基于天牛须改进粒子群算法的平面度误差评定研究

基于天牛须改进粒子群算法(BAS-PSO)对平面度误差进行了评定研究.首先,建立基于最小区域的平面度误差评定的数学模型,并将目标函数转化为非线性最优化问题;接着,在粒子群算法(PSO)的基础上,引人局部搜索能力较强的天牛须算法(BAS),加速全局搜索和局部搜索的并行计算,避免算法早熟收敛并陷入局部最优,提高平面度误差评...     

粒子群优化算法及其在圆度误差评定中的应用

提出一种基于粒子群优化算法(PSO)的圆度误差评定方法。介绍了PSO算法的提出及其特点;具体阐述了PSO算法的基本原理和实现步骤;提出圆度误差评定这一非线性优化问题,给出其优化目标函数及PSO算法的适应度函数和编码方式;结合实例对算法参数进行了设置,通过实例运算对PSO进行了正确性和精确性验算。实例证明该方法能够很好地解决圆度误差评定问题,与遗传算法具有相当的计算精度,能够获得精度较高的结果。而PSO的突出优点是简单易于实现,计算速度快。     

平面度误差粒子群算法评定的不确定度评估

形状误差智能评定采用概率化随机搜索,评定结果存在分散性,针对此问题提出一种不确定度评估方法。以平面度误差粒子群算法评定为例,根据智能评定结果概率分布特性,采用β分布统示法拟合其概率分布,并对平面度误差进行区间估计,最后选取仿真平面测量数据进行不确定度评估实验。结果表明,样本个数NS=100、截取百分位数Qp=20时,估计区间能够有效包容平面度误差值,且平均宽度较小,验证基于β分布统示法的智能评定不确定度评估可行性。     

基于粒子群算法的空间直线度误差评定

提出了一种满足最小区域法的空间直线度误差评价的新方法--粒子群算法。根据最小区域条件,建立了空间直线的数学模型以及优化目标函数。阐述了粒子群优化算法的原理和实现方法,然后根据粒子群算法优化求解。实例表明该方法对于空间直线度误差评定等非线性优化问题能得到最优解,可用于三坐标测量机等测量系统的空间直线度误差测量的数据处理。     

基于动态改变权重粒子群算法的球度误差评定

为了实现对球形工件球度误差的精确评定,在4种球度误差评定数学模型的基础上,对文献提供的两组数据采用一种动态改变权重的粒子群算法(PSO)进行计算,这种算法在优化迭代过程中使惯性权重值随粒子的位置和目标函数的性质而更新。与基本PSO算法、最小二乘法、遗传算法和一种改进的PSO算法进行了比较。实验结果显示,相比其他方法,在最小包容区域法模型下使用动态改变权重粒子群算法得到的球度误差最小,第1组数据只需迭代30代左右,约50ms即可收敛,第2组数据收敛也很迅速,且多次实验显示其稳定性很高。因此,所提算法可精确快速地评价球度误差。     

不连续平面的平面度误差评定方法研究

提出了一种基于包容直线评定不连续平面的方法.首先,基于主成分分析对点云数据进行全局噪声剔除;然后,采用最小二乘平面拟合算法、多阈值点云提取算法及平行直线拟合算法获取符合条件的包容直线,并以空间中2条平行的包容直线代替包容平面建立最小区域;最后实现不连续平面的平面度误差评定及指导平面调整.实验结果表明:该方法与传统的特征...     

平面度和直线度误差的快速评定——增量算法

在平面度(直线度)误差评定的最小包容区域法中,提出一个新的、快速的实施方法--增量算法.该法以计算几何中凸壳的理论为依据,结合平面度(直线度)误差评定中数据的特点,从4个(3个)测点的子集开始,通过评定子集的平面度(直线度)以及增加距子集包容面最远的点构成新的子集的方法,逐步逼近精确解.该算法单调递增收敛到精确解,时间复杂度为O(n').几个算例证实了方法和结论的正确性.     

评定平面度误差的最小条件快速精确电算法

本文提出一种平面度误差评定的最小条件快速精确算法。用此法可在不加任何人工判断的条件下,在计算机上求得最小条件平面度误差值。该方法具有计算速度快,不存在计算累积误差,并能求得精确解的特点。     

基于改进粒子群算法的复杂曲面轮廓度误差评定及可视化

针对复杂曲面轮廓度误差的求解是一个复杂的非线性寻优问题,将改进的粒子群算法与细分曲面逐次逼近的方法相结合,实现了复杂曲面轮廓度误差值的精确计算和评定结果可视化。利用双3次B样条曲面进行理论廓面的拟合,从最小条件准则出发,建立了曲面轮廓度误差的数学模型;通过细分曲面逐次逼近的方法,计算出点到曲面的最小距离。在对基本粒子群算法分析的基础上,引入了非线性动态惯性权重系数和杂交算子,提高了算法的精度和效率。以VRML作为三维展示平台、Java Applet作为控制核心,实现了面轮廓度误差评定的可视化、网络化。     

