基于粒子群-拟牛顿混合算法的管道机器人定位

针对管道机器人定位问题,通过磁偶极子理论建立了以极低频电磁脉冲为检测手段的定位模型,推导出了定位模型的非线性方程组。在此基础上设计了基于粒子群优化-拟牛顿混合算法用于定位方程组的求解,提高了管道机器人的定位精度,避免了粒子群优化算法局部精细搜索能力差和拟牛顿算法对初值敏感的不足。数值仿真与实验结果验证了管道机器人定位模型和数值算法的有效性和可行性,实验定位平均误差满足管道机器人工作中定位的需要,采用改进的混合算法后,平均定位误差在x、y、z三个方向上分别降低了4.19 cm、3.81 cm、4.65 cm,提高了定位精度。

融合牛顿-最速下降算子的自适应粒子群算法

针对粒子群算法容易陷入局部最优、收敛精度低、后期收敛速度缓慢的问题,将牛顿-最速下降算子、动态惯性权重、影响度决策引入到粒子群的更新中,提出了融合牛顿-最速下降算子的自适应粒子群算法(NSWPSO).将改进后的算法、标准粒子群算法、自适应惯性权重粒子群算法、线性递减惯性权重粒子群算法同时应用于不同维度的12个测试函数,对搜索结果进行对比分析,T-test差异分析、10维测试函数达到期望值时的寻优率和平均迭代次数分析,可得改进后的算法能够稳定快速准确地搜索到全局最优解.

工业机械臂的改进粒子优化群轨迹优化规划算法

以韩国现代HS220搬运机械臂为研究模型,针对机械臂轨迹规划中存在的效率低和稳定性差等问题,提出了一种改进粒子群算法的3-5-3分段多项式插值的机械臂最优时间轨迹规划优化算法。首先,采用改进后的D-H参数对机械臂进行模型建立和运动学分析,获取在关节空间中的路径点;然后,在运动学约束下,采用3-5-3分段多项式插值法为基础,进行插值拟合轨迹;最后,结合改进的粒子群算法,引入了自适应惯性权重和动态学习因子的策略,运用此方法以时间为适应度函数进行优化,解决了标准粒子群算法易陷入局部极值等问题,保证机械臂满足位置平滑、速度、加速度光滑连续,有效提高了改进算法的收敛速度;并通过MATLAB对机械臂轨迹规划仿真与分析,进一步验证了提出改进算法的有效性与可行性。

对比研究响应面法和BP神经网络-粒子群算法优化调理松板肉加工工艺

为优化调理松板肉加工工艺,提升松板肉品质,采用超声-真空协同处理以提升肉的质构特性和成品率。在单因素的基础上,应用Box-Behnken试验设计,对比分析响应面法和BP神经网络-粒子群算法对调理松板肉成品率的影响。试验结果表明,响应面法优化的超声-真空协同处理最佳工艺为液肉百分比48.10%、超声功率246.04 W、真空度61.11 kPa,成品率理论预测值为94.82%,验证值为92.84%,相对误差值为2.09%。BP神经网络-粒子群算法分析的最佳工艺为液肉百分比51.00%、超声功率235.36 W、真空度66.11 kPa,成品率理论预测值为95.48%,验证值为94.96%,相对误差值为0.54%。BP神经网络-粒子群算法优化出的成品率更高,误差更小,说明该方法在食品加工领域应用前景更广阔,同时也为食品研究提供了新思路。

引入路径夹角的粒子群-禁忌搜索寻优的速度前瞻算法研究

对于数控系统中路径为连续微线段的情况,本文提出一种采用路径夹角进行优化的多轨迹速度前瞻算法。首先基于前后路径的约束关系初算衔接速度;其次,利用路径夹角对衔接速度和最大加加速度进行矢量函数映射;最后,将所得的加减速参数带入S加减速模型,得到非对称S型加减速数据。并且采用粒子群-禁忌搜索混合算法对路径夹角的调整系数进行优化,通过熵权法计算适应度函数合成指标的权重,得到全局最优解。结果表明,相较于传统S型加减速,本文采用的算法显著提高了加工效率,具有较高的柔性,极大的提升了加工精度。

基于改进的混合粒子群算法的变循环发动机模型求解

为了降低变循环发动机模型求解时对初始值的依赖性,提升算法的全局收敛性,同时提高模型求解的效率,提出了一种基于改进的混合粒子群算法的变循环发动机模型求解思路。首先建立了变循环发动机的部件级模型,并建立了发动机的共同工作方程组;然后采用Broyden法对牛顿-拉夫森算法中的雅可比矩阵进行更新计算,在经典粒子群算法的基础上引入粒子中心,作为干扰项,并引入限制因子和自适应时变惯性系数;最后,综合了两种改进的算法,提出改进的混合粒子群算法。实验结果表明:该算法不仅继承了牛顿-拉夫森算法的高计算效率,还吸收了改进的粒子群算法的全局收敛优点,可实现模型大范围收敛。

