利用粒子群优化的小波简化交叉验证消噪

阈值是小波阈值消噪方法中决定消噪结果的关键因素。针对被高斯噪声污染的信号消噪问题,提出一种用于估计最优阈值的简化交叉验证方法。该方法利用信号奇偶划分后,奇序列与偶序列间的相似性减少了交叉验证方法的计算代价,并结合粒子群优化实现最优阈值的进化搜索。模拟信号消噪分析与转子故障信号消噪实例表明,该算法显著提高了交叉验证方法的计算效率,且消噪性能与交叉验证方法相近。     

基于粒子群优化的数字多频陷波滤波器设计

数字多频陷波滤波器用于同时滤除或抑制数字信号中的多个频率分量,粒子群优化是模拟鸟群迁徙行为的元启发式搜索方法.以改进的粒子群优化算法为基础,提出了数字多频陷波滤波器的设计方法,它通过优化配置陷波系统的极点位置,实现了具有稳定特性的陷波系统的优化设计.所提设计方法的有效性和实用性,得到了一系列仿真实验的具体验证.     

基于数学形态学的汽车轮毂单元振动信号消噪算法研究

针对轮毂单元故障信号中的脉冲信号往往被背景噪声淹没的问题,将数学形态学滤波技术应用到一维振动信号的消噪中,并与3σ规则结合,提出了基于数学形态学运算和软阈值的振动信号消噪方法.首先,采用形态滤波对染噪的轮毂单元信号进行了过滤,并提取了峰谷信号;然后,采用3σ规则对峰谷信号进行了阈值处理,并将形态滤波结果与阈值处理后的峰谷信号相加,作为最终消噪结果;最后,对其进行了频谱分析以提取特征,并在Matlab中对该算法仿真试验进行了有效性评价以及轮毂单元振动信号的消噪试验.研究结果表明,该算法不仅运算简便,并且在最大限度抑制噪声的同时保留了绝大部分的有用信号,取得了较好的消噪效果,故障信号识别率提高了20％左右.     

基于免疫粒子群算法的污水处理优化研究

针对污水处理过程所具有的多变量、非线性和大时滞的特点,在污水生化反应过程中提出基于免疫粒子群的参数估计方法。在粒子群进化过程中,引入免疫算法机制,通过抗体与抗原的参数计算来促进或抵制抗体的进化,保证粒子群进化的多样性,指导粒子群的优化过程,克服粒子群算法的早熟现象,加快收敛速度和提高全局寻优能力,成功估计模型参数。应用免疫粒子群算法在各类工程模型确定中有较大的应用潜力。     

数学形态学在铁路电力线路行波信号消噪的研究

有效的滤除行波的噪声,并提取有用的行波信号,是实现铁路输电线路行波故障定位的关键。数学形态学是一种非线性信号分析工具,它对信号的分析完全在时域中进行,能有效地滤除各种噪声且能保留原信号的全局和局部特征的优点,仿真结果表明数学形态学具有良好的消噪能力。     

海洋可控源电磁数据的新型小波基消噪方法

海洋可控源电磁(MCSEM)信号极易受到多种噪声的干扰,从而影响后期数据的反演解释精度。基于小波技术的降噪理论和方法已被广泛应用于MCSEM信号的消噪领域,但小波基均为通用小波基,消噪效果有待提升,提出了构造专用于MCSEM信号的新型小波基。首先,通过粒子群优化算法(PSO),以新型小波函数与MCSEM信号的平均相似度作为约束条件,迭代求解滤波器组的最优系数;然后利用得到的系数构造新型小波基。其次,针对深海勘探中的海水扰动噪声,设计了基于新型小波基消噪方法,并利用仿真的含噪数据与传统小波基消噪方法进行了对比实验;通过信噪比(SNR)及均方误差(MSE)进行消噪效果评价,表明新型小波基消噪方法优于传统小波基消噪方法。最后,将新型小波基消噪方法应用到了实测MCSEM数据中;通过消噪前后的时域信号及振幅随偏移距变化(MVO)曲线对比分析,结果表明,该方法不仅可以去除海水扰动类噪声,还可以扩大MVO曲线偏移距的解释范围,证明了基于新型小波基消噪方法的有效性和实用性。     

