基于BP神经网络算法的3-CRS/SP并联机构正解分析

提出一种通过BP神经网络求解并联机构位置正解的方法。根据BP神经网络的算法,采用了3层前向神经网络。对3-CRS/SP并联机构建立旋转矩阵求得该机构的位置逆解。将位置逆解所得数据作为神经网络的输入,将求解位置逆解的动平台位姿包含4个参数值作为输出,进行神经网络的训练。仿真和实验结果表明,该方法对于求解并联机构位置正解快速有效;相对于解析法,该方法直观简洁,能够为并联机构的控制过程提供数值参考。     

基于粒子群算法的6-DOF并联坐标测量机测量建模

为了求解6-DOF并联坐标测量机的位置正解（测量模型）,克服数值解法求解并联机构位置正解时解的精度易受初值的影响,建立了无约束的优化模型,并使用粒子群算法对此模型进行优化。依据并联机构的位置反解模型,给出求解6-DOF并联坐标测量机位置正解的无约束优化模型,并应用粒子群算法对该优化问题进行求解,由此可将复杂的并联坐标测量机测量建模问题转换为优化问题,从而求得位置正解。仿真结果表明：80个粒子大约经过55次的迭代运算后,收敛精度可达到0.5μm,平均运行时间约为3s。粒子群算法应用于并联坐标测量机测量建模与求解,可获得较高的计算速度和计算精度。     

基于共形几何代数求解(4SPS+SPR)+(2RPS+SPR)串并联机构位置正解

提出将共形几何代数引入至串并联机构位置正解求解过程,以(4SPS+SPR)+(2RPS+SPR)串并联机构为例,首先分别针对上下层并联机构选择合理的运动学参数,基于共形几何代数中基本几何元素的表示方法,对机构中相应球面、平面等共形几何表达式进行求交或对偶运算,得到上下层并联机构动平台顶点的共形几何表达.再结合机构中尺寸、几何约束和内积运算,建立上下层并联机构正向位置解的一元高次方程,进而获得上下层并联机构动平台相对于基平台的位姿.在此基础上,基于共形几何代数中刚体运动变换表达式,得到串并联机构动平台顶点的共形几何表达,进而获得串并联机构的位置正解.该方法避免了传统方法中复杂的消元运算,且分析过程几何直观性较强,在简化串并联机构位置正解几何建模方面表现出巨大优势.     

神经网络-牛顿改进算法求解stewart平台正解

<正>向运动学求解是并联机器人机构应用的基础,传统求解方法中BP神经网络通过将并联机器人平台的逆解作为训练样本,通过网络学习的方法求解stweart平台的正解,具有优秀的解域搜索功能,但求解精度有待提高,且局部存在收敛速度慢以及局部最小化问题。而牛顿迭代法虽然具有能够在局部快速收敛但对初值依赖程度较大。鉴于两者的优缺点互补,设计一种混合算法能够精确的精确的求得stewart平台正解。能够提升传统神经网络算法的求解速度及就求解精度。     

仿生移动机器人并联机构运动学正解的鱼群算法求解

基于改进的人工鱼群算法,提出了并联机构运动学正解的求解方法。构建了仿生移动机器人处于支撑状态的并联机构模型,应用螺旋理论计算了该并联机构的空间机构自由度,构建了仿生移动机器人并联机构的运动学正解模型,利用鱼群算法对正解模型的约束方程组进行设计。对鱼群算法所用数学模型进行了构建,对改进后的人工鱼群行为进行了算法描述。仿真结果表明,该人工鱼群算法具有良好的寻优性能,满足仿生移动机器人并联机构正解模型的求解要求。     

6-PSS并联运动机床位置分析与研究

对6-PSS并联运动机床位置的分析,求解出机构位置的正解和反解。利用动平台的几何结构,建立了6-PSS并联运动机床正解的数学模型,同时提出一种用于空间机构位置分析正解的封闭方法一改进方法,简化了分析过程,方便用计算机求解,为以后进行机构的其他分析奠定了基础。     

基于连续蚁群算法的3-RPS并联机构正解

为了避免传统数值方法求解并联机构正解问题的弊端,提出了一种将并联机构正解问题转化为目标函数优化问题的求解方法。并联机构正解的核心问题是求解一组多元耦合非线性方程组,以此为依据建立了并联机构正解的目标函数优化模型,并提出了一种简单的连续蚁群算法来求解该优化模型。以求解3-RPS并联机构正解为例进行了仿真分析。结果表明,该算法具有良好的全局寻优功能,能够避免初始值和局部极小值对计算结果的影响,不用计算雅可比矩阵及其逆阵,且计算精度满足并联机构正解的要求。     

基于神经网络-牛顿混合算法的盾构机掘进位姿求解研究

为了解决盾构机推进系统运动学建模及正解求解困难等问题,采用简化等效模型法,构建了盾构机推进系统简化模型,将n-SPS的盾构并联推进系统简化为4-SPS的等效并联推进机构,并构建其运动学模型.根据建立的等效机构运动学模型,采用神经网络-牛顿混合算法求解盾构掘进位姿;利用神经网络的解域搜索功能,对初值进行预测并把预测结果代入牛顿迭代法进行计算求解,分析比较了单一神经网络预测值与BP神经网络-牛顿迭代混合算法计算结果的优劣性.研究发现,盾构机推进系统等效模型的建立可以大大简化运动学建模复杂度,而且利用混合算法求解运动学正解的求解精度更高,可以提高盾构机掘进位姿控制精度,从而提高掘进隧洞质量.     

