基于改进果蝇优化算法优化支持向量机的故障诊断

为提高支持向量机(SVM)在机械故障诊断中的精度,对果蝇优化算法(FOA)进行改进,提取了一种基于改进果蝇优化算法优化SVM的故障诊断方法。改进果蝇优化算法(IFOA)中果蝇个体在进行位置更新时,融入了历史位置信息,在增加果蝇种群多样性的同时,又使算法具有了跳出局部最优的能力,进而可以获得更优的SVM参数以增强SVM分类性能。齿轮故障诊断实例验证了IFOA算法提升了SVM的识别效果,相比于其他一些方法更有优势。     

基于均值学习策略果蝇算法的工业机器人轨迹规划

针对机器人空间轨迹的时间最优规划问题，文中在建立轨迹规划模型的基础上，对果蝇算法(FOA)进行改进，并由此提出基于均值学习策略果蝇算法(MLS-FOA)的机器人轨迹规划方法。相比于FOA,MLS-FOA增加了向种群均值学习的策略，平衡了算法的全局搜索能力和局部搜索能力。机器人轨迹规划实例表明，MLS-FOA能够在位置、速度、加速度满足约束条件的同时，使得运动曲线更为平滑，同时也缩短了机器人的运动时间，提高了运动效率。     

工业机器人去毛刺工作站数字孪生系统设计与优化

为优化工业机器人去毛刺工作站的作业效率,利用数字孪生技术搭建了由1台机器人和2台变位机组成的去毛刺工作站数字孪生模型,实现了物理实体与数字模型的实时通信。采用遗传算法规划工业机器人去毛刺最优路径,利用去毛刺自动跟踪系统提高去毛刺的质量,利用搭建的数字孪生环境对机器人的工具中心点（Tool Center Point,TCP）速度轨迹曲线和作业能耗进行优化分析,使去毛刺工作站的作业效率提高了3.64%。该研究可对工业机器人去毛刺工作站开展相关工作提供参考和理论依据。     

求冗余机器人逆运动学解的改进果蝇优化算法

为了解决冗余机器人逆运动学解求取中存在的计算量大和求解精度较低等问题,提出一种基于改进果蝇优化算法(IFOA)的解决方法。IFOA在果蝇算法(FOA)的基础上,在进化方程中添加向最差个体学习的改进策略来优化进化方程,增强了算法跳出局部最优和寻找全局最优的能力。对经典测试函数的仿真结果表明,相比于FOA,IFOA在收敛速度、收敛精度及收敛可靠性方面都有较大的提高。在求冗余机器人逆运动学解的实际应用中,IFOA能够有效提高精度、速度和稳定性,是求冗余机器人逆运动学解的一种有效方法。     

工业机器人去毛刺平台研发路径探究

为了提升工业机器人的自动化水平,设计人员尝试基于机器视觉系统对工业机器人系统进行优化,并对相机与工业机器人视觉系统进行标定,并以蚁群算法为基础,搭建工业机器人去毛刺平台。通过引入工业视觉系统,实现对于目标工件的在线监测,并将有关工件轮廓以及位置的信息,远程传输至工业机器人去毛刺平台,提升该平台智能化水平,有效解决零件生产加工过程中,异形工件毛刺难以去除的问题。     

求冗余机器人手臂逆解的反向认知果蝇优化算法

为了解决冗余机器人手臂逆解求取中存在的计算量大和求解精度较低等问题,提出一种基于反向认知果蝇优化算法(RCFOA)的解决方法。RCFOA在果蝇算法(FOA)算法的基础上,在进化方程中增加"反向认知"策略,即添加向最差个体学习的改进策略优化进化方程,增强算法跳出局部最优、寻找全局最优的能力。对经典测试函数的仿真结果表明,RCFOA具有更好的全局搜索能力,在收敛速度、收敛可靠性及收敛精度,比其FOA有较大的提高。在机器人手臂逆解求解应用中,能够有效提高精度和稳定性,是求解机器人手臂逆解的一种有效方法。     

