基于PSODE算法的机场充电桩规划研究

基于当前机场逐步实行车辆“油改电”的大背景,研究了今后机场充电桩的布局规划问题。建立了以充电桩管理建设费用、电动特种车辆路上运行费用及充电等待费用最小为目标函数的充电桩选址模型,在粒子群算法的基础上引入信息互融机制,提出了差分进化粒子群算法作为模型求解方法,克服了粒子群算法易陷入局部最优和精度低的缺陷,增加了种群多样性及全局寻优能力。最后结合机场实例确定充电桩布局选址的具体方案,证明了模型算法的可行性和有效性。     

基于改进粒子群-禁忌搜索算法的FMS布局优化

针对待加工零件(族)的工艺特性已知,且加工设备型号与数量选定的柔性制造系统(FMS)布局问题,以FMS总物流成本最低为优化目标,采用改进的粒子群-禁忌搜索算法进行了布局优化。以实数映射编码的方法和自动换行策略对粒子进行初始化随机编码,并在粒子群迭代过程中引入自适应变异算子对粒子的位置进行随机变异,增加粒子群的多样性,避免陷入局部最优解。将得到的优化结果解码并进行禁忌搜索,提高算法的局部搜索能力和寻优质量。通过实例验证了使用改进粒子群-禁忌搜索算法优化FMS布局的可行性,得到了相比于标准粒子群算法更优的物料搬运总成本和布局方案序列,结果表明该算法可以有效提高求解布局优化问题的精度。     

车间布局人因优化模型与应用研究

为改善车间布局以减轻作业负荷,分析作业负荷对车间布局影响,提出了车间作业负荷函数,界定了车间作业负荷函数的参数选取分为由搬运工件的搬运复杂度决定的脑力负荷和由作业时的各项生理指标决定的体力负荷,并确定模型的关键参数:搬运复杂度、工作和空闲时心率比值、相对能量代谢率等;应用粒子群算法,建立了车间布局人因优化模型,确定了粒子群算法下优化模型的框架、约束条件。编制了Matlab仿真程序并结合电动车架车间布局优化问题进行了仿真分析。得出综合目标条件下的最优车间布置,搬运工人作业效率提高了21.55%,累积疲劳指数降低20.96。     

基于IPSO模糊PID的汽车主动悬架电液伺服控制（英文）

为实现主动悬架的自适应控制,在整车7自由度主动悬架模型中加入阀控非对称液压缸动力学模型,并进行动力学分析。针对粒子群算法易早熟、寻优效率低的问题,提出一种改进粒子群算法(IPSO)算法,对模糊PID控制器的参数进行优化。同时,以B级模拟路面为输入,采用AMESim和Matlab软件对车辆行驶平顺性进行了联合仿真分析。结果表明:所建立模型能真实体现悬架系统的运动过程,所提出的控制策略能有效降低路面对车身垂向振动、俯仰、侧倾等性能指标的影响,提高车辆的行驶平顺性和操纵稳定性。     

基于IPSO模糊PID的汽车主动悬架电液伺服控制

为实现主动悬架的自适应控制,在整车7自由度主动悬架模型中加入阀控非对称液压缸动力学模型,并进行动力学分析。针对粒子群算法易早熟、寻优效率低的问题,提出一种改进粒子群算法(IPSO)算法,对模糊PID控制器的参数进行优化。同时,以B级模拟路面为输入,采用 AMESim 和Matlab软件对车辆行驶平顺性进行了联合仿真分析。结果表明:所建立模型能真实体现悬架系统的运动过程,所提出的控制策略能有效降低路面对车身垂向振动、俯仰、侧倾等性能指标的影响,提高车辆的行驶平顺性和操纵稳定性。     

改进型粒子群算法在数控加工切削参数优化中的应用

文章介绍了粒子群算法及其改进型的原理、模型和算法实现过程,并采用改进型粒子群算法对数控加工切削参数优化数学模型进行了优化计算,计算结果符合实际情况,表明改进型粒子群算法应用于机械加工优化计算切实可行,为复杂的机械制造及加工系统优化设计问题提供了新的思路和方法.     

