采用改进粒子群算法的铣削参数优化研究

为了提高数控铣削加工的生产效率,降低生产成本,同时改善生产工件的加工质量,根据最优化思想,建立以铣削加工参数为优化变量,以铣削力、机床主轴转速和加工面粗糙度等为约束条件,以最短加工时间和最低生产成本为目标的优化函数。在标准粒子群算法的基础之上,引入惩罚函数,将多约束优化问题转变为无约束优化问题,改善了求解过程的复杂性;同时,针对粒子群算法容易陷入局部最优的问题,将其与模拟退火算法结合,增强粒子的全局搜索能力,改善粒子的局部收敛性。通过仿真实例验证了改进粒子群算法的有效性和优越性,改善了工件的加工时间与生产成本。     

采用改进粒子群算法优化的涡轮增压器节能研究

涡轮增压器在工作过程时,由于参数设计的不合理,导致燃料能量损失较为严重。对此,创建了涡轮增压器平面简图模型,根据能量守恒定律建立燃料质量变化方程式。确定涡轮增压器设计参数变量,构造优化目标函数并且添加约束条件。对传统粒子群算法进行改进,将改进后的粒子群算法用于优化能量损失目标函数,给出优化过程的具体步骤。将优化后的参数输入Matlab软件中进行仿真,并与优化前能量损失进行比较和分析。仿真结果显示:优化前,涡轮增压器损失最大功率值为2.92×103W,功率曲线波动幅度较大;优化后,涡轮增压器功率损失最大值为1.98×103W,功率曲线波动幅度较小。采用改进粒子群算法优化涡轮增压器设计参数,能够提高其工作效率,从而节约能量。     

采用改进粒子群算法的优化电液无凸轮气门机构控制研究

针对发动机气门无凸轮驱动控制精度较低问题,采用改进神经网络控制电液无凸轮气门机构,并对控制效果进行仿真验证.设计了电液无凸轮机构驱动系统,建立了发动机气门动力学模型.采用两个径向基神经网络控制液压伺服阀运动,引用粒子群算法并进行改进,将改进粒子群算法用于优化神经网络结构参数.采用Matlab软件对电液无凸轮气门机构运动结果进行仿真,并且与有凸轮气门机构结果进行对比.结果显示:优化前,控制气门升程、速度和加速度产生的最大误差分别为5.8×10~(-2) mm,8.7×10~(-2 )mm·s~(-2);优化后,气门控制升程、速度和加速度产生的最大误差分别为3.5×10~(-2) mm,4.8×10~(-2 )mm·s~(-2).采用改进神经网络控制电液无凸轮气门机构,能够较好地实现对气门升程和正时的控制.     

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。     

一种改进粒子群算法的移动机器人路径规划

在当今流行的几种生物启发算法中,粒子群算法作为一种仿生计算方法,理论上能够解决常规计算方法所不能解决的大规模、非线性问题,但该方法在局部收敛性方面存在易早熟问题。为此提出了一种改进的粒子群算法,通过引入动态优化因子,增强粒子群领域搜索的能力,在一定程度上克服了优化搜索后期随迭代次数的增加而搜索结果无明显改进的缺点。     

基于改进粒子群优化算法的PMSM矢量控制

对永磁同步电机矢量控制及标准粒子群优化算法进行分析,针对单一的粒子群优化算法容易陷入局部极小和早熟收敛的缺陷,提出了一种改进的粒子群优化算法。利用动态线性权重、非线性反正切函数改变学习因子提高了粒子的学习能力;利用动态自适应权重提高优化速度,建立在线优化PSO-PID控制器,应用于永磁同步电机控制,基于Infineon TC1782单片机搭建PMSM控制器。进行了电机台架测试,结果显示整个系统有更好的精确性以及准确性。     

采用改进粒子群算法与人工神经网络相结合的车辆转向控制研究

为了提高车辆转向控制系统输出精度,改善车辆行驶的稳定性,提出了改进人工神经网络PID控制器.创建车辆平面参考模型简图,建立车辆运动参数的数学关系式,推导出车辆横摆角速度的动力学方程式.在传统PID控制器基础上,结合人工神经网络模型,采用改进粒子群算法对人工神经网络PID控制器进行在线优化,动态调整PID控制器参数,实现车辆转向控制系统的最优输出,在不同工况路面进行车辆横摆角速度仿真实验.结果表明:采用改进人工神经网络PID控制器,不仅可以提高车辆转向控制系统的响应速度,而且输出的摆动角速度误差较小.车辆在复杂工况路面行驶,其转向系统采用改进人工神经网络PID控制器,有利于提高车辆行驶的稳定性.     

