遥控焊接力觉临场感仿人智能控制

通过对遥控焊接过程力觉误差目标轨迹分析,在力觉临场感PID控制模型基础上,提出了遥控焊接力觉临场感仿人智能控制策略,实现了遥控焊接力觉仿人智能控制特征模型、特征辨识、特征记忆、多模态控制和多目标决策。试验表明,和常规PID控制器比较,采用仿人智能控制,更能使焊接操作者具有良好“手感”,增加对遥控焊接复杂任务操作能力,提高遥控焊接质量。     

改进的PSO算法及其在控制系统参数整定中的应用(英文)

针对传统PID控制对非线性、强耦合控制系统的控制效果不佳,参数整定难度大的情况,基于改进的PSO算法,设计了一种HSIC控制器。该设计借助改进的粒子群算法对控制器参数整定进行了优化研究,基于粒子群算法,借鉴遗传算法中操作因子特性,提出了一种具有遗传思想的改进粒子群算法。在Matlab环境下,通过对标准函数的仿真实验测试,验证了该改进算法的优越性。利用Simulink工具对所设计的2种控制器进行了仿真比较研究,仿真实验表明,所设计的仿人智能控制器具有较好的控制品质,有比较好的可实现性。研究表明,整定后的控制器可以满足受控系统的控制品质要求。     

仿人智能与滑模控制相融合的液压无模型控制

针对电液伺服位置系统是一个多变量、强耦合、非线性控制系统,考虑到现有基于模型的控制方法对系统动力学模型的依赖性,以及未建模动态对系统控制性能的影响,设计了一种仿人智能控制与滑模控制相融合的液压系统无模型控制。为了提高系统的响应速度和稳态精度,将仿人智能控制的偏差与偏差变化率的乘积融入到滑模控制,设计一种全新的滑模函数,与无模型控制器结合,提出改进的无模型控制器。在相同条件下,通过无模型自适应控制、无模型自适应滑模控制与所提出的仿人智能控制与滑模控制相融合无模型控制进行仿真比较,结果表明,所设计的控制器收敛快,稳态误差小,且提高对扰动和模型变化的适应性。     

基于智能控制的铝电解槽控制调节

提出一种控制氧化铝下料间隔来跟踪和适应电解槽槽况变化的方法,将槽电阻控制在较理想状态以保证槽况与氧化铝浓度的匹配。这种方法利用氧化铝加料量与槽电阻之间的关系建立特征模型,采用仿人智能控制算法与模糊控制算法相结合控制氧化铝下料间隔以适应当前槽况,实现铝电解槽的优化生产。     

仿人智能控制中误差异常处理的自适应策略

针对仿人智能多模态控制切换过程中可能导致的失误,探讨了仿人智能控制中误差异常处理的自适应策略。基于人—机学习过程,指出了控制中可能导致的失误及其产生的缘由,分析了自适应功能的局限性,讨论了误差异常处理自适应性的机理,提出了改进的修正控制算法。仿真响应验证了该控制策略的有效性。结果表明:修正后的误差异常处理自适应控制算法在多模态控制切换过程中可覆盖更大范围的应用。     

四旋翼无人机仿人智能PID控制

针对四旋翼无人机姿态控制的问题,提出一种仿人智能PID控制方法,根据此方法设计无人机姿态控制系统。通过对无人机飞行原理和动力学的理论分析建立无人机数学模型;在常规PID控制算法和仿人智能控制规则的基础上提出一种新的仿人智能PID控制方法,并将此方法应用于无人机的纵向控制通道,根据无人机在垂直方向运动的动态特性实时在线调整PID控制参数,并通过MATLAB软件进行仿真。仿真结果表明:上述仿人智能PID控制方法优于常规PID控制,能够满足良好的动态特性,也能够提高系统的稳定性和鲁棒性。     