基于改进FCM和磷虾群算法的机场特种车辆调度优化（英文）

机场特种车辆的高效运行是保障航班正常运行中重要的一环。针对机场特种车辆任务多、时间要求高和能耗大的问题,提出了一种基于改进KCM和磷虾群算法的调度优化方法,建立了以最大任务数为首要目标,以运行时间最短和使用车辆数目最少为次要目标的调度优化模型。仿真实验结果表明:该方法具有适应性好、求解速度快和求解质量高等优点,为提高航班正常率提供了一种有效可行的实现途径。     

基于改进FCM和磷虾群算法的机场特种车辆调度优化

机场特种车辆的高效运行是保障航班正常运行中重要的一环。针对机场特种车辆任务多、时间要求高和能耗大的问题,提出了一种基于改进KCM和磷虾群算法的调度优化方法,建立了以最大任务数为首要目标,以运行时间最短和使用车辆数目最少为次要目标的调度优化模型。仿真实验结果表明:该方法具有适应性好、求解速度快和求解质量高等优点,为提高航班正常率提供了一种有效可行的实现途径。     

基于粒子群算法的RBF神经网络齿轮磨损预测

针对机械设备磨损难以预测问题,提出RBF神经网络预测模型,并结合粒子群算法优化模型参数。利用变速箱型号为SG135-2系列的K727840ZW齿轮磨损实验输入-输出数据,通过基于粒子群算法的RBF神经网络建立输出预测模型,并与传统的AR模型、BP神经网络模型及Hermite神经网络模型预测作比较。仿真结果表明,基于粒子群算法的RBF神经网络模型结构简单、预测精度高,验证了所提方法的有效性和实用性。     

基于遗传粒子群算法的集成块布局优化

根据集成块的结构特点提出了一种集成块布局的优化方法,建立了集成块空间布局优化设计的数学模型和集成块的参数化描述,并结合遗传粒子群算法对提出的数学模型进行了求解.计算实例表明,运用遗传粒子群算法优化该数学模型可以很好地完成集成块的布局优化设计,为以后集成块的自动优化设计打下了坚实的基础.     

基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制（英文）

为改善粒子群优化算法的寻优性能,提出了一种新的算法——混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明:该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

基于混沌PSONN-PID神经网络的热连轧活套系统自适应解耦控制

为改善粒子群优化算法的寻优性能,提出了一种新的算法———混沌粒子群算法。该算法将混沌搜索机制引入到粒子群算法中来增加粒子的多样性,同时采用增加粒子交互性策略及先增后减的惯性权重因子模型来设置惯性权重因子,改善了递减策略中存在的缺陷。将改进后的算法与PID型单神经元相结合,并将其用于热连轧活套解耦控制系统。仿真试验表明：该算法较好地克服了粒子群算法易早熟和陷入局部最优的缺点,为解决活套系统高度张力耦合问题提供了一种新的有效途径。     

异类粒子群算法的机械臂轨迹多目标规划

为了减少机械臂工作过程中的耗时、耗能和冲击,提出了基于异类粒子群算法的机械臂轨迹多目标规划方法。建立了7自由冗余机械臂运动学模型和优化模型;以传统粒子群算法为基础,根据学习信息的不同来源,设计了4种粒子进化行为,根据粒子当前状态计算不同进化行为的当前价值和未来价值,根据当前价值和未来价值的综合价值计算不同进化行为的选择概率,从而完成了异类粒子群算法的构造。以耗时最少单目标优化为例,与传统粒子群算法相比,异类粒子群算法不仅收敛速度快,而且优化程度提高了27.48%;使用异类粒子群算法对机械臂轨迹进行多目标综合优化,给出了Pareto最优前沿面,可根据不同需求和优化重心从中选择优化结果。     

柔性调度多目标优化的混合粒子群算法研究

研究多目标柔性调度问题,提出了一种基于多目标粒子群优化算法和局域搜索技术相结合的新算法.建立以最大完成时间、机器总负载和最大机器负载为目标函数的多目标数学调度模型.将粒子群算法运用到机器分配子问题;局域搜索技术运用到工序排列子问题,对粒子群算法得到的结果进行再调度.粒子群优化算法的全局搜索能力与局域搜索技术相结合,加快了算法的收敛速度.最后通过与其他算法进行测试比较,验证了该算法的可行性及有效性.     

