改进粒子群优化算法在搬运机器人机械臂中的应用

针对搬运机器人机械臂空间规划的时间最优问题,提出一种含有动态学习因子、变惯性权重因子并结合天牛须搜索(Beetle Antennae Search,BAS)算法的改进粒子群优化(Particle Swarm Opitimization,PSO)算法。通过运动学分析得到工作空间,引入3-5-3多项式插值进行轨迹规划,对运动过程的加速度和速度进行约束,得到运动过程的最短时间;对比改进前后的粒子群优化算法收敛速度,分析了各个关节的运动时间变化情况,并进行了仿真和试验验证。该算法将学习因子设为变量,使算法跳出局部最优;采用变惯性权重因子提高了算法搜索效率;结合天牛须搜索算法,加快了算法搜索速度、提高了搜索精度。结果表明,改进粒子群优化算法的收敛速度和精度都有所改善,避免了局部最优情况;整体的运动时间缩短了约15.9%。使用该算法的搬运机器人机械臂的关节角度、速度、加速度曲线平滑稳定,该改进算法有效。

基于改进海马优化算法的PID参数优化

为了解决传统海马算法(SHO)在PID参数整定中存在全局寻优能力差且收敛速度慢的问题,提高PID参数优化质量,提出一种改进的海马优化算法(ISHO)。通过Tent混沌映射增加海马种群初始化多样性提高收敛速度;引入逃逸能量调控策略改进算法全局搜索与局部开发的转换机制,从而提高算法的全局寻优能力。将改进海马优化算法与传统海马算法、Z-N临界比例法、灰狼优化算法和粒子群优化算法进行比较,仿真结果表明:改进的海马优化算法优化PID参数具有调整时间更短、系统控制精度更高和收敛速度更快等优点,为PID控制系统的参数优化提供了参考。

基于遗传算法的芦苇笋采收机模糊PID控制策略研究

芦苇笋采收机在工作时需人工实时操纵输出电压来适应负载力矩的变化,为提高采收效率和降低操作难度,提出了一种基于遗传算法的模糊控制PID算法以实现芦苇笋采摘装置同步带转速的智能控制。通过分析芦苇笋采摘装置的工作原理,建立了控制电压和负载力矩输入和液压马达输出轴角速度输出的状态方程数学模型;利用MATLAB/Simulink软件设计通过遗传算法优化隶属度函数和模糊规则的Mamdani模糊PID控制器,对液压马达的状态方程进行仿真。结果表明:采用遗传算法优化的模糊PID控制器相较于普通PID控制器和模糊控制器能够对输入信号更迅速地做出响应,且上升过程平稳无超调,有较强的抗干扰能力,鲁棒性较强,满足对芦苇笋采收机工作过程的简化操作和提高效率的控制要求。