基于改进量子粒子群优化算法的机器人逆运动学求解

针对工业机器人在逆运动学求解过程中存在的位姿奇异、解不唯一、求解精度低等问题,提出了一种改进量子粒子群算法。首先,利用D-H参数法建立机器人运动学模型,以机械臂末端最小位姿误差为主要优化目标,加入运动前后关节角变化最小、行程平稳连续的约束条件,设计了目标函数;其次,通过采用Levy飞行策略改进粒子更新方式、非线性地动态调整收缩膨胀因子、采用变权重方法计算最优平均位置等方法设计了一种改进量子粒子群优化(IQPSO)算法;然后,模拟单点位姿和连续轨迹两种不同的求解情况进行三种算法(IQPSO、APSO、QPSO)的仿真对比实验,结果表明IQPSO算法具有收敛速度快、求解精度高等优点;最后,将IQPSO算法用于机械臂本体进行实物验证,实验结果表明IQPSO算法求解出的插值点所组成的轨迹连续且平滑,进一步证明了该算法应用于实际运动控制中的稳定性和可行性。

改进粒子群算法在柔性车间调度问题的研究

为了减少柔性作业车间调度问题加工时间,通过前景理论构建柔性作业车间加工满意度数学模型,以降低加工时间为目标,设计了一种惯性权重幂函数调节的改进粒子群算法(PPSO),该算法惯性权重能够幂函数自适应调节,学习因子能够发生相应的递减或递增变化平衡算法的全局探索和局部开发能力。选取BRdata与Kacem经典算例,通过与人工免疫算法(AIA)和整合模拟退火算法(ISA)的进行仿真比较,PPSO加工时间较短;在工件数J=25、可用机器数M=16、迭代次数600情况下比较BRdata算例,PPSO加工时间相较AIA、ISA算法分别缩短了21.61%和4.32%,验证结果表明PPSO算法在柔性车间调度问题中降低产品加工时间的有效性。

基于带约束粒子群的电容层析成像图像重建算法

粒子群工作时系统的鲁棒性很高,有助于解决图像重建的病态问题。但是,重建图像的像素较大,导致粒子维度较大,粒子在寻优过程中很难达到最优解。为了解决这一问题,对粒子的位置加入约束条件,以Tikhonov正则化图像重建算法成像作为粒子位置参考,约束粒子在Tikhonov正则化算法重建图像的一定范围内搜索,并用罚函数求解,提高粒子搜索速度;粒子群的惯性权重采用线性递减权值,从而实现惯性权值的自适应动态调整,提高算法的灵活性;将混沌算子加入粒子群位置搜索过程中,当粒子陷入局部最优时,混沌变量在一定范围内波动,降低最优解的错失率。仿真实验结果表明,与传统的LBP算法和Tikhonov算法相比,改进的粒子群算法的电容层析成像图像重建更精确,效率更高。

不同类型粒子群算法对传递函数辨识仿真研究

为解决传递函数的辨识效率问题,通过粒子群优化算法对系统传递函数进行参数辨识,寻找参数的最优解.文章利用基于粒子群优化算法辨识传递函数、带极值扰动粒子群优化算法和惯性权重混沌粒子群优化算法,分别对不同类型的传递函数(一阶惯性、二阶惯性、一阶惯性加滞后和积分惯性加滞后)进行仿真验证.结果表明,改进后的ePSO算法和iPSO算法比bPSO算法具有更好的系统传递函数辨识效果.

屋型拓扑粒子群优化算法与工程优化问题求解

针对粒子群优化算法在优化复杂工程问题时存在搜索效率低和易陷入局部最优的问题,提出一种屋型拓扑粒子群优化算法.该算法通过提出屋型拓扑和设计适应其特性的位置更新策略,改善粒子群优化算法信息传递和交流方式,提升算法的收敛速率和全局优化能力.在基准函数上的对比实验结果表明,屋型拓扑粒子群算法的寻优精度、收敛速度和稳定性均优于其他4种改进算法.在3个实际工程优化问题上的仿真实验结果进一步验证了该算法的有效性和实用性.

基于粒子群算法的高炉炼铁工序优化技术

为实现对高炉炼铁工序的优化,提高产出生铁的合格率,提出了基于粒子群算法的高炉炼铁工序优化方法。将高炉炼铁生产单位的经济性需求作为函数构建目标,构建基于冶炼时间层面、成本层面的优化目标函数。引进粒子群算法,通过设计初始化迭代粒子,进行高炉炼铁过程中不同环节或不同工序工艺参数的优化,实现对最优加工生产参数的设计。基于多目标角度,进行目标函数最优解之间的协调化处理,完成基于多目标的工序优化设计。以某地区大型高炉炼铁生产企业为例,进行对比实验。实验结果证明,相比传统方法,在实际中应用优化方法,不仅可以提高炼铁过程中的高炉利用系数,还可以提高生铁合格率。