采用粒子群算法的AGV路径跟踪控制研究

针对双轮差速驱动自动导引车的轨迹跟踪问题,首先根据车辆角度偏差,横向距离偏差这两者与驱动轮速之间的关系,建立简化车辆运动模型,其次,采用线性递减惯性权重改进的粒子群算法设计控制方案,最后提出时间乘误差绝对值积分准则与误差占比相结合的变化适应度函数。将以上两种控制方法与标准粒子群控制方法进行仿真对比,结果表明,采用线性递减惯性权重粒子群算法能有效提高粒子寻优速度,结合以上两种改进的控制方法,能减小超调量,缩短调节时间,增加车辆行驶稳定性。     

采用改进粒子群优化粒子滤波的三维人手跟踪

针对高维人手状态空间中的采样稀疏问题,提出了一种基于改进粒子群优化粒子滤波的关节人手跟踪方法,用于从Kinect获取的深度图像序列中恢复三维人手运动。首先,利用简单几何基元建立三维人手模型,并为其添加自由度节点,用于在跟踪过程中生成可与观测特征进行比较的人手姿势假设。然后,在粒子滤波框架下,使用深度图像作为观测输入,融合深度特征与区域特征建立了系统观测模型。最后,将粒子群优化粒子滤波应用于关节人手运动跟踪。为避免在高维空间中的早熟收敛问题,利用模拟退火思想和局部随机化方法对算法进行改进,增强了算法的全局搜索能力。通过合成序列和真实序列上的跟踪实验对该方法进行了评价,结果表明该方法的关节角度跟踪误差均值约为2.3°,标准差约为1.7°,优于标准粒子滤波和标准粒子群优化跟踪方法,可以准确、鲁棒地从深度图像跟踪三维人手运动。     

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.     

粒子群优化的磁轴承自适应反演滑模控制

为实现两自由度主动磁轴承的高精度、强鲁棒控制,提出了一种基于粒子群优化的自适应反演滑模控制器对磁轴承进行控制.利用自适应反演滑模控制器对外部环境干扰进行预估,实现对磁轴承的位移进行精准跟踪和悬浮力的低脉动稳定运行,并且能够有效避免传统滑模的抖振效应.但由于影响控制品质的控制器参数较多,为了提高控制系统的收敛速度与精度,引入粒子群算法来在线优化控制器的参数.仿真结果表明经过整定后的自适应滑模控制器具有良好的动态跟踪性能.     

基于改进粒子群算法的神经网络PID控制研究

BP神经网络PID控制是利用BP神经网络的自学习和逼近任意非线性函数功能,对PID控制器的三个参数进行在线整定,但网络初始权值的选取困难.采用改进的PSO算法优化BP神经网络的初始权值,并对基于PAO算法的BP神经网络PID控制进行仿真实验.仿真结果表明,PSO算法使得网络初始权值的选取比较快速,系统的性能有所提高.     

改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。     

改进粒子群算法的蒸汽喷射器结构优化

蒸汽喷射器作为喷射式制冷系统的核心部件,传统单因素敏感度分析法对其进行结构优化设计时,忽略了多结构参数同时变化时的相互制约性,导致其优化效果并不理想.选取喷嘴喉部直径、等面积混合室直径、等面积混合室长度、扩压室长度及喷嘴出口位置5个关键结构参数,在单因素敏感度分析的基础上,利用粒子群算法对回归方程进行迭代寻优,并对相关优化结果进行分析.结果表明:标准粒子群算法(PSO)比单因素敏感度分析法得到的喷射系数提高了11.8%,改进粒子群算法(GA-PSO)比单因素敏感度分析法得到的喷射系数提高了14.7%;改进粒子群算法用于优化蒸汽喷射器的结构参数是可行的.     

