基于粒子群算法的6自由度机械臂动力学模型参数辨识

提出了基于粒子群优化(PSO)算法的工业机器人动力学参数辨识方法。首先利用改进的牛顿-欧拉方法,建立考虑关节摩擦的机械臂线性动力学模型,然后引入PSO算法,建立基于PSO算法的估计未知动力学参数的算法,最后以UR工业机器人为实验对象,通过设计激励轨迹,激励工业机器人关节运动,并对关节运动参数进行采样,实现UR工业机器人的动力学参数估计,并根据力矩预测精度验证动力学模型。实验证明了所提出算法辨识工业机器人动力学模型参数的准确性和有效性。     

金属橡胶非线性隔振器试验研究与参数分析

研究了变激励条件下金属橡胶非线性隔振器的参数变化。以某型隔振器为研究对象,对其进行了静态试验及不同正弦激励条件下动态试验。借助双折线泛函本构关系的本构模型,利用粒子群优化算法对不同激励条件下的隔振器模型参数进行了识别,通过识别参数的对比得到了隔振器各参数在不同激励情况下的变化趋势。结果显示对金属橡胶非线性隔振系统进行动力学分析时,必须首先对实际工况下隔振器进行动态试验。再通过参数识别获取隔振器准确的数学模型,才能对金属橡胶隔振系统进行准确的动力学分析。为金属橡胶隔振系统的动力学分析提供了一般方法。     

主轴-刀柄与刀柄-刀具结合面参数辨识研究

针对获取刀尖频响函数的动柔度耦合子结构分析方法(RCSA)精度受子结构端点频响函数及各结合面参数影响,各子结构间结合面参数辨识方法研究尚未成熟之问题,研究利用传递矩阵法与RCSA耦合算法预测刀尖频响函数,利用PSO优化算法最小化理论及实验结果,辨识主轴-刀柄与刀柄-刀具结合面参数。比较结果发现,预测、实验刀尖频响函数一致性较好,说明该辨识方法能有效识别主轴-刀柄与刀柄-刀具结合面参数。     

基于量子粒子群算法的结构模态参数识别

以由结构输入输出数据计算所得实测频响函数与理论频响函数差值最小化为优化目标,通过对理论频响函数中所含结构模态参数搜索取值使目标函数最小,即将结构模态参数识别问题转化为优化问题。采用量子粒子群算法对此过程优化计算,获得结构模态参数。用数值模拟六层框架结构对该方法进行验证。结果表明,量子粒子群可有效识别结构模态参数。     

一种辨识Hammerstein模型的新方法

为了提高非线性Hammerstein模型的辨识精度,提出一种利用混合优化算法对非线性模型进行辨识的新方法。该算法的基本思想是把非线性系统的参数辨识问题转化为参数空间上的函数优化问题,然后利用遗传算法和改进的粒子群优化算法相结合寻求并获得参数问题的最优解。最后通过仿真研究表明,该方法对于非线性辨识具有较好的有效性和鲁棒性,获得了良好的辨识效果,是一种可行的解决非线性辨识问题的方法。     

基于改进PSO算法的PID控制器研究

针对一般的粒子群优化(PSO)学习算法中存在的容易陷入局部最优和搜索精度不高的缺点,对改进型PSO算法进行研究。由于惯性权重系数ω对算法是否会陷入局部最优起到关键的作用,因此,通过改变惯性权重ω的选择,对惯性权重系数采取线性减小的方法,引入改进型的PSO算法。采用改进的PSO算法对PID控制器进行参数优化并把得到的最优参数应用于控制系统中进行仿真。仿真实验结果表明:改进型PSO算法不会陷入局部最优,能得到全局最优的PID控制器的参数,并使得控制系统的性能指标达到最优,控制系统具有较好的鲁棒性。     

