基于改进置换算法的圆参数评定

提出了按最小包容区域法评定圆度误差的改进置换算法,利用拟合精度较高的相对代数距离法设置置换算法的起点,符合最小条件,减少迭代次数,加快计算速度,提高拟合精度.建立了圆参数评定的数学模型,设计了相应的误差评定软件,成功地应用到了微机型万能工具显微镜的测量软件上,并给出一个影像法测量光滑环规直径和圆度误差的实例,将改进置换算法的评定结果与其它评定方法进行了比较.结果表明,改进置换算法具有较高的拟合精度和计算速度.     

粒子群优化算法及其在圆度误差评定中的应用

提出一种基于粒子群优化算法(PSO)的圆度误差评定方法。介绍了PSO算法的提出及其特点;具体阐述了PSO算法的基本原理和实现步骤;提出圆度误差评定这一非线性优化问题,给出其优化目标函数及PSO算法的适应度函数和编码方式;结合实例对算法参数进行了设置,通过实例运算对PSO进行了正确性和精确性验算。实例证明该方法能够很好地解决圆度误差评定问题,与遗传算法具有相当的计算精度,能够获得精度较高的结果。而PSO的突出优点是简单易于实现,计算速度快。     

基于Matlab评定圆柱度误差

 针对圆柱度误差评定的特点，建立了用Matlab实现圆柱度误差最小区域法、最小外接圆柱法和最大内接圆柱法评定时目标函数数学模型的计算方法。通过不同评价方法对圆柱度误差在不同初始值下进行多次评定，证明该方法都能收敛到全局最优解，而且计算结果稳定。该算法可以推广应用到其他形状误差评定中。     

圆柱度误差评定的最小面积准则及其应用

本文提出圆柱面形状误差评定的一个新准则──“最小面积准则”，以此建立空间一般位置圆柱度误差评定的数学模型，用有较集法方便地求得理想圆柱面的描述参数和圆柱度误差。文章从理论上证明了在小误差条件下，最小面积准则等价于ＩＳＯ关于形状误差评定的最小区域准则，因而本文方法为圆柱度误差评定实现最小条件提供了一个有效方法。     

加注符号φ的直线倾斜度误差的一种评定方法

本文研究加注符号φ的直线倾斜度误差的测量与评定问题，给出了一个适用于坐标测量机中直线倾斜度误差评定的简便实用算法，并用数字仿真技术验证了本文方法的有效性。该方法同样适用于加注符号φ的直线平行度和垂直度误差的评定。     

基于改进遗传算法评定圆柱度误差

针对圆柱度误差评定的特点，提出了一种基于实数编码的改进遗传算法同时实现圆柱度误差的最小区域法、最小外接圆柱法和最大内接圆柱法评定。同时建立了用遗传算法实现圆柱度误差最小区域法、最小外接圆柱法和最大内接圆柱法评定时目标函数数学模型的计算方法。通过不同评价方法对圆柱度误差在不同初始值下进行多次评定，证明该方法都能收敛到全局最优解，而且计算结果稳定。该算法可以推广应用到其它形状误差评定中。     

形位误差评定的序贯优化算法

首次应用数论序贯优化算法 (SNTO ,方开泰 ,王元 ,1990 )进行形位误差评定 ,该方法可以不十分依赖于参数初值 ,可用于任何线性和非线性评定参数 ,对于有较多局部极值的问题也同样容易找到全局最优 ,该算法比传统的算法有很多优越性     

圆柱度误差及其评定方法综述

针对圆柱度误差评定的特点，建立了四种圆柱度误差的数学模型，并将已有的圆柱度误差评定方法进行归纳分类，总结了各种方法的评定特点，同时阐述了圆柱度误差评定的最新研究成果即基于改进遗传算法的圆柱度误差评定，该成果可以推广应用到其它形状误差的评定。     

