基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制

为改善粒子群优化算法的寻优性能,提出了一种新的算法———混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明：该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

基于MPSO-BP对5A06铝合金薄壁件变形预测

为预测不同铣削参数下的5A06铝合金薄壁件的加工变形,文章基于BP神经网络和粒子群算法提出了一种新的方法,该方法对粒子群算法中的惯性权重和学习因子进行动态调整并提出了新的惯性权值自适应策略,之后对相关参数进行优化形成改进粒子群优化算法,最后用改进后的粒子群算法优化BP神经网络并将优化后的BP神经网络用于5A06铝合金薄壁件加工变形预测。仿真实验结果表明:MPSO-BP相对于PSO-BP和BP有较小的预测误差,现场加工实验结果进一步说明了MPSO-BP具有良好的预测精度。     

基于混沌振荡PSO-BP算法的电阻率层析成像非线性反演

粒子群优化算法是一种启发式的全局优化算法,将其与 BP 神经网络结合,能够有效地改善 BP 神经网络在进行电阻率层析反演中的收敛速度和求解质量。提出一种基于混沌振荡的粒子群算法,使用混沌振荡曲线来自适应调整惯性权重w以提高PSO算法的全局寻优能力,并使用其训练和优化BP神经网络的权值和阈值。比较不同隐含层节点数目和惯性权重w值对反演结果的影响,并给出混沌振荡PSO-BP算法非线性反演的具体实现方案。对均匀半空间中异常体理论模型进行反演,实验结果表明：混沌振荡PSO-BP不依赖初始模型,在稳定性和准确性上优于BP反演和标准PSO-BP反演,成像质量优于最小二乘法反演的。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

改进粒子群算法的双电机转速同步控制

为解决双电机同步控制系统在启动和有负载扰动时两电机产生同步误差的问题,提出了一种新的转速同步控制方法。在同步控制策略中引入交叉耦合控制的思想,对两电机的速度环采用不同数值的耦合参数分别进行补偿,以保证两电机的转速同步精度;采用粒子群算法对同步控制系统耦合参数进行选取,并且在粒子群算法中增加动态惯性权重和粒子变异来增强算法的寻优速度与精度;通过仿真及dSPACE实验显示了所提同步控制方法增强了系统的转速同步性和跟踪性,取得了优异的同步控制效果。     

基于混沌粒子群算法的钛合金薄壁筋铣削变形优化

针对薄壁筋受铣削力影响易变形的问题,提出一种基于薄壳划分和周期性施加铣削负载的变形仿真方法,通过仿真和试验两方面对比研究,分析了薄壁筋的变形过程并得出其变形规律。为了解决标准粒子群算法在优化铣削参数时容易陷入局部最优解的问题,提出一种基于变异算子与自适应动态惯性权重的改进混沌粒子群算法,并以变形量为约束,铣削力最小为目标优化了铣削参数。结果表明:改进后的混沌粒子算法在全局搜索能力和计算速度方面相比粒子群算法显著提高,试验证明采用优化后的铣削参数组合可有效减小薄壁筋的变形。     

基于改进粒子群算法的六自由度机械臂时间最优轨迹规划

针对六自由度机械臂时间最优轨迹规划问题,提出一种基于改进粒子群算法的4-3-4混合多项式插值轨迹规划算法。算法采用自适应惯性权重,它能根据搜索过程的各个阶段采用相应大小的权重,有利于跳出局部最优陷阱,保持粒子群多样性;以非线性学习因子代替传统粒子群算法中固定的学习因子,有效提高算法的收敛速度和求解精度。通过MATLAB进行仿真验证,结果表明改进粒子群算法收敛速度提高46%,寻优精度提高38%,同时机械臂轨迹规划时间缩短了大约36%,充分地证明了该轨迹规划算法的可靠性和优越性。     

基于CMCPSO-SVM的轴承微弱故障诊断方法

针对旋转机械轴承微弱故障振动信号易被强噪声掩盖难以识别的问题,提出一种改进混沌粒子群优化支持向量机的故障诊断方法。将信号通过局部均值分解算法分解处理得到乘积函数(PF)分量,并进行能量归一化处理获得时频域特征集;通过迭代拉普拉斯得分降低时频域特征集的空间维度;以PF分量的排列熵作为混沌粒子群的适应度,并加入交叉和变异新策略,建立一种新的交叉变异混沌粒子群优化方法;利用改进的粒子群算法优化支持向量机的核函数和惩罚因子,并将优化后的分类模型应用于轴承故障诊断。结果表明：该故障分类模型的识别准确率高于其他分类模型。     

