基于最短走刀路线的数控加工程序优化设计

按最短走刀路线进行编程加工是提高数控加工效率的主要措施之一.通过一个典型零件数控加工走刀路线设计方案的比较分析,探讨缩短走刀路线、优化加工程序的方法.经实际加工证明,以最短走刀路线优化程序后,可极大地缩短零件的加工时间,提高加工效率,降低加工成本.     

基于动态规划算法的孔群加工路线优化

孔群加工路线优化,对于提高多孔类零件的加工效率和质量具有重要意义。通过数控机床上孔群加工工艺路线的分析,利用动态规划算法,对数控机床孔群加工路线进行了优化计算。最后通过实例验证此优化方法在孔群加工中明显提高了数控加工的效率、降低了加工成本。     

基于HPSO算法的CNC在线检测路径规划

CNC在线检测路径规划直接关系到在线检测效率,为生成最短的无干涉检测路径,文章提出一种基于混合粒子群算法(HPSO)的在线检测路径规划方法。采用先避障后优化的规划策略,规划出无干涉的初始检测路径,基于旅行商问题建立优化模型,使用HPSO算法优化测点间检测顺序及特征间检测顺序。针对典型工件进行在线检测路径规划及检测实验,相比于基本粒子群算法的优化结果和人工规划结果,该方法在保证测头安全的前提下,有效缩短检测路径长度,提高了检测效率。     

粒子群-蚁群融合算法的机器人路径规划

为了提升移动机器人在全局静态环境下搜寻到达指定目标点的最优路径的能力,提出一种粒子群算法和蚁群算法改进求解路径规划问题的融合算法。改进算法针对粒子群算法易陷入局部极值,利用蚁群算法获得全局最优路径;设置标识栅格,提升路径安全度;同时引入活跃因子增加粒子速度的多样性,根据粒子群算法最优解调整路径上信息素分布,解决蚁群算法中初始信息素缺乏的问题。融入简化算子,对路径做进一步处理,优化路径长度。仿真结果表明,融合算法具有较强的安全性以及改善了算法寻找最优解的能力。     

基于粒子群优化算法的机器人最优轨迹规划

机器人轨迹规划是机器人研究中的一个重点方向,直接关系到机器人的工作效率。为了使机器人运动过程中角速度和角加速度连续,采用三次样条插值函数对运动轨迹进行规划。由于角速度过快和角加速度过大会导致机器人系统产生震动和冲击现象,因此利用粒子群优化算法对角速度以及角加速度约束下的机器人运动时间进行优化,使得机器人在平稳运行的同时保持运行时间最优。最后运用MATLAB机器人工具箱进行仿真实验,实验结果证明了该方法在机器人轨迹规划中的可行性。     

基于改进混合粒子群算法的机器人轨迹规划

针对机器人工作效率以及运行平稳性问题,提出一种基于改进混合粒子群算法的轨迹规划方法。建立新的模拟退火机制,并结合粒子群算法进行多目标优化;使用非线性惯性权重递减策略以及动态学习因子平衡局部和全局搜索能力。以某六自由度机器人(SFR-TA)为研究对象,使用5-7-5插值多项式构造轨迹曲线;利用权重系数法,将基于时间-脉动冲击的目标函数归一化处理以求得最优值。结果表明：相比于传统粒子群算法,该算法的运行时间更短,同时可有效减少机械臂脉动冲击,具有更好的稳定性。     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

改进型粒子群算法在数控加工切削参数优化中的应用

文章介绍了粒子群算法及其改进型的原理、模型和算法实现过程,并采用改进型粒子群算法对数控加工切削参数优化数学模型进行了优化计算,计算结果符合实际情况,表明改进型粒子群算法应用于机械加工优化计算切实可行,为复杂的机械制造及加工系统优化设计问题提供了新的思路和方法.     

