基于粒子群算法的多目标模糊物元优化研究

针对产品设计优化过程中多目标性、模糊性、不确定性等特性,提出基于粒子群算法的多目标模糊物元求解策论.建立了多目标模糊物元优化模型,定义了物元的各个权重,根据某种优化准则,将多目标优化问题转化成了单目标问题的优化.运用粒子群算法作为求解策略,并提出新的改进方法,给出模糊物元多目标优化设计问题的改进自适应粒子群算法(MAPSO)求解过程,并将它与其他方法进行比较,结果显示该算法具有较高的执行效率.     

基于决策偏好的多目标粒子群算法及其应用

针对传统多目标粒子群算法在解决复杂多目标优化问题上的不足,提出一种基于决策偏好的交互式多目标粒子群算法。该算法考虑决策者的正偏好和负偏好对粒子的引导作用,首先计算外部种群粒子与双极偏好点的相对贴近度,并进行排序;根据排序结果进行外部种群管理和全局最优解更新;使用δ-邻域值控制Pareto解集的分布性。在随机多目标库存控制应用中,证明了该算法对复杂应用问题求解的有效性,性能对比结果表明,该算法的收敛性、多样性和运算时间优于基于参照点的第二代非支配解排序遗传算法。     

基于多目标粒子群算法的可靠性稳健优化设计

采用随机撮动法和粒子群算法对车辆零部件进行可靠性稳健优化设计，利用模糊的多目标粒子群优化算法求出所有满足约束性条件的pareto解集，结合实际情况依据pareto解集确定零部件的规格。实验证明，该方法能迅速有效地获得可靠性稳健设计的信息。     

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。     

基于粒子群算法的螺旋输送机多目标优化设计

以螺旋输送机的重量最小和输送效率最大作为数学模型的2个目标函数,螺旋体的结构参数为设计变量,建立了螺旋输送机的多目标优化模型,并用粒子群算法编程求解数学模型。求解优化结果表明,螺旋输送机的重量减少8.2%,输送效率提高4.5%,对螺旋输送机的优化设计具有一定的指导意义。     

基于粒子群算法的蜗杆传动多目标优化设计

以蜗杆传动接触点处的最小油膜厚度最厚、滑动速度和中心距最小为目标函数,采用粒子群算法对所建数学模型进行求解。优化结果与传统设计相比,获得了较大的最小油膜厚度和较小的滑动速度,提高了蜗杆传动的综合性能和摩擦学性能。     

基于改进粒子群算法的刨煤机多目标优化设计

针对刨煤机载荷波动率、刨削比能耗及生产能力问题,根据刨煤机刨削参数和刨头结构参数,并借助改进粒子群算法对刨煤机多目标进行优化设计。优化结果表明:刨煤机载荷波动率降低了20%、刨削比能耗降低了9.8%,生产能力升高了2.5%,极大地优化了上行刨削深度、下行刨削深度、上行刨速、下行刨速、刨刀数量和刨刀间距,有效地提高了刨煤机的整机工作性能。对比不同的优化算法,采用改进粒子群算法优化的刨煤机的综合性能优于其他算法。     

基于速度扰动项的多目标粒子群算法研究

通过系统研究多目标粒子群算法,对于标准粒子群使用的线性惯性权重或常值惯性权重方法进行分析,发现粒子后期收敛速度的不足,针对这一问题,采用非线性递减指数函数的惯性权重取值方法,对粒子群速度更新公式进行分析研究,发现在算法迭代后期许多粒子速度停滞为零,易使粒子陷入局部最优,无法找到全局最优解,进而又提出了添加二次函数类速度扰动项的改进粒子群算法,该改进算法避免了粒子在迭代后期的停滞,使粒子在迭代后期仍具有较小的飞行速度,从而避免了粒子后期陷入局部最优。通过试验对比,改进后算法在收敛性和分布性能上均提高(30~50)%左右。     

基于改进粒子群优化算法的多目标铜卷加工生产调度研究

针对多目标铜卷加工生产调度问题,提出一种自适应的改进粒子群优化算法。该算法采用基于个体拥挤距离排序的外部种群保留策略以避免陷入局部极值,基于个体拥挤距离概率更新全局极值以及基于支配关系更新个体极值,同时采用基于非支配解和单点交叉的内部种群规模自适应调整策略以及自适应动态惯性权重来保持种群的多样性。通过应用实例验证了该方法求解多目标铜卷加工生产调度问题的有效性。     

基于多目标粒子群算法工业机器人最优轨迹规划

针对工业机器人,以时间最优、能耗最优、脉动最优工作指标为目标,考虑多目标的轨迹优化问题,提出一种基于粒子群算法(PSO)的多目标轨迹优化的方法.采用五次多项式插值的方法建立工作轨迹的数学模型,添加相应的运动学的约束,以机器人运行时间、能量消耗、脉动冲击为目标建立目标函数,采用多目标粒子群算法(MOPSO)对其运动轨迹进...     