带收缩因子粒子群优化算法对热轧负荷分配的优化

为提高实际生产中的热轧带钢质量及生产效率,建立了兼顾负荷均衡和板形最优的负荷分配模型,采用传统经验法对负荷进行初步分配,并在基本粒子群优化算法中引入收缩因子,提出基于带收缩因子的粒子群优化算法,对初始分配结果进行优化。研究表明,与基本粒子群优化算法相比,收缩因子的引入能够有效地控制粒子的飞行速度,并改善粒子群优化算法的局部搜索能力,增强算法的收敛精度与收敛速度。函数测试结果显示,带收缩因子的粒子群优化算法在3类基准函数中的精度均为最优。负荷分配仿真模拟结果表明,该算法可以很好地满足轧制力和相对凸度的目标需求,体现了带收缩因子的粒子群优化算法的优越性与有效性。     

基于PSO/GA的立体视觉测量系统优化布局

探讨一种基于PSO/GA（粒子群优化/遗传算法）混合算法的立体视觉测量系统优化布局方法。以空间点目标的三维重构不确定度最小为目标,构建了立体视觉测量系统优化布局的目标函数。通过实例阐述了使用PSO/GA混合算法求解系统最优布局参数的过程,并且在MATLAB环境下对该方法做了验证。仿真实验结果表明：与传统的粒子群优化算法和遗传算法相比,使用PSO/GA混合算法得到的最佳个体适应度曲线上升速度最快,而且求得的系统最优布局参数使空间点目标的三维重构不确定度最小。     

基于PSO-ACO融合算法的物流车辆路径优化与控制研究（英文）

传统蚁群算法在解决物流配送路径问题时容易出现"早熟"问题,使路径寻找速度和优化结果受到影响。为更合理进行车辆路径调度管理,提出一种粒子群-蚁群相融合的物流配送路径规划算法,该算法充分利用粒子群较强的全局搜索能力和搜索速度快的特点,将得到的次优解转化为蚁群算法中的初始信息素的增量,最后利用蚁群算法的正反馈机制求解问题的精确解。研究结果表明:与单一算法相比,融合算法能快速有效地确定物流配送路径,具有较快的寻优速度和收敛精度,更合理的控制物流配送成本。     

基于PSO/GA的立体视觉测量系统优化布局

探讨一种基于PSO/GA(粒子群优化/遗传算法)混合算法的立体视觉测量系统优化布局方法。以空间点目标的三维重构不确定度最小为目标,构建了立体视觉测量系统优化布局的目标函数。通过实例阐述了使用PSO/GA混合算法求解系统最优布局参数的过程,并且在MATLAB环境下对该方法做了验证。仿真实验结果表明:与传统的粒子群优化算法和遗传算法相比,使用PSO/GA混合算法得到的最佳个体适应度曲线上升速度最快,而且求得的系统最优布局参数使空间点目标的三维重构不确定度最小。     

基于改进PSO优化模糊神经网络的数控机床故障诊断技术研究

数控机床故障具有隐蔽性和复杂性的特点,为了快速准确地识别数控机床发生的故障,结合粒子群算法全局搜索能力强、寻优速度快及模糊神经网络容错能力强、自适应性强的特点,提出了将模糊逻辑、RBF神经网络及粒子群算法有机结合的数控机床故障诊断方法。为了改善粒子群算法局部搜索能力,在标准粒子群算法的基础上,改进粒子群的速度更新公式和惯性权重,以此优化模糊神经网络结构参数,从而建立起改进PSO优化模糊神经网络的数控机床主轴伺服系统故障诊断模型。实验和仿真结果表明:与RBF神经网络、标准PSO优化模糊神经网络相比,改进PSO优化模糊神经网络的故障辨识准确性更高、泛化能力更强。     

基于混合算法与大型水箱装配的车间布局

为解决大型水箱装配车间布局问题以及提高产品的装配效率,提出使用一站式装配的车间布局方式.该布局充分考虑了大型水箱的工艺需求,以及车间布局的物流因素和非物流因素;采用系统布置设计方法初始化车间布局,并提出以物流量成本最低、最大化车间面积利用率、多工艺路线配送成本最低为目标的综合线性规划模型;利用粒子群和灰狼优化算法结合的...