监测系统中多CCD传感器视点规划问题研究

针对在线监测系统中的多CCD传感器视点规划问题展开深入探讨，并提出一种多CCD传感器位置优化算法．在确定了CCD传感器视点参数范围以及与三维重建点误差关系的基础上，根据不确定性的评定准则进行CCD传感器规划，找到使三维重建点误差最小的最佳摄像机视点参数．由于多CCD传感器规划问题是一个组合优化问题，难以通过数学计算获得传感器的最优位置，故算法采用启发式的并行搜索算法——遗传蚁群算法，对CCD传感器视点位置参数，即3个位置自由度的解空间进行自动搜索，得到使误差不确定度最小的最优位置，实现在线监测系统中的多CCD传感器规划．采用仿真实验验证了算法的可行性．     

最大内接圆法评定圆度误差值的快速、精确算法

介绍了利用最大内接圆判别准则求解圆度误差的基本思想,论述了用最大内接圆法评定圆度误差值的快速、精确算法。利用本文所述的计算方法,能够设计出圆度误差评定软件,实现三坐标测量数据的圆度误差评定。     

基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识

提出一种基于自适应粒子群遗传算法的柔性关节机器人动力学参数辨识方法。该算法采用动态自适应调整策略,提高了粒子群算法收敛速度;同时引入新型遗传算法混合交叉变异机制,避免了粒子群陷入局部最优。将自适应粒子群遗传算法与标准粒子群算法、遗传算法、人工蜂群算法进行了比较,仿真实验结果表明该算法在迭代60次左右完成参数辨识,各参数的辨识相对误差均降低到了1%以内。最后利用旋转柔性关节实验平台进行了实验验证,实验结果证明了该算法具有更好的收敛速度和寻优精度。     

基于多种群实数编码遗传算法的圆度误差评定

针对实数编码的遗传算法(RGA)在圆度误差评定中存在的早熟收敛、精度较差及运算速度慢等缺点,分析了多种群遗传算法的模型结构,利用多种群遗传算法的并行性,将其应用于圆度误差评定。实验证明该方法有效地提高了算法的精度和收敛速度,能够快速评定圆度误差。     

基于GSA-GA神经网络的铸造企业订单准入评价研究

为指导铸造企业在市场中科学地选择订单进行生产加工,以砂型铸造企业为研究对象。在综合考虑企业各个关键部门对订单的评价指标的基础上,设计了砂型铸造企业订单准入评价指标体系,并构建一种基于GSA-GA神经网络的订单准入评价模型。算法中使用Tent映射初始化种群保证随机特征,并引入遗传算法的交叉、变异算子保持对全局最优粒子的获取且提升算法探索能力。为验证模型的有效性,以某砂型铸造企业订单准入评价问题实例进行实验分析,进行参数实验并与其他算法进行对比。结果表明,所建模型的平均相对误差为1.945%,能帮助砂型铸造企业进行科学的订单准入评价决策,提高砂型铸造企业生产效率。     

基于遗传算法和人工神经网络的冷水机组模型参数辨识及误差补偿方法

摘要DOE-2模型被广泛应用于冷水机组仿真建模,如何根据有限传感器实测数据对某特定冷水机组DOE-2模型的参数进行可靠地辨识,并补偿模型误差,对于节能运行等场景具有重要意义。在实践中由于传感器不足且数据质量不高等问题, DOE-2模型参数的可靠辨识较为困难。因此,本文提出一种基于外部知识库的遗传算法和一种基于人工神经网络的方法分别对DOE-2模型进行参数辨识和误差补偿。结果表明:基于外部知识库的遗传算法可以有效降低DOE-2模型参数辨识时间,并显著提升DOE-2模型预测精度。误差补偿后的DOE-2模型的预测精度显著高于未作补偿的DOE-2模型,前者在预测冷冻水出口温度时的MAE、RMSE、MAPE和CV-RMSE分别降低36.49% ,46.00%,33.16%和45.73% ,R2提高25.75%。     

正弦波形参数拟合方法述评

回顾了四参数正弦波曲线拟合方法及相关问题的研究进展,包括拟合算法的研究,拟合算法的比较研究,拟合算法的评价研究,以及不同条件下拟合算法的研究进展.针对拟合算法的误差界研究进展以及如何降低拟合误差的滤波技术进展情况也进行了专门介绍.另外介绍了相应的单参数、双参数、三参数正弦波拟合研究进展状况以及多频正弦参数估计技术进展状况.     

