基于IMOGWO算法的机械臂多目标轨迹规划

为了在提高串联机械臂工作效率的同时保证运行轨迹良好的节能性、平稳性及灵活性,设计新的多目标轨迹优化方法。采用高次NURBS(non-uniform rational B-Spline,NURBS)曲线插值方法,构造机械臂高阶连续、首尾运动参数均可指定且具有局部修改特性的关节轨迹,保证了机械臂的运动性能。采用改进多目标灰狼算法(improved multi-objective grey wolf optimizer,IMOGWO)对机械臂轨迹进行优化,得到Pareto最优解集,该算法采用SIN混沌初始种群、非线性收敛因子、个体维度位置学习及领导者广义反向学习变异,并通过不可行度来处理多物理约束条件。在六自由度串联机械臂上的仿真实验结果表明,采用高次NURBS曲线规划方法可得到高阶连续的分段可调轨迹,采用IMOGWO算法可对NURBS曲线实现有效的多目标寻优,得到较为理想的Pareto分布,为用户提供多样化选择方案。

基于MOGWO的45#钢表面激光抛光工艺参数多目标优化

目的提高45#钢表面激光抛光后的成形质量,提出一种激光抛光工艺参数多目标优化方法。方法构建基于功率、扫描速度、搭接距离的三因素三水平激光抛光试验,并分别应用粗糙度测量仪、显微硬度计和超景深三维显微镜测试抛光层的粗糙度、显微硬度和抛光层深度。基于试验数据,分别应用指数模型和二阶响应面模型构建抛光工艺参数与表面粗糙度、显微硬度、抛光深度的回归预测模型,并对2种模型的预测精度进行对比分析。采用多目标灰狼优化算法(MOGWO)结合优劣解距离法(TOPSIS)-CRITIC综合评价决策体系对抛光工艺参数进行寻优和多属性决策。结果二阶响应面模型具有更高的预测精度,能够更好地反映激光抛光工艺参数与各响应目标之间的映射关系。当功率为113W、扫描速度为3m/min、搭接距离为0.13 mm时,粗糙度值Ra从11.563μm降至5.713μm,降幅为50.59%,显微硬度从185.9HV0.5升至364.7HV0.5,升幅为96.18%,此时的抛光深度为0.051 mm,最大相对误差为7.84%。结论此方法可以为其他金属材料表面激光抛光质量预测模型的构建及工艺参数寻优提供借鉴。

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法(MOGWO)求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法(GWO)探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。

基于GRU和MOGWO的软基水闸底板脱空动力学智能反演

软基水闸在水流侵蚀等因素作用下易发生底板脱空现象,极大地威胁水闸的安全运行.针对软基水闸底板脱空检测问题,提出一种基于门控循环单元(Gate Recurrent Unit, GRU)神经网络代理模型和多目标灰狼算法(Multi-Objective Grey Wolf Optimizer, MOGWO)的软基水闸底板脱空动力学反演方法.基于GRU神经网络构建表征软基水闸结构模态参数与脱空参数间非线性关系的数学代理模型,基于水闸结构固有频率、归一化振型建立软基水闸脱空参数反演的多目标优化函数,并采用MOGWO优化算法求解多目标优化问题的Pareto最优解.将所提方法应用于室内软基水闸物理模型两种脱空工况的反演计算.GRU神经网络代理模型精度优于多层前馈(Back Propagation, BP)神经网络代理模型及三阶多项式响应面模型,且反演脱空面积和模型实际脱空面积的相对误差分别为6.76%、5.58%,反演效果明显优于单目标反演方法.