远邻粒子群算法及在Delta机器人优化设计中的应用

 为了提高粒子群算法全局寻优能力,提出一种远邻粒子群算法,该算法引入邻域算子概念,每个粒子选择与自身欧氏距离较远的粒子建立邻域,邻域中粒子的数目用邻域算子表示.测试函数实验结果表明,该算法在一定程度上消除了标准粒子群算法容易陷入局部最优的缺点.应用远邻粒子群算法对Delta机器人进行优化设计,结果证实：所提出的远邻粒子群算法较标准粒子群算法具有更好的寻优能力,比邻居递增粒子群算法搜索精度更高.     

基于粒子群算法的重型车辆悬架路面友好性非线性优化EI北大核心CSCD

针对重型车辆悬架系统的非线性优化问题,提出了采用粒子群算法进行悬架系统优化设计方法。以四分之一汽车模型为研究对象,以车轮最大动载荷最小化为目标,以非簧载质量的固有频率为约束条件,建立了改善被动悬架系统性能的优化模型。通过粒子群算法求解该优化问题,以少量的迭代次数得到了性能优良的悬架参数,如悬架刚度和悬架阻尼。对设计的悬架系统进行时域和频域性能分析,并详细讨论了该方法与遗传算法优化的本质区别,结果表明,粒子群算法可以快速地得到一个较好的优化结果,这为设计人员后续的修改设计提供重要参数,同时为解决含有非线性问题的新型悬架系统优化设计提供了一种新的可行方法。     

基于粒子群算法的重型车辆悬架路面友好性非线性优化

针对重型车辆悬架系统的非线性优化问题,提出了采用粒子群算法进行悬架系统优化设计方法。以四分之一汽车模型为研究对象,以车轮最大动载荷最小化为目标,以非簧载质量的固有频率为约束条件,建立了改善被动悬架系统性能的优化模型。通过粒子群算法求解该优化问题,以少量的迭代次数得到了性能优良的悬架参数,如悬架刚度和悬架阻尼。对设计的悬架系统进行时域和频域性能分析,并详细讨论了该方法与遗传算法优化的本质区别,结果表明,粒子群算法可以快速地得到一个较好的优化结果,这为设计人员后续的修改设计提供重要参数,同时为解决含有非线性问题的新型悬架系统优化设计提供了一种新的可行方法。     

基于圆周割线改进型粒子群优化算法的叶片临界颤振辨识方法研究

针对风力机叶片在颤振风速下的临界颤振现象,创新性地结合几何圆周割线和传统粒子群优化算法,首次设计了一种圆周割线改进型粒子群优化算法,应用于叶片临界颤振系统的参数辨识。该方法利用圆周上移动点的割线距离来动态调节全局学习因子和局部学习因子,针对优化辨识提高全局搜索和局部搜索的动态平衡性,避免陷入局部最优,提高算法的整体寻优性能和优化效率。仿真试验中,将该方法与多种先进粒子群优化算法(如改进型粒子群优化(MPSO)算法、基于线性递减惯性权重的粒子群优化(LDIW-PSO)算法、基于动态学习因子的免疫粒子群优化(IPSODCLF)算法)的辨识结果相比较,结果表明该辨识方法在辨识精度、计算时间和鲁棒性方面均具有显著的优越性。     

基于遗传粒子群算法的集成块布孔优化及其实现

 根据集成块的结构特点提出一种集成块布孔的优化方法,建立集成块空间布孔优化设计的数学模型和参数化描述,并结合遗传粒子群算法运用Visual Basic 6.0语言对提出的数学模型和优化方法进行编程实现.程序运行实例表明,运用遗传粒子群算法优化该数学模型可以很好地完成集成块的布孔优化设计,为以后集成块的自动优化设计和绘图打下坚实的基础,具有一定的实用价值.     

基于信息熵改进的粒子群算法在桁架结构

提出了信息熵改进的粒子群优化算法用于解决有应力约束、位移约束的桁架结构杆件截面尺寸优化设计问题.首先介绍了信息熵基本理论和基本粒子群优化算法理论,然后对粒子群优化算法作了合理的参数设置,并将信息熵引入粒子群优化算法的适应函数和停机判别准则中.最后对2个经典的优化问题进行求解并与其他算法进行了比较.数据结果表明信息熵改进后的粒子群优化算法在桁架结构优化设计中优于其他同类算法.     