基于改进粒子群算法的离散制造车间柔性调度优化

针对离散制造生产过程信息复杂、生产计划与作业计划难以均衡等问题,以提高产品质量,降低企业生产成本为目标,建立了面向柔性制造系统的车间调度模型,并设计了一种改进粒子群算法进行离散制造车间柔性调度优化。改进算法惯性权重能够余弦自适应调节,学习因子能够基于惯性权重动态变化。仿真实验结果表明,改进粒子群算法具有较快的收敛速度以及全局寻优能力。柔性车间调度对于缩短产品生产周期,提高生产线的生产效率,降低生产成本,提高企业的经济效益具有重要意义。     

基于混沌粒子群优化算法的三轴气浮台平台优化设计

将混沌搜索引入到粒子群优化方法中,并将改进的算法应用在三轴气浮台平台优化设计中。该算法既保持了粒子群算法结构简单、快速收敛的特点,又利用了混沌算法易于逃离局部极小值的特点。测试及应用结果表明该方法改善了算法的全局搜优性能,提高了算法的收敛速度和计算精度。     

基于改进粒子群算法的线缆路径规划方法研究

针对复杂机电产品布线路径规划过程中存在的效率较低、可应用性差等问题,提出一种改进粒子群算法,使用栅格法对布线空间进行划分,对障碍物建模并进行方向包围盒处理。为了避免算法在迭代过程中陷入局部最优,引入非线性逐渐递减的惯性权重与异步变化的学习因子,并且将贴壁约束加入到路径规划的过程中,保证线缆在敷设时路径的合理性。最后在仿真试验中,与标准粒子群算法进行对比,验证了改进后算法的合理性与可行性。     

基于CPSO-BP的刀具寿命预测算法

为了改善刀具寿命预测的精准度,文章在已有的PSO-BP神经网络算法中引入混沌理论,提出了一种基于混沌粒子群算法优化BP神经网络(CPSO-BP神经网络)的刀具寿命预测方法。该方法采用粒子群算法优化网络权值和阈值,通过混沌扰动更新粒子的位置。CPSO-BP神经网络算法既避免了BP神经网络存在的收敛速度慢、易陷入局部最优的缺点,又改善了全局搜索能力,同时,降低了粒子群优化算法造成早熟收敛或停滞的可能性。仿真结果表明:与已有的PSO-BP神经网络算法相比,该文的CPSO-BP神经网络算法用于刀具寿命预测时收敛速度和预测精度均更胜一筹。     

改进粒子群优化的无刷直流电机模糊控制

为了解决粒子群算法易陷入局部最优解等缺陷,提出一种根据各个粒子适应值自动调节学习因子的策略,并将模拟退火Metropolis准则引入粒子位置更新过程中,形成一种新的自适应模拟退火粒子群算法。经过测试函数检验,证明该算法跳出局部最优解的能力强,可达到更高的全局优化精度。针对无刷直流电机时变、非线性、强耦合的特性,提出一种通过PI模糊模拟进行模糊规则初始化,再以自适应模拟退火粒子群算法优化其模糊规则权值与量化比例因子的模糊控制器设计方法。仿真结果表明,该控制器使无刷直流电机调速系统具有良好的快速性,稳定性和鲁棒性。     

基于优化粒子数和分段权值的粒子群直线电机PID整定

以工程中直线电机伺服系统为研究对象,提出一种优化粒子数量加分段式惯性权重递减的粒子群PID控制器参数优化算法。优化粒子数量的方法可降低函数调用次数,通过对近两代的全局最优值进行比较,得到的误差值如果大于设定值,认为是在初始寻优阶段,保持粒子数量,否则在最终优化阶段,减少粒子数量,所减少的粒子特征是最接近最佳粒子的粒子,以保证在欧氏距离内实现粒子的分散性。最后再结合指数衰减曲线加线性递减曲线构成的分段式惯性权重递减策略提升算法的全局寻优和局部寻优能力。经数值验证分析,该优化算法在保证遍历性的同时,在一定程度上提高了算法的运行速度和寻优精度。实验仿真结果表明,该算法对PID控制器进行参数优化,直线电机系统响应速度快,超调量小,调节时间短。     

