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。     

基于粒子群优化和协同优化的多学科设计优化研究

协同优化是进行多学科设计优化的有效方法之一。本文将粒子群优化算法应用于协同优化,通过对系统级优化等式约束条件进行转换,克服了协同优化自身内部的计算缺陷,有效解决了当原始系统优化问题不满足Kuhn-Tucker条件时导致的计算困难,最后以数值计算和减速器设计为例进行了验证。结果表明本文提出的方法是有效的,同时也为将新型算法应用于多学科设计优化问题提供了参考。     

基于粒子群优化算法的斜齿轮设计

粒子群优化算法(Particle Swarm optimization)是一种基于群智能(Swarm Intelligence)的优化方法,规则简单,收敛速度快.本文介绍了将其应用于斜齿轮传动的优化设计,建立基于粒子群优化算法的斜齿轮优化设计的数学模型.实践表明其能够快速、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.     

基于粒子群优化算法的车间布局设计

为降低车间内设备间的物料搬运成本,将粒子群优化算法与经典的系统化布置设计法相结合,以设备间的搬运成本为目标,求解面向车间布局的连续空间优化问题。在问题建模时采用二维向量表述设备的连续空间位置;引入系统化布置设计法对初始粒子群进行优化,在保证初始粒子群有效性的基础上提高了算法的寻优速度和精度;通过对加速系数和惯性系数的设定,提高了粒子群优化算法的寻优质量。通过实例验证了所提方法可以有效提高粒子群算法在连续空间布局问题上的优化性能。     

基于粒子群算法的铣削参数优化

针对加工中心环境下铣削加工切削参数的优化选择问题,通过考虑机床加工、工件和刀具的实际约束,建立以最大生产率为目标函数的铣削参数数学模型,采用粒子群优化算法对铣削参数进行了寻优并进行了实例验证,结果表明粒子群算法优化铣削参数可以缩短加工时间,提高生产率.     

粒子群优化算法综述

首先介绍了PSO的原理及具体实现步骤;然后针对PSO算法在搜索的初期收敛速度很快,但在后期却易于陷入局部最优的缺点,提出了各种改进办法;最后介绍了PSO算法的应用领域以及研究展望.     

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。     

基于粒子群优化的大转角重载铰链设计

将大转角重载荷铰链的设计问题分为两步,首先是构型设计,最后是机械设计。在构型设计阶段,选择了具有冗余特征的铰链构型,根据铰链的使用目的、机构运动条件及存在的几何约束等建立了数学模型,采用粒子群优化算法以承载能力为优化目标对铰链构型尺寸进行了优化设计。在机械设计阶段,对铰链的受力情况进行了分析,选择了电动缸、滑动轴承材料及配合关系等,最后完成了铰链的设计工作。采用该方法,获得了转角大且承载能力强的铰链,为具有类似需求的铰链设计提供了一种良好的思路。     

基于微粒群算法的钢水液位模糊控制器的设计

针对钢水液位控制系统的非线性、时变和大滞后性,提出一种基于微粒群算法的钢水液位模糊控制器的设计来改变系统的性能,通过仿真分析得出文中采用的控制方案与传统的PID控制方案相比,具有良好的动静态性能.     

基于改进粒子群算法的PID-CMAC控制器设计

小脑关节模型网络具有计算简单、学习速度快等特点,设计PID和CMAC的复合控制器既能够发挥PID控制器鲁棒性强的特点,又能够利用CMAC学习获取的知识根据输入的变化快速地做出响应,并能够提高控制系统的抗干扰能力.本文采用改进的粒子群算法对PID的控制参数进行优化,并在此基础上设计了一种新型的PID-CMAC复合控制器,通过仿真试验表明,该控制策略能够提高整个系统的控制品质.     

基于小生境粒子群算法的公差多目标优化设计

为解决产品设计中的公差优化问题,提出一种基于小生境粒子群算法的公差多目标优化方法。以加工成本、质量损失成本和公差敏感性为优化目标,以装配功能要求和加工能力为约束条件,建立了公差多目标优化模型。对标准粒子群算法进行改进,根据小生境数和Pareto优劣性确定孤立粒子,并通过个体历史最优粒子与孤立粒子的变异、选择操作更新粒子的个体历史最优位置;利用Pareto支配数排序更新粒子群的全局最优位置。利用改进的粒子群算法对公差多目标优化模型进行求解,得到分布均匀的Pareto前沿。设计并开发了原型系统,通过实例验证了该方法的有效性。     

基于PSO算法的自适应PMD补偿系统设计

提出了一种应用于WDM系统中的自适应偏振模色散(PMD)补偿方法,用粒子群优化(PSO)算法来实现DOP的搜索和跟踪,并经D/A转换,将对应的电压施加在偏振控制器上,调制电压范围为0～10V,调节信号的基本偏振态,从而形成闭环反馈控制模块,通过多次迭代,得到DOP的最佳值,实现对PMD的自适应补偿.     

