度优于最小二乘法、遗传算法以及粒子群算法等其他优化算法,且在求解质量和稳定性上优于ABC算法,验证了IABC算法不仅正确,而且适用于圆度误差的评定优化。     

复杂环境下基于改进人工蜂群算法的机器人路径规划

为了使机器人在复杂环境下规划出最优路径,提出了基于改进人工蜂群算法的路径规划方法。分析了传统的人工蜂群算法原理;为适应复杂环境下路径规划,引入了小步长侦查蜂用于侦查跟随蜂可能前进方向的障碍物分布情况,根据侦查出的障碍物复杂度和节点与目标点距离对可行节点进行评分,得分大小作为跟随蜂选择下一节点的依据,这样就可以使跟随蜂成功避开障碍物复杂区域。使用改进算法进行路径规划,将规划结果与传统蚁群算法和传统人工蜂群算法比较,改进人工蜂群算法规划路径最短,且算法耗时最少。     

基于改进人工蜂群算法的数控切削参数优化

针对多道工序加工的切削参数优化问题,提出一种改进的人工蜂群算法对最小加工时间和最低生产成本的多目标切削参数模型进行优化。该算法综合了粒子群算法和人工蜂群算法的优点,优化过程中综合考虑了工件加工时的多种约束条件。通过仿真实例验证改进的人工蜂群算法的有效性和优越性,仿真结果表明:改进的人工蜂群算法相比其他算法可以寻找到更优的切削参数组合。     

混合人工蜂群算法在混流装配线排序中的应用

为更好地解决混流汽车装配线排序问题,建立了以最小化总调整时间和最小化超载时间与空闲时间为优化目标的典型混流装配线排序数学模型,提出一种求解该模型的混合人工蜂群算法。针对标准人工蜂群算法不能解决离散问题的缺陷,引入禁忌搜索算法重新设计了蜂群的邻域搜索算法,设置了算法邻域搜索的动态参数,设计了禁忌搜索算法在人工蜂群算法中的嵌入策略;为保证算法的全局收敛性,采用基于跟随蜂的精英保留策略,给出了侦查蜂和跟随蜂的食物源更新方法。通过比较混合人工蜂群算法与遗传算法和标准人工蜂群算法对不同规模算例的计算结果,验证了所提算法在求解混流装配线排序问题中的优越性。     

冗余机械臂逆运动学问题的多策略贪婪蜂群求解

为了提高冗余机械臂逆运动学问题求解的位置精度和姿态精度,提出了基于多策略贪婪蜂群算法的求解方法。介绍了KUKA LBR iiwa七自由度冗余机械臂构型,推导了机械臂正运动学的齐次变换矩阵,以减小机械臂末端执行器位置误差和姿态误差为目标建立了优化模型。介绍了标准人工蜂群算法原理并分析了算法存在的缺陷,优化了能够提高蜜蜂多样性的跟随蜂选择策略,以提高跟随蜂局部搜索能力为目的给定了3种位置更新策略,将新算法命名为多策略贪婪蜂群算法。将新蜂群算法应用于逆运动学求解,经仿真验证可知,多策略贪婪蜂群算法的求解质量和求解速度均好于标准蜂群算法,且多策略贪婪蜂群算法在连续多个位姿点逆运动学求解中也具有较高精度,以上结果证明了多策略贪婪蜂群算法在机械臂逆运动学求解中的优越性。     

基于变尺度教与学算法的DCT换挡毂圆度误差评定研究

针对空间圆度误差评定精度较低以及计算速度较慢的问题,提出了一种变尺度教与学算法的空间圆度误差评定方法。首先,基于误差最小区域原则建立了数学模型和目标函数,随后在标准教与学算法的基础上设计变尺度法教与学算法进行优化,提高了算法的收敛速度和计算精度。最后针对某双离合变速器(DCT)换挡毂?12j6轴颈的16个数据进行求解验证,并将计算结果与粒子群算法、改进的蜂群算法和蔡司三坐标测量机结果进行对比。实例表明,变尺度教与学算法与粒子群算法、改进的蜂群算法相比,在空间圆度误差评定上的收敛速度和计算精度均有明显的优势,体现了变尺度教与学算法的优越性。     

改进ABC算法求解认知无线网络频谱分配问题

针对认知无线网络中频谱分配问题,提出了一种基于改进人工蜂群算法的多目标组合优化算法。首先将频谱分配问题转换成多目标优化问题,然后利用人工蜂群算法的寻优能力来实现频谱最优的分配方案。其中,在雇佣蜂搜索阶段采用新型杂交算子加快收敛速度;跟随蜂搜索阶段引入一种新的概率选择方式保证种群多样性;侦察蜂搜索阶段利用混沌算子来提高全局搜索能力。最后,通过频谱分配仿真对这里提出的算法进行了验证,结果表明:与其他算法相比,这里算法能够较好地跳出局部最优的束缚,具有优化效果佳、稳定性好、鲁棒性强的优点,可以在满足多个优化目标的前提下获得更合理的频谱分配方案。     

