基于微粒群算法的起重机主梁优化设计

针对传统起重机主梁优化算法存在局部最优和效率低的现象,将起重机主梁优化设计理论与微粒群算法相结合,建立了基于微粒群算法的起重机主梁优化设计的数学模型;并针对传统罚函数法处理约束条件而引起的病态问题,提出采用限制解在可行域内的方法与微粒群算法相结合从整个可行解空间寻找最优解。通过实例计算表明该算法能较好地解决起重机主梁优化设计问题。     

面向主梁优化的改进果蝇优化算法研究

针对果蝇优化算法收敛速度慢、易陷入局部最优、收敛早熟等不足,引入了自适应步长、粒子群算法中的粒子速度,使得改进后的算法收敛性加强,收敛速度提高,改善了随机性,提高了寻优精度。将改进果蝇优化算法运用到桥式起重机主梁的轻量化中,并运用有限元软件对优化后的主梁进行力学分析,通过实例验证了算法的优越性;最后通过对比优化前后的结果,得出优化后的主梁质量减重效果明显且符合设计要求,对实际工程结构的设计有指导意义。     

基于C#平台的桥式起重机主梁优化软件开发

针对桥式起重机主梁截面尺寸优化困难的问题,开发了基于C#平台的桥式起重机主梁优化软件。首先,通过输入桥式起重机基本参数,利用经验公式,获得一组主梁截面数据;然后引入粒子群优化算法对主梁数据进行优化,得出优化结果,并且在C#开发平台上程序化整个优化过程,实现了桥式起重机主梁的快速优化;最后,通过对一台实际使用的桥式起重机主梁进行运用,验证了方法和软件的可行性及实用性。     

桥式起重机偏轨箱形主梁的优化设计

本文介绍桥式起重机箱形主梁优化设计的发展概况,分析了优化设计在桥式起重机箱形主梁设计中的作用,并对窄偏轨箱形主梁进行了优化设计。优化中特别注意了疲劳、局部稳定、工艺性等约束条件,对优化结果进行了试验验证。本文还给出了经优化的窄偏轨箱形主梁的断面尺寸、主要性能指标、经济指标、隔板间距、对主梁断面尺寸起主要限制作用的性能参数等。     

桥式起重机箱形主梁的结构优化与改进策略分析

桥式起重机的性能受到箱形主梁结构的影响很大,通过对箱形主梁结构的优化和改进,可以提高桥式起重机的性能.发达国家采用现代设计方法设计起重机.本文针对桥式起重机箱形主梁腹板的结构优化和改进策略进行分析.     

搜索空间自适应调整蜂群算法的起重机主梁优化

为了减轻起重机主梁自身重量、实现主梁轻量化,提出了搜索空间自适应调整蜂群算法的主梁优化设计方法.建立了起重机主梁轻量化设计数学模型;以传统人工蜂群算法为基础,提出了蜂群搜索空间随迭代次数自适应缩减方法,直至最终锁定最优值区域;充分利用混沌系统的遍历性和随机性,使用混沌搜索蜜源代替停滞蜜源,不仅跳出了局部极值,而且实现了蜜源进化,有效提高了算法收敛速度和寻优精度.使用搜索空间自适应调整的混沌蜂群算法和传统算法求解主梁优化数学模型,改进算法优化的主梁面积比企业主梁截面积减少了2.77％,而传统算法只减少了2.42％;对优化后主梁进行有限元分析可知,主梁优化后依然满足约束条件,符合设计使用要求.     

基于混沌粒子群优化的神经网络在旋转机械故障诊断中的应用

基于混沌粒子群优化算法提出一种根据群体早熟收敛程度和个体适应值来调整惯性权重的自适应混沌粒子群优化算法,算法兼顾全局寻优和局部寻优,能够有效地避免早熟收敛.使用自适应混沌粒子群优化算法训练神经网络并建立旋转机械故障诊断模型,实验结果表明,与粒子群优化算法、遗传算法训练神经网络相比,基于自适应混沌粒子群优化算法的神经网络能够有效改善神经网络的训练效率,提高故障模式识别的准确率.     

基于免疫遗传算法的矿山起重机箱形梁优化设计

针对目前国内的矿山起重机设计完成后,结构尺寸偏大、质量过重、设计偏于保守等问题,考虑到传统算法的局限性,提出了采用免疫遗传算法对矿山起重机的箱形主梁进行优化,实现了箱形主梁自重减轻、体积减小、结构尺寸合理调整的目标。实验证明,该方法应用于箱形主梁的优化,对于减轻主梁的自重,减少材料的浪费起到了很好的效果。     

起重机主梁轻量优化精确建模与智能求解方法

为了减轻起重机主梁自重,提出了基于多进化行为粒子群算法的主梁轻量化设计方法。建立了主梁轻量化设计模型,使用罚函数将约束优化问题转化为非约束优化问题;以粒子群算法为基础,制定了向群体最优学习、向自身学习、向其他粒子学习等多渠道信息来源方法,提出了四种粒子进化方法,以不同进化方法的即时价值和未来价值为依据,构造了粒子选择不同进化行为的概率,从而提出了多进化行为粒子群算法的优化模型智能求解方法。经测试函数验证,对于低维和高维寻优问题,多进化行为粒子群算法均具有超强的寻优的能力;与企业生产主梁相比,多进化行为粒子群算法优化后主梁面积减少了10.86%,且经有限元分析可知,优化后主梁仍满足约束条件,负荷设计要求。     

