基于改进粒子群算法的车辆转向梯形机构优化

通过对车辆转向机构的尺寸和定位参数进行优化,能有效减小车辆转向机构的实际运动轨迹和理论运动轨迹间误差,进而有效改善车辆的操纵性能和提高转向安全性。该文研究了转向梯形机构的工作原理及其对车辆转向性能的影响,建立了转向梯形机构的非线性优化模型;然后引入越界检测函数改进传统粒子群优化算法,并给出了求解转向梯形机构非线性优化模型的方法;编制了改进粒子群算法的实现程序,并对3款不同车型的转向梯形机构进行了优化设计;最后选取3种不同智能算法分别对途乐GRX转向梯形机构进行多组优化试验。试验结果表明,改进粒子群算法的收敛速度快于传统粒子群算法和基于模拟退火的粒子群算法,求解精度略逊于基于模拟退火的粒子群算法,但仍能保证求解精度。

基于粒子群算法的汽车断开式转向梯形的优化设计

以转向梯形中杆件的实际尺寸、空间(转角)位置为设计变量,以对梯形臂和梯形底角的范围限制为约束条件,以实现最小转角误差为目标函数,建立转向传动机构的空间数学模型,并推导出转向梯形的运动学方程。利用粒子群算法对该模型进行优化,证明了优化方法的可行性。

基于粒子群算法的N类货车转向梯形机构优化

采用粒子群优化数值求解法,通过比较N类货车转向时其前桥内、外侧车轮转角的理想函数和实际函数关系,引入相对误差和加权因子,建立梯形机构优化理论模型,确定约束和设计变量,在计算软件MATLAB中实现数值求解流程,得到全局当前最优值.用于某车型的实际算例,得出优化结果.为N类货车转向梯形优化提供了有效方法和途径.

基于改进粒子群算法的复式梯形渠道临界水深计算

复式梯形断面明渠临界水深实质上是求解含两个参数的一元六次方程，理论上无解析解。本文使用动态调整惯性权重粒子群算法提出了适用性强、算法精度高的复式梯形断面明渠临界水深的计算方法，通过实例分析表明该算法与最大误差小于1.48％可满足工程需要。

阶梯型粒子群算法及在函数优化中的应用

提出一种自适应动态群粒子群方法,根据粒子群的多样性,采用梯形规律动态调整粒子群的规模,既保证每个粒子都得到充分的进化,又保持了群体的多样性,使局部收敛的可能性大大减少。此方法根据群体的多样性的大小,在减少群体规模时,采用较差淘汰法,淘汰一些较差的粒子,在增加粒子时,采用交叉法产生新个体,既保持粒子的继承性,又维持了粒子群的多样性。对典型函数进行测试实验,结果与其它粒子群方法进行比较,验证了方法的有效性。

一类支持向量机中引导式量子粒子群优化机理及实现

通过分析量子粒子群在一类超球面支持向量机训练优化的应用机理,提出一种基于引导式量子粒子群(D-QDPSO)的一类超球面支持向量机训练优化算法,根据Zoutendijk最速下行策略确定全局最优gbest的优化方向,计算引导粒子位置;同时在初始化时根据序列最小优化算法(SMO)得到靠近最优解的近似位置,并以约束平面边界点作为初始化粒子,扩大了搜索范围。实验表明,D-QDPSO算法有较好的收敛性能和泛化性能,其误识率比SMO降低约0.12%,运算速度比LPSO提高2倍左右。

粒子群优化在临界水深计算中的应用

将临界水深的计算建模为一个非线性约束优化问题,应用新型粒子群优化算法加以求解。通过实例计算以及与文献方法的计算结果对比分析,表明粒子群优化算法求解梯形明渠临界水深适用性强、计算精度高、算法实现简单,同时验证了算法的有效性和正确性,为梯形明渠临界水深问题的求解提供了一条新途径。

复杂波形核脉冲信号的梯形成形研究

提出一种对复杂波形核脉冲信号进行梯形成形的方法。该方法将复杂波形核脉冲信号看成传递函数的冲激响应,对传递函数因式分解成一阶惯性环节和的形式。采用粒子群算法对复杂波形核脉冲信号进行识别,得到一阶惯性环节的个数、各个环节的比例系数以及脉冲幅值相关系数、发生时间和时间常数等参数。通过所识别的参数进行其梯形成形的公式推导及仿真实验表明,该方法获取的脉冲幅值精度较高。

基于自适应认知域的粒子群性能改进方法

为提高粒子群算法的收敛性能,提出一种自适应粒子认知域方法.在粒子位置的更新方法中,粒子运动到当前的最好位置由计算得到的最好位置为中心,粒子的认知方向为导向来确定.利用线性惯性下降权重来实现粒子的优化.为验证该方法的有效性,将此方法应用于3种不同的粒子群方法,分别是固定权重粒子群方法、线性下降权重粒子群方法及阶梯形群体粒子群算法.实验结果表明此方法是较有效的.

作战飞机油料加注车辆调度优化

针对多机种综合保障基地作战飞机加油车油料加注调度的实际问题,建立基于多目标的带模糊时间窗、不确定车辆数、决策者满意度的数学模型。用梯形模糊数表征作战飞机受油时间窗,以处理实际作业中时间因素的不确定性。在问题求解方面,用随机方法和最邻近算法生成初始解,在规划好的路径中利用改进的最邻近算法和最廉价算法进行局部再优化,并应用带遗传交叉操作的混合粒子群算法进行全局寻优。通过实验表明,获得的结果可以充分体现作战指挥决策者和油料保障指挥员的意图,实现资源的有效利用。

基于模糊物元模型的高维多目标FJSP研究

为解决高维多目标柔性作业车间调度问题,提出了一种基于模糊物元模型与粒子群算法的模糊粒子群算法(fuzzy particle swarm optimization,FPSO)。该算法以模糊物元分析理论为依据,采用复合模糊物元与基准模糊物元之间的欧氏贴近度作为适应度值引导粒子群算法的进化,并引入具有容量限制的外部存储器保留较优的Pareto非支配解以供决策者选择。此外,构建了优化目标为最大完工时间、设备总负荷、加工成本、最大设备负荷与加工质量的高维多目标优化模型,并以Kacem基准问题与实际生产数据为例进行仿真模拟与对比分析。结果表明,该算法具有良好的收敛性,且搜索到的非支配解分布性较好,能够有效地应用于求解高维多目标柔性作业车间调度问题。