塑胶工件硫化过程的强鲁棒智能控制策略研究（英文）

针对不确定性导致的塑胶工件硫化过程难于实施数学建模精准控制,探讨了一种强鲁棒智能控制策略。剖析了胶塑工件的硫化效应影响因素,总结了塑胶工件硫化过程的控制论特性,研究了与硫化过程相匹配的强鲁棒控制策略,并构造了一种基于仿人智能的强鲁棒控制算法。以典型二阶滞后硫化等效模型为例,基于Matlab软件平台的仿真对比研究,验证了研究控制策略的强鲁棒性能。仿真结果表明:提出的控制策略可对塑胶工件硫化过程实施优化控制,所构造的智能控制算法是合理、可行与有效的。     

塑胶工件硫化过程的强鲁棒智能控制策略研究

针对不确定性导致的塑胶工件硫化过程难于实施数学建模精准控制,探讨了一种强鲁棒智能控制策略.剖析了胶塑工件的硫化效应影响因素,总结了塑胶工件硫化过程的控制论特性,研究了与硫化过程相匹配的强鲁棒控制策略,并构造了一种基于仿人智能的强鲁棒控制算法.以典型二阶滞后硫化等效模型为例,基于Matlab软件平台的仿真对比研究,验证了研究控制j策略的强鲁棒性能.仿真结果表明:提出的控制策略可对塑胶工件硫化过程实施优化控制,所构造的智能控制算法是合理、可行与有效的.     

基于运动轨迹误差最小化的平面四杆机构参数优化研究

针对平面四杆机构理论运动轨迹与实际运动轨迹存在误差较大问题,引用了改进粒子群算法对四杆机构几何参数进行优化。建立四杆机构平面坐标系,推导四杆机构横向和纵向运动轨迹点的方程式。确定四杆机构的设计变量,构造运动轨迹点的优化误差函数,并且对运动条件进行约束。采用改进粒子群算法优化四杆机构几何参数,将优化结果输入到Matlab软件中进行运动轨迹误差仿真,并且与优化前仿真结果进行比较和分析。仿真曲线显示,优化前,四杆机构运动轨迹产生的横向和纵向误差最大值分别为1.0×10~(-3)m和0.9×10~(-3)m;优化后,四杆机构运动轨迹产生的横向和纵向误差最大值分别为0.7×10~(-3)m和0.5×10~(-3)m,优化后的横向和纵向最大相对误差分别降低了30.0%和44.4%。采用粒子群算法优化平面四杆机构几何参数,四杆机构运动轨迹更加精确。     

基于IMOPSO方法的注塑件熔接痕质量的多目标优化

提出了一种改进多目标粒子群优化(IMOPSO)算法,并用于优化注塑成型过程中熔接痕的长度和相遇角。基于成型工艺参数建立了熔接痕多目标优化模型,同时提出了改进混合神经网络(HNN)作为预测熔接痕长度和相遇角的代理模型。其中,通过Taguchi方法设计实验,采用Moldflow软件得到了训练改进HNN的样本。基于Pareto支配理论,提出了一种IMOPSO算法,并通过算例验证了其在多目标优化问题中的有效性。采用IMOPSO算法对注塑件熔接痕的长度和相遇角进行优化。将优化结果和MPI实验结果进行比较表明,IMOPSO算法能有效地优化注塑制品的熔接痕质量。     

面向电主轴热误差预测建模分析的改进IGWO-LSTM算法

针对电主轴复杂运行工况下的热误差建模问题,提出一种基于改进灰狼优化算法(IGWO)的LSTM神经网络参数预测模型IGWO-LSTM。通过对灰狼算法收敛因子a计算方法进行优化来提高算法寻优性能;通过IGWO算法的适应度函数与LSTM隐含层节点数组成的IGWO-LSTM闭环系统对电主轴热误差预测模型进行训练和预测,避免陷入局部最优,同时提升模型预测精度。为了验证该算法性能,将它与改进前的算法进行对比,通过求取平均绝对误差、平均绝对百分比误差以及均方根误差对这两种神经网络进行评价,结果显示：文中算法的3种指标均优于改进前的LSTM模型,具有更好的热误差预测准确性和全局搜索能力。     