基于反向认知果蝇优化算法的转向梯形机构设计

为提高果蝇优化算法(FOA)在转向梯形机构优化中的应用效果,对其进行改进,提出了反向认知果蝇优化算法(RCFOA).相比于FOA,RCFOA在进化过程中在保留向最优个体学习策略的同时,增加了向最差个体学习的过程,即增加了"反向认知"策略,从而提升了算法的寻优能力.函数优化结果表明,RCFOA的优化精度、优化速度和算法稳定性更优.在转向梯形机构优化的实际应用中,RCFOA有效提高了优化结果.     

基于改进遗传算法的机器人去毛刺工艺参数优化

传统人工去毛刺方法存在工作环境恶劣、劳动强度大、质量一致性差等问题,以机器人为代表的去毛刺自动化装备得到了广泛关注。由于去毛刺工艺过程复杂,影响因素众多,难以通过理论分析推导工艺参数,根据经验制定相关参数值。针对机器人去毛刺工艺参数优化数学模型的求解,提出了一种集成模拟退火的改进遗传算法,种群选择采用Metropolis抽样,有效解决了遗传算法易局部收敛的问题,搭建了机器人去毛刺测试平台,开展了工艺参数优化验证。测试数据表明与经验方法相比,单位长度毛刺去除耗时缩短,效率明显提升。     

基于自适应步长果蝇算法的爬行机器人足端轨迹规划

爬行机器人的足端轨迹规划是一个复杂多维难求解的问题,为此,提出一种自适应步长果蝇算法(ASFOA)并用于该问题的求解.ASFOA变果蝇算法(FOA)中的固定步长为自适应步长,增强了算法跳出局部最优和全局寻优的能力.典型测试函数的仿真结果表明了 ASFOA相比于FOA的优势;在爬行机器人足端轨迹规划的实际应用中,同样是ASFOA获得了比FOA更好的结果.仿真测试和实际应用均验证了该方法具有一定的优势.     

一种视觉辅助机器人离线编程去毛刺系统

目前铸造工件的自动化去毛刺作业大量使用机器人加工.大部分的解决方案是使用手工示教或者机器人离线编程,但手工示教效率较慢,而离线编程的手工标定精准度比较欠缺.由于工件的误差,使得离线编程在大批量作业中遇到大量问题.本文提出一种利用机器视觉自动检测工件轮廓的方法,解决大批量工件之间的个体误差问题,对每个工件检测轮廓后动态修改机器人运动路径.如此,在机器人自动去毛刺的作业中,使用CCD相机获取的视觉信息和自主开发的离线编程系统(RobSim)生成可执行的机器人运动轨迹.利用此方法,可有效提高去毛刺的加工质量.     

面向主梁优化的改进果蝇优化算法研究

针对果蝇优化算法收敛速度慢、易陷入局部最优、收敛早熟等不足,引入了自适应步长、粒子群算法中的粒子速度,使得改进后的算法收敛性加强,收敛速度提高,改善了随机性,提高了寻优精度。将改进果蝇优化算法运用到桥式起重机主梁的轻量化中,并运用有限元软件对优化后的主梁进行力学分析,通过实例验证了算法的优越性;最后通过对比优化前后的结果,得出优化后的主梁质量减重效果明显且符合设计要求,对实际工程结构的设计有指导意义。     

企业资源优化与优化模型

讨论了企业资源优化问题的基本概念和特性，综述了学术界为实现企业资源优化所做的努力，提出了一个基于供应链结构、能够实现制造类企业资源优化的企业资源优化模型。该模型能描述制造企业复杂的物料清单关系，进行详细的物流与能力平衡，可对产品组合、库存控制、外协加工等进行优化。模型可以取代传统企业资源计划系统中的主生产计划、物料需求计划和能力需求计划模块，成为企业资源优化系统的核心模块。     

