基于粒子群遗传优化算法的多机器人任务分配研究

在粒子群优化算法中,引入遗传算法中的克隆算子和变异算子,提出了粒子群遗传优化算法,并将多机器人系统的任务分配问题转换为在多维解空间内寻找最优解的问题,利用粒子群遗传优化算法在此空间寻找最优解,以实现对多机器人任务的协调分配.算例仿真表明,粒子群遗传优化算法不但具有粒子群优化算法所具有的易于工程实现、计算效率高等优点,还克服了粒子群优化算法易早熟、粒子群整体收敛性差等缺点,能够解决多机器人任务分配问题.     

一种动态邻域的多目标粒子群优化算法

针对粒子群算法在多目标优化问题中存在收敛性差,容易陷入局部最优等缺陷,提出了一种改进的粒子群优化算法。该算法在原有的粒子群算法上增加了两个操作:一是引入了一种变异算子,该变异算子为正态分布随机变异算子,可以使粒子在邻域内随机变异,使其在精英解集中搜索;二是在个体最优位置选取时,对未进入过精英解集的粒子进行变异,使其在新的可行域中寻找,从而加快粒子的收敛速度。经过测试函数验证,该算法可以加快粒子的收敛速度,使粒子更快找到最优解,提高解的收敛性。     

汽轮发电机谢东建组叶片-轴耦合系统动力响应问题研究

为了深入研究汽轮发电机组叶片弯振和轴扭振在外界扰动下的耦合振动响应问题,提出了阻抗匹配法.该法可以用来分析具有任意多个叶片数目的叶片-轴耦合系统动力响应问题,可以计算耦合系统稳态或瞬态响应.研究结果表明叶片弯曲振动和轴扭转振动之间具有很强的耦合性.耦合系统中叶片弯振固有频率降低而轴扭转固有频率增大,在外界扰动作用下两者会同时被激发出来,叶片根部所承受的力和力矩在短时间内有可能会达到一个比较大的峰值,从而影响到叶片的安全稳定运行.     

基于混合二进制粒子群-遗传算法的测试优化选择研究

测试优化选择是一个组合优化问题.通过对测试选择的目标和约束条件进行深入分析, 建立了其数学模型, 并提出了一种混合粒子群-遗传算法用于求解满足测试性指标要求的最小完备测试集.该算法将遗传算法中的遗传算子引入到二进制粒子群算法中, 既避免陷入局部最优和早熟收敛现象, 又提高了搜索效率.大量实验证明, 对于测试优化选择问题, 混合粒子群-遗传算法能够快速有效的获得全局最优解.     

基于粒子群优化的机械传动齿轮箱非正常振动检测算法

采用传统概率神经网络模型检测机械传动齿轮箱振动需要人工经验确定平滑因子,不仅检测精度难以保证,而且延长了算法的运行时间,为此,采用改进的粒子群算法自适应地确定平滑因子参数。以机械传动齿轮箱作为非正常振动检测研究的对象,首先,采集齿轮箱运行的振动时域信号与频域信号,作为振动类型检测的数据样本;其次,基于Parzen窗概率密度估计构建概率神经网络模型;然后,利用变异算子优化粒子群算法的惯性权重,定义2个质心参数引导粒子群搜索到最优方向;最后,采用改进的粒子群算法自适应地确定概率神经网络的平滑因子,解决网络分类易陷入局部最优解问题。经实际样本数据测试得知,优化后算法的检测结果更加接近机械传动齿轮箱振动检测期望值,检测齿轮箱非正常振动的精度较高,满足了机械振动的高标准检测需求,实际应用价值较高。     

基于改进粒子群算法的无人直升机航路规划

针对山区环境下无人直升机航路规划的问题,提出了一种改进粒子群算法.首先建立航路规划数学模型,将路径长度、飞行高度和威胁指数引入适应度函数;然后采用惯性权重因子调节算法的全局和局部搜索能力,利用选择操作和杂交操作增加种群的多样性,避免陷入局部最优;最后当种群陷入局部极值时,采用变异算子跳出局部最优解.将该算法和传统粒子群算法比较,仿真结果表明,该算法可以避免陷入局部最优,缩短搜索时间,较快得到全局最优路径.     

