改进的多种群协同进化微粒群优化算法

提出一种改进的基于多种群协同进化的微粒群优化算法（ＰＳＯ）．该算法首先利用免疫算法实现解空间的均匀划分,增加了算法稳定性和全局搜索能力．在运行过程中,通过种群进化信息生成解优胜区域,指导变异生成的微粒群向最优解子空间逼近,提高算法逃出局部最优的能力．将此算法与ＰＳＯ 算法和多种群协同进化微粒群算法进行比较,数据实验证明,该算法不仅能有效地克服其他算法易陷入局部极小值的缺点,而且全局收敛能力和稳定性均有显著提高．     

基于蚁群算法的并联机器人误差补偿方法

提出一种利用蚊群算法补偿Stewart并联机器人位姿误差的方法.基于闭环矢量法建立Stewart并联机器人位姿误差模趔,通过6个驱动杆的长度误差和铰链误差得到并联机器人的位姿误差.在位姿误差模型的基础上,利用基于网格划分策略的连续蚁群算法,通过信息素更新指导蚂蚁反复搜索,对驱动杆杆长误差进行寻优,最终补偿Stewart...     

基于多种群协同进化微粒群算法的径向基神经网络设计

神经网络结构和权值的联合设计一直是神经网络进化设计的一个研究方向.本文根据基本微粒群算法的特点,借鉴递阶编码的思想,构造出一种多种群协同进化微粒群算法.该算法具有种群内个体微粒自由运动特征分量与种群运动特征分量分层递阶进化的特征,克服了标准微粒群算法在多峰函数寻优时出现的微粒“早熟”现象.应用该算法进行径向基神经网络隐层结构和径向基函数参数联合自适应设计,在非线性系统辨识中显示了比较好的收敛性和训练精度,同时也使网络的泛化能力和逼近精度这一对矛盾得到了比较好的协调统一.     

绳索牵引并联机器人的双空间自适应同步控制

在绳索牵引并联机器人(CDPR)的运动过程中,关键的问题就是绳索必须保持张紧,且多根绳索之间需要相互协调.而且,模型参数的不确定性也会在一定程度上影响其运动控制,必须加以考虑.为了解决这些挑战,将绳长空间自适应同步与工作空间自适应补偿结合起来,提出了一种新型的双空间自适应同步控制器.通过绳长同步误差来表示绳索之间的协调运动,并通过双空间自适应的方法来实时补偿不同空间中的模型参数不确定性.随后,严格证明了双空间自适应同步控制系统的闭环稳定性.将实验结果与现有的增广PD控制器进行对比发现,提出的双空间自适应同步控制器可以显著地提高绳长的跟踪精度、改善绳索之间的协调关系,从而最终提高动平台的控制精度.同时,控制器中的自适应作用可以有效地补偿末端动平台的质量变化带来的影响.     

多种群协同进化的微粒群算法

在对标准微粒群算法分析的基础上,提出了一种多种群协同进化的微粒群算法.它将整个种群分解为多个子种群,各子种群独立进化,周期性地更新共享信息.其中采用了两种不同的更新策略,并对这两种不同的方法进行详细地分析和比较.实验结果表明,合适地更新周期能提高算法的收敛性和最优性.     

一种多微粒群协同进化算法

受自然界共生现象的启发,将微粒群算法和协同进化相结合,提出了一种多微粒群协同进化算法。进化过程中,粒子不仅要与本子群的其他微粒交换信息,还要受其他子群体的影响。通过对三个标准函数优化的实验结果表明,此算法在一定程度上避免了陷入局部极值点并且提高了收敛精度。     

多种群协同进化的差分进化算法

针对差分进化算法在优化过程中容易陷入局部最优和收敛精度不高的问题,提出一种多种群协同进化的差分进化算法。首先提出双序法用于种群划分：同时使用距离系数排序和适应度值排序将种群划分为三个子种群,将离全局最优个体远且适应度值优秀的个体划分出来,可以有效的避免陷入局部最优。其次对每个子种群采用不同的变异策略和控制参数,同时对整体表现一般的种群采用概率判定机制选择变异策略,以平衡全局探测和局部搜索。最后将所提算法在CEC2017测试集上进行实验仿真,实验结果表明,所提算法在收敛精度、跳出局部最优等方面均优于其他改进DE算法。     

基于微粒群算法与模拟退火算法的协同进化方法

提出了一种基于模拟退火与微粒群算法的协同进化方法,利用了微粒群算法的易实现性、局部快速收敛性以及模拟退火算法的全局收敛性.通过两种算法的协同搜索,可以有效克服微粒群算法的早熟收敛.仿真结果表明,本文的协同进化方法不仅具有较好的全局收敛性能,而且具有较快的收敛速度.文章从理论上证明了该方法以概率1收敛于全局最优解.     