非线性权重粒子群算法的机械臂动力学参数辨识北大核心

对机械臂的动力学模型进行了研究,提出了一种六关节串联机械臂动力学参数辨识方法。首先,基于牛顿欧拉法建立模型,通过关节类型将动力学参数组合,确定待辨识的最小惯性参数集;其次,将傅里叶级数作为激励轨迹,采用一种非线性权重粒子群算法对其系数进行寻优,并设置惩罚函数来剔除不满足条件的粒子;最后,设计测试轨迹来进行力矩验证。仿真结果表明,非线性权重的粒子群算法仿真时间短,适应度值较优,明显地加快了收敛速度。在测试轨迹中,估算力矩与实际力矩基本吻合,其力矩差值在误差允许范围内。     

基于改进BP算法的模具零件表面抛光质量预测研究

针对模具零件表面自动化抛光的工艺参数现场调试困难、抛光后模具零件表面质量不一致等问题,提出了基于改进BP算法的模具零件表面抛光质量预测模型。通过采集模具零件表面抛光试验样本参数,构建预测模型输入参数集,将混沌理论、动态权重、动态学习因子和高斯变异策略引入粒子群优化算法（PSO）,利用改进后的粒子群优化算法（IPSO）对BP算法中权值和阈值的更新策略进行优化,并构建了基于IPSO-BP算法的模具零件表面抛光质量预测模型,结合快速非支配排序遗传算法（NSGA-II）建立多目标优化模型,实现对模具零件表面抛光质量的高精度预测以及抛光工艺参数的优化,对比5种常规预测模型,结果表明基于IPSO-BP算法的预测模型具有较高的预测精度。     

熵增强的混沌粒子群算法在车间调度中的应用

粒子群算法具有早期收敛速度快,后期容易陷入早熟、局部最优等特点,为了使粒子群算法的择优能力大幅提升,论文首先选择运用混沌映射产生最初种群,然后借助粒子群算法针对种群展开优化,对个体及全局最优解加以混沌搜索,同时按照信息熵自适应调节惯性系数,设计出在大规模车间调度问题求解当中较为适用的熵增强的混沌粒子群算法。通过具有代表性的实际范例对该算法进行仿真研究,结果显示,在面对大规模的车间调度问题时采用该算法能够高效、快速获取相应答案,相较于以往老旧的算法,其优势极为显著。     

基于混沌粒子群的铝热连轧多目标轧制规程优化

针对铝热连轧轧制规程制定过程中的多目标问题,提出一种基于混沌粒子群算法的多目标轧制规程优化方法。选取预防打滑和等功率裕度为多目标优化函数;为了提高粒子群算法的收敛性和分布性,提出一种基于混沌序列的动态加权法选择全局最优粒子,并改进了拥挤距离计算方法;提出一种基于模糊偏好的选择策略用以从最优解集中选择最终采用的轧制规程。基于该方法对某铝热连精轧机组轧制规程进行了优化,验证了该方法的有效性。     

基于改进海鸥优化算法的PID控制器参数优化

PID控制器广泛应用于自动控制、电子等领域,其参数的合理性是衡量系统性能指标的关键因素。引入自适应权重策略来平衡海鸥优化算法的全局搜索和局部搜索能力,通过惯性权重的余弦策略来增强局部搜索能力,以使算法更好地优化PID控制器的参数。对12个标准测试函数和二阶温控延迟系统进行测试,将算法与遗传算法、粒子群算法、人工鱼群算法进行比较,结果表明此算法具有更优的搜索性能。最后,将算法用于优化PID控制器的参数,结果显示算法具有良好的特性。     

混合遗传算法在机器人路径规划中的应用

针对传统智能算法在多障碍物环境下求解路径时存在忽视路径安全性，易陷入局部最优解等问题，提出一种融合粒子群算法(PSO)、遗传算法(GA)和人工势场法(APF)的混合遗传算法(PA-GA)。首先，改进障碍物参数和算法的适应度函数，引入防碰撞距离与安全距离，保证路径安全性；其次，通过动态调整粒子群算法中的惯性权重增强粒子的搜索能力，加快算法收敛；然后，引入分群策略、等级交叉策略和人工势场法来改进遗传算法的交叉变异操作，依靠自适应调整交叉变异概率加快收敛速度；最后，将改进后的算法融合，保证混合算法在全局和局部的寻优能力。仿真结果显示，PA-GA算法具备了较强的寻优能力，且路径检索结果更好，收敛速率也更快。