基于实数编码的改进遗传算法及在平面度误差评定中的应用

针对平面度误差计算的特点 ,提出了一种基于实数编码的改进遗传算法。该算法的遗传算子采用确定式良种选择、非一致算术交叉及基本位变异策略 ;交叉和变异概率根据个体适应度大小来自适应地确定 ;同时给出遗传算法评定平面度误差时适应度的计算方法。最后 ,通过不同评价方法对同一平面的平面度误差进行评定 ,结果证明该方法不仅能收敛到全局最优解 ,而且具有较快的收敛速度     

基于遗传算法和自适应的平面线轮廓度误差评定方法

 为了解决在测量平面线轮廓度中由于存在被测轮廓与其测量基准间存在位置误差而影响评定精度的问题，提出了一种基于遗传算法和自适应的计算平面线轮廓度误差的新方法。该方法满足最小条件原理，它利用样条插值函数拟合理论轮廓，并在评定过程中能自动地实现被测轮廓与理论轮廓之间的适应性调整，从而能够分离并消除被测轮廓与其测量基准之间的位置误差对轮廓误差评定结果的影响，在遗传优化中获得全局最优解。实例计算验证了这一结果。这种算法简单明确，具有精度高、收敛速度快、易于计算机程序实现、易于推广应用等特点。     

新型3PUPaR并联机构运动学分析与多目标优化

目的 针对传统PID在对包装运输液压顶升系统控制中参数难以整定的问题,使用多种群遗传算法(MPGA)对参数寻优。方法 采用多种群遗传算法,将算法与常规PID控制相结合。对液压系统进行分析,建立起液压系统的数学模型,将其运用到算法优化后PID控制策略的被控对象中。同时,与一般遗传算法优化后的参数进行仿真对比,考察多种群遗传算法对PID控制策略优化的有效性。结果 仿真结果表明,多种群遗传算法优化后的参数能使被控对象很快地收敛于稳态。整个系统响应速度快、稳态误差小、超调量小,而一般的遗传算法得到的参数陷入局部最优,无法在较短时间内得到全局最优解。结论 所提出的优化算法对PID参数整定有良好的效果,能满足系统的控制要求。     

基于加速遗传算法的组合证券投资决策

应用加速遗传算法解决组合证券投资决策问题，可以克服传统遗传算法的缺点：对搜索空间（优化变量空间）的大小变化适应能力差，计算量大，易出现早熟收敛，控制参数的设置技术无明确准则指导等，与已有结果相比，对协方差矩阵无正定性要求，目标函数可以推广到规模庞大，提高预测精度等优点。     

Effective Form Error Assessment Using Improved Particle Swarm Optimization

This paper presents an improved variant of particle swarm optimization (MPSO) algorithm for the form error evaluation, from a set of coordinate measurement data points. In classical particle swarm optimization (PSO), new solution is updated by the existing one without really comparing which one is better. This behaviour is considered to be caused by lack in exploitation ability in the search space. The proposed algorithm generates new swarm position and fitness solution employing an improved and modified search equation. In this step, the swarm searches in proximity of the best solution of previous iteration to improve the exploitation behaviour. The particle swarm employs greedy selection procedure to choose the best candidate solution. A non-linear minimum zone objective function is formulated mathematically for each form error and consequently optimized using proposed MPSO algorithm. Five benchmark functions are used to prove the efficiency of the proposed MPSO algorithm, by comparing the proposed algorithm with established PSO and genetic algorithm. Finally, the results of the proposed MPSO algorithm are compared with previous literature and with other nature inspired algorithms on the same problem. The results validate that proposed MPSO algorithm is more efficient and accurate as compared to other conventional methods and is well suited for effective form error evaluation using CMMs.