风机齿轮传动系统整体方案的粒子群算法两层优化设计方法

提出了一种基于粒子群两层优化的风机齿轮传动系统整体方案设计方法,在充分考虑风机齿轮传动系统内在机理的前提下,以系统整体的可靠性为设计目标,通过两层优化相结合的方式,使用改进的粒子群算法寻找整个优化空间中的最优设计方案。该设计方法能够有效避免齿轮传动系统中常出现的短板效应,提高风机齿轮传动系统的可靠性。     

齿轮结构声振分析和遗传算法低噪声设计研究

从弹性动力学的观点出发对齿轮结构进行了动力特性分析,得到了不同材料齿轮结构在不同流体介质中的固有频率和固有振型,并应用声学理论,结合瑞利-里兹方法及声学理论,计算模拟了齿轮结构在轴向激励作用下所辐射的声功率等声学特性,给出了齿轮结构声功率随圆频率、激励力、齿轮厚度,以及阻尼比等参数的变化规律,从而可以定量预估齿轮结构自鸣噪声.在此基础上利用遗传优化算法对影响齿轮减速器辐射声场的各参数进行了低噪声优化,给出了低噪声下各参数的最优值,对齿轮结构的动力学设计、减振降噪和噪声控制具有重要意义.     

基于粒子群算法的摄像机标定过程优化

摄像机标定为机器视觉在物体位姿与姿态的测量过程中最重要一环,其映射物体三维空间与二维图像之间关系是一个复杂非线性最优化问题。为了更好地解决这一复杂优化问题,阐述了利用粒子群优化(PSO)算法计算摄像机标定过程的一种优化方法,重点描述了PSO算法的原理,单目视觉测量系统,以及基于CMOS摄像机的成像模型及其原理和算法。通过图像软件提取靶体模型上特征控制点,及摄像机标定算法建立了相应的计算公式。结合PSO算法优化像机外参,实验结果表明,PSO算法计算准确、速度快,具有很强的工程应用价值。     

基于改进粒子群算法的小波神经网络分类器

针对传统BP-WNN和基本PSO-WNN算法收敛速度慢和泛化性能低的缺陷,在应用李雅普诺夫理论分析得到单个粒子稳定收敛的参数取值条件基础上,提出一种粒子群改进算法,并利用该算法来训练小波神经网络权值,以此构建一种高效的粒子群小波神经网络分类器。通过Iris标准分类数据集进行测试,结果表明所提出的改进算法与BP-WNN,PSO-WNN等经典算法相比,网络更易于全局收敛,迭代次数少、函数逼近误差小、分类精度高。将该分类器应用于非线性辨识和固井质量评价中,均取得了不错的效果,表明该分类器泛化能力强,具有良好的使用价值和应用前景。     

基于混合粒子群算法的生物质气化炉改进模糊串级控制

针对生物质气化过程是一个具有非线性、非最小相位特征、不稳定性、大时滞和负荷干扰特点的动态过程,提出一种基于混合PSO的改进模糊串级控制算法,在改进模糊控制算法中通过用历史的数据信息代替偏差变化率作为模糊控制的决策依据,从而及时地反映出被控制量的变化趋势,并引入比例环节,克服了传统模糊控制器结构上的缺陷,能较好的适应具有大延迟对象.为了优化模糊控制器的量化因子,通过将PSO算法和共轭梯度法有机结合组成的混合PSO算法对模糊控制中量化因子的寻优,解决了模糊控制器量化因子参数调整的烦琐性.试验结果验证了该方法的有效性和优越性.     

基于Borda投票加权的子模块稀疏表示鲁棒模式识别算法

利用子模块稀疏表示进行分类时,具有遮挡或强烈光照变化的子模块中各类残差可能很相近,此时正确类别残差可能不是最小,依据稀疏表示分类的残差最小判别准则将导致子模块错误分类,影响最终判别结果.针对此问题,提出基于Borda投票加权的子模块稀疏表示分类算法.首先利用Borda分别对子模块中的每类进行投票,然后利用子模块稀疏度和子模块残差确定该子模块的可信度权重,依据子模块可信度权重将所有子模块中每类票数进行加权求和,进行最终分类判别.实验结果表明,当图像具有遮挡或强烈光照变化时,提出的分类算法具有很好的有效性和鲁棒性.