改进Kmeans和PSO算法的发动机电控系统故障诊断

为更好的识别发动机电控系统故障类别,本文提出一种改进Kmeans和PSO算法。该算法依数据聚类分析问题的要求,以数据点与各群中心的距离为评估标准,将粒子群优化算法和Kmeans算法相结合,用粒子群优化算法的记忆与分享信息的能力来选取群中心,并利用Kmeans来调整群中心的位置,解决粒子群算法的求解效率低和Kmeans易落入区域最佳解的情况。将该方法应用于构建的发动机电控系统故障诊断模型,结果表明能有效提高发动机电控系统故障识别效果。     

基于实验数据的航空发动机稳态模型建模

针对基于部件级航空发动机稳态建模过程中完整、准确的航空发动机部件特性数据往往难以获取,建模时间长等现象,提出使用实验数据进行辨识建模的方法;为了建立航空发动机的稳态模型,通过对某轻型飞机实验台的飞行实验数据进行分析整理,提出使用BP神经网络对发动机重要参数进行建模,同时使用粒子群优化算法(Particle swarm optimization,PSO)对BP神经网络的权值和阈值进行优化。最后,使用改进粒子群优化算法(Improved particle swarm optimization algorithm,IPSO)对传统粒子群优化算法进行改进,仿真结果表明IPSO-BP网络建立的发动机模型精度更高,稳定性更好。     

磨光法在固体火箭发动机推力信号处理中的应用

火箭发动机起爆后产生的推力是火箭类武器的关键参数,在火箭发动机研制和生产中需要测试。传统的数据处理方法由于采用人工判读,存在自动化程度低、测量误差大等缺点。依据GJB770-2005标准中固体火箭发动机静止实验法的有关规定,提出了一种推力曲线磨光算法,对推力离散数据进行曲线拟合,保证了求取曲线关键点的精度。经过对实测的数据进行仿真实验,证明设计的算法结果准确,一致性好,能够满足固体火箭发动机推力测量的需要。     

基于试飞数据的航空发动机部件特性修正

研究了一种发动机部件特性修正方法,提出通过对相似发动机结构的通用稳态模型与试飞数据相匹配来获取专用发动机稳态模型。通过对发动机模型的分析,使用优化算法对各部件特性的流量、压比、效率等参数进行调整,经过修正后的仿真模型在设计点及非设计点的输出与试飞数据的相对误差小于2%,计算精度可满足工程需要。在参数优化方法上比较了粒子群算法(PSO)与进化粒子群算法(EPSO),结果表明,EPSO算法在收敛速度和精度上比PSO算法更为优秀,在处理多变量复杂问题时有较好的寻优能力。     

一种航空发动机性能衰退预测的优化算法

针对航空发动机性能衰退预测问题,采用基于过程神经网络的优化算法来对发动机的燃气温度裕度(EGTM)进行预测。为克服过程神经网络学习速度慢的缺点,提出一种基于Tent映射的混沌粒子群优化算法对网络进行训练,建立预测模型。采用某航空公司的EGTM监测数据进行验证,分析结果表明,基于Tent映射的混沌粒子群优化算法具有较高的收敛速度和预测精度,可为航空发动机视情维修决策提供支持。     

基于粒子群算法的多质量特性下的选装优化方法研究

提出了一种基于粒子群算法的分组选装的优化方法。针对复杂产品分组装配中多质量特性的特点,构建了以装配间隙波动最小化为目标的优化模型。利用引入共享机制和动态归档机制的多目标粒子群算法对该模型进行求解。最后,通过发动机的活塞和气缸的选择装配实例对所提出方法进行了验证,结果表明,采用该方法可以有效提高产品的装配精度。     