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,其速度要比用其它的方法要快得多,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。     

结构拓扑优化中敏度过滤技术研究

为了抑制连续体结构拓扑优化结果中的棋盘格和灰度单元问题,借鉴粒子群优化算法中粒子状态的更新方法,提出一种改进的敏度更新技术.以结构的柔度最小为优化目标,构建了基于固体各项同性微惩罚结构的结构拓扑优化模型,根据结构的力学响应分析,采用优化准则法进行设计变量更新,进行载荷作用下二维连续体结构的拓扑优化设计,得到了材料在设计域内的最优分布.通过与已有敏度过滤技术的对比分析,验证了文中方法的正确性和有效性．     

耗能增效惯容系统的自适应权重粒子群优化

耗能增效是惯容减震系统的典型特征。为充分发挥此特性并同时满足减震性能需求,提出将惯容减震结构耗能增效程度最大化作为目标,并以性能需求作为约束条件进行减震参数寻优。基于随机振动理论推导惯容减震单自由度结构在白噪声激励下的解析解;建立最大耗能增效设计所对应等效约束优化问题的数学表达式。鉴于表达式的复杂性,采用鲁棒性好且便于实现的粒子群算法对问题进行求解。在粒子群算法中引入自适应惩罚权重考虑约束条件,并采用自适应调整的惯性权重提高求解效率。基于Python语言编制了自适应权重粒子群算法程序对惯容减震结构最大耗能增效设计问题进行求解。设计实例的求解过程体现了自适应权重粒子群算法对求解惯容减震结构优化设计问题的有效性,动力时程分析结果表明设计参数实现了预设的减震性能需求。     

SVM和改进的PSO在压路机驾驶室结构噪声优化中的应用

针对压路机驾驶室结构噪声,将拉丁超立方试验设计、支持向量机近似模型、改进的粒子群优化算法相结合,通过修改驾驶室主要板件的板厚参数降低压路机结构噪声。建立一套基于支持向量机和粒子群算法控制车内结构噪声的设计流程。针对粒子群可能出现局部最优解的问题,对粒子群进行了改进。并利用改进的粒子群优化支持向量机参数,构建高拟合精度的支持向量机模型代替有限元模型。并用改进的粒子群算法对该模型进行板厚寻优,找到一组最佳的板厚参数使得参考点(驾驶员右耳处)声压级最小,减少计算工作量,提高优化效率。     

粉料包装机计量螺杆的结构参数优化设计

目的 在不改变螺杆转速和外径的前提下，对已有包装机的计量螺杆结构参数进行优化设计，提高计量螺杆的输送效率。方法 构建螺杆的输送能力模型，并分析颗粒在计量螺杆内部的运动速度。通过电镜显微镜观测典型物料颗粒微观形貌，在离散元仿真环境中构建颗粒形貌，并模拟粉状物料的计量输送过程。通过比对不同结构参数的计量螺杆输送能力，得到初选结构参数，基于粒子群优化算法得到螺杆最佳结构参数，通过仿真模拟方法对优化后的计量螺杆输送能力进行比对验证。结果 优化后的计量螺杆对粉状物料输送速度为358.79 mm/s，输送效率提高了7.44%。结论 通过优化结构参数和仿真模拟结合的方法，提高了粉状物料计量螺杆的输送效率，为工业企业计量螺杆的设计和加工提供基础数据参考。     

基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识

提出一种基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识方法。该算法采用动态自适应调整策略,提高了粒子群算法收敛速度;同时引入新型遗传算法混合交叉变异机制,避免了粒子群陷入局部最优。将自适应粒子群遗传算法与标准粒子群算法、遗传算法、人工蜂群算法进行了比较,仿真实验结果表明该算法在迭代60次左右完成参数辨识,各参数的辨识相对误差均降低到了1%以内。最后利用旋转柔性关节实验平台进行了实验验证,实验结果证明了该算法具有更好的收敛速度和寻优精度。     

