采用编译方式的前瞻速度规划算法研究

为实现进给速度的优化,提高数控系统前瞻性,提出了一种采用编译运行方式的前瞻速度规划算法。该算法在插补模块运行之前,将待加工曲线段速度规划作为预处理工作一次性完成,算法受实时性的限制小,有效地提升系统前瞻性能。算法分为反向规划和正向规划两部分,规划之后得到每一曲线段速度的分段函数。基于S型曲线对称性,通过引入附加时间段,改进了S型加减速规划算法,考虑了速度单调的情况。并通过仿真实验证明了算法的有效性。     

基于禁忌粒子群算法的混流装配线排序研究

为了更好地解决开放式作业域的混流装配线排序问题,建立了以最小化超载时间与平顺化零部件消耗为优化目标的混流装配线排序问题数学模型,并提出了一种禁忌粒子群算法求解该排序问题。针对标准粒子群算法在算法后期搜索精度不足以及容易陷入局部最优不能跳出的缺陷,引入了禁忌搜索算法建立了对最优微粒的重搜索机制来提高算法跳出局部最优的能力,同时给出了禁忌算法中候选解、禁忌表长度、禁忌对象、藐视准则的设置方法,并采用了随机权重的惯性权重更新方式来平衡算法的全局和局部搜索能力,最后建立了禁忌粒子群的算法流程。通过比较禁忌粒子群算法与遗传算法的实例计算结果,验证了禁忌粒子群算法在求解开放式作业域的混流装配线排序问题中的有效性和优越性。     

基于粒子群优化算法的小型足球机器人路径规划

为了解决足球机器人无法躲避动态障碍物和容易陷入局部极值的问题,在深入研究粒子群优化算法的基础上,提出了采用栅格法与粒子群优化算法相结合的路径规划算法。首先采用栅格法对小型足球机器人工作环境构造模型,再利用改进的粒子群优化算法进行最优路径搜索。该算法实现简单,收敛速度快,不易陷入局部极值,不仅能够满足足球机器人实时动态的路径规划要求,而且能满足不同环境下的路径规划要求。仿真实验表明,该方法可以很好地应用于足球机器人的路径规划中。     

求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法(PSO)和变邻域下降搜索(VND)的混合粒子群算法(PSO-VND),用以解决卸装一体化车辆路径问题(VRPSDP)。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索(VND)过程中使用3种不同的邻域结构:插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

求解卸装一体化的车辆路径问题的混合粒子群算法

提出了结合粒子群算法（PSO）和变邻域下降搜索（VND）的混合粒子群算法（PSO-VND）,用以解决卸装一体化车辆路径问题（VRPSDP）。在此混合算法的前半部分,运用粒子群算法对解空间进行搜索,找到相对较优的一组解。在PSO过程中对于可行化和优化后的粒子添加速度分量,并依据相似度进行变异。在此算法的后半部分,运用变邻域下降搜索对得到的较优解再进行深度搜索,以得到理想的解。在变邻域下降搜索（VND）过程中使用3种不同的邻域结构：插入、交换和交叉,依次对解进行迭代优化。最终采用标准算例进行了仿真试验,验证了混合算法的可行性和有效性。     

基于改进粒子群-禁忌搜索算法的悬置系统优化设计

针对某款越野车在怠速工况下发动机悬置系统隔振效果不理想,以曲轴中心线和第一个气缸后端面为原点建立了发动机悬置系统的动力学模型.并针对悬置系统固有频率和振型的求解采用了乔里斯基分解法结合雅克比法的求解方法,同时提出改进粒子群-禁忌搜索优化算法以系统主要激励力方向的解耦率为优化目标,对悬置系统进行了优化,优化后悬置系统主要...     