粒子群算法的混沌优化

粒子群算法具有较强的普适性、鲁棒性、全局搜索性等特点,在求解复杂问题时具有明显的优越性,本文对粒子群算法进行混沌优化,使其为决策者提供一种有效的优化工具。     

基于PSO算法的增氧灌溉TDF-IMC-PID控制研究

传统的灌溉方式会产生水氧矛盾,从而造成根部不同程度的缺氧,改善作物根部的呼吸环境可提高农作物产量.此次试验地点在新疆农科院乌鲁木齐的试验日光温室中进行,由温室蓄水池供水.以通气量和通气含氧量以及进出水量为影响因素进行单因素试验,试验结果得出:提高气液混合泵的通气量,通气含氧量以及减少进出水量,均会缩短曝气水箱中的氧浓度...     

基于PSO算法的GMM改进J-A磁滞模型的参数辨识与验证

为了解决现有的GMM-FBG电流传感器的磁滞非线性问题,基于经典的J-A磁滞模型提出了一种改进的适用于低频(＜ 120 Hz)条件下的J-A模型.采用粒子群(PSO)算法对改进后的J-A模型进行了分段参数辨识与优化,提高了模型的预测精度.搭建了相应的GMM-FBG交流电流传感系统实验平台,运用所提出的改进的J-A模型对...     

粒子群算法的理论分析与研究

粒子群算法是上世纪90年代兴起的群体智能算法,其特点是模拟自然界生物群体行为来构造随机优化算法,它对函数性态要求较弱、寻优结果和初值无关,并具有一定的并行性,因而成为优化算法领域研究的一个热点。介绍粒子群算法的研究现状,重点论述标准粒子群算法以及几种主流的改进型粒子群算法,并提出未来可能的研究方向。     

Bammann-Chiesa-Johnson粘塑性本构模型的参数识别方法与验证

Bammann-Chiesa-Johnson(BCJ)粘塑性本构模型对材料力学响应的再现和预测能力强烈依赖于其模型参数的确定,而模型参数的确定往往是通过反分析方法来进行。由于BCJ粘塑性模型包含了应变、应变率和温度耦合效应以及加载路径和温度历史,其常数多达18个,所以寻找最佳的模型参数识别值十分繁琐。针对BCJ本构模型参数复杂、识别困难的问题,本文基于参数的物理意义,在准静态、蠕变及动态加载试验基础上,通过模型参数解耦分离、粒子群智能优化的方法分6步对18个材料常数进行识别,并用识别结果对1060纯铝动态加载试验力学响应进行模拟,模拟结果与试验结果符合良好。通过定量化误差分析,证明了BCJ粘塑性模型对实验数据的预测具有较高精度,该模型参数识别方法科学可行。     

基于Wiener-Hammerstein模型的一种系统辨识方法

针对工业大系统中Wiener-Hammerstein模型,提出一种新的辨识方法。该方法结合分散辨识对线性系统辨识精度高的优点与混合粒子群优化解决非线性、不可微和多峰值的复杂问题的长处,进行复合控制,并利用计量学中的动态计量方法,建立动态计量仿真模型。仿真研究与实验结果表明,该方法应用在非线性分布参数系统辨识中可有效提高辨识精度。     

Genetic particle swarm parallel algorithm analysis of optimization arrangement on mistuned blades

This article introduces a method of mistuned parameter identification which consists of static frequency testing of blades, dichotomy and finite element analysis. A lumped parameter model of an engine bladed-disc system is then set up. A bladed arrangement optimization method, namely the genetic particle swarm optimization algorithm, is presented. It consists of a discrete particle swarm optimization and a genetic algorithm. From this, the local and global search ability is introduced. CUDA-based co-evolution particle swarm optimization, using a graphics processing unit, is presented and its performance is analysed. The results show that using optimization results can reduce the amplitude and localization of the forced vibration response of a bladed-disc system, while optimization based on the CUDA framework can improve the computing speed. This method could provide support for engineering applications in terms of effectiveness and efficiency.     