基于改进粒子群算法的输电线路舞动断线概率预测研究

【目的】为了解决冰风暴灾害下输电线路舞动断线问题,提出了基于改进粒子群算法的输电线路舞动断线概率预测模型。【方法】首先,采用改进粒子群算法确定输电线路在冰风暴灾害下风荷载与冰荷载的广义极值分布参数;其次,根据输电线路舞动的起舞风速和覆冰密度求取舞动情况下线路冰荷载和风荷载的极值分布。【结果】在此基础上,基于二元t-Copula连接函数计算线路舞动时风荷载和冰荷载的联合概率分布,实现了线路舞动断线的概率预测。【结论】结合湖南冬季输电线路舞动断线的历史数据,验证了改进粒子群算法的优越性和该模型的准确性,为输电线路舞动预报和指导线路提前部署防舞动措施提供了依据。

粒子群算法迭代无人机反制技术研究

本文针对小型无人机入侵问题,设计了一套以察打一体无人机为主要平台的无人机反制系统。该系统充分发挥小型无人机的高机动性,通过多种传感器对入侵无人机进行定位并构建其运动模型,建立适应度函数计算其追踪路径的综合代价值,结合粒子群算法求解其最小代价值,得到察打一体无人机的最优追踪路径。该项设计包含定向次声波、智慧机场等多种技术,可以在各种地形与天气条件下,实现对较大范围内出现的入侵无人机进行全机型、全天候、全自动快速反制。

花粉授粉机制在改进粒子群算法研究

针对柔性作业中多目标优化问题,首先构建多目标任务满意度数学模型,该模型以最小加工时间、最低制造成本和最短运输时间为目标,去量纲操作后利用几何平均法求解综合满意度评价值。然后,提出一种改进的粒子群算法(LFPSO),该算法为平衡算法全局和局部搜索能力,惯性权重采用幂函数自适应调节,为改变粒子群前期的搜索性能,在惯性权重中加入了Logistic混沌映射丰富粒子多样性,为平衡全局搜索能力与局部搜索能力,引入花粉授粉机制作为全局搜索阈值。最后,将LFPSO算法与其他算法进行仿真对比,结果验证了LFPSO算法具有良好的性能及解决柔性作业多目标优化问题的有效性。

基于种群熵偏移平均加权的改进量子粒子群算法

量子粒子群算法具有更好的全局搜索能力,被视为对粒子群算法极为有效的改进,然而其运行过程中仍存在种群多样性衰减问题。为进一步提升量子粒子群算法的全局寻优能力,在基于加权平均最优位置的量子粒子群算法的基础上,提出了基于种群熵偏移平均加权的改进量子粒子群算法,将种群熵与加权范围中心偏移值进行动态关联,有效增强了算法搜索空间的遍历性,避免了算法早熟收敛。应用常规测试函数,与传统粒子群算法、量子粒子群算法和加权量子粒子群算法进行了对比分析,证明了文章提出的改进算法的有效性。

35kV断路器调度遥控问题的改进粒子群优化算法求解

35kV断路器调度遥控问题在电力系统中具有重要价值和意义,但传统优化方法存在效率低、质量差等问题。针对35kV断路器调度遥控问题在电力系统中存在的复杂性、不确定性、多目标性等问题,本文提出了一种基于改进粒子群优化算法的求解方法。

基于多级惩罚函数的粒子群约束优化算法

基于多级惩罚函数和粒子群算法解决多约束优化问题,采用粒子种群中的多个粒子并行寻优,避免多约束优化问题收敛于局部优化解。定义了多级分配函数作为约束因子表达惩罚函数与约束条件间函数关系,约束因子按照约束条件的不同分为多个等级。提出了粒子群多级惩罚函数算法,应用于三个经典约束优化问题,均在较少迭代次数内得到高精度优化解。

径向基函数神经网络指导的粒子群优化算法求解多峰优化问题

面对多峰优化问题粒子群优化算法因多样性不足和搜索动作选取不合理,难以找到问题的全局最优解.为此本文提出一种径向基函数神经网络指导的粒子群优化算法.首先设计子群划分方法,将种群划分成多个子群,子群中心作为子群粒子的学习目标,指导其搜索.该方法充分考虑种群多样性,选择能代表子群搜索特性的粒子作为子群中心,并使之远离存在的中心,通过选择合适的子群中心,实现子群划分.不同子群粒子在各自子群中心指导下搜索,呈现多样的搜索特性.其次,利用子群中心设置隐藏层节点,并在输出层输出粒子加速系数的调整动作.最后引入强化学习来训练网络.在CEC2013的15个多峰函数上开展实验,结果表明本文方法明显提高了多峰优化问题的求解精度.