增加算子扰动项的粒子群优化算法研究

为了提高粒子群算法的稳定性,改善陷入局部最优的弊端,提出了一种增加算子扰动且对惯性权重进行正弦调整的粒子群优化算法。该方法首先利用差分方程对粒子的速度与位置变化过程进行深入分析,然后找到粒子群算法收敛的约束条件,进而获得改进后的惯性权重。最后在粒子群算法的速度公式中引入算子扰动项,其对粒子施加扰动,能够有效的抑制算法陷入局部最优问题,使算法在迭代后期也拥有一定的搜索能力。利用4个典型测试函数对算法进行验证,实验结果表明改进的惯性权重及速度更新公式使得该算法具备了较快的收敛速度和较佳的全局收敛性能,与标准粒子群算法相比,改进后的粒子群算法收敛精度高、鲁棒性强。     

基于小生境改进粒子群算法的几何约束求解

几何约束问题可以等价为求解非线性方程组问题。几何约束问题先被转化为一个优化问题。采用基于小生境改进粒子群优化算法来求解该优化问题。由于经典粒子群优化算法容易陷入局部最优,出现早熟现象。为此,基于小生境原理,提出一种小生境改进粒子群优化算法(niche improved particle swarm optimization,NIPSO)。该算法在进行速度和位置更新后,根据小生境数确定个体历史最好位置中的孤立点。然后对所有个体历史最好值差于孤立点值的粒子使用交叉和选择算子进行更新。实验表明,该方法可以提高几何约束求解的效率和收敛性。     

基于改进型粒子群优化算法的双辊薄带振动铸轧压下控制系统优化

振动铸轧辊的周期性振动是诱发Kiss点波动的主要因素,亦可导致轧制力波动,最终造成铸轧薄带纵向厚度不均,为此,对粒子群优化算法进行改进,提出了在粒子群收缩因子算法基础上添加扰动因子的优化算法,并依托四种不同类型的测试函数对该算法进行了仿真分析。结合AMESim、MATLAB联合仿真平台进行仿真验证,并将该算法应用于双辊薄带振动铸轧机液压压下控制系统上进行实验验证,结果表明,在粒子群收缩因子算法基础上添加扰动因子的优化算法在收敛速度及求解精度上明显优于基本粒子群优化算法、粒子群收缩因子算法、带极值扰动的粒子群优化算法,使得实际辊缝宽度误差降低至0.1mm。该算法适用于双辊薄带振动铸轧的中试生产,增强了振动铸轧工艺的稳定性。     

参数优化的组合形态-hat变换及其在风力发电机组故障诊断中的应用

开闭-闭开组合形态滤波(Combination morphological filter,CMF)可以有效剔除振动信号中的脉冲干扰,顶帽(Top-hat,TH)变换充分反映出信号周期性的冲击特征,借鉴此两种形态算子的理论思想,提出一种新的数学形态算子——组合形态-hat变换。为准确描述形态学算子在振动检测应用中的理论依据,通过非线性滤波器频响特性的分析方法考察形态学算子的滤波性质。此外,针对数学形态算子中结构元素的尺度按经验选择的问题,采用粒子群优化算法(Particle swarm optimization,PSO)对组合形态-hat变换的结构元素尺度进行参数优化,提高数学形态算子在振动信号处理中的精确度。通过仿真信号和实测风力发电机组振动信号的分析结果表明,参数优化的组合形态-hat变换在抑制背景噪声和提取冲击特征方面具备优良的性能,并能够准确高效地识别出风力发电机组齿轮箱高速轴齿轮的磨损故障,具有一定的实际工程应用价值。     

汽轮发电机组叶片—轴耦合系统动力响应问题研究

为了深入研究汽轮发电机组叶片弯振和轴扭振在外界扰动下的耦合振动响应问题 ,提出了阻抗匹配法。该法可以用来分析具有任意多个叶片数目的叶片—轴耦合系统动力响应问题 ,可以计算耦合系统稳态或瞬态响应。研究结果表明叶片弯曲振动和轴扭转振动之间具有很强的耦合性。耦合系统中叶片弯振固有频率降低而轴扭转固有频率增大 ,在外界扰动作用下两者会同时被激发出来 ,叶片根部所承受的力和力矩在短时间内有可能会达到一个比较大的峰值 ,从而影响到叶片的安全稳定运行     

用于车间作业调度的粒子群优化算法

设计了2种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式,同时选择一些典型的Job-Shop调度问题作为算法的试验对象.试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果.在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.     