基于正态反高斯模型的自适应小波消噪方法

提出一种基于正态反高斯分布模型局部逼近小波系数的降噪算法。该算法以db5小波作为振动信号的分解小波,对噪声信号进行分解。对于分解过程中包含大量噪声的小波系数,利用具有良好细节逼近性能的正态反高斯分布构造先验模型,在先验模型的基础上,运用贝叶斯最大后验概率估计从含噪的小波系数中估计出真实的小波系数。在后验估计的过程中,对于估计模型中的关键系数采用粒子群算法进行优化选取。利用估计的小波系数来重构信号,得到降噪后的信号。通过仿真实验和实际轴承的故障信号对该方法进行了验证,结果表明,该方法具有较好的降噪效果,可以有效的消除信号的噪声。     

基于蚁群算法优化选取阈值的EMD消噪方法

为了改进经验模式分解(EMD)算法的消噪性能,在传统EMD消噪分解的基础上,参照小波阈值的消噪方法,提出了一种基于自适应阈值的EMD消噪方法。首先,建立去噪阈值和均方误差之间的对应函数,在所选阈值保证均方误差最小的前提下,利用具有较好全局搜索性的蚁群算法,根据建立的函数搜索阈值,克服了传统方法中硬阈值和软阈值固定选取的缺陷,实现了最优阈值的选取。仿真信号分析和实际轴承故障信号分析表明,该方法与传统的EMD消噪方法、软硬阈值分析方法相比,消噪效果更加明显。     

基于量子粒子群优化算法的斜齿轮设计

粒子群优化算法是一种基于群智能的优化方法,量子粒子群优化算法是基于PSO进行改进的算法,规则简单、收敛速度快、易于编程实现。对于多约束条件的斜齿轮传动的优化设计,笔者提出了一种基于量子粒子群优化算法优化求解的方法,实践表明能够快速、有效求得优化解,是求解齿轮优化设计问题的一个较好方案。     

多工位装配序列粒子群优化算法

针对传统单工位装配序列求解上的不足,将粒子群算法应用于多工位多目标装配序列优化的求解,提出一种面向复杂多工位产品的装配序列优化方法。采用优先序列图(Assembly precedence graph,APG)来描述零件间的优先约束关系,构建优先关系矩阵、装配干涉矩阵、工位能力表和装配信息表,描述装配部件干涉及工位之间的关系;给出粒子群算法编码体系和装配关系算法模型表达方法;综合考虑装配操作成本、装配工具更换成本和装配夹装变更成本和运输成本的影响,提出有工程意义的适应度函数的表达式;根据APG生成随机的可行初始装配序列,并利用粒子群算法(Particle swarm algorithm,PSO)对装配序列和装配工位进行优化。以飞机起落架装配序列规划实例验证多工位粒子群装配序列优化算法有效性。     

PSO改进算法在机械优化设计中的实现

首先引入了粒子群算法(PSO)和其改进算法的简介,然后根据改进算法在Matlab中开发了PSO工具箱。最后以减速器为模型实例采用该算法实现了优化设计。     

基于过滤器技术的约束粒子群优化算法

工程设计中处理约束优化常采用罚函数法,但其优化结果敏感于惩罚因子,针对特定的实际问题往往需要多次试验以得到合适的罚因子取值。为了避免反复的参数选取测试过程,将过滤器约束处理机制和粒子群优化(Particle swarm optimization,PSO)相结合用于求解约束优化问题。过滤器方法基于多目标规划中的支配思想,以一组互不支配点所对应的目标值与违背度对构成过滤器,利用其处理约束可以避免使用罚函数。基于过滤器的约束PSO算法在粒子进化过程中,对各粒子历史最优解和粒子群历史最优解分别构造滤器,并依据可行性优先的粒子比较准则从对应的过滤器中选择最优解从而实现粒子的更新。然后,利用工程优化设计标准算例和翼型优化设计实例,将过滤器PSO算法和罚函数PSO算法、遗传算法进行比较研究,结果表明过滤器PSO算法能够获得较好的约束优化设计结果,是求解约束优化问题的一种有效方法。     