基于模拟退火机制的多微粒群协同进化算法*

模拟退火和多微粒群协同进化是两种较好的改进微粒群算法性能的方法,将这两种思想有机地结合起来,提出了一种基于模拟退火机制的多微粒群协同进化算法。通过对三个标准函数优化的实验表明,该算法高效、稳定地提高了全局寻优能力。     

二分微粒群协同进化优化算法

针对微粒群优化算法易发生过早收敛问题,受自然界分而治之的思想和共生现象的启发,提出了一种二分微粒群协同进化优化算法,算法的主要思想是在奇数次对种群进行寻优,在偶数次将微粒群分为两个子种群,子种群独立完成寻优任务,与其他群体几乎不发生联系。最后,通过对5个标准函数的测试结果表明,提出的算法在一定程度上避免了陷入局部极值点,并且提高了收敛精度。     

基于末端转角误差的并联机器人零点标定方法

针对一种4自由度高速并联机器人（Cross-IV机器人）的零点标定问题,提出了一种基于末端转角误差信息的快速零点标定方法．基于机器人的单支链闭环矢量方程,建立了零点误差全集与末端误差之间的映射模型．通过对误差传递矩阵的分解,在仅利用旋转编码器对末端转角误差进行测量的基础上,构建了该机器人的快速零点误差辨识模型．为进一步最大化测量效率及提高辨识矩阵的鲁棒性,提出了一种优化的测量点选择方案．通过仿真详细验证了该零点标定方法的鲁棒性与准确性．基于激光跟踪仪的验证实验表明,经标定后机器人末端位置误差降低至1.312 mm,转角误差降低至0.202°,标定结果表明该零点标定方法简单、有效．     

Application of Joint Error Mutual Compensation for Robot End-effector Pose Accuracy Improvement

A method of robot end-effector pose accuracy improvement using joint error mutual compensation is presented. The developed method allows locating special robot configurations with the highest robot end-effector pose accuracy using joint error maximum mutual compensation. The computer simulation and experimental results confirmed the theory. The method provides the basis for an industrial application of joint error mutual compensation in the conventional robotic manipulators and allows improving robotic manipulator end-effector pose accuracy up to 2 times. The practical areas and typical robotic systems, where the developed framework of joint error mutual compensation could be applied, were presented.     

一种求解TSP问题的多种群并行遗传算法

遗传算法是一种基于自然群体遗传机制的有效搜索算法,由于它在搜索空间中同时考虑许多点.减少了收敛于局部极值的可能,也增加了处理的并行性.因此可以利用并行遗传算法研究典型的TSP问题的求解.提出一种有效的多种群并行算法求解旅行商(TSP)问题,应用多种群遗传并行进化的思想,并在种群之间进行遗传信息交流,以解决经典遗传的收敛到局部最优值问题.仿真实验结果表明,方法在解的精度上以及解的质量上优于经典的遗传算法.     

基于眼球前庭动眼反射的机器人视觉误差主动补偿方法

针对机器人在颠簸环境下作业过程中产生姿态变化从而导致的视觉不稳定性问题,基于眼球前庭动眼反射的机理,提出一种主动补偿视觉误差的方法.在生理学和解剖学的基础上,根据眼球运动的神经回路,建立了一个具有自适应性的前庭动眼反射控制模型.为了验证模型的性能,在不同的环境中进行了仿真实验,仿真结果表明该模型可以主动补偿机器人姿态变化所引起的视觉误差,并且具有良好的自适应性.最后,通过实体机器人实验验证了该控制模型的有效性与准确性.     

基于椭圆假设的磁罗盘航向测量算法研究

磁罗盘常用于自主式水下航行器（Autonomous Underwater Vehicle,AUV）导航系统中对惯性器件的姿态测量进行校正。为了补偿载体内干扰磁场对磁罗盘航向解算带来的误差,采用基于椭圆假设的误差模型,通过最小一：乘拟合椭圆,扶得磁罗盘误差补偿算法中椭圆模型的各分布参数。陆上仿真实验的结果表明,基于椭圆假设的实时补偿算法能够获得稳定、高精度的航向角测量,不同路径类型下的误差精度可提高60％至80％。补偿结果为水下导航系统算法设计提供了精度依据。     

工业机器人末端误差补偿研究

在分析工业机器人工作空间的基础上,讨论工业机器人的位姿误差补偿问题。主要内容包括误差补偿的原理、补偿过程以及补偿结果的分析,利用Crystal Ball对PUMA六自由度工业机器人的关节角进行了随机误差的仿真。     

基于椭圆旋转的磁传感器误差补偿算法

针对硬磁干扰和软磁干扰条件下的磁罗盘误差补偿问题,对传统的误差椭圆假设模型进行改进,提出一种基于椭圆旋转的磁传感器误差补偿算法。分析磁罗盘误差产生的因素,并建立椭圆旋转数学模型。采用非线性最小二乘拟合算法推导出误差补偿参数公式。利用Honeywell双轴磁阻传感器的测量值和椭圆旋转拟合的算法,对两轴磁传感器进行测试标定与误差补偿。实验结果表明,椭圆旋转算法能够有效补偿外部磁场产生的硬磁干扰和软磁干扰,与传统的椭圆模型补偿算法相比,该算法测得的航向角最大误差从2.0°减小到0.4°。     

基于协同进化遗传算法的自动谈判

提出了基于协同进化遗传算法的自动谈判算法,模拟了有限期轮流出价谈判协议中的策略学习机制。实验结果表明,基于协同进化的自动谈判能够生成近似于子博弈完美均衡的策略组合,具有良好的应用前景。 自动谈判;协同进化;遗传算法;轮流出价     

Fuzzy-PID在柔索并联驱动转台控制系统中的应用

本文提出了一种带有约束机构的并联柔索驱动转台,介绍该转台的机构构型,设计了一种利用模糊逻辑进行在线参数自适应的Fuzzy-PID控制器。该控制器能够对PID的参数进行在线自动调整,仿真结果表明,采用参数自适应模糊PID控制器后,控制系统的响应速度加快,超调量减小,过渡过程时间大大缩短,振荡次数少,具有较强的鲁棒性和良好的稳定性。