一种快速自适应最优小波包基搜索算法

在小波包调制系统中,小波包基的选取对于系统性能有着显著的影响。针对目前BBS算法与BFA算法的缺点,分析了小波包基的构成原则与选取方法,提出了一种基于根节点逐级向下按二进分支路分解,利用度量函数决定父节点与子节点取舍的最优基搜索算法,并解决了约束条件下的最优基输出问题。最后将该算法在4径Rayleigh信道模型下进行了测试,仿真结果表明：在相同条件下,该算法比BBS算法快15%~20%,比BFA算法快10~15倍,且输出的最优基比全分解结构的ICI与ISI联合功率降低约20%。

一种细菌觅食算法的改进及其应用

针对原有细菌觅食算法收敛速度慢、计算量大的问题,首先通过改进细菌种群大小、细菌运动步长、引进迭代终止条件改进原有细菌觅食算法,然后将其应用到支持向量机的参数优化上。实验以Iris标准测试数据集为依托,以高斯核支持向量机中核参数γ和惩罚因子C为优化对象,分析了遗传算法、粒子群算法、原有的和改进后的细菌觅食算法的寻优性能,验证了将改进后的细菌觅食算法应用到支持向量机参数选择上具有优越性。

基于微粒群策略的自适应觅食算法研究

为了克服传统觅食算法BFA(Bacterial Foraging Algorithm)收敛速度慢以及高维优化收敛性差的问题,提出了一种新的基于微粒群优化策略的自适应觅食算法ABF-PSO(Adaptive Algorithm Bacterial Foraging Orientedby PSO).该算法采用自适应趋化步长来提高搜索能力,并根据微粒群优化PSO(Particle Swarm Optimization)策略来控制细菌的运动方向,避免了细菌运动方向因随机性选取而延误全局最优值搜索的问题.在详细阐述了动态调整细菌的趋化步长和利用微粒群优化策略更新细菌运动方向后,对经典测试函数分别采用PSO算法,BFA算法和ABF-PSO算法进行了对比测试.实验结果表明,ABF-PSO算法不仅收敛速度得到很大提高,同时对于复杂和高维搜索的问题获得了很好的收敛性.

基于BABFA的XNOR/OR电路面积优化

基于XNOR/OR的固定极性Reed-Muller(FPRM)电路面积优化是当前集成电路设计领域的研究热点之一。由于基于XNOR/OR的FPRM电路面积优化属于组合优化问题,提出了一种二进制自适应细菌觅食算法(BFA)。该算法在复制操作中加入概率模式,提高种群多样性,采用模糊规则对复制概率和迁移概率进行修正,提高算法的收敛速度。使细菌在邻域内进行搜索,替代细菌群体感应机制中的斥力操作,细菌无需感应其他个体位置对其的影响。提出一种基于XNOR/OR的FPRM电路面积优化方法,利用提出的二进制自适应细菌觅食算法搜索电路面积最小的FPRM电路。基于MCNC Benchmark电路的实验结果表明:面积最大优化率为18%,时间最大节省率为46%。

BFA优化EEMD的刀具故障诊断

为了准确识别刀具磨损状态,提出一种细菌觅食算法(BFA)优化集合经验模态分解(EEMD)并与隐马尔可夫模型(HMM)结合的刀具故障诊断方法。首先利用BFA优化EEMD的白噪声幅值系数和总体平均次数,通过设置优化得到的最优参数,将降噪后的信号经EEMD分解为一系列本征模态分量(IMF);再依据峭度和相关系数重构信号;最后从重构信号中提取特征向量作为观测序列输入已训练好的HMM分类器中进行故障诊断。通过对刀具实验数据的分析,验证了此方法的可靠性和准确性。

基于精英个体划分的变步长萤火虫算法的特征选择方法

针对标准萤火虫算法(firefly algorithm,FA)收敛速度慢及其在解空间内的搜索易陷入局部最优的缺陷,充分考虑萤火虫算法在寻优过程中其种群内个体的差异性,提出一种基于精英萤火虫个体划分的变步长策略,改进后的FA在算法迭代中对每代目标值较好的精英萤火虫个体随机增大其移动步长,而对每代目标值较差的非精英个体则线性减小其步长。为适用于特征选择问题,又对FA中萤火虫的编码和位置移动进行了离散化定义,给出了基于所提改进型离散FA(binary firefly algorithm,BFA)的包装式特征选择方法流程。在UCI分类数据集上对比测试了所提改进型BFA与其他算法在优化特征选择方面的性能。测试结果表明,基于所提改进型BFA优化特征选择的效果较好,验证了所提改进策略可有效提升FA的优化能力。

基于模糊自适应和优化阻抗的双机器人力/位主从协同控制方法

多机器人协同作业广泛用于多机协同搬运、冲压、焊接等领域,具有更高的精度,更灵活的工况执行能力。协同系统的插补算法与力/位控制性能共同决定了协同作业的轨迹平滑性和稳定性,也直接影响着系统的承载性能与作业质量。作者针对双机器人协同搬运过程中的力/位控制技术展开了研究。首先,分析了双机器人协同搬运工况的夹持特征和受力状态,建立了协同搬运系统的理想数学模型。接着,依据主从机器人2阶阻尼系统的数学模型,采用双机器人主从协同控制模式,分别设计力/位控制策略;提出主机器人采用基于理想位置的优化模糊自整定位置控制,从机器人采用基于主机器人位置偏差的优化细菌觅食算法的阻尼控制,进行控制模块的设计工作。然后,在MATLAB中编译了细菌觅食算法主体及其代价函数,在Simulink中搭建控制系统。最后,对整个控制器模块进行联合仿真,仿真结果如下:主机器人的最大位置误差缩小到1.53 mm,从机器人的最大力误差缩小到0.038 N。从机器人追踪主机器人的位置误差控制在0.18 mm内,且从机器人可在0.2 s内快速修正主从速度偏差。仿真结果表明:相比常规PD控制,本文所述控制方法可减少约40%的最大追踪误差,且有效消除了力追踪过程中的过零振荡现象,提高了系统的实时追踪动态性能。