基于粒子群算法与内点算法的无功优化研究

提出了基于改进粒子群算法和预测-校正内点法的解耦无功优化算法。通过引入时代因子和邻近变异策略,同时采用分段处理方法对粒子群算法进行改进。运用预测-校正算法替代原-对偶内点,使得在内点法寻优过程中的迭代步长加大,同时避免寻优过程中振荡的出现。将改进粒子群算法和预测-校正内点算法分别用于无功优化的离散优化和连续优化子问题。将所提出的方法应用于IEEE30节点和IEEE118节点的系统。算例表明:与采用传统粒子群算法和原-对偶内点算法的混合无功优化相比,提出的方法在计算速度和优化效果方面都具有明显的优势。

结合局部优化算法的改进粒子群算法研究

提出了结合局部优化算法的改进粒子群算法(Combination Particle Swarm Optimization,CPSO),粒子群算法虽然通过群体规模来规避早熟,但缺乏局部快速搜索能力,因此将局部优化算法与改进粒子群算法相结合,并尝试不同的局部优化算法,例如牛顿法、最速下降法,通过典型函数优化实验表明,与其他改进粒子群算法相比,CPSO具有较强的寻优能力,鲁棒性和较快的收敛速度;实验也表明不同的局部优化算法在不同的特征函数上体现出不同的优势。

改进的粒子群优化算法及其工程应用

针对单目标粒子群优化算法局部搜索能力差,不能有效求解高维、复杂工程问题等缺点,提出了一种改进的粒子群优化算法,即单纯形粒子群优化方法的混合算法(SM PSO)。该混合算法,在继承粒子群优化算法原有优点的同时,不但可减少计算规模,且有效地增强了粒子群优化算法的局部搜索能力,提高了算法的鲁棒性能。文中采用30维经典测试函数及齿轮减速器优化问题作为算例,验证了该算法的优越性能。

剪切变稀型SPH非牛顿流体的预测-校正方法

对非牛顿流体的模拟一直是基于物理的流体模拟技术的研究难点.为解决SPH流体模拟中非牛顿流体粒子凝聚成团导致断层现象,提出一种针对剪切变稀型非牛顿流体的预测-校正方法.首先使用Cross模型对流体进行统一建模;然后计算每个流体粒子受到的除了压强力以外的其他力,以此获得中间速度;最后通过求解每个流体粒子的压强系数满足流体的不可压缩性,实现密度校正.为了提高计算速度,该方法使用全局动态时间步长.实验结果表明,文中方法实现了牛顿流体和剪切变稀型非牛顿流体的统一建模,解决了断层问题;相比于无校正方法,其能够在更大的时间步长下稳定运行.

基于退火粒子群和内点法的改进最优潮流算法

针对一般智能算法计算最优潮流(optimal power flow,OPF)问题收敛速度慢、精度低等问题,提出一种退火粒子群(simulated annealing based particle swarm optimization,SA-PSO)和预测-校正原对偶内点法(predictor-corrector primal-dual interior point method,PCPDIPM)结合的改进最优潮流算法。该算法采用SA-PSO优化待求系统的离散变量,而在SA-PSO的每一次迭代过程中,通过PCPDIPM优化待求系统的连续变量,并对粒子进行适应度评估。这种求解模式将SA-PSO求解离散变量方便和PCPDIPM优化速度快的优点结合在一起,发挥了两种算法的优势。多个算例结果表明,与SA-PSO算法相比,该算法具有寻优能力强,收敛速度快,计算精度高的优点。

基于改进粒子群算法的油茶花粉采摘机械臂轨迹规划

针对人工收集油茶花粉存在劳动强度大、效率低等问题,基于油茶花的生长特性,设计了一种油茶花粉采摘机器人。以油茶花粉采摘机械臂为研究对象,采用D-H方法对其进行建模和正、逆运动学分析;在Matlab软件环境下,采用蒙特卡罗方法求解末端手爪的工作空间,得到机械臂末端工作空间的点云图像。仿真数据表明,所设计的机械臂能够很好地满足油茶花粉采摘要求。由于传统机器人轨迹规划存在效率低、运行不稳定等问题,提出了一种改进粒子群(IPSO)算法对油茶花粉采摘机械臂的轨迹进行优化。该方法以时间为适应度函数,有效地将5-5-5多项式插值函数与IPSO算法相结合。通过对比传统遗传算法(SGA)与传统粒子群算法(SPSO),表明IPSO算法能更好地适用于油茶花粉采摘机械臂的时间最优轨迹规划。

基于PSO-Newton法的电-气综合能源系统能流计算

在全球能源形势日趋严峻的情况下,传统单一的电力系统能源结构已经无法满足发展的需求。随着电解制取天然气(P2G)技术及燃气轮机技术的迅速发展,电力系统与天然气系统的联系变得紧密起来。能流计算作为电-气系统耦合分析的基础与关键,对其研究显得尤为重要。文中首先分析了电力系统与天然气系统数学模型,针对牛顿(Newton)法中较难解决天然气系统对压力初值的选取问题,提出利用粒子群(PSO)算法对压力初值进行优选;然后利用Newton法顺序求解电-气综合能源系统(IES)的能流;最后在由IEEE 14节点配电系统和14节点天然气系统组成的电-气耦合系统中验证了所提方法的可行性和准确性。