基于蚁群算法-粒子群算法的白车身侧围点焊机器人路径规划

针对白车身侧围点焊多机器人协调焊接任务,对焊接路径规划算法进行了研究。提出了一种适用于该任务的蚁群粒子群混合算法,以实现多机器人焊点分配均匀和单机器人焊接路径最优的焊接要求。通过分析白车身侧围焊点分布特点及多机器人协调焊接要求,建立白车身侧围点焊多机器人协调焊接任务数学模型。设计了基于蚁群粒子群混合算法的路径规划方案,在MATLAB中得到规划结果。利用机器人离线编程软件Robotstudio建立白车身侧围多机器人协调焊接工作站,对规划结果进行仿真实验。结果表明,该算法可实现焊点均匀分配,缩短焊接路径,有效提高焊接效率。     

均匀粒子群蚁群融合算法的机器人路径规划

为了提高移动机器人点对点路径规划的性能,提出了均匀粒子群蚁群融合算法。首先分析了粒子群算法原理,找出了导致算法"早熟"的搜索机制缺陷,提出了均匀粒子群算法,此算法改进了粒子群算法的搜索机制,保证了在迭代过程中的粒子多样性,克服了算法"早熟"问题;介绍了蚂蚁系统和蚁群系统算法的区别,提出了均匀粒子群蚁群融合算法,首先使用均匀粒子群算法搜索次优路径,在此路径上撒播信息素,然后使用蚁群算法寻找最优路径。实验结果表明,融合算法规划出的路径最短,而且迭代效率高、容错能力强。     

基于改进粒子群算法的移动机器人全局路径规划

在标准粒子群算法的基础上加入混沌初始化、变异以及杂交操作。改进算法在保持标准粒子群算法结构简单、收敛速度快等特点的同时增加了种群的多样性,扩大了粒子搜索空间,有效克服了算法的早熟收敛问题,获得了从起点到终点的最优路径,证明了该方法的有效性和实用性。     

面向机器人路径规划的改进粒子群算法

针对复杂地图环境下的机器人路径规划问题提出一种聚类融合交叉粒子群算法,以避免传统粒子群算法(Parti-cle Swarm Optimization,PSO)容易陷入早熟且搜索精度差的问题.首先,根据粒子的适应度值对粒子进行k均值聚类,使较多的良性群体极值位置得到保存,从而增强粒子的探索能力;其次,用交叉、变异算子增加粒子多样性,避免在迭代前期粒子陷入早熟导致算法停滞;然后,采用自适应粒子群参数设置,减少粒子走入局部最优概率.最后,对比不同复杂度的地图算例结果发现,改进后的算法最终在安全避开障碍物的同时,具有搜索精度高、稳定性好且路径更优的效果,在路径规划上具有一定的实用价值.     

基于量子粒子群优化算法的空间机器人非完整笛卡尔路径规划

利用自由漂浮空间机器人系统的非完整冗余特性,提出一种可使基座姿态和机械臂末端位姿同时到达期望状态的路径规划方法.该方法首先通过正弦多项式函数对机械臂关节角轨迹进行参数化,并根据基座姿态和机械臂末端位姿控制精度指标设计目标函数,由此,将自由漂浮空间机器人系统的非完整笛卡尔路径规划问题转换为非线性系统的优化问题.采用量子粒子群优化算法对非线性优化问题进行求解,将求解出的参数代入机械臂关节轨迹函数,即实现了非完整路径规划的目标.建立由飞行基座和6-DOF机械臂组成的空间机器人系统动力学模型,对所提出的方法进行仿真验证.试验结果表明,所提出的方法能够收敛于全局最优值,收敛速度快,所需调整参数少,且规划的关节路径满足关节角、角速度及角加速度的范围,关节路径平滑,适合于机械臂的控制.     

混合粒子交互微粒群算法

针对现有微粒群算法仅考虑单一一种引斥力规则使得其搜索能力存在的不足,考虑在不同搜索阶段采用不同的引斥力规则,提出搜索后期引力增强型混合引斥力微粒群算法(LAPSO算法)。利用拟态物理学中的引斥力规则使粒子保持多样性,提高算法的全局搜索能力;当进入到具有全局最优解的区域时,增强引力作用、减少斥力作用,利用比自身适应度好的粒子和全局最优解粒子的引力作用,提高算法的局部搜索能力。为进一步提高LAPSO算法的优化性能,将其与混合全连接型-环形拓扑结合,提出混合粒子交互微粒群算法(HIPSO算法)。通过6个Benchmark函数进行测试,结果表明,与现有的扩展-微粒群、微-微粒群、中值导向-微粒群等算法相比,所提的LAPSO算法、HIPSO算法具有较好的种群多样性,具有更好的寻优精度、收敛率和最优解搜索能力。结合文献[7]中的柔性流水车间调度离散优化实例和文献[20]中的超声振动加工工艺参数连续优化实例,验证了HIPSO算法的最优解搜索能力。     