多峰函数优化的免疫云粒子群优化算法

为了尽可能寻找多峰函数的全部极值点及提高寻优精度,提出一种免疫云粒子群优化算法(PPSO)-融合云变异粒子群优化算法(CMPSO)的小波变异克隆选择算法(WMCSA)。PPSO混合算法设置了最大重复搜索代数M,以便尽可能搜索到全部极值点。在每一代重复搜索中,首先,通过引入基于云模型的云变异算子以提高种群的多样性,并使用云变异粒子群优化算法对可行域内的所有极值点进行全局搜索;然后,利用小波变异克隆选择算法对云变异粒子群优化算法搜索到的较优解进行局部搜索以进一步提高解的精度。针对复杂多峰函数的寻优测试表明:在保证收敛速度的同时,PPSO算法的收敛精度和搜索到的极值点数目均得到显著提高。离散混沌系统的应用实例也表明了PPSO算法的有效性。     

用于车间作业调度的粒子群优化算法

设计了两种不同实现方式的粒子群算法解决车间作业调度问题,即基于粒子位置矢量更新的实现方式和基于遗传操作的实现方式.同时选择一些典型的Job-Shop调度问题作为算法的试验对象,试验结果表明上述两种不同实现方式的粒子群算法在求解小规模调度问题时都能得到较好的结果,在求解较大规模调度问题时基于遗传操作的粒子群算法可以得到更好的结果.这一方面说明了上述两种不同实现方式的粒子群算法在求解调度问题上的有效性,同时也表明基于遗传操作的粒子群算法在求解较大规模调度问题上具有更大的优势.     

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。     

基于膜计算的水电机组故障识别

本文对水电机组振动故障进行识别研究,提出了一种基于膜计算的粒子群模糊聚类方法;该方法利用粒子群算法对模糊均值聚类算法的聚类中心进行优化,并利用膜计算增加粒子群的种群多样性;最后将所给方法成功应用于水电机组振动故障识别;并与粒子群优化的FCM算法、FCM算法、K-means算法进行比较,说明所给方法的优越性。     

一种混合算法在装配序列规划中的应用研究

基于现有复杂产品装配序列的特点,建立了装配体的几何可行性、零件的重新定向次数及装配体稳定性的目标函数。在原有离散粒子群算法的基础上,引入改进的进化方向算子,该算子可较为突出的改进离散粒子群算法的局部搜索能力。提出了一种混合算法,该算法在不牺牲粒子群算法的局部搜索能力和搜索速度的同时,提高其全局搜索能力,减少算法平均迭代的步数。算例表明:该混合算法具有优良的局部搜索特性及全局搜索特性,算法可快速收敛至全局最优解,可有效解决装配序列规划问题。     

数字磁罗盘的全姿态罗差补偿

针对现有磁罗盘罗差补偿方法成本高、效率低和全姿态补偿能力不足的问题,提出了一种基于几何变换的全姿态罗差补偿方法.首先,根据外磁干扰对磁传感器采样值的影响,建立了几何变换罗差补偿模型,将罗差补偿参数由12个减少到9个.其次,将牛顿法算子引入到粒子群算法中建立了混合粒子群优化算法,采用粒子群算法选取优化参数初始值,以牛顿法...     

自适应变异粒子群算法实现的回转支承运动控制系统优化

以提高回转支承运动控制系统响应性能和速度跟随性能为目的,提出了一种自适应变异粒子群算法来优化系统内部速度环PI控制器参数,从而优化系统运动控制性能的方法。将遗传算法中的变异操作引入粒子群算法中,加入粒子变异环节,形成自适应变异粒子群算法,该算法能够克服普通粒子群算法易陷入局部最优的缺陷,同时消除控制器初始参数选择不当对系统性能的影响。将仿真所得PI控制器参数输入所搭建的系统中,实验结果显示该控制策略取得了满意的控制效果。     

粒子群优化模糊系统的铣削力建模方法

根据铣削力的特点,提出用模糊系统进行铣削力建模的新方法.根据铣削力的特点和研究目的,设计钛合金铣削试验,试验在数控铣床上进行,用测力仪进行铣削力测量,由试验得到铣削力的训练数据和测试数据.在分析基本粒子群算法优缺点的基础上,将梯度下降算法嵌入基本粒子群算法形成改进粒子群算法.通过训练数据分别用梯度下降算法、基本粒子群算法和改进粒子群算法训练模糊系统,改进粒子群算法的收敛效果优于梯度下降算法和基本粒子群算法.用回归分析对铣削力进行建模,回归函数分别取为指数形式与线性全因子多项式形式,这样得到两种铣削力经验公式.用测试数据对各方法得到的模型分别进行测试,改进粒子群算法训练模糊系统的预测效果优于其他方法.预测结果验证了用改进粒子群算法训练的模糊系统进行铣削力建模是可行的.