基于粒子群算法和PID相结合的船舶电喷柴油机自动控制

柴油机是船舶的主要动力来源,传统的柴油机采用机械液压式控制器,存在控制效率低、精度差的问题。近年来,基于自动化控制技术的船舶电喷柴油机成为了行业内的主流产品。本文研究船舶电喷柴油机的函数建模以及控制器搭建,采用基于粒子群算法和PID控制器的控制算法,显著提高了船舶电喷柴油机的控制效果。

混沌映射的粒子群算法分析比较

为解决粒子群算法(Particle Swarm Optimization, PSO)易受初值影响、迭代后期早熟收敛、局部寻优结果不稳定等问题,提出混沌映射粒子种群初始化的方案。即在算法前期根据混沌映射初值敏感性、随机性等特征,基于6种混沌映射对粒子群算法分别进行初始化,进而增加种群多样性和解的覆盖。引入动态惯性权重系数,提高算法收敛速度。通过6个测试函数进行仿真实验,对比不同混沌映射数据结果,实验证明该算法能在不改变原有时间复杂度的基础上较好地提高算法的收敛速度和寻优精度。

基于粒子群算法的训练仿真想定优化生成方法

针对训练仿真想定中的训练效果不够理想的问题,为了获得训练效果更好的训练仿真想定,对训练仿真想定进行了优化,提出一种基于粒子群优化(PSO)算法的训练仿真想定生成方法。以改进威力场模型的态势评估方法为基础构建了适应度函数,在计算机仿真软件中结合改进的层次分析法(AHP)确定能力权重参数;并以作战平台的属性具体实例化粒子,改进了粒子群算法求解训练仿真想定的优化方案。使用计算机仿真案例对方法进行验证,并在计算机仿真平台上比较了优化前后的训练仿真想定结果。结果表明:该方法能对训练仿真想定的难度进行调整,可有效帮助优化生成训练仿真想定,帮助解决训练仿真想定优化生成问题。

基于改进粒子群算法的造纸车间供电调度多目标优化研究

中国造纸行业发展迅速,造纸车间数量与规模呈现逐渐增加的趋势,造纸设备数量与种类也随之增多,这为造纸车间供电调度提出了较高的要求,现有供电调度方案已经无法满足造纸车间的需求,故提出基于改进粒子群算法的造纸车间供电调度多目标优化方法研究。搭建造纸车间供电系统整体框架,以此为基础,合理分类造纸车间用电负荷,并深入分析用电负荷的特性,以造纸车间供电调度成本最小化、造纸车间电耗费用最低化为目标,构建供电调度多目标优化模型,利用改进粒子群算法求解构建模型,获取最佳的造纸车间供电调度多目标优化方案,执行方案即可实现供电调度的优化目标。实验数据显示:提出方法应用后造纸车间供电调度成本最小值为8.03万元/年,造纸车间电耗费用最小值为300万元/年,充分证实了提出方法应用性能较佳。

基于自学习迁移粒子群算法及高斯罚函数的无功优化方法

针对粒子群算法在求解无功优化问题时存在早熟收敛,易陷于局部最优的现象,提出了自学习迁移粒子群算法(self-learning migration particle swarm optimization,SLMPSO)。该算法在采用混沌序列对粒子群进行初始化操作,基于云模型理论的X-条件云发生器对粒子的惯性权重进行自适应调整的基础上,引入一种迁移操作,以引导全局最优粒子的飞行方向,解决粒子群后期朝单一进化方向进化的问题,有效地增强了算法的全局寻优能力。针对电力系统无功优化中的离散变量归整问题,首先将离散变量完全化为连续变量进行迭代求解,在寻求至全局最优解后引入高斯罚函数对离散变量进行归整操作。以网损和电压偏离最小为目标,对IEEE标准30节点算例进行仿真计算,验证了所提算法的有效性和可行性。

基于变换函数与填充函数的模糊粒子群优化算法

本文提出了一种基于变换函数与填充函数的模糊粒子群优化算法(Fuzzy partical swarm optimization based on filled function and transformation function,FPSO-TF).以基于不同隶属度函数的多回路模糊控制系统为基础,进一步结合变换函数与填充函数,使该算法减少了陷入局部最优的可能,又可以跳出局部极小值点至更小的点,快速高效地搜索到全局最优解.最后采用基准函数对此算法进行测试,并与几种不同类型的改进算法进行对比分析,验证了此算法的有效性与优越性.

多峰函数优化的免疫云粒子群优化算法

为了尽可能寻找多峰函数的全部极值点及提高寻优精度,提出一种免疫云粒子群优化算法(PPSO)-融合云变异粒子群优化算法(CMPSO)的小波变异克隆选择算法(WMCSA)。PPSO混合算法设置了最大重复搜索代数M,以便尽可能搜索到全部极值点。在每一代重复搜索中,首先,通过引入基于云模型的云变异算子以提高种群的多样性,并使用云变异粒子群优化算法对可行域内的所有极值点进行全局搜索;然后,利用小波变异克隆选择算法对云变异粒子群优化算法搜索到的较优解进行局部搜索以进一步提高解的精度。针对复杂多峰函数的寻优测试表明:在保证收敛速度的同时,PPSO算法的收敛精度和搜索到的极值点数目均得到显著提高。离散混沌系统的应用实例也表明了PPSO算法的有效性。