基于粒子群优化和协同优化的多学科设计优化研究

协同优化是进行多学科设计优化的有效方法之一。本文将粒子群优化算法应用于协同优化,通过对系统级优化等式约束条件进行转换,克服了协同优化自身内部的计算缺陷,有效解决了当原始系统优化问题不满足Kuhn-Tucker条件时导致的计算困难,最后以数值计算和减速器设计为例进行了验证。结果表明本文提出的方法是有效的,同时也为将新型算法应用于多学科设计优化问题提供了参考。     

MATLAB优化工具箱在机械优化设计中的应用

研究了以人字架机构的质量最小为目标函数,应用现代优化设计理论技术建立其优化设计模型的方法,详细论述了MAT-LAB优化工具箱在机械优化设计中的应用,特别是对MATLAB优化工具箱中的有约束规划应用给出了比较详细的介绍。优化结果表明该设计方法对于解决机械优化设计问题非常有效。     

粒子群-蚁群融合算法在曝气机减速器优化设计中的应用

为了解决蚁群算法中参数的选取较大地依赖于实验者的个人经验,存在未成熟收敛的缺陷。提出一种PAAA算法对曝气机减速器行星轮系传动机构优化设计。在满足结构、强度等约束条件下,以行星轮系体积最小、效率最高为目标函数,建立行星轮系传动机构优化设计数学模型,再运用PAAA算法编写Matlab程序对所建数学模型进行求解。研究结果表明,在保证设计要求的条件下,行星轮系传动机构体积更小,效率更高。求解结果验证了PAAA优化方法快速有效,准确可靠。     

基于Labview非线性最优化的机械优化设计

采用Lab VIEW平台及最优化函数模块编程对机械轴销进行优化设计,介绍带约束的非线性最优化函数的使用方法和利用该函数编程优化的一般步骤,并用传统的优化工具验证结果,论述Lab VIEW在机械优化设计中的实用性。     

基于仿真优化的多种类型AGV数量配置优化方法

以生产线产能最大化为目标,以生产工艺、AGV路径、调度规则等为约束条件,建立了以AGV的数量为决策变量的数学模型来描述AGV的数量配置问题。针对该问题的复杂性,提出了基于仿真的优化方法。该方法利用仿真模型模拟AGV运行状态,并通过遗传算法确定AGV的配置数量,有效地提高了模拟的精确度与优化的速度。最后通过空调装配车间实例验证了该方法的有效性和可行性。     

基于MATLAB粒子群算法的切削用量优化

切削用量的合理选择对提高机床使用效率、降低生产成本有很大的帮助。根据线性加权和法,以进给量和切削速度为变量,以最大生产率和最低生产成本为目标建立优化数学模型,并且考虑机床和刀具的约束,利用粒子群算法在MATLAB上对数学模型进行寻优求解。实例表明,优化后的切削用量能明显地降低成本、提高效率。     

多目标优化方法在机构优化中的应用

介绍了多目标优化分类方法,并较详细的分析了几种典型多目标演化算法优缺点。列举了在机构分析中的应用实例。总结了各种算法在机构分析过程中的使用情况。在实际的优化过程中,各种算法都有其自身的缺陷,因此如何利用更有效的手段解决多目标优化问题具有非常重要的意义。     

基于蚁群算法的LED分拣路径优化

提出基于蚁群算法对LED芯片分拣路径进行优化。对分拣工作芯片块间移动策略进行分析,降低盘片变形。在此基础上采用蚁群算法,建立分拣路径的全连接无向图并对分拣时间、分拣路径模型进行建模和优化。对蚂蚁数量、蚁群算法的时间复杂度、信息素挥发因子等参数进行优化。试验表明,该方法与传统方法相比能够缩短分拣时间,提高效率,为LED芯片分拣路径规划提供了一种有效的方法。