多峰值函数优化的改进粒子群算法

多峰值函数优化中,基本粒子群算法进化后期收敛速度较慢,且可能出现最优解粒子在全局最优解附近“振荡”的现象,导致优化精度降低。为此,提出一种具有可控速度因子的改进粒子群算法。在完全随机、部分可控与完全可控三种速度调控策略下,对比研究几种具有不同变速特性的寻优轨迹下算法的精度及运算效率。试验结果表明,通过采用可控的寻优速度因子,优化性能得到改进,特别是采用完全控制策略,不仅可获得较高的优化精度,而且收敛速度更快,表现出更好的综合性能。     

移动机器人的准滑模控制研究

基于滑模变结构控制理论,针对移动机器人这类非完整系统,提出了一种准滑模控制方法.该方法利用李雅普洛夫函数和指数趋近律方法,设计移动机器人的控制律,结合准滑模方法,使用饱和函数代替符号函数,以降低因采用滑模变结构控制方法而产生的抖振.运用所提出的方法设计了轮式移动机器人的控制系统并进行了仿真,仿真结果验证了所提出的控制策略的有效性,并且能够有效地降低系统的抖振.     

改进的协同粒子群优化算法的研究与应用

为增强现有PSO算法和协同粒子群优化算法的优化性能,提出了一种改进的协同粒子群优化算法及一种新的协同策略。该算法在进化过程中,将寻优粒子群分解为若干子分群,各子分群粒子利用本分群经验和整个种群经验进行搜索,既能在分群内部不断搜索,不迷失寻优方向,又能周期性地共享整群最优值引导粒子找到最好解。分解为多个子种群有利于维持种群的多样性,有效抑制局部最优现象发生。对经典复杂函数的寻优测试表明,改进算法的鲁棒性、收敛速度、精度及全局搜索能力均优于基本PSO算法。最后将改进算法用于建立基于神经网络的旋转机械故障诊断模型,设计了相应的故障诊断系统。结果表明,基于此算法的故障诊断系统具有诊断精度较高、稳定性能较好等特点。     

基于改进粒子群算法的数控加工参数优化研究

为优化数控加工参数,提高数控机床加工性能,研究改进粒子群算法的数控加工参数优化方法,设置最低生产成本以及最高生产率为数控加工参数的优化目标,利用协调系数将多目标优化问题转化为单目标优化问题建立目标函数,设置切削速度、进给量约束、切削进给力、切削功率、切削转矩约束、表面粗糙度要求为约束条件,采用惯性权重值适应性递减方法改进粒子群算法,令惯性权重随粒子群进化适应性提升,采用改进粒子群算法快速寻找数控加工参数目标函数最优值,实现数控加工参数优化.实例分析结果表明,该方法可有效优化数控加工参数,满足实际加工需求,优化后的实验数控机床加工性能佳.     

基于改进粒子群算法的结构测点优化方法研究

针对工字梁结构受力过程中测点数目过多及优化较困难的问题,提出一种基于模拟退火思想及遗传算法的改进粒子群算法,综合考虑受力状态识别误差与测点优化,进行了测点的筛选。首先将遗传算法的初始化、选择、交叉、变异融入粒子群算法中;其次在变异部分引入模拟退火的思想。改进后的粒子群算法改善了标准粒子群算法的“早熟”、局部寻优能力较差等问题。通过测试函数对比改进粒子群算法与标准粒子群算法的性能,改进的粒子群算法稳定性更好,抗“早熟”能力较强,精度明显提高。通过工字型梁选点及受力状态识别仿真与试验表明,改进粒子群算法在受力状态识别的测点选择过程中具有较高的效率,选择测点的受力状态识别误差均小于3%,在工程应用范围内,为受力状态识别提供了一种较好的方法。     

基于改进粒子群算法的气动机械手的控制研究

粒子群算法有易于陷入局部极小、收敛速度慢的特点,结合粒子在寻找食物的时候,多半可以飞到预期中的最佳位置,由于不确定因素的影响,少数粒子在飞行中发生偏离,本文提出了改进型的粒子群算法。模拟算法不确定因素干扰操作,对于群体过度现象起到有效避免作用,种群的多样性得到有效增加。气动机械手本身有很多优点,包括成本低廉、结构简单、抵抗干扰性强等。目前各种生产行业中均以应用了气动机械手,本文介绍了气动机械手的工作原理和外部接线,对气动机械手的气动装置和改进粒子群算法控制系统的设计。