一种改进的粒子群优化算法

针对粒子群算法容易陷入局部最优的缺点,在改变动态惯性权值的基础上,提出了一种动态迭代次数粒子群算法DIPSO(Dynamic Iterative Particle Swarm Optimization).该算法根据每个周期内达到收敛的迭代次数不同,在一个周期内,当其和累积小于某个值时,就对其重新进行初始化,从而使算法具有动态的自适应.通过对几种典型测试函数的优化,结果表明,DIPSO算法的收敛速度明显优于PSO算法,收敛精度也有所提高.     

基于粒子群算法的公差分配优化方法

基于成本—公差模型和质量损失模型,以加工能力和装配尺寸链的功能约束条件为标准,以制造成本最低、质量损失最小为优化目标,建立兼顾产品成本和质量的公差分配的多目标函数优化模型。基于粒子群优化算法,按照从全局到局部的寻优策略,用线性调节方法来确定其参数的变化规律,进而应用MATLAB软件对建立的函数模型进行优化计算,得到产品的生产成本和质量损失之间的关系曲线,可为公差分配提供更多的解决方案和更可靠的理论依据。     

基于提高全局搜索能力的微粒群优化研究

全面分析了标准PSO算法的算法流程、主要参数和优缺点,针对算法在搜索精度方面存在的缺陷,提出了PSO算法的改进思路:在算法中引入非均匀变异机制,以增强算法的全局搜索能力.通过约束优化问题的测试,表明所提出的改进PSO算法在搜索精度方面较标准PSO算法有很大的改善.     

解决多目标优化问题的一种粒子群优化算法

优化设计已发展成为一种有效的新型工程设计方法.粒子群优化算法作为一种新型优化算法,逐渐被用于解决多目标优化问题.但目前研究还较少,本文提出了一种基于Pareto解集的多目标粒子群优化算法.采用一个"记忆体"来存储当前得到的Pareto最优解,对当前所得到的Pareto最优解进行相互比较,以确定一个较优的微粒作为微粒群更新方程中的全局极值,由此来引导其它粒子尽快向最优靠拢,达到算法收敛的目的.测试函数的仿真实验结果表明该算法取得了很好的效果.     

基于CMM测量路径优化算法的研究

随着计算机集成制造系统(CIMS)的深入发展,计算机辅助检测工艺规划(CAIP)已成为CIMS中集成质量系统(IQS)的关键环节。本文研究了基于坐标测量机(CMM)的测量路径优化算法,对坐标测量机的测量路径优化问题进行了合理的描述,分析了已有路径优化算法存在的不足,提出并实现了将遗传算法和禁忌搜索算法结合的策略用于测量路径优化的GATS算法,取得了良好的效果。     

基于遗传算法的装填机械臂轨迹多目标优化设计

本文通过5次多项式插值法,建立药筒装填机械臂在关节空间的轨迹数学模型,提出了基于时间、能耗和振动的3个优化设计目标,并结合遗传算法对轨迹模型进行优化.结果表明,优化后的轨迹保留了原有轨迹模型一阶、二阶导数连续的特点,更加符合装填机械臂对实际操作任务的需求.     

分步求解切割路径的优化算法研究

为实现切割路径优化,提升加工效率,提出了分步求解切割路径的思想。第一步:引用坐标中心点概念,确定所有图案切割点,实现切割路径优化问题向旅行商问题的转化。第二步:设计遗传算子,在MATLAB下实现遗传算法对旅行商问题的仿真求解。与采用最邻近算法确定切割点方法的结果对比,前者最优路径(8 845.2 mm)为后者最优路径(9 652.0 mm)的91.6%,证明了提出算法的可行性。