基于蚁群算法的选择装配

选择装配是一种由低加工精度零件获得高精度装配件的方法,可归纳为一个组合优化问题,蚁群算法是解决这类问题的有效方法.综合考虑选择装配中的匹配率和匹配精度,提出以综合装配质量指标为选择装配的目标函数.为了求解选择装配的组合优化问题,在蚁群算法的框架内提出一个考虑信息素分布为节点模式的蚁群算法解构造图模型,并详细讨论蚁群算法的实现过程.通过对实例的仿真计算,考证该方法的实效性.     

基于动态蚁群算法的模拟电路最优测点选择

针对模拟电路的最优测点选择问题,提出一种改进的基于动态城市规划的蚁群算法,由蚁群寻找最短路径获得最优测点集合.将故障字典映射到二维空间,空间中每个点代表一个城市.为了不重复访问能被多个测点辨识的故障类,每次寻优后动态规划蚁群下一次访问的城市分布.启发因子矩阵由惩罚矩阵和距离邻接矩阵构成,其目的是在辨识出相同数目的故障条件下选择的测点数最少.动态更新信息素矩阵,得到蚁群访问城市的概率.该方法与其他3种比较,实验结果表明该方法能够得到最优的测点集合,同时具有良好的寻优效率.     

基于改进蚁群算法的模糊控制器优化研究

作为智能控制的一种新技术,模糊控制不依赖于工业对象模型。它不是用数值变量而是用语言变量来描述系统特征。并依据系统的动态信息和模糊控制规则进行推理以获得合适的控制量。因而具有较强的鲁棒性。本文使用蚁群算法对模糊控制器进行优化实现模糊规则的自寻优。通过MATLAB进行仿真试验,系统阶跃响应表明经改进的蚁群算法寻优得到的模糊控制器具有良好的性能。     

基于MapReduce和多目标蚁群算法的制造云服务动态选择算法

基于云计算技术和云服务技术研究了云服务的动态选择问题,给出了云制造服务层次化模型,提出了一种基于MapReduce和多目标蚁群算法的制造云服务动态选择算法(CSSMA)。依据CSSMA设计了多目标蚁群算法、Map函数、Reduce函数和优化策略等,并将其分布式并行运行于制造云平台中。仿真实验结果表明:CSSMA具备良好的处理大规模问题的能力,适用于制造云服务动态选择问题的求解。     

基于蚁群算法的电梯导轨选择装配

电梯运行的舒适度很大程度上取决于电梯导轨安装质量,由于标准导轨长度为5 m,因此导轨间的配合间隙大小就会影响电梯轿厢运行过程的振动程度。如何进行选择装配导轨,以使导轨间的间隙均匀且满足国标要求,是一个非常重要的课题。提出一种基于蚁群算法的计算机辅助选择装配导轨的方法,能够很好地解决该问题。蚁群算法(ACO)是一种新型的基于种群的模拟进化算法,属于随机搜索算法。为了对各导轨进行组合优化,提出一个以装配质量综合指标为优化目标的数学模型,作为厂家在包装之前的调配依据。通过实际项目应用,验证了该方法的实效性。     

基于改进蚁群算法的PID参数优化

一般传统PID控制器参数优化都采用Ziegler-Nichols法,由于其无法获得满意的动态指标,因此本文提出一种基于改进蚁群算法的PID控制器参数优化方法。蚁群算法是一种仿生进化算法,其采用分布计算机制,具有较强鲁棒性。本文提出的改进蚁群算法,可自适应调整路经上的信息素,并将各路径上的信息素强度限制在某个区域内,以避免搜索停滞。仿真实验表明该方案可行。     

基于切削加工特征的车削刀具的选择

通过对车削加工特征进行分析和分类,结合对车削刀具结构的研究,确定基于切削加工特征的车削刀具选择原则和方法。建立基于切削加工特征的刀具选择车削数据库系统,实现车削刀具及其切削参数的智能选取。     

基于改进蚁群算法的多供应商选择问题求解

为克服传统供应商选择过程中只针对单一物资供应过程和面向单一供应商选择过程的局限性,以质量、成本、交货期和交货提前期为评估指标,以最小化评估指标综合值为目标,建立了针对多品种供应条件下多供应商选择的0-1整数规划模型.基于蚁群算法,构造了适合该模型特征的改进蚁群求解算法,并阐述了其求解过程.通过模拟算例及对比分析表明,该方法是有效、可行的,它可为企业进行多品种供应的多供应商选择问题提供了可参考的模型和求解算法.     

基于ACO和RVM的两相流流型特征选择方法

为提高流型识别的准确率,提出了基于蚁群算法(ant colony optimization,ACO)和相关向量机(relevance vector machine,RVM)封装模式的流型特征选择方法.首先采用小波包变换(wavelet packet transform,wPT)、经验模式分解方法(empirical mode decomposition,EMD)对原始压差波动信号进行分解,分别提取压差波动信号的时域无量纲指标和各分解信号的能量和熵组成融合特征.然后采用ACO和RVM进行特征选择和识别,选出有利于流型识别的特征优化组合.空气-水两相流型识别的实验结果表明:该方法能实现流型特征的有效缩减,经优化组合的最优特征子集识别率达95％以上,与其他方法相比具有更高的识别率.     

