基于改进粒子群算法的冗余机械臂逆运动学求解

为构造最小位姿误差及最优适应值的目标函数,对标准粒子群算法进行优化改进,以解决冗余机械臂逆运动学求解问题,从4个方面对标准粒子群算法进行改进,包括种群初始化、惯性权重参数调整、差分变异及局部深度搜索等,形成的改进粒子群算法(IPSO2)具备粒子群进化及差分变异进化两种性质。使用IPSO2、IPSO1、PSOTD、PSOd及传统PSO进行冗余机械臂逆运动学求解,通过Matlab仿真实验可知,IPSO2算法相较于其他算法,其最优、最差及平均适应值、标准差、最优解成功率更加出色,模拟曲线收敛精度更佳,收敛速度更快。为了验证IPSO2算法的实用性及鲁棒性,将其用于PUMA型机器人的逆运动学求解,试验结果表明,最优适应值精度可维持在10-15数量级,说明IPSO2算法在冗余机械臂逆运动学求解中具有实用性,可为相关研究提供参考。

基于改进IVNSA的RGV/ASR仓储系统出入库调度算法

针对自动化立体仓库(AS/RS)中环形穿梭车(RGV)和空中分拣机器人(ASR)协同调度问题,以最小化运输时间为目标,建立了RGV/ASR仓储系统的出入库问题调度模型,并提出改进变邻域搜索算法(IVNSA)对问题模型进行求解。首先,设计双序列编码方式优化搜索空间;其次,针对任务调度顺序设计全局综合搜索算子,扩大了算法搜索空间,同时受生物体激素调控机制启发,提出一种基于生物体激素调控机制的局部深度搜索算子,提高了算法的局部搜索深度;最后,通过对比实验验证了所提算法的优越性和有效性。

改进的粒子群算法及其非线性盲源分离

采用粒子群算法与自然梯度法相结合进行非线性混叠信号盲分离。用高阶奇数多项式拟合非线性混合函数,建立非线性信号盲分离模型。同时根据粒子群算法的特点,作了改进,引入了“迁徙操作”和局部深度搜索方法。对多项式的参数用粒子群算法来求估计,然后用自然梯度法对线性去混合矩阵进行迭代。仿真结果表明,粒子群算法可以快速、有效地求得非线性混叠信号盲分离的优化解。

花朵授粉算法的优化

针对花朵授粉算法(FPA)寻优过程中局部深度搜索能力弱、易陷入局部最优、后期收敛速度慢的问题,提出一种基于自适应高斯变异的混合蛙跳花朵授粉算法(AGM-SFLFPA)。借鉴混合蛙跳算法(SFLA)思想,对种群个体按照适应度值进行排序、分组并更新各分组中最差个体的位置,增强算法的局部深度搜索能力并增加种群多样性;通过公示牌动态监测算法是否陷入局部最优,当陷入时,将自动对全局最优个体执行高斯变异操作,提高个体跳出局部最优的能力、增强种群多样性、加快收敛速度。通过6个典型的标准测试函数从4个方面验证该算法的有效性,验证结果表明,AGMSFLFPA具有更好的稳定性和可靠性、更快的收敛速度及更高的寻优精度,适用于高维复杂多极值函数求解问题。

一种融合粒子群算法的蝙蝠优化算法

针对基本蝙蝠算法(BA)在寻优后期存在搜索性能差,寻优精度低,处理误差大,易陷入局部最优及早熟等缺陷,提出一种融合粒子群算法进行局部搜索的蝙蝠优化算法。该算法在局部搜索中,嵌入粒子群算法生成备选最优蝙蝠,并与基本蝙蝠算法生成的随机蝙蝠进行再竞争的方式优化种群,丰富了种群的多样性,提高了算法的全局搜索能力和局部搜索能力。Matlab环境下的仿真结果表明,改进后算法(PSOBA)在收敛速度及精度上均有明显提高,处理维度更高,是解决复杂函数优化问题的一种有效方法。

带有高斯变异的混合蛙跳蝙蝠算法

为了解决基本蝙蝠算法(BA)局部深度搜索能力弱、寻优精度低及易陷入局部最优的问题,提出一种带有高斯变异的混合蛙跳蝙蝠算法(SFLBAWGM)用于求解复杂函数问题。利用混合蛙跳算法(SFLA)的更新方式对蝙蝠个体进行局部深度搜索,使得SFLBAWGM既保持了BA本就具有的较强的全局搜索能力及快速收敛能力,又增强了算法的局部深度搜索性能;且当算法满足变异条件时,对当前全局最优个体执行高斯变异操作,以增强个体跳出局部极值点的束缚能力。选取几个典型函数进行测试,结果显示,SFLBAWGM的优化性能有了显著提高,即具有较快的收敛速度、较高的寻优精度、收敛稳定性和收敛可靠性,验证了SFLBAWGM的有效性和优越性,并且在高维函数上的优势更为明显,适合工程应用中各种高维多极值的复杂函数优化问题。

车辆座椅侧板冲压工艺参数的蜂群算法优化

为了减小车辆座椅侧板冲压成形回弹量,提出了基于交叉-变异蜂群算法的冲压工艺参数优化方法。分析了冲压工艺参数对车辆座椅侧板回弹量的影响规律,建立了以回弹量最小为目标的冲压优化模型。基于最优拉丁超立方抽样法在四维空间中抽取了120个点,使用Autoform软件对实验结果进行了仿真。使用单隐藏层神经网络拟合工艺参数与回弹量之间的非线性关系,经验证神经网络的拟合精度较高。为了加深人工蜂群算法的局部搜索深度,将交叉和变异思想引入到该算法中,从而给出了基于交叉-变异蜂群算法的参数优化方法。经实验验证,座椅侧板冲压件的减薄率和增厚率满足约束条件,回弹量仅为1.725 mm,说明提出的优化方法可有效减小座椅侧板的冲压回弹量。