基于改进粒子群算法的线缆路径规划方法研究

针对复杂机电产品布线路径规划过程中存在的效率较低、可应用性差等问题,提出一种改进粒子群算法,使用栅格法对布线空间进行划分,对障碍物建模并进行方向包围盒处理。为了避免算法在迭代过程中陷入局部最优,引入非线性逐渐递减的惯性权重与异步变化的学习因子,并且将贴壁约束加入到路径规划的过程中,保证线缆在敷设时路径的合理性。最后在仿真试验中,与标准粒子群算法进行对比,验证了改进后算法的合理性与可行性。     

粒子群复形法求解生物反应器的补料优化

动态系统优化是过程设计、操作及控制的一个重要课题,但有效地求出其全局最优解是困难的.现今各种算法求解此问题时需要增强算法的优化性能和算法的简洁性;而遗传算法求此类问题时需要进行离散化,本文为此提出用粒子群复形法求解此类问题.此算法是在充分考虑粒子群算法与复形法的特性,保持复形法的迭代机理,同时加入粒子群算法基本思想,再结合几何分点、梯度与信赖域等的基础上提出的;以克服粒子群算法与复形法易陷局部极值的不足.性能测试的结果表明:该算法简便、可行、高效;最后将所提出的算法用于Park-Ramirez生物反应器补料流率的动态优化,也取得了满意的效果.     

基于粒子群算法的RBF神经网络齿轮磨损预测

针对机械设备磨损难以预测问题,提出RBF神经网络预测模型,并结合粒子群算法优化模型参数。利用变速箱型号为SG135-2系列的K727840ZW齿轮磨损实验输入-输出数据,通过基于粒子群算法的RBF神经网络建立输出预测模型,并与传统的AR模型、BP神经网络模型及Hermite神经网络模型预测作比较。仿真结果表明,基于粒子群算法的RBF神经网络模型结构简单、预测精度高,验证了所提方法的有效性和实用性。     

基于粒子群自适应差分进化算法的动压缸电液伺服系统辨识

给出了轨道路基测试装置动压缸电液伺服系统AMESim模型和传递函数。针对标准差分进化算法早熟和自适应差分进化算法收敛慢的问题,结合粒子群算法收敛快的优点,构造了一种以粒子群为外环、自适应差分进化为内环的辨识算法。设计该系统辨识数据采集方案,得到其AMESim模型的响应数据,开展PSOADE辨识仿真和对比分析,结果表明:PSOADE不仅精度高、同一性好,而且迭代快、易收敛。最后得到了基于PSOADE算法辨识参数的动压缸电液伺服系统参数模型,仿真验证了该模型的有效性。     

粒子群算法优化的液压球形关节自抗扰控制研究

以液压球形关节为研究对象,针对其多输入多输出、非线性和模型不确定性等特征,采用一种基于改进型粒子群算法(PSO)参数自整定的自抗扰控制器(ADRC)。分析ADRC各参数的意义和整定原则,采用改进的非线性动态方式更新PSO的惯性权重,并引入基于时间乘以绝对误差积分的优化准则(ITAE),运用改进型PSO在线自整定ADRC的参数。利用MATLAB/Simulink建立控制系统仿真模型,结果表明：与传统ADRC相比,经过改进型PSO参数优化的ADRC具有更好的控制性能,在α和β运动方向上超调量分别减小0.3、0.13 rad,调节时间分别缩短0.98、0.59 s。     

基于混合粒子群算法优化橡胶挤出机Smith-模糊PID温度控制系统北大核心

为提高橡胶挤出机Smith-模糊PID温度控制系统的控制精度,更好地实现智能整定参数与橡胶挤出机温度最优控制,采用混合粒子群(HPSO)算法优化Smith-模糊PID控制系统,完成对温度控制系统PID参数基准值的自动寻优。借助MATLAB软件辨识挤出机温控系统数学模型,搭建Smith-模糊PID温度控制系统。为避免粒子群(PSO)算法陷入局部最优,在PSO算法的基础上将社会因子分解为局部社会因子和全局社会因子,设计出HPSO算法对PID参数进行寻优;将HPSO算法优化系统前后的控制效果进行对比。结果表明:采用HPSO算法优化Smith-模糊PID温度控制系统的控制精度更高、抗干扰性能更强,温度控制精度在±(1~1.5)℃以内,并且接近±1℃,完全满足橡胶挤出生产过程中对料筒温度控制的指标要求,可以在一定程度上提升温控系统的控制精度以及挤出机械的智能化水平。