基于粒子群优化的电磁离合器模糊控制研究

针对车辆起步过程中应用传统模糊控制存在的精度不高、自适应能力有限等问题,提出了应用粒子群算法优化模糊控制器量化因子的方法。优化的量化因子随环境变化以及负载变化实时跟踪模糊控制器的参数变化,使得模糊控制器的鲁棒性和控制精度都得到了提高。仿真与实验结果表明,在车辆起步过程中,与传统的模糊控制算法相比基于粒子群优化的模糊控制算法能够在减小冲击度的同时有效减小滑摩功,具有较为理想的起步效果。     

基于多目标优化的矿用救援机器人动力匹配

目前,矿用救援机器人只有通过动力系统参数的合理匹配解决其在复杂恶劣的井下环境中无法随时补充能源及防爆电池组对机器人动力性能影响严重的问题。为此,提出基于多目标粒子群优化算法的动力匹配设计方法。该方法根据矿用救援机器人动力性能要求,确定了其动力系统参数匹配的优化目标和约束条件;基于履带行驶动力学,并考虑防爆电池组对机器人动力性能的影响,建立矿用救援机器人动力匹配模型,确定动力系统参数匹配多目标优化的决策变量;通过多目标粒子群优化算法确定了矿用救援机器人动力系统参数匹配的合理取值范围。通过试验与优化前的设计相比,机器人的总质量降低了24.36%,续航时间增加了1倍,进而验证了该方法能够有效、快速地解决矿用救援机器人动力系统参数的合理匹配问题。     

汽轮机故障诊断的粒子群优化加权模糊聚类法

针对模糊C-均值算法在汽轮机故障诊断中的不足,提出了粒子群优化加权模糊聚类分析的方法.首先,采用基于样本相似度的特征加权方法对样本特征及样本进行加权,以适应各种复杂分布的样本;然后,利用粒子群算法优化加权模糊聚类的特征权值和聚类目标函数,并依据聚类有效性指标自适应确定最佳聚类数及聚类结果.试验结果表明,该方法具有收敛速度快和全局收敛的特点,有效降低了汽轮机故障诊断的误分类率,诊断结果可靠.     

基于微粒群算法的机械优化设计

介绍了微粒群优化算法的原理、改进及算法实现过程.用数值实验验证了该算法在解决复杂机械优化问题方面的可行性与有效性.     

粒子群优化的变论域模糊PI机电作动器控制

为了提高飞机机电作动器的位置跟踪速度,克服传统PI算法参数调试依赖于人工经验的缺陷,提出一种基于粒子群优化的变论域模糊PI控制方法。首先根据机电作动器的结构与工作原理,建立永磁同步电机与机械传动部分的数学模型;然后根据电机控制系统建立机电作动器位置环变论域模糊PI控制模型;最后利用粒子群优化算法对量化因子、比例因子以及伸缩因子寻优并进行仿真验证。仿真结果表明,与传统PI控制和模糊PI控制相比,基于粒子群优化的变论域模糊PI控制方法在具备着传统模糊控制算法优点的同时,又能够根据偏差变化实时调整论域,改善系统的性能。     

基于MATLAB的粒子群优化算法及其应用研究

分析了粒子群优化算法的原理、模型和算法实现过程,并应用该法对行星齿轮传动优化设计进行了实例仿真。仿真结果表明,基于Matlab的粒子群优化算法在机械优化设计中切实可行,该优化算法为复杂的机械优化设计提供了新的思路和方法。     

基于改进多目标粒子群算法的冷连轧规程优化设计

合理的轧制规程能够提高轧机的产量和产品的质量,带来显著的经济效益。采用多目标粒子群算法,选择等相对负荷和预防打滑为目标进行冷连轧规程优化。针对算法存在的收敛性和分布性难以均衡的问题,引入一种基于平行坐标系的密度和收敛潜能计算方法;同时,为克服算法易于陷入局部最优的缺陷,提出一种带个体扰动的全局最优领导粒子选择策略。仿真结果表明,该方法能快速跳出局部极值,获得具有更好收敛性和分布性的近似Pareto前沿。最后应用该方法对某五机架冷连轧机进行了轧制规程优化。       

基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制

针对直接并网型同步风力发电机励磁系统非线性、时变性及风力发电机运行工况多变等特点,提出了一种基于粒子群优化的同步风力发电机励磁系统的变论域模糊控制方法。该方法中,通过分析确定变论域伸缩因子的结构,利用粒子群算法优化其参数,实现伸缩因子参数的智能寻优。将粒子群优化的变论域模糊控制器应用于励磁控制中,根据电压环的性能指标建立目标函数,通过对基本论域自适应调整,实现了同步风力发电机励磁系统在全工况下的自适应控制,提高了发电机端电压的调节精度和运行的稳定性。仿真结果表明,基于粒子群优化的变论域模糊控制在动态性能和稳态性能上优于模糊控制。     

PSO优化算法的参数研究

分析了惯性权重与学习因子对算法性能的影响,相应提出了几种调整策略并对其优缺点进行比较,之后基于前人的基础数据,借助Matlab软件进行编程,对6种组合调整策略进行优化试验,并与前人试验的最优解进行比较,最终通过试验数据,找出了一种较为可行的优化调整策略.     

一种凸轮曲线调制处理及粒子群优化方法

将调制的原理运用于原有的凸轮曲线设计中,用调制信号调节和控制凸轮曲线形状,以凸轮曲线特征值为优化目标,建立了对调制处理后的凸轮曲线进行多目标优化的数学模型,并阐述了用粒子群优化（PSO）技术进行求解的过程,从而得到了一种对原有的凸轮曲线进行调制处理及粒子群优化的新方法。以改进正弦凸轮曲线为例,对该调制和优化方法进行了验证。优化实例表明,该方法可以调节凸轮曲线形状,改善凸轮曲线的动力学特性,获得综合特性更好的凸轮曲线。