基于SSO算法优化神经网络的数控机床热误差建模

针对影响五轴数控机床加工精度的复杂热特性,提出了一种用于摇篮式五轴数控机床热误差建模方法.该方法主要采用鲨鱼嗅觉优化(SSO)算法和神经网络的复合建模方式,有效提高了机床热误差预测模型的精度和建模效率.首先通过使用热成像仪筛选出机床的温度敏感点,然后将温度传感器布置在机床热敏感点的位置,将采集到的热特性数据采用本文所提方法进行热误差建模,结果表明,该方法在建模速度和精度上要优于ABC和PSO神经网络,最后将该热误差预测模型应用于五轴数控机床热误差补偿实验,将试件加工精度提高了32%.

基于鲨鱼优化算法的液压伺服系统自抗扰控制

针对冷轧机组液压伺服位置系统存在不一致性而引起两侧位置不同步的问题,提出一种基于改进鲨鱼优化(ISSO)算法的自抗扰同步控制方法。首先,建立了液压伺服位置同步系统的数学模型,并针对自抗扰控制器参数难以整定以至于影响同步控制精度的问题,通过引入反向学习综合策略和自学习系数,针对鲨鱼优化算法易陷入局部最优的问题进行了改进,并将改进后的鲨鱼优化算法用于自抗扰控制器的参数整定。最后,通过仿真验证了所提方法有效地减小了同步控制误差,且具有良好的抗扰动能力。

基于改进鲨鱼优化算法的倒立摆自抗扰控制研究

旋转倒立摆是一类单输入多输出的非线性不稳定系统,具有很强的耦合性,传统的控制策略难以满足其控制精度的要求。为实现对倒立摆起摆后在稳定阶段的精确控制,本文采用自抗扰控制策略对倒立摆的摆角和转角进行闭环控制。由于传统的非线性自抗扰控制器具有多个耦合参数,传统的经验整定法难以有效整定,本文通过均匀变异和对立学习策略对传统鲨鱼算法进行改进并对自抗扰控制器参数进行在线整定。通过实验,验证了改进后的鲨鱼优化算法具有较高的全局收敛性,有效的整定了自抗扰控制器参数,提高了控制器精度,使倒立摆获得了良好的稳定性和鲁棒性。

基于优化极限学习机的直流微电网并网等效建模

针对直流微电网的并网建模问题,提出了一种基于优化极限学习机的直流微电网并网等效建模方法。以直流微电网并网接入点的电压和功率数据分别作为极限学习机的输入和输出,构建基于极限学习机的直流微电网并网等效模型。由于极限学习机在初始化过程中,输入权值和隐层阈值随机设定且不再改变,会导致极限学习机建模缺乏自适应性,影响建模精度。利用鲨鱼气味优化算法对极限学习机的输入权值和隐层阈值进行优化,进一步提高建模精度。鲨鱼气味优化算法通过模拟鲨鱼捕猎过程进行寻优,通过气味粒子浓度引导鲨鱼位置的更新,是一种效率极高的优化算法。通过与微电网的实际仿真模型对比,验证了建模方法的合理性和准确性,说明所提方法具有较好的实际应用价值。

基于双种群鲨鱼优化算法的自抗扰机械臂轨迹跟踪

针对自抗扰控制器耦合参数过多,传统经验整定法难以整定的问题,提出一种改进的鲨鱼优化算法对参数进行在线整定。通过自适应控制因子、双种群寻优、位置废弃等策略改善传统鲨鱼优化算法易陷入局部最优和开发勘探能力不平衡的缺陷。将整定后的自抗扰控制器对机械臂进行轨迹跟踪实验。实验结果表明,优化后的自抗扰控制器有效降低了轨迹跟踪误差,提高了控制精度和抗扰动能力。