粒子群优化算法及其在结构优化设计中的应用

介绍了粒子群优化算法的原理和实现方法,分析了该算法的主要参数对搜索方向的影响。将粒子群优化算 法与遗传算法在优化过程和搜索技术方面进行了对比。利用粒子群优化算法与遗传算法分别对测试函数和桁架结 构优化设计问题进行求解,将两种算法的计算结果进行了对比。计算结果表明在满足相同的计算精度的前提下,粒 子群优化算法的效率更高,利用粒子群优化算法可求解机翼结构优化设计问题,因此,粒子群算法是一种有效的优 化方法,适用于大型复杂结构优化设计。     

Maklink环境下机器人导航路径的蛙跳多种群粒子群优化

为了减少机器人导航路径长度和优化时间,提出了基于蛙跳多种群粒子群算法的路径规划方法。建立了机器人工作环境的Maklink模型,首先使用MS算法搜索出若干最短路径,然后提出了蛙跳多种群粒子群算法进行路径二次优化。将蛙跳算法的深度搜索思想引入到粒子群算法中,提出了多种群粒子群算法的分群方法、更新策略和合作机制,进而给出了基于蛙跳多种群粒子群算法的机器人导航路径优化方法。经过仿真验证,蛙跳多种群粒子群算法具有最佳的优化效果,最短路径长度比MSCPSO算法减少了3.82%,比PSO算法减少了5.46%;另外,蛙跳多种群粒子群算法的运行时间比MSCPSO算法减少了25.53%,比PSO算法减少了18.79%。     

置换流水车间调度粒子群优化与局部搜索方法研究

采用粒子群优化算法求解置换流水车间调度问题,提出了一种基于工件次序和粒子位置的二维粒子编码方法.为提高粒子群算法的优化性能,在描述了面向置换流水车间调度问题的粒子邻域结构后,提出了三种基于粒子邻域操作的局部搜索方法,分别是基于互换操作、基于插入操作和基于逆序操作的局部搜索方法.计算结果说明,粒子群算法的优化性能好于遗传算法和NEH启发式算法.三种局部搜索算法均能有效地提高粒子群算法的优化性能,采用基于互换操作局部搜索的粒子群算法的优化性能要好于其它两种局部搜索算法.     

基于模拟退火粒子群算法的圆柱齿轮减速器的可靠性优化

模拟退火粒子群算法将模拟退火思想引入具有杂交和高斯变异的粒子群算法中,是一种简单快速的随机全局优化算法。将模拟退火粒子群算法与可靠性优化设计理论相结合,建立了最大化减速器传动系统可靠度的优化模型,提出了基于模拟退火粒子群算法的圆柱齿轮减速器可靠性优化方法。利用该优化方法进行一圆柱齿轮减速器的优化设计,其优化结果明显优于基本粒子群算法、混合罚函数法和传统设计方法。算例表明,该优化方法具有全局收敛且精度高的优越特性,是一种有效的可靠性优化设计方法,并对其他机械部件可靠性优化具有一定的参考意义。     

改进粒子群优化算法在工程优化问题中的应用研究

粒子群优化（PSO）算法是一种群集智能方法，它通过粒子之间的合作与竞争以实现对多维复杂空间的高效搜索。在对于粒子群群体构造和粒子多样性对收敛速度和精度影响的研究基础上提出了一种改进型粒子群优化算法。针对工程中的有约束的优化问题，将改进粒子群算法与函数法相结合进行求解。计算实例表明改进型粒子群优化算法大大改善了传统PSO算法的全局收敛性能，解的精度提高了很多。     

基于改进粒子群优化算法的无级变速器冷却系统优化设计

提出了一种基于改进粒子群优化算法的无级变速器冷却系统优化设计方法。首先确定了整个冷却系统的基本设计方案;然后在考虑整机和局部能量损失特性、冷却压力控制阀工作特性的基础上,采用改进粒子群优化算法对冷却系统关键结构参数进行了优化。仿真计算和整车试验结果表明,所设计的冷却系统可以随发动机转速的不同实现较优的整机和局部冷却流量分配,并可以满足各种极限工况的冷却要求。     