基于粒子群优化极限学习机及电容层析成像的两相流流型及其参数预测

提出了一种基于粒子群优化极限学习机及电容层析成像的两相流流型辨识及其参数预测方法。首先,通过粒子群优化极限学习机的连接权值,并使用粒子群优化极限学习机算法对4种典型的油-气两相流流型进行辨识;其次,使用粒子群优化极限学习机算法对流型的参数进行预测;最后进行了仿真实验,结果表明,与极限学习机算法相比,粒子群优化极限学习机算法所需隐层节点数更少,流型辨识率更高,其正确辨识率达100%,对4种流型参数预测的最大相对误差为5.24%。     

面向货物装卸需求的越库仓门分配和货车排序

在货物种类多、批量少的越库调度系统中,货物的装卸顺序要求对于优化仓门分配和货车排序问题起着重要作用。针对这种情况,以最小化越库操作完工时间为目标,建立越库调度模型。分别基于优化仓门分配和货车排序问题,设计惯性权重非线性改变和增加交叉操作的改进粒子群算法进行迭代寻优。最后通过不同规模的数值实验,将改进粒子群算法与标准粒子群算法和遗传算法进行对比分析,实验结果表明改进粒子群算法在求解精度上比标准粒子群算法和遗传算法有明显优势,在求解时间上优于遗传算法,略逊色于标准粒子群算法。     

基于粒子群算法多目标优化液压支架四连杆

针对煤矿液压支架四连杆受力计算较为复杂,简化计算时易出现较大误差且稳定性较差的问题,提出从四连杆机构的空间受力出发并结合支架的运动轨迹,采用粒子群优化算法对四连杆机构展开优化研究。首先建立了四连杆优化模型,在优化模型中选取对结果影响较大的参数作为优化变量,以轨迹偏差、连杆长、连杆力之和作为目标函数,根据液压支架设计规范确定约束条件。然后使用粒子群算法对目标函数进行迭代求解并在求解过程中采用惩罚函数法解决优化模型中不等式约束问题。对比优化前后连杆的杆长、受力和稳定性数据,发现优化后的四连杆实现了轻量化,且受力较小,稳定性提高。研究结果对四连杆的设计有实际参考价值。     

汽车动力总成悬置系统鲁棒优化算法

应用鲁棒优化设计理论,考虑设计变量的不确定性对优化设计结果的影响,建立鲁棒优化模型。以动力总成悬置系统能量解耦为目标,悬置刚度参数为设计变量,考虑设计目标的均值和标准差,建立动力总成悬置系统的鲁棒优化模型。针对粒子群算法求解容易陷入局部最优解的问题,采用混合粒子群算法对动力总成悬置系统的悬置刚度参数进行鲁棒优化,并用Monte Carlo方法进行分析,以考察设计值的变化对目标函数的影响。结果表明,优化方法可以有效提高悬置系统的鲁棒性。     

改进的 QPSO 算法在自融资投资组合中的应用

针对量子粒子群优化 (Quantum Particle Swarm Optimization, QPSO) 算法的缺陷,提出了一种基于 L$\acute{\rm e}$vy 飞行策略和混合概率分布的改进量子粒子群优化 (Hybrid Quantum Particle Swarm Optimization, HQPSO) 算法。在算法的设计中,借助 L$\acute{\rm e}$vy 飞行策略对粒子位置的迭代公式进行更新,用于改善算法的局部收敛精度,增强其全局探索能力。另外,考虑到迭代后期的早熟问题,在势阱模型中引入了指数分布和正态分布相结合的混合概率分布,帮助算法及时逃离局部最优。基于 16 个基准函数的测试结果表明,HQPSO 算法在收敛精度和鲁棒性上比其他几种算法表现更好。最后,将改进的 QPSO 算法应用到自融资投资组合模型的求解中,其数值结果与差分进化、粒子群优化算法和量子粒子群优化算法相比,HQPSO 算法展现出更好的可比性和优越性。     

一种基于椭球约束的加速度计粒子群优化静态修正方法

研究了微机电系统加速度计基于椭球约束的静态修正法。根据微机电系统加速度计输出数学模型,采用标准粒子群优化算法估计微机电系统加速度计的输出数学模型中的刻度因数、零偏及正交误差。实验结果表明,该方法有效剔除了采样过程中的随机误差,粒子群优化方法的引入,使得微机电系统加速度计输出能够准确地反映其真实值。