基于QPSO的重载齿轮多目标优化设计

粒子群优化算法(PSO)是一种基于群智能的优化方法,量子粒子群优化算法(QPSO)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。对于多目标、多约束条件的重载齿轮的优化设计,本文提出了一种基于QPSO优化求解的设计方法;实践表明能够快速、有效求得优化解,是求解重载齿轮优化设计问题的一个较好方案。     

基于粒子群优化的最小二乘支持向量机在时间序列预测中的应用

为提高基于最小二乘支持向量机（LSSVM）的时间序列预测方法的泛化能力与预测精度,研究了一种基于粒子群优化（PSO）的LSSVM。该方法以交叉验证误差为评价准则,利用PSO对多个具有不同超参数的LSSVM进行基于迭代进化的优化选择,并以交叉验证误差最小的LSSVM作为最终优化后的LSSVM。时间序列预测实例表明,经PSO优化后的LSSVM的预测精度高于未经优化的LSSVM与传统时间序列预测方法的预测精度。     

求解多目标混流装配线平衡问题的VPS-PSO算法

为了更有效地减少工作站数目、提高装配线效率,提出了一种基于多目标混流装配线平衡问题的方法。针对混流装配线平衡问题,采用工作站损失指数、装配线损失效率和平滑指数的评价指标作为混流装配线平衡优化问题的适应度函数,在给定节拍和装配优先顺序的前提下建立多目标优化模型。提出一种基于变种群策略的改进粒子群(VPS-PSO)算法能有效地维持种群的多样性,提高粒子群算法的全局搜索寻优能力。案例表明,该算法相对于PSO算法具有更好的寻优能力和求解效率,可以更高效地得到合理的装配线平衡方案。     

基于粒子群优化的锅炉温度模糊PID控制器设计及其仿真

首先讨论了模糊理论和粒子群(PSO)优化算法,然后针对典型的工业过程控制对象,设计了一种基于PSO优化的二维自适应锅炉温度模糊PID控制器,可以对比例因子和量化因子进行优化。对锅炉温度控制对象系统模型进行辨识,得到锅炉温度的传递函数,在此基础上利用MATLAB进行了仿真。仿真结果表明,采用基于PSO优化的锅炉温度控制与PID控制、模糊控制相比,具有超调量小、上升时间短、响应速度快、调节时间短、稳定性能好、抗干扰能力强等优势。     

基于GAPSO算法的转台齿轮传动多目标优化研究

针对某航空发动机叶片五轴加工机床转台传动系统多目标优化设计问题,以五轴加工机床转台的齿轮总体积和总重合度建立了目标函数,在齿轮的接触应力和弯曲应力为约束条件下建立了优化数学模型。提出了结合PSO算法与GA算法各自优点的GAPSO方法,利用GAPSO算法既有GA算法的强大全局搜索能力又有PSO算法的快速收敛能力的特点,求解了转台齿轮传动系统的多目标优化数学模型,并分别使用PSO算法、GA算法对数学模型进行了寻优求解,最后将3种算法的结果进行了对比分析。研究结果表明:相比PSO算法与GA算法,GAPSO算法的优化效果最佳,转台的齿轮传动系统体积减少27.26%,重合度增加8.10%;优化目标实现了转台的轻量化与提高传动平稳性的目的,为转台的齿轮传动系统的多目标优化设计提供了理论依据。     

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Pareto改进的混合算法求解多目标柔性车间调度问题

针对多目标柔性作业车间调度问题,该文建立优化目标为最大完工时间、机器平均相对空闲率以及机器总负荷最小化的数学模型,并设计一种基于Pareto改进的自适应混合算法(NGAPSO)。其算法采用分层结构相结合,底层采用基于隔离的小生境技术(Niche genetic algorithm,NGA),上层采用粒子群算法(Particle swarm optimization,PSO)。为提高算法的收敛效率和求解精度,提出了改进策略,采用适应度值分配策略作为种群选择的评价标准;设计动态的交叉变异概率,使算子在迭代过程自适应地对种群的寻优操作进行调整。最后,针对10个单目标基准案例与3个多目标典型案例进行仿真求解,通过与其他前沿算法进行对比验证NGA-PSO算法的优越性。     

改进的局部LSSVM算法在明胶浓度软测量中的应用

在明胶生产的提胶工艺中,胶液浓度是一个很重要的质量和控制参数,但是目前对明胶浓度的检测手段多为离线人工检测,不能实现在线实时测量.该文提出使用软测量的方法对明胶浓度进行在线测量,采用局部LSSVM建模方法进行软测量建模,并用PSO算法对模型参数进行优化.Matlab仿真结果表明,基于PSO优化的局部LSSVM的软测量方...     

基于PSO-SCE的下肢外骨骼机器人步态多目标优化

针对一些传统下肢外骨骼机器人步态优化算法中的寻优精度低和收敛速度慢等问题,提出一种下肢外骨骼机器人步态优化算法,该算法采用粒子洗牌策略和复合形信息互通技术,保留了粒子群优化(Particle Swarm Optimization,PSO)算法与复合形交叉进化(Shuffled Complex Evolution,SCE)算法的优点,通过建立以机器人步态零力矩点(Zero Moment Point,ZMP)稳定裕度和每步驱动能耗为参数的多目标优化函数进行寻优,并在SolidWorks、ADAMS和MATLAB软件中进行联合对比测试,仿真表明:与PSO算法和SCE算法相比,采用PSO-SCE算法得到的机器人步态ZMP稳定裕度增大,驱动能耗平均值分别减小了18.4%和13.5%,机器人能够以较小的能量消耗实现稳定平滑行走。     

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。