GPS多路径减轻的混合粒子滤波算法(英文)

提出一种结合无迹卡尔曼滤波(UKF)和小波阈值自适应滤波的混合粒子滤波方法。该算法在粒子产生过程中采用UKF方法以克服粒子发散,而在数据预处理和粒子产生时采用自适应阈值小波变换算法抑制观测数据噪声和数据处理过程误差。比较了EKF-PF、UKF-PF和WM-UKF-PF不同算法的性能。结果表明,经过改进的WM-UKF-PF混合粒子滤波算法能够有效地降低均方根误差,提高信噪比和相邻恒心日观测值的相关性,从而改善解算结果的统计特性。所采取的混合滤波算法的计算复杂性提高了,但能够有效减轻GPS多路径效应影响,对高精度定位测量和非平稳形变特征提取具有重要意义。     

基于IPSO的数控机床进给伺服系统PID参数优化

数控机床的高精度进给控制一般都采用永磁同步电机拖动的交流伺服系统,优化进给轴伺服系统PID参数对提高进给轴快速响应性、跟随精度和抗干扰性等均具有重要作用。针对数控机床高精度要求,文章提出了一种改进粒子群算法(Improved Particle Swarm Optimization,IPSO),利用其对数控机床进给伺服系统模糊控制器(PID)的三个比例因子参数Kp、Ki、Kd进行优化,并在Simu Link环境中进行仿真实验,同时与人群搜索算法(SOA)、基本粒子群算法(PSO)、遗传算法(GA)进行对比。仿真结果表明,利用IPSO算法进行PID参数优化的数控机床伺服系统动态性能得到了很大改善,具有低超调量、鲁棒性强和高稳态精度等优点。     

基于改进粒子群优化的四杆机构运动轨迹误差研究

平面四杆机构在运动过程中,横向和纵向运动轨迹产生误差较大,很难适应高精度的需要。对此,文章采用了改进粒子群优化算法对平面四杆机构几何参数进行多目标优化,提高横向和纵向运动轨迹精度值。引用平面直角坐标系创建四杆机构简图模型,分析了四杆机构运动的几何参数。构造多目标优化函数,采用改进粒子群优化算法对四杆机构几何参数变量进行优化。通过MATLAB软件对优化后四杆机构几何参数进行误差仿真,与优化前误差仿真结果形成对比。仿真曲线显示:优化前后相对误差分别减少33.3%和41.2%。采用改进粒子群优化平面四杆机构几何参数,四杆机构运动精度得到了很大提高。     

基于改进灰狼算法的机械臂运动学高精度逆解北大核心

为提高串联机械臂逆运动学的求解精度、简化求解难度及增强求解通用性,提出一种适用于各类串联机械臂逆运动学求解的改进群智能算法;根据改进D-H参数法建立机械臂运动学模型,以最小化位姿误差为优化指标建立目标函数,将逆运动学求解问题转化为优化控制问题。通过多种群混沌协同搜索策略、最优学习策略、多重变异扰动策略和跳出局部最优策略4种改进策略提出一种多策略协调改进的灰狼优化(multi strategy coordination improved grey wolf optimization,MSCIGWO)算法,并应用于求解各类串联机械臂逆运动学。仿真试验结果表明,改进后的灰狼优化算法求解性能得到极大提高,相比于直接采用灰狼优化算法求解机械臂逆运动学,MSCIGWO算法的收敛速度、收敛稳定性更强且可高精度收敛至精确小数点后12位数值精度的理想位姿,验证了该算法求解的有效性与通用性。     