基于粒子群与聚类的多目标优化算法

针对粒子群优化算法容易陷入局部最优的问题,提出了一种基于粒子群优化与分解聚类方法相结合的多目标优化算法。算法基于参考向量分解的方法,通过聚类优选粒子策略来更新全局最优解。首先,通过每条均匀分布的参考向量对粒子进行聚类操作,来促进粒子的多样性。从每个聚类中选择一个具有最小聚合函数适应度值的粒子,以平衡收敛性和多样性。动态更新全局最优解和个体最优解,引导种群均匀分布在帕累托前沿附近。通过仿真实验,与4种粒子群多目标优化算法进行对比。实验结果表明,提出的算法在27个选定的基准测试问题中获得了20个反世代距离(IGD)最优值。     

基于速度交流的多种群多目标粒子群算法研究

为提高多目标优化算法的收敛精度和搜索性能,提出一种基于速度交流的多种群多目标粒子群算法。算法引入速度交流机制,将种群划分为多个子种群以实现速度信息共享,改善粒子单一搜索模式,提高算法的全局搜索能力。采用混沌映射优化惯性权重,提高粒子搜索遍历性和全局性,为降低算法在运行后期陷入局部最优Pareto前沿的可能性,对各个子种群执行不同的变异操作。将算法与NSGA-Ⅱ、SPEA2、Ab YSS、MOPSO、SMPSO和GWASF-GA先进多目标优化算法进行对比,实验结果表明:该算法得到的解集具有更好的收敛性和分布性。     

粒子群优化算法综述

粒子群优化（PSO）算法是一种新兴的优化技术,其思想来源于人工生命和演化计算理论。PSO通过粒子追随自己找到的最好解和整个群的最好解来完成优化。该算法简单易实现,可调参数少,已得到广泛研究和应用。详细介绍了PSO的基本原理、各种改进技术及其应用等,并对其未来的研究提出了一些建议。     

基于速度交流的共生多种群粒子群算法

为了提高粒子群算法的求解精度,改善算法的搜索性能,提出一种基于速度交流的共生多种群粒子群算法(SMPSO)。该算法采用速度交流机制划分整个从种群为多个子种群,负责解空间的全局搜索,将获得的最优信息分享给主种群;主种群综合从种群与自身最优经验,负责局部深度优化,获得最优信息反馈给从种群,从而建立主从群间的共生关系,实现解空间的充分搜索。迭代后期,在主种群中引入自适应变异策略,提高算法跳出局部最优的能力。将提出的SMPSO算法应用于基准测试函数中,与其它改进的PSO算法进行比较。实验结果表明,SMPSO算法在求解精度、搜索能力、稳定性等方面均有较大的提高。     

基于微粒群算法的系统可靠性优化

微粒群算法是近来发展起来的一种新的优化计算方法,在简要说明微粒群算法的基础上,将该算法用于系统可靠性优化计算,分别对串联系统的可靠性分配、桥联系统的冗余可靠性优化设计问题进行分析计算,探讨了微粒群算法在系统的可靠性优化计算中应用的可行性,计算机仿真结果表明了微粒群算法求解该问题的可靠性和有效性。     

基于改进粒子群算法的航空行李在线装载优化

目的 为解决航空行李自动装卸中关键装载算法问题,实现航空行李自动装卸,同时满足流水作业的实际需要.方法 基于关键点装载策略,提出一种以装载空间利用率为优化目标,考虑行李质量、体积及装载顺序等约束条件的改进粒子群算法.首先,通过关键点法输出流水线上待装载行李的全部可放点序列,然后根据约束条件重新定义粒子群算法的速度与位置,以空间利用率为适应度函数进行迭代寻优,输出全局最优解,实现对装载位置与姿态的优化.结果 实验部分采用真实行李数据对算法进行仿真验证表明,改进粒子群算法优化后可将箱体空间利用率提高了10.8％,平均规划布局效率提高了26.5％.结论 提出的装载算法能够有效地解决实际行李装载问题,为行李流水作业的货物装载提供理论依据及参考.     

基于粒子群优化算法的金刚石砂轮磨粒边缘提取

为了实现对金刚石砂轮磨粒边缘的有效提取,将基于粒子群优化算法的Canny算子应用在金刚石砂轮磨粒的边缘检测上。用最大类间方差作为目标函数,优化Canny算子的阈值,实现边缘的有效提取。分别对实测的单颗磨粒和多颗磨粒进行了边缘提取,实验结果显示该算法可以较好地提取金刚石砂轮磨粒边缘。该方法不需要人为设定阈值,可以实现阈值的自动获取和优化。最后,利用四连通成分和八连通成分与像素总数的比值,将阈值可优化设定的Canny算子与传统的Canny算子以及最大类间方差的方法做对比,结果表明所应用的方法有效地提高了检测的准确性。