基于改进粒子群算法的供应商参与可靠性设计优化

研究供应商参与下的汽车产品子系统可靠性设计的优化问题,考虑供应商参与产品设计的可信度因素,建立以最大化系统的可靠度和供应商的可信度为优化目标的多目标数学规划模型。通过加权的方法把多目标优化模型转化为单目标非线性整数规划模型。采用粒子群(Particle swarm optimization,PSO)算法进行求解,提出适用于“零部件—供应商”关系的离散粒子编码方法。设计带有自适应动态惩罚项的适应度函数,把优化问题转化为无约束优化问题,并将粒子的搜索范围扩展到近可行解空间,进而较好地改进了算法的搜索速度和收敛性能。以某中级轿车传动系统零部件可靠性设计的优化问题为实例,进行仿真研究,应用质量功能展开和模糊评判的方法生成了零部件的权重和供应商可信度初始数据值,仿真结果验证了所提出PSO算法的实用性和有效性。     

基于粒子群算法的公差分配优化方法

基于成本—公差模型和质量损失模型,以加工能力和装配尺寸链的功能约束条件为标准,以制造成本最低、质量损失最小为优化目标,建立兼顾产品成本和质量的公差分配的多目标函数优化模型。基于粒子群优化算法,按照从全局到局部的寻优策略,用线性调节方法来确定其参数的变化规律,进而应用MATLAB软件对建立的函数模型进行优化计算,得到产品的生产成本和质量损失之间的关系曲线,可为公差分配提供更多的解决方案和更可靠的理论依据。     

改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。     

求解连续Minimax问题的粒子群优化方法

Minimax问题是一类十分重要同时也是比较困难的优化问题。提出了一种基于粒子群优化的连续minimax问题求解 方法。方法的基本思想是维持两个在不同搜索空间中不对称共同进化的群体并采用粒子群优化算法获得原minimax问题的 一个解。仿真结果显示此方法可以有效求解对称和非对称连续minimax问题。     

混合粒子交互微粒群算法

针对现有微粒群算法仅考虑单一一种引斥力规则使得其搜索能力存在的不足,考虑在不同搜索阶段采用不同的引斥力规则,提出搜索后期引力增强型混合引斥力微粒群算法(LAPSO算法)。利用拟态物理学中的引斥力规则使粒子保持多样性,提高算法的全局搜索能力;当进入到具有全局最优解的区域时,增强引力作用、减少斥力作用,利用比自身适应度好的粒子和全局最优解粒子的引力作用,提高算法的局部搜索能力。为进一步提高LAPSO算法的优化性能,将其与混合全连接型-环形拓扑结合,提出混合粒子交互微粒群算法(HIPSO算法)。通过6个Benchmark函数进行测试,结果表明,与现有的扩展-微粒群、微-微粒群、中值导向-微粒群等算法相比,所提的LAPSO算法、HIPSO算法具有较好的种群多样性,具有更好的寻优精度、收敛率和最优解搜索能力。结合文献[7]中的柔性流水车间调度离散优化实例和文献[20]中的超声振动加工工艺参数连续优化实例,验证了HIPSO算法的最优解搜索能力。     

基于粒子群算法的汽车悬架弹簧的优化设计

粒子群算法容易理解、易于实现、编程简单。利用粒子群优化算法对汽车悬架弹簧进行优化设计,其速度要比用其他的方法快得多,仅迭代很少的次数就能得出比较优的结果。有利于提高设计的速度,使设计易于实现,更大程度地提高设计的质量,为钢板弹簧系统、汽车悬架和整车的分析计算奠定坚实的基础。同时为少片弹簧和多片弹簧的优化设计提供了一种新的方法。     

基于改进粒子群算法的盘式制动器优化设计

粒子群算法是近期发展的一种有效的优化方法.基于浓度的概念对粒子群优化算法做了改进,改善了粒子群的多样性,增强了算法的全局搜索能力,从而提高了优化效率.盘式制动器是保证汽车行驶安全的重要部件.应用此方法,以制动时间最短为目标,在几何约束、强度约束、温度约束等条件下,对盘式制动器的主要设计参数进行了优化设计.所得结果表明,盘式制动器的制动效率得到提高,保证了汽车行驶的安全性.