基于广义反向学习的改进鲨鱼算法自抗扰参数整定

针对非线性自抗扰控制器参数难以整定、很大程度影响控制精度的问题,提出一种改进鲨鱼优化算法的在线整定方式。首先,针对传统鲨鱼算法易早熟收敛陷入局部最优,且算法全局搜索精度低的问题,通过广义反向学习对鲨鱼种群进行初始化,并在鲨鱼位置更新过程中加入非线性控制因子,平衡算法的全局探索能力和局部开发能力,最后在迭代过程中加入Levy变异机制,提高算法跳出局部最优的能力。其次,将改进后的鲨鱼优化算法对自抗扰控制器参数在线整定,并将优化后的自抗扰控制器用于工程实例中,进行仿真实验。实验结果表明,整定后的自抗扰控制器很大程度提高了控制精度和抗扰动能力。

基于分解和向量的多目标鲨鱼优化算法

为了提高多目标鲨鱼算法在收敛速度和解集的分布性,提出一种基于分解和向量的多目标鲨鱼优化算法(DVMOSSO)。首先针对基本鲨鱼算法收敛性和多样性难以平衡的问题,通过在精英集采过程中,用参考向量计算角度惩罚距离标量值来平衡目标空间中解的收敛性和多样性。除此之外,针对基本鲨鱼算法在迭代后期易早熟收敛,陷入局部最优的缺陷,采用高斯变异策略重新初始化粒子,同时在精英解集中采用多项式变异来增加种群的多样性。最后,为了验证本文所提算法的有效性,将本文所提的DVMOSSO算法与NSGAII-DS、MOEA/D、MMOPSO、MOSSO和dMOSSO算法在标准测试函数上进行对比实验,实验结果表明本文所提算法具有良好的收敛性和分布性,算法收敛精度更高,寻优能力更强。

基于偏好的列车运行过程多目标鲨鱼优化算法

针对列车运行过程优化问题,以节能、准时、停靠精确和舒适作为优化目标建立了多目标的列车运行过程优化模型,并提出了一种基于偏好的列车运行过程多目标鲨鱼优化算法。将解向量与目标需求向量的夹角余弦作为评价指标,以增强评价的合理性;并将决策者的偏好融入解优劣的评价策略,以自适应的调整各个鲨鱼个体的交叉、选择和变异的概率,从而引导个体快速奔向决策者期望的偏好区域,以增强评价的实用性。与此同时,为提升全局优化性能,结合偏好引导、融合距离、遗传进化等有效机制,设计了一种优化性能更强的更新鲨鱼种群的计算流程。以大连地铁13号线九里至十九局的列车运行场景作为实验对象,其硬件在环实验环境下得到的实验结果表明,相比于传统的多目标优化算法,所提出的优化算法具有较快的寻优速度和较高的寻优精度,且能够寻优得到更符合决策者预期的优化解。

基于鲨鱼优化算法的农产品物流配送路径优化

为提高农产品物流配送系统的效率和效益,根据农产品物流配送特点,建立了物流配送系统数学模型,并基于改进的鲨鱼优化算法对配送路径进行优化.为避免传统鲨鱼优化算法易陷入局部最优的缺陷,提出一种基于正弦运动机制和高斯变异策略的改进鲨鱼优化算法.试验结果表明,改进算法能较好地解决农产品物流配送车辆路径的优化问题,有效降低物流配送的成本.

基于正弦控制因子的Lateral变异鲨鱼优化算法

针对传统鲨鱼优化算法在求解高维目标函数时,易早熟收敛,陷入局部最优的缺陷.提出一种基于正弦控制因子的Lateral变异鲨鱼优化算法.通过正弦曲线的特性和自适应惯性权重,改善了传统鲨鱼优化算法中由于随机选取控制因子数值大小可能导致算法在迭代后期全局搜索能力降低的问题,提高了算法在迭代后期的全局收敛能力,并对最佳鲨鱼位置引入Lateral变异策略,加强了算法跳出局部最优的可能性.改进后的算法对多个shifted单峰,多峰以及固定维测试函数进行求解,实验结果表明,对比多种不同优化算法而言,本文所提LSSO算法具有更高的收敛精度和搜索速度.