基于蚁群算法的平行流水作业计划方法

在分析实际生产作业方式的基础上,提出了平行流水作业这一新概念,其实质为平行机作业方式和流水作业方式的综合,属于非多项式计算时间问题。采用网络理论构造了平行流水作业的非连接图模型,提出了采用蚁群算法求解平行流水作业计划问题,以及求解过程中可行路径表的建立方法。算例研究表明10次随机计算的平均结果与最优结果差异率小于2%,计算重复精度高;对于75×20等较大规模问题,10次随机计算的平均时间少于280s,计算效率较高,能满足生产实时调度的需要。     

基于蚁群算法的复合材料结构件的返修计划问题

为解决目前生产中出现的复合材料结构件的质量缺陷问题,G公司设立了复合材料结构件返修工序.针对结构件返修计划问题,以最大化返修计划中的结构件数量为目标,同时兼顾公司出货计划延迟和WIP成本(在制品成本)增加的情况,建立了0-1整数规划模型,进而以蚁群算法为基础提出了2种伪随机选择规则.根据实际情况采用不同参数设计算例来验证算法的性能.结果表明在最大化返修结构件数量方面,算法一优于算法二,而在减小公司出货延迟和控制WIP成本方面,算法二优于算法一.     

基于蚁群算法的机械故障智能诊断方法研究

介绍了蚁群算法基本原理,实验验证了蚁群聚类算法可用于轴承故障诊断,对比蚁群算法和BP神经网络在故障诊断中的不同,分析了蚁群算法在故障模式识别中的特点。     

蚁群神经网络在刀具参数选择中的应用研究

文中将蚁群算法和神经网络结合起来应用于刀具参数的选择中,可提高运算效率,具有很好的应用前景。     

基于蚁群算法的机械优化设计

介绍了蚁群算法的原理、模型和算法实现过程。说明了蚁群算法应用于机械优化计算切实可行，为复杂的机械优化设计问题提供了新的思路和方法。     

基于改进蚁群算法的分形刀轨连接技术

为了解决分形刀轨中存在的大量空行程和跳刀问题,使用部分边界裁剪轮廓对分形路径段进行了连接。首先采用蚁群算法对同一切片层面上的分形路径段进行初步连接,确定整体最短连接路径。然后依据扫描路径规划原则,对连接路径进行有效性判断,消除了不合理连接路径对成形质量的影响。针对基本蚁群算法存在的收敛慢、易陷入局部最优解等缺陷,采用动态调整选择策略和信息素挥发系数对蚁群算法进行了改进。试验结果表明,该方法有效减少了同一切片层面上的空行程和跳刀次数,且改进的蚁群算法具有很好的收敛效果和全局搜索能力。     

Job Shop调度问题自适应蚁群算法的研究

Job Shop问题是与实际生产相关的多约束组合优化问题,具有约束较多,计算量大的特点,一直以来是研究的热点.本文对利用自适应蚁群算法求解该问题进行了研究,并且进行了仿真试验,试验结果表明蚁群算法在求解类似Job Shop问题是非常有效的.     

基于改进蚁群算法的智能配电网网格化规划方法研究

为提高智能配电网规划能力,提出一种基于改进蚁群算法的智能配电网网格化规划方法。首先采用分块区域网格规划方法模拟智能配电网网格化参数,根据蚁群个体行为差异性定义节点规划度,再通过模板匹配和寻优得到节点部署模型。然后计算用户侧谐波阻抗实现智能配电网网格化规划过程的参数寻优,提高智能配电网网格化组合能力。在此基础上,建立谐波振荡的调制模型,在实现规划过程抗干扰抑制后,以谐波参数作为约束代价指标,在改进蚁群寻优控制下,实现智能配电网网格化规划设计。仿真实验结果表明:采用该方法实现配电网网格化规划后,配电网的输出稳定性较好,参数融合度水平较高。     

蚁群优化算法研究综述

介绍了蚁群优化算法的基本原理、流程和研究现状,重点评述了近年来蚁群优化算法在组合优化和连续优化两个领域的研究现状,并展望了这一领域的研究方向。     

基于蚁群优化UKF算法的汽车状态估计

针对汽车状态估计中过程噪声和观测噪声的时变特性,提出一种新的自适应滤波算法。该算法基于三自由度非线性汽车动力学模型,在利用UKF对汽车状态量进行估计的同时,引入蚁群优化算法,根据目标函数对过程噪声和观测噪声进行寻优,实现了过程噪声和观测噪声的自适应作用,估计精度的大幅提高。虚拟实验验证了蚁群优化UKF算法的鲁棒性和精度。研究结果对汽车主动控制系统的开发具有重大的理论指导意义。