一种应用于图像去噪的广义回归神经网络模型设计研究（英文）

为了更好地去除图像中的椒盐噪声、保留图像细节信息,提出了一种广义回归神经网络模型,适用于图像去噪。首先,对传统广义回归神经网络的原理进行了分析,并对采用的广义回归神经网络进行具体设计。然后对广义回归神经网络中的唯一可调参数(平滑因子)进行了优化。采用归一化均方误差和峰值信噪比指标进行具体算法性能分析。仿真试验结果显示:相比径向基神经网络和传统广义回归神经网络,提出算法的去噪能力更强,具有较高的峰值信噪比和较低的归一化均方误差,验证了提出算法的有效性和先进性。     

油液磨粒超声回波信号双树复小波自适应降噪最优分解层数的研究

磨粒超声回波信号受到各种因素的影响,从而存在噪声,分解层数的选取对降噪效果影响很大。为此,提出了一种基于粒子群优化算法(PSO)的最优分解层数选取方法,将得到的最优分解层数代入双树复小波域,采用一种渐近半软阈值函数与一种自适应阈值选择方法相结合,对含噪磨粒回波信号进行双树复小波阈值降噪,选取信噪比(SNR)和均方根误差(RMSE)两个参数评价降噪结果。仿真与实验结果表明:通过粒子群优化算法选取的分解层数得到的信噪比最高,油液磨粒超声回波信号自适应降噪方法对磨粒超声回波信号具有显著的降噪效果,明显提高了信噪比,降低了均方根误差,还原了信号的波形特征,为后续的特征提取与智能识别打下了良好的基础。     

改进PSO算法优化交流伺服系统PID参数研究

伺服系统PID控制参数的优化整定对系统可靠性和稳定性有着重要意义,而传统整定方式下参数优化整定时间较长、效果不佳、反应较慢。为了解决以上问题,提出一种优化交流伺服系统参数的控制方法。基于改进PSO算法实现惯性权重和学习因子随迭代次数的改变自适应调整,引入适应度函数快速优化整定PID控制器参数。利用MATLAB分别对基于遗传算法(GA)、量子遗传算法(QGA)、粒子群算法(PSO)的伺服系统PID参数整定进行仿真实验及对比分析。通过实验测试基于改进PSO算法和GA算法的PID控制器对伺服系统稳定性的影响。结果表明:利用改进PSO算法对PID参数进行优化整定,使得伺服系统具有鲁棒性强、稳定性高、超调量小等优点。     

基于IGWO 的台车轮注油系统注油量控制方法研究

传统烧结机台车轮自动注油系统注油量控制存在控制精度低和鲁棒性差等问题，已经无法满足精确注油的需求。为改善注油性能，提出一种基于改进灰狼(IGWO)算法的烧结机台车轮注油量智能控制方法。利用MATLAB软件辨识注油量控制系统数学模型；搭建BP神经网络PID注油量控制系统；为了提高灰狼算法的收敛速度，引入非线性收敛因子和动态权重，设计IGWO算法实现对BP神经网络的最优初始值及阈值的寻优，输出最优PID控制参数；最后，在仿真环境下，将用IGWO算法优化前后的控制效果进行对比。结果表明：所设计的PID控制器超调小、控制精度高，能够实现注油量的智能控制，满足精确注油的需求。     

基于粒子群优化神经网络自适应控制算法的并联机器人仿真研究

针对传统控制算法对并联机器人轨迹跟踪精度控制效果不好的问题,提出了一种并联机器人的改进粒子群优化神经网络自适应控制算法,首先对粒子群优化算法进行惯性权重的优化和变异操作的改进,然后用改进的PSO算法优化神经网络的初始权值并进行在线调节PID参数。最后以六自由度并联机器人为研究对象,将传统PID控制与基于改进PSO优化的神经网络自适应控制算法分别进行了仿真实验。仿真结果表明,在快速性和稳定性能上,基于改进PSO优化的神经网络自适应控制算法比单纯的PID控制更加优越,在一定程度上减小了轨迹输出的误差并且提高了轨迹跟踪精度。