基于修正Backlash滞环的磁流变减振器建模

针对磁流变减振器在半主动控制应用中的非线性建模问题,借鉴电磁学中描述磁滞现象的方法,引入动态Backlash like模型描述阻尼力-速度特性中的滞回现象,兼顾磁流变减振器在不同电流及不同频率时的动特性,利用Sigmoid函数修正Backlash滞环,并考虑磁流变液屈服后黏性及充气压力作用,并联一个弹簧-阻尼系统,从而提出一种修正Backlash滞环的参数化模型.在试验台架上对自制的磁流变减振器进行不同电流和频率下的动特性试验,用试验数据对模型参数进行辨识,并验证了该模型的预测性能,预测误差小于10%～15%.该模型结构简单,能较精确地描述和预测磁流变减振器动特性,具有良好的实用价值.     

基于PSO-LSSVM的热电偶非线性校正方法研究

为改善热电偶温度传感器的非线性特性,构建基于粒子群优化算法(particle swarm optimization,PSO)和最小二乘支持向量机(least squares support vector machine,LSSVM)的热电偶非线性校正模型.针对LSSVM算法参数难确定的问题,选用PSO算法搜索LSSVM...     

基于混沌搜索的改进狮群算法及其在光伏电池参数辨识中的应用

目前已有多种智能算法应用到光伏电池模型的参数辨识中,然而大都存在易陷入局部最优、收敛速度慢等问题,基于改进狮群算法,提出了一种有效的光伏电池参数辨识方法.首先,通过引入混沌初始化、自适应参数和混沌搜索,弥补了狮群算法收敛速度慢、寻优精度不高等不足;将改进狮群算法应用到光伏电池的单二极管模型和双二极管模型的参数辨识中,与...     

叶片精密抛光伺服系统的干扰观测补偿控制

叶片型面尺寸精度及表面质量的提高对数控抛光伺服系统性能提出了更高的要求.针对非线性摩擦和被控对象参数摄动对数控抛光伺服系统定位精度和跟踪精度的影响,提出了一种基于干扰观测器的粒子群优化模糊PID(PFPID)控制方法.该方法通过构造干扰观测器来预测伺服系统中的非线性摩擦和参数摄动等各种干扰,并在控制中引入等效的补偿来抑制干扰,同时利用粒子群优化算法对模糊控制器的量化因子和比例因子进行在线调整,进而利用模糊控制器对PID控制参数进行自适应整定.仿真分析和实验结果表明,基于干扰观测器的PFPID控制器具有控制精度高、鲁棒性强、抑制干扰能力强等优点,其能够提高叶片型面尺寸精度和表面一致性,降低表面粗糙度,减小残余应力并提高抛光效率.     

动态环境人-车系统的人体振动特性研究与仿真

 针对动态环境机械系统人-机界面设计的分析需要,应用人体动力学建模与人体振动实验相结合方法进行动态环境人-机系统的人体振动特性研究与仿真分析.依据多体系统动力学原理建立了人-车系统五自由度（5-DOF）坐姿人体全身垂直振动模型,经人体振动实验得到坐姿人体的传递函数曲线,采用参数识别方法获得人体的动力学参数,在此基础上,通过MATLAB/Bode对人体振动模型的模拟分析,得到了人体各部分的振动特性.用ADAMS/Vibration软件系统进行人体振动仿真试验,验证了5-DOF人体振动模型的人体振动特性研究结果的有效性.研究结果对于分析人-车系统的人体动力响应有着重要价值,可为动态环境机械系统的人-机界面设计提供重要参考,对客观评价人体坐姿的舒适性有指导作用.     

基于微粒群优化算法确定爆破测震参数

介绍了微粒群算法的基本理论,并把微粒群优化算法应用于爆破测震参数的计算中,结合实际工程,应用微粒群优化算法对爆破震动参数进行确定,得到了非常好的拟合效果.微粒群优化算法应用于爆破参数的确定是切实可行的.