基于逼近和牛顿插值法的最佳风电接纳水平确定

随着风电场规模的不断扩大,电网接纳风电能力的限制已成为风电场规划的一个重要影响因素。为了确定系统接纳风电的最佳水平,建立了综合考虑常规机组运行成本和风电场弃风量的调度模型。引入风电接纳水平系数,从常规机组和风电场运行的经济性角度提出了一种基于粒子群算法的风电接纳水平的优化方法。对含1个风电场和10台常规机组的系统进行了计算分析。针对该风电场的12组典型出力数据分别优化得到对应的最佳风电接纳水平值并分别采用逼近法和牛顿插值法确定了系统的最佳接纳水平,在该水平下的风电出力可以使系统在一个最佳经济点运行。该比例系数可以作为风电场规划的参考。

电阻抗断层成像的MPSO-MNR算法研究

基于修正粒子群算法(MPSO)和修正的牛顿-拉夫逊(MNR)算法的优点和局限,提出MPSO-MNR算法,通过对研究的平面圆形求解域采用有限元法进行剖分,电流注入采用三角电流法的园域内单个、两个仿真目标采用该算法进行电阻抗断层静态重构。采用定义的适应值函数和误差总和作为评价重构质量的物理量。数值仿真结果表明,在一定迭代次数内,提出的MPSO-MNR算法对求解域内目标位置定位准确,能够较准确反映场域内电阻率的分布。

并联机构正运动学AWPSO-SM求解算法

通过将数值迭代算法与智能优化算法相结合,提出并联机构正运动学问题的通用求解算法——自适应权重粒子群-弦截法(AWPSO-SM)算法,并针对3-UCU(U为万向副,C为圆柱副)并联机构给出AWPSO-SM的详细求解过程。为了验证所提算法的有效性,在Matlab环境下,分别给出3-UCU、3-PPR(P为移动副,R为转动副)以及4-SPS(S为球副)3种典型并联机构正运动学问题的求解算例,并分别与AWPSO和弦截法的求解结果进行对比。由仿真结果可知,AWPSO-SM克服了单一方法在局部收敛性和初值选取方面对计算结果的影响,可有效地对并联机构的正运动学问题进行求解。

基于ANN-PSO算法的pH依赖-时滞型地锦草结肠靶向给药微丸制备工艺优化

目的应用人工神经网络结合粒子群优化法(ANN-PSO)筛选地锦草结肠靶向给药微丸制备工艺参数。方法以pH依赖-时滞型地锦草结肠靶向给药微丸的制备为研究模型,薄膜包衣增重、增塑剂与成膜材料用量比为变量,微丸体外释放总评归一值为因变量,应用BP(back-propagation,反向传播)人工神经网络建模,并结合粒子群优化法筛选微丸的处方工艺参数。结果按优化的处方工艺参数制备的地锦草结肠靶向给药微丸,在体外实验中可满足结肠定位释放的要求。结论人工神经网络建模与粒子群法寻优相结合,为解决药物制剂工艺涉及的多维复杂非线性系统的优化问题提供了有效的途径。

基于“灰度-梯度共生矩阵”的最大条件熵阈值法

基于"灰度-梯度共生矩阵"模型,在现有最大条件熵图像阈值法的基础,引入加权系数进行改进。为了解决权值选取问题,以图像分割质量评价的均匀性测度为评价指标,采用自适应粒子群算法对权系数进行优化选择,进而获得最优的分割阈值。实验结果表明,与二维最大熵、最大条件熵算法相比,该方法能够获得更佳的分割结果。

基于子结构耦合法的机床主轴-刀具系统频响函数研究

数控加工过程的稳定性与由频响函数确定的机床主轴-刀具系统的动态特性密切相关,通常,需要进行模态实验以获取数控机床主轴-刀具系统的频率响应函数,为了避免因更换刀具时获取其频响函数的模态实验的重复性,文章研究利用响应耦合法(RCSA)预测主轴-刀具系统刀尖点的频率响应函数,主轴-刀柄基座的频响函数利用实验以及反向RCSA方法获得,并用Timoshenko梁理论计算外伸刀柄和刀具的频响函数,然后将3个子结构的频响函数进行耦合,得到整个系统刀尖点的频响函数,然后利用加入禁忌搜索的粒子群算法识别刀柄和刀具结合面的参数,将预测得到的系统刀尖点的频响函数与实测的频响函数进行对比研究,并通过实验验证了该研究方法的有效性。

跨境铁路项目全生命周期风险评价研究——基于ADPSO-AHP算法

以跨境铁路全生命周期风险为研究对象,进行风险识别与评价,并确定风险程度等级,为跨境基础设施的研究提供一定的参考和借鉴。首先根据文献研究法识别跨境铁路风险,从政治、经济、社会等多方面构建风险指标体系,然后采用自适应粒子群-层次分析法建立风险评价模型,最后以中老铁路全生命周期风险为例进行实证研究,探讨风险权重并给出相关建议。