3-RRRT并联机器人位置正解的快速解法

研究3-RRRT型并联机器人的运动学及正向求解方法.根据3-RRRT型并联机器人机构特点以及关节运动的取值范围,提出了以并联机器人支链中支杆的方向余弦和动平台绝对位置坐标为系统的广义坐标的方法,并详细地推导了3-RRRT型并联机器人运动学模型.提出了一种位置正解的数值求解方法,推导了位置正解迭代格式,并利用MATLAB进行了位置正解数值仿真,结果表明求解程序稳定、快速、有效.     

基于四元数的台体型5SPS-1CCS并联机器人位置正解分析

提出一种台体型5SPS-1CCS并联机器人机构,并对其位置正解进行分析.首先基于四元数建立并联机构位置正解的数学模型,然后应用Mourrain簇理论对模型解的个数进行理论分析,得出该并联机构位置正解上限为80,并应用同伦连续法进行数值演算,给出该机构全部80组位置正解,证明该机构位置正解上限是可以达到的.求解过程中,将四元数运算转化为矩阵运算,将数学模型中的4个二次方程转化为双线性方程,降低方程组的Bezout数,从而减少跟踪路径数目,提高计算效率.最后给出数字实例,分析结果表明计算方法简洁,具有一般性,适合其他并联机构的位置正解分析,为此类机构的尺度设计、路径规划和控制提供了理论依据.     

Development of integrated evolutionary optimization algorithm and its application to optimum design of ship structures

This paper proposes an integrated evolutionary optimization algorithm (IEOA) which is combined with genetic algorithm (GA), random tabu search method (TS) and response surface methodology (RSM). This algorithm, in order to improve the convergent speed that is thought to be the demerit of GA, uses RSM and the simplex method. Though mutation of GA offers random variety, systematic variety can be secured through the use of tabu-list. Efficiency of this method has been proven by applying traditional test functions and comparing the results to GA. And it is an evidence that the newly suggested algorithm can effectively find the global optimum solution by applying it to minimize the weight of fresh water tank that is placed in the rear of ship designed to avoid resonance. According to the results, GA’s convergent speed in initial phase has been improved by using RSM. An optimized solution was calculated without the evaluation of additional actual objective function. Finally, it can be concluded that IEOA is a very useful global optimization algorithm from the viewpoint of convergent speed and global search ability.     

设备布局离散优化问题的粒子群算法研究

设备布局设计是制造系统设计的重要组成部分，设备布局是否合理对整个制造系统的总体功效起着非常重要的影响。粒子群优化算法（PSO）是一种新的群智能优化算法，常用于求解连续空间极值问题，近来正逐渐进入组合优化领域。利用多雏实数编码及映射方法将连续PSO算法应用于求解设备环形布局问题，为此类离散优化问题的求解提供了一种新的思路。利用GA中的杂交策略扩展PSO算法，提高了PSO算法性能。通过实例计算和结果比较，说明了该算法能有效地求得设备环形布局问题的优化解，是一种行之有效地算法，有很好的实用价值。     

基于Internet网络的主从式并行遗传算法及其在叶栅优化中的应用

为了解决遗传算法在优化中由于适应度评价很费时而导致计算时间过长的问题 ,本文发展了一种基于In ternet网络实现的主从式并行遗传算法。在函数优化的测试实验中 ,通过控制待优化函数适应度评价的时间 ,验证了主从式模型在适应度评价很费时且远远超过通讯时间时将获得接近于线性的加速比 ,讨论了主从式并行遗传算法应用于气动性能优化中的可行性。通过二维叶栅的优化算例 ,证明了本文提出的算法适合于需要大计算资源的叶栅气动优化设计     

基于遗传算法的弧齿锥齿轮传动的优化设计

遗传算法是一种借鉴与模拟生物进化过程自然选择与遗传机制求解极值问题的一类并行、随机的、自组织、自适应的智能搜索算法。其隐含并行性和对全局信息有效利用，使得该算法适合处理复杂和非线性优化问题。文章在介绍标准遗传算法的基础上，提出了基于遗传算法的弧齿锥齿轮优化设计方法。经实例计算，结果证明了遗传算法在弧齿锥齿轮传动优化设计中的有效性和正确性。     