LED多线切割机同步控制系统研制

同步控制是LED多线切割机控制系统成功的关键。分析了传统多线切割机切片过程的受力模型,针对其缺陷设计了一种加工罗拉摇摆装置,并给出其模糊迭代同步控制策略。与单一模糊控制方法相比,该策略充分考虑了机器改进后的结构特点和运行过程中的多种干扰,使用PD模糊控制器使系统迅速达到稳定状态并具有一定精度后,再利用迭代学习控制器消除PD模糊控制器的稳态误差。实验对比证明,该算法具有控制精度高、切片质量好的特点。     

复杂动态环境下机器人避撞路径规划

为了使机器人在复杂动态环境中实现最优路径规划,提出了改进人工蜂群算法的路径规划方法。分析了传统的人工蜂群算法原理,引入了小步长侦查蜂为跟随蜂提供障碍物分布的先验信息;为了防止机器人与动态障碍物发生碰撞,对动态障碍物周围的可行节点进行障碍化处理,将节点障碍指数与节点与目标点距离糅合为节点选择准则,同时提出了障碍避撞预测和障碍避撞策略。由仿真实验可以看出,改进算法不仅成功实现避撞,而且规划出避撞条件下的最优路径。     

改进人工蜂群优化神经网络的短期负荷预测

准确的短期负荷预测能够减少发电机组停机备用和旋转备用,其预测效果直接影响电网的安全稳定和经济效益.针对BP神经网络初值敏感、易陷入局部最优的缺点,提出了一种改进人工蜂群算法优化BP神经网络的负荷预测方法.首先融合负荷数据与温度、湿度等天气数据并进行高斯滤波处理,再采用搜索位置更新实现人工蜂群算法的改进,利用其算法完成BP网络权值和阈值的优化,最后建立用于短期负荷预测的优化模型,并通过实例进行仿真验证.结果 表明:该改进预测模型与传统BP算法相比预测精度及收敛速度均有大幅提高,具备工程实用价值.     

混流装配排序问题的改进人工蜂群优化

为解决离散的混流装配线作业排序问题,提出一种基于人工蜂群优化算法的改进算法。采用NEH启发式方法优化初始种群质量;在雇佣蜂算法中建立了变邻域区域搜索机制并嵌入模拟退火算法,提高了算法的搜索精度与广度;提出一种最优控制策略,通过限制最优解群体的成长速度,有效降低了种群相似度,提高了算法的全局搜索性能。实验方面,算法参数通过标准算例仿真对比设定,并采用Benchmark标准算例对所提算法与标准人工蜂群优化算法、遗传算法、混合遗传算法、改进粒子群优化等算法进行了对比。通过一个混流排序实例的仿真,对比证明了算法在求解混流装配线排序问题上的有效性。     

混合改进人工蜂群算法的机器人路径规划研究

传统群智能算法在研究路径规划时,存在早熟、搜索效率低及难以获取最佳路径等不足。针对这些问题,提出了一种混合改进人工蜂群算法。新算法首先利用人工势场法高效简单的优势将其与标准人工蜂群算法相结合,然后针对算法中存在易于陷入局部最优等缺陷将Levy分布与柯西变异算子引入标准人工蜂群算法中,新算法用Levy分布产生的步长取代食物源更新公式中的随机步长,在随机搜索策略中运用柯西分布的特点进行全局搜索。实验结果表明,改进后的算法在求解机器人运动路径时能够有效提高搜索效率和精度,新算法具有可行性和有效性。     

基于混沌蜂群算法的小型无人直升机系统辨识

针对小型无人直升机在悬停状态下飞行动力学模型的系统辨识问题,提出了一种基于混沌蜂群算法(chaotic artificial bee colony algorithm,简称CABC)的辨识方法。由于直升机的数学模型是非线性的,因此用小扰动理论对其线性化,得到纵横方向待辨识的解耦模型;进一步将系统辨识问题转变成优化问题,以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制,使得蜂群向更优方向进化;利用混沌算子来改进侦察蜂的搜索机制,使得人工蜂群算法脱离局部最优束缚,获得更强的全局寻优能力。根据无人机实际飞行试验数据,对辨识获得的模型进行了分析与验证,结果表明,采用该辨识方法,估计出了解耦模型中的未知参数,与遗传算法和传统人工蜂群算法相比,所提算法的辨识精度更高。     

跨层跨巷道穿梭车仓储系统复合作业路径优化

针对跨层跨巷道穿梭车仓储系统复合作业路径优化问题,分析了穿梭车搭配转载车和提升机在仓库中运作的跨层、不跨层跨巷道、不跨层不跨巷道3种存取货作业形式,以及换层提升机、巷道转载车和穿梭车在系统中的实际调度路径,考虑其运动过程中的加、减速特性建立了相应的数学优化模型。提出改进的人工蜂群算法,有效解决了跨层跨巷道穿梭车仓储系统的复合三维作业路径优化问题。实验表明,与基本人工蜂群算法、遗传算法、改进人工鱼群算法、改进蚁群算法相比,所设计的人工蜂群算法在求解精度、运算速度方面更具优势,在不同作业任务量下能够有效提高跨层跨巷道穿梭车仓储系统的进出库作业效率。