基于混合粒子群算法求解装配线第二类平衡问题

阐述了装配线平衡问题类型及其平衡求解的相关算法,给出了装配线第二类平衡问题的数学描述。在分析用标准粒子群优化算法求解装配线第二类平衡问题的缺陷基础上,利用粒子群优化算法所具有的全局搜索能力和高搜索效率以及模拟退火算法所具有的局部搜索能力,提出了采用粒子群和模拟退火的混合算法求解第二类平衡问题的方法,并给出了求解流程。应用实例证明,用混合粒子群优化算法比标准粒子群优化算法求解第二类平衡问题能获得更优的结果。     

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。     

解决JOB SHOP问题的粒子群优化算法

设计了2种解决Job shop问题的粒子群算法,即实数编码的粒子群调度算法和工序编码的粒子群调度算法。工序编码的粒子群调度算法更符合Job shop问题的特点,优化性能相对高。但粒子群调度算法容易陷入局部最优。为了提高优化性能,将粒子群算法和模拟退火算法结合,得到了粒子群-模拟退火混合调度算法。仿真结果表明了算法的有效性。     

基于离散粒子群优化算法的汽车发动机故障特征选择

最优特征选择属于组合优化范畴,针对汽车发动机机械故障特征选择问题,分析了冗余特征的存在对于故障分类器分类性能的影响,选择最优特征组合可以提高故障分类的正确率,提出基于离散粒子群算法的特征优化组合算法,利用BP神经网络评价特征优化的性能,并将其应用到汽车发动机曲轴轴承磨损故障诊断中.实验结果表明,与遗传算法相比,基于离散粒子群算法的特征优化算法优化效率较高,分类正确率较高,优化后的特征集可以显著地提高故障分类器的分类性能.     

产品概念设计阶段的案例相似性检索技术研究

以提高产品设计结果的论域覆盖面和增加可行设计结果的多样性为目的,研究了产品概念设计阶段的基于案例推理的产品设计案例相似性检索技术。首先,对产品设计案例相似性检索进行了问题描述;然后指出了传统相似性检索方法的不足;进而提出一种新的基于划分聚类和一般模糊极小极大神经网络的相似案例检索方法,并建立检索模型;最后,通过基于案例推理的固体火箭发动机总体设计实例表明,与传统方法相比,新方法可有效提高相似结果案例集的论域覆盖面,增加设计结果的多样性,提高检索效率,进而提高了固体发动机总体设计质量。     

解决无等待流水线调度问题的新算法

提出了解决无等待流水线调度问题的3种新算法,即离散粒子群优化算法、离散差异进化算法和阈值接收算法。离散粒子群优化算法和离散差异进化算法采用了基于工件序列的编码方式和新的个体生成方法,从而使具有连续性质的粒子群优化算法和差异进化算法能直接用于求解调度问题。仿真试验表明了上述算法的有效性。     

基于改进粒子群优化-反向传播神经网络的制造业产能预测

为了精准预测制造业产能,对粒子群优化算法和反向传播神经网络进行研究,进而提出基于改进粒子群优化-反向传播神经网络的制造业产能预测方法。在这一预测方法中,通过粒子群优化算法对反向传播神经网络的权值和阈值进行优化搜索,同时引入自适应变异算子,避免粒子群优化算法陷入局部极值,并通过MATLAB软件对制造业产能进行预测。研究结果表明,改进粒子群优化-反向传播神经网络的预测效果优于粒子群优化-反向传播神经网络和反向传播神经网络。     

基于粒子群算法的涡旋压缩机涡旋盘优化的研究

建立了基于粒子群优化算法的涡旋压缩机动静涡旋盘能效比的数学模型,采用粒子群算法优化涡旋压缩机涡旋盘的结构参数,验证了粒子群算法具有收敛速度快,算法简单易行,不易陷入局部极值等其它算法无法比拟的优点,是一种行之有效地优化方法。