基于IWO算法的注塑成型工艺参数研究

注塑成型是塑制品生产中最常用的生产工艺,而塑制品的收缩比率是影响产品质量的关键因素.本文以聚丙烯(PP)和聚苯乙烯(PS)为原料的塑制品作为研究对象,确定了注塑工艺中影响塑制品收缩比率的相关参数,主要有熔融温度、注射压力、保压压力和保压时间,通过数学模型研究了以上参数对PP和PS的影响,采用入侵杂草优化(IWO)算法对参数进一步优化.优化结果表明,该模型和算法有效地解决上述问题.

基于ELM-IWO机械臂运动学逆解算法研究

为了提高机械臂控制中运动学逆解的速度和准确度,提出了一种基于入侵性杂草优化的机械臂运动学逆解方法。通过D-H法建立了工业六自由度机械臂的正向运动学模型,并利用训练速度较快的ELM (极限学习机)计算机械臂关节角度向量,即输出其逆运动学初解。利用IWO (入侵性杂草优化)算法对得到的初始逆解进行优化,取最小适应度下的杂草位置作为输出,以便得到最佳的逆运动学求解。实验结果表明,相比基于PSO-BP神经网络的求解方法,基于ELM-IWO算法的机械臂末端执行器的精度更高,实时性更好。

基于入侵性野草算法的短波宽带鞭状天线优化

为了实现短波鞭状天线的宽带化,引入了入侵性野草(Invasive Weed Optimization,IWO)算法,提出了用于设计短波宽带鞭状天线加载和匹配网络的一种新方法,以频带内各采样频率点的最大驻波比最小化为优化计算的目标函数,对频带内电压驻波比进行优化。仿真结果表明,该算法实现了鞭状天线的宽带化和高效率,也证明了IWO算法在天线宽带设计的有效性。

入侵杂草算法及其改进方法综述

入侵杂草算法(IWO算法)是模拟杂草繁衍过程的一种随机搜索方法,具有鲁棒性、自适应性强和编程简单等优点,但也有搜索效率低,容易陷入局部最优的不足.在种群初始化阶段,研究者采用多子群法、反向学习法和混沌序列等方法使种群在全局空间分布更均匀;在空间扩散阶段,研究者将防早熟的杂草算法、Alopex算法、Lévy飞行法和蝙蝠算法等应用于IWO算法,使得部分种子在空间扩散阶段获得更强的全局搜索能力;在竞争排斥阶段,采用差分进化算法,可改善种群的多样性,并且更容易选择出优秀个体,提高收敛速度.

基于脉内特征的雷达信号分选方法

当前复杂的电子环境下不同调制的多种雷达信号,具有交叠严重、分选困难的特点。针对这一问题提出一种基于时频原子特征的雷达信号分选方法。该方法根据欧氏距离准则,在超完备的Chriplet时频原子库中,利用杂草算法提取可分性较好的原子,并与各信号做内积作为雷达信号分选的特征值,利用改进的FCM聚类算法进行聚类。在不同信噪比下,对5种不同调制参数的雷达信号进行分选,仿真结果表明,在较低的信噪比下,该方法能够进行有效的雷达信号分选。