基于遗传算法的最大似然参数优化估计

用最大似然法进行参数优化估计时，为了避免常规优化算法由于受迭代初值的影响不易收敛到全局最优解的缺点，文中采用遗传算法，不再需要估计优化变量的初始值即可获得全局近似最优解。建立以似然函数为目标，求其极大值点即可确定参数最优解的优化模型。为了更好地确保遗传算法获得全局最优解，在传统遗传算法的基础上采用尺度变换适应度函数、并行操作、保留最优个体等方法，进一步保证方程解的精度。最后以威布尔分布为例进行参数估计，结果表明，改进的遗传算法可以在求解效率和收敛性能上达到较好的平衡，能更好地将优化方法与最大似然估计法相结合。     

基于一种改进算法的配送中心选址研究

针对目前配送中心选址问题决策的复杂性,综合考虑了选址的主要成本以及宏观政治、经济、环境等因素,提出基于遗传算法和优劣系数法的多配送中心选址算法,将定性和定量方法充分结合起来分析配送中心选址决策问题.在遗传算法中加入了多目标分析评判机制,能够在多次迭代计算后对多组满意方案进行优劣系数分析,最后得到一组最佳方案,使配送中心选址更加合理化.     

基于混合遗传算法的桥梁颤振导数识别

提出一种基于混合遗传算法识别桥梁颤振导数的方法,该混合遗传算法将模拟退火算法与遗传算法相结合,充分利用遗传算法的并行运算机制以及模拟退火算法的强局部搜索机制,具有较强的鲁棒性和全局收敛性,从而保证识别的精度。该方法通过对自由振动时程曲线进行时域拟合,识别出自由振动表达式中的各参数,进而确定系统的等效刚度矩阵和等效阻尼矩阵,并同时得到8个颤振导数。数值仿真算例表明该方法的可靠性,风洞试验表明该方法有效、可行。     

基于整数编码并行遗传算法的复合材料螺旋桨结构优化设计

提出一种针对大型复合材料结构铺层厚度和铺层顺序同时进行优化的整数编码并行遗传算法,并将该优化方法应用于复合材料螺旋桨结构优化问题.首先,在区域划分的基础上,对每一单层设定一个长度控制因子来决定单层的铺设区域,以实现对大型复合材料结构的整体一次性优化.然后对遗传算法进行改进,使之成为一种能同时优化铺层厚度和铺层顺序的高效算法.并采用并行编程语言标准MPI( message passing interface)构建并行编程环境,利用主从式并行遗传算法框架,实现遗传算法在单机多进程上的并行计算.最后针对复合材料螺旋桨结构进行优化设计,以验证该方法的高效性,并分析并行遗传算法的加速效果.     

A hybrid particle swarm optimization for parallel machine total tardiness scheduling

The parallel machine scheduling problem has received increasing attention in recent years. This research considers the problem of scheduling jobs on parallel machines with a total tardiness objective. In the view of its non-deterministic polynomial-time hard nature, the particle swarm optimization (PSO), which is inspired by the swarming or collaborative behavior of biological populations, is employed to solve the parallel machine total tardiness problem (PMTP). Since it is very hard to directly apply standard PSO to this problem, a new solution representation is designed based on real number encoding, which can conveniently convert the job sequences of PMTP to continuous position values. Moreover, in order to enhance the performance of PSO, we introduce clonal selection algorithm (CSA) into PSO and therefore propose a new CSPSO method. The incorporation of CSA can greatly improve the swarm diversity and avoid premature convergence. We further investigate three parameters of PSO and CSPSO, finding that the parameters have marginal impact on CSPSO, which indicates that CSPSO is a very stable and robust method. The performance of CSPSO is evaluated in comparison with traditional genetic algorithm (GA) and standard PSO on 250 benchmark instances. Experimental results show that CSPSO significantly outperforms GA and PSO, with obtaining the optimal solutions of 237 instances. Additionally, PSO appears more effective than GA.     

改进蜂群算法在平面度误差评定中的应用

为了准确快速评定平面度误差,提出将改进人工蜂群( MABC)算法用于平面度误差最小区域的评定.介绍了评定平面度误差的最小包容区域法及判别准则,并给出符合最小区域条件的平面度误差评定数学模型.叙述了MABC算法,该算法在基本人工蜂群算法( ABC)模型的基础上引入两个牵引蜂和禁忌搜索策略.阐述了算法的实现步骤,通过分析选用两个经典测试函数验证了MABC算法的有效性.最后,应用MABC算法对平面度误差进行评定,其计算结果符合最小条件.对一组测量数据的评定显示,MABC算法经过0.436 s可找到最优平面,比ABC算法节省0.411 s,其计算结果比最小二乘法和遗传算法的评定结果分别小18.03μm和6.13 μm.对由三坐标机测得的5组实例同样显示,MABC算法的计算精度比遗传算法和粒子群算法更有优势,最大相差0.9 μm.实验结果表明,MABC算法在优化效率、求解质量和稳定性上优于ABC算法,计算精度优于最小二乘法、遗传算法和粒子群算法,适用于形位误差测量仪器及三坐标测量机.