基于AIWCPSO算法的喷浆机械臂运动轨迹优化

针对传统喷浆机械臂轨迹规划算法存在多路径段间过渡突变、频繁启停导致喷浆效率不高和喷浆不均匀等问题,提出了一种自适应惯性权重及加速度系数的粒子群优化(AIWCPSO)算法,并基于该算法实现喷浆机械臂运动轨迹优化。提出了改进多段轨迹规划算法,采用直线加圆弧轨迹的过渡策略,将竖直方向的直线运动替换成圆弧运动,通过正弦加减速启停算法规划机械臂末端启停处的轨迹,以防止加速度突变,中间段的直线和圆弧轨迹进行匀速轨迹规划,实现机械臂末端匀速光滑运动;通过AIWCPSO算法在运动学约束下对运动参数进行优化,得到最优喷浆时间和速度,提升喷浆机械臂工作效率和喷浆均匀度。实验结果表明:与传统喷浆轨迹规划算法相比,改进多段轨迹规划算法喷浆平均效率提高了25.42%,喷浆轨迹均匀度明显改善;采用AIWCPSO算法优化后,喷浆效率提高了1.3308%。

股指波动率的最小二乘支持向量机预测方法

为了提高金融波动率的预测精度,提出一种将相空间重构技术、最小二乘支持向量机(LSSVM)与变加速系数粒子群优化(PSO_TVAC)算法相结合的波动率预测方法。首先,对原始波动率序列进行相空间重构,判断其混沌特性;其次,利用LSSVM优良的非线性映射特性对重构后的序列进行建模及预测,同时采用PSO_TVAC算法选择LSSVM最优参数。将该方法应用于上证综指股指收益的波动率预测,结果表明,此方法获得了较高的波动率预测精度,为波动率的准确预测提供了一种有益尝试。

AGPSO-MEPP模型在云南省水安全动态评价中的应用

从生命安全、经济安全、社会安全和生态安全4个方面选取20个指标构建区域水安全动态评价指标体系和分级标准。利用自治粒子群优化(AGPSO)算法寻优最大熵投影寻踪(MEPP)技术最佳投影方向,提出AGPSOMEPP水安全评价模型,并分别构建加速粒子群优化(APSO)算法、惯性权重线性递减粒子群优化(LDWPSO)算法和基本粒子群优化(PSO)算法-MEPP模型作对比模型对云南省2006-2015年及2020年水安全进行评价。结果表明:AGPSO寻优MEPP目标函数获得的最优值、最差值、平均值和标准差均优于APSO、LDWPSO和PSO算法,具有较好的全局极值寻优能力;AGPSO-MEPP模型对云南省2006-2013年水安全评价为"不安全",2014-2015年评价为"基本安全",2020年评价为"安全"。2006-2015年的10年间云南省水安全随时间呈提升趋势,且提升趋势显著;AGPSO-MEPP模型对云南省水安全评价结果与APSO-MEPP模型相同,但在排序上存在差异;与LDWPSO-MEPP、PSO-MEPP模型在评价结果及排序上均存在差异。其中,与PSO-MEPP模型的评价及排序结果差异最为显著,表明算法的极值寻优能力决定着评价精度的高低。