基于遗传-拟牛顿算法的机器人几何参数辨识

为提升工业机器人绝对定位精度,提出了一种遗传-拟牛顿算法来辨识机器人几何运动参数并进行机器人绝对定位误差补偿的联合算法。首先,利用MD-H方法建立机器人运动模型,并通过微分变化原理建立机器人各个关节误差转换到机器人末端误差模型;其次,通过激光跟踪仪测得KR16-2型机器人在指定工作空间50处采样点信息,通过传统遗传算法和遗传-拟牛顿联合算法分别对机器人几何参数进行辨识和比较,并在此算法中提出小区间生成初始种群的方式来提高迭代效率,通过算数交叉和动态变异完成新个体的生成,解决了传统遗传算法出现过早收敛问题。结果表明,此算法对机器人进行补偿后的精度分别提高71.28%和53.23%,直线制孔平均误差是0.45 mm,弧面制孔平均误差是0.42 mm,验证了联合算法的优越性和实用性。

基于遗传-拟牛顿混合算法的地下震源定位

为了用多传感器网络解决震源的定位问题,采用脉冲耦合时钟同步算法,同步所有传感器网络节点时钟,在此基础上,测出震源发出的脉冲信号到达各个节点的时间差。结合遗传算法的全局寻优能力和拟牛顿算法的快速局部搜索能力,提出遗传-拟牛顿混合算法的到达时间差定位方法。为了验证该混合算法的精确性,使用MATLAB分别对拟牛顿算法与遗传-拟牛顿混合算法的横轴和纵轴进行仿真,通过对比,证明了遗传-拟牛顿混合算法收敛速度快、精确度高、稳定性好。

基于遗传-拟牛顿混合算法的远场震源定位

在微震震源定位过程中,震源与检波器的相对位置对定位精度有较大影响。由于计算机计算的精度有限以及预置的速度误差,当震源位于远场时,定位精度会比较低。为了解决这个问题,在设定均匀介质的条件下,基于无需测速的震源定位模型,结合遗传算法全局优化及拟牛顿法的快速局部搜索能力,提出用遗传-拟牛顿混合算法震源进行定位。为了验证该混合算法的优势,用遗传-拟牛顿混合算法和简单遗传算法进行MATLAB仿真模拟对比,实验结果表明,使用该混合算法获得的震源定位速度更快、精度更高。

基于遗传拟牛顿混合算法的四杆机构优化

针对曲柄转角限定和未限定的平面四杆机构轨迹综合问题,文章结合遗传算法(genetic algorithm,GA)全局搜索和拟牛顿算法BFGS局部快速收敛的优点,设计了一种基于GA和BFGS算法混合的平面四杆机构优化算法。对四杆机构进行运动学分析,得到连杆上一点的运动学方程;建立机构的优化数学模型;通过实例与其他启发式智能算法优化结果的对比,验证了该算法在曲柄转角限定和曲柄转角未限定的平面四杆机构轨迹拟合上具有高度的全局收敛能力。

病理嗓音发声系统的非对称建模研究

为了在病理嗓音识别中为特征参数选择提供依据,提出声带非对称力学建模仿真病变声带并进行分析研究。依据声带的分层结构和组织特性,建立声带力学模型,耦合声门气流,求取模型输出的声门源激励波形。采用遗传粒子群-拟牛顿结合优化算法(Genetic particle swarm optimization based on quasi-Newton method,GPSO-QN)将模型输出的声门源和实际目标声门波相匹配,提取优化模型参数。仿真实验结果表明,该声带模型能产生与实际声门源相一致的声门波形,同时也证明了左右声带生理组织间的非对称性是产生病理嗓音的重要原因。