空间6R机械臂位置逆解的复合形差分进化算法

以6自由度TX60型Staubli工业机械臂为研究对象,通过运动学分析,建立求解该机械臂位置逆解的非线性方程组。以末端执行器位姿误差最小为目标函数,将非线性方程组转化为无约束优化模型,并应用差分进化算法(Differential evolution algorithm,DE)求解该问题。为克服基本DE难以平衡收敛精度和计算可靠性的缺陷,提出一种自适应分工复合形差分进化算法(Adaptive division complex DE algorithm,ADCDE),以增强优化性能。该算法将种群自适应划分为开采子群和勘探子群,前者采用DE/best/2/bin策略生成变异个体,而后者采用复合形算子生成变异个体。给出工程应用实例,应用ADCDE求串联机械臂的位置逆解。仿真结果表明,该算法的计算精度和可靠性优于对比算法,应用较少计算开销即可求出高精度位置逆解,且能求得所有可能逆解,验证了该方法的有效性和可行性。

按传动角优化曲柄滑块机构的约束粒子群算法

建立了偏置曲柄滑块机构工作行程最小传动角最大化问题的约束优化设计模型,提出了处理该模型中约束条件的自适应罚函数法。由于粒子群算法具有简单、高效的特点,因而应用该算法求解机构约束优化问题的全局最优解。给出了数值实例,并通过与已有结果的比较来表明新方法的有效性和稳健性。

扇形采样约束多目标差分进化算法及工程应用

工程实践中存在大量约束多目标优化问题(Constrained multi-objective optimization problems,CMOPs),多目标进化算法是求解这类问题的一类有效方法。引入扇形采样技术,将二次变异双种群差分进化算法和约束处理方法相结合,设计求解CMOPs的进化算法——基于扇形采样的约束多目标差分进化算法(Sector-sampling-based constrained multi-objective differential evolution algorithm,SS-CMODE)。扇形采样可避免耗时的非劣操作,且能保证Pareto最优解集的良好逼近性和多样性。通过3个典型CMOPs的对比测试,表明SS-CMODE的解集均匀性和计算效率明显优于对比算法。以J23-80机械压力机使用的双曲柄串联机构多目标优化为例,研究新算法求解工程问题的有效性。以锻冲工作阶段平均速度波动最小和力传动性能最优为目标,建立机构的约束多目标优化模型,再应用SS-CMODE求解该问题。结果表明,该算法能求出多组满足约束条件的Pareto最优解,且解集均匀性良好。

改进混合蛙跳算法及其函数优化应用

混合蛙跳算法(SFLA)具有算法简单、控制参数少,易于实现等优点。但在高维难优化问题中,算法容易早熟且平均收敛精度不高。本文借鉴标准差分进化(SDE)算法中的DEr1具有较强的全局搜索能力,种群多样性好的优点,应用DEr1的局部搜索策略改进混合蛙跳算法以提高算法的收敛速度和求解精度。给出了6个典型的30维Benchmark难优化测试函数数值对比实验,结果表明,改进混合蛙跳算法(ISFLA)方法在寻优效率和计算精度,鲁棒性等性能方面比DEr1以及混合蛙跳算法SFLA有明显提高。

基于混合蛙跳算法的齿轮传动优化设计

混洗蛙跳算法(SFLA)求解高维连续优化问题时容易早熟且求解精度不高。利用基本差分进化算法(SDE)中DE/best/2/bin(DEb2)全局搜索能力较强、收敛速度快的优点,将SFLA与DE有机融合,形成混合优化算法(HODEFL),以克服SFLA的缺陷。以斜齿圆柱齿轮减速器的优化设计为研究对象,建立体积最小为目标的约束优化设计模型。应用HODEFL求解该问题,并与改进粒子群算法(LWP-SO)、SFLA、DEb2等3种算法比较。实验结果表明,HODEFL算法在寻优效率、计算精度、鲁棒性等方面性能优于其他3种对比算法。