基于改进粒子群算法的起重机箱形主梁优化设计

针对具有约束条件的起重机主梁优化设计的问题,提出了基于约束规则的粒子群算法。该算法能够在整个可行解空间进行寻优,有效避免了陷入局部最优。计算实例表明：该算法在解决此类问题时,较之传统算法具有更好的优化效果,且效果明显。     

基于混沌粒子群算法的医学图像增强

经典的模糊增强算法在应用于医学图像时,由于在采集或者传输图像时,外部的干扰较多,图像较大几率会不够清晰,该算法的的控制参数是由手动调整控制的,效率和增强效果较差,无法达到最优。由于粒子群算法存在调整参数少,全局寻优的能力,本文将混沌粒子群算法和模糊增强算法结合,运用混沌粒子群算法对模糊增强的增强参数进行优化,仿真实验证实,对于优化后的混沌粒子群算法,可以使模糊的医学图像的清晰率提高95%以上,同时可以突出某些特征,有效地改善了医学图像的视觉效果。     

基于混沌粒子群算法的单台批加工设备调度

提出了一种基于混沌粒子群算法的双层调度方法。双层调度的外层基于加工时间最小的目标构建组批方法集,然后将其作为内层算法的搜索空间;双层调度的内层以加工时间最小为适应值函数,采用混沌粒子群算法求解批次排序的最优解,得到最优的组批方法及其排序。通过仿真验证了该算法在搜索时间和搜索精度的可行性。     

粒子群算法在多模式项目作业调度中的应用

采用混沌粒子群算法解决多执行模式资源受限项目调度问题(MRCPSP),先生成第一代执行模式链表,然后定义由工序随机生成的一组数为优先规则链表,由逆向迭代的串行进度生成机制形成最优解,结合混沌理论,在粒子群算法的基础上,更新粒子。并运用遗传的思想生成新子代的方式更新执行模式链表,计算并保留最优调度的模式。对库里的算例进行验算,结果证明了这种方法是有效的。     

基于粒子群算法的神经网络优化及其在镗孔加工中的应用

采用粒子群算法对镗孔加工尺寸误差人工神经网络预测模型进行优化。实验表明，与误差反传算法(BP)相比较，粒子群算法优化神经网络收敛速度更快，预测精度更高。     

基于改进粒子群算法的移动机器人全局路径规划

在标准粒子群算法的基础上加入混沌初始化、变异以及杂交操作。改进算法在保持标准粒子群算法结构简单、收敛速度快等特点的同时增加了种群的多样性,扩大了粒子搜索空间,有效克服了算法的早熟收敛问题,获得了从起点到终点的最优路径,证明了该方法的有效性和实用性。     

一种基于神经网络的双足机器人混合动力学系统辨识方法

针对双足机器人的混合动力学系统辨识问题,从系统渐进稳定性角度分析,推导出连续与离散混合系统的可辨识条件,提出了一种基于混沌粒子群优化的径向基函数神经网络与动态模糊神经网络的联合辨识方法。利用混沌粒子群优化的径向基函数神经网络辨识双腿的连续摆动阶段,利用动态模糊神经网络辨识离散的足地碰撞阶段;依据两阶段同一变量的耦合、转换关系,实现了对双足机器人整体混合系统的准确辨识。仿真实验结果表明,该方法辨识和预测结果具有较高的准确度。     

基于混沌优化MPSO的移动机器人FastSLAM算法研究

针对移动机器人快速同时定位和地图创建(FastSLAM)中粒子退化问题,提出一种基于混沌优化的中值导向粒子群优化(MPSO)算法。该算法在粒子估计过程中引入观测信息,调整粒子的提议分布,提高位置预测的准测性。混沌优化MPSO算法采用两步优化策略,首先通过中值导向加速度来改进粒子的进化速度,有效地克服粒子退化问题,改善算法的收敛性;然后针对粒子耗尽问题,在MPSO优化算法中引入混沌搜索算法来寻找全局最优位置,驱散聚集在局部最优的粒子群,使其向全局最优位置靠近,扩大解空间的范围,从而保持种群的多样性。仿真和实时数据证明了该方法正确、可行。     

应用改进的粒子群优化模糊聚类实现点云数据的区域分割

为实现点云数据的区域划分,提出一种基于改进的粒子群优化与模糊C-均值聚类的混合算法(SPSO-FCM算法)。针对在点云聚类过程中易过早捕获局部极小值的问题,算法首先用改进的粒子群算法——社会粒子群优化算法,对种群进行初始化,通过为每一个粒子设置不同的跟随阈值,来维护种群中个体多样性,加深对种群全局搜索的程度,避免陷入局部极小值;随后,设置种群中每个粒子当前最优位置和初始种群的最优位置,更新自由粒子的位置和跟随粒子的速度和位置;最后,采用模糊C-均值聚类算法求解隶属度矩阵,确定适应值函数,更新所有粒子的最优位置,并判断粒子和种群的位置优越性,得到准确的聚类中心,实现对点云数据的区域划分。以曲面复杂度不一致的点云模型为例对算法进行验证,探讨SPSO-FCM聚类算法的可行性,并与FCM聚类算法、遗传FCM聚类算法进行比对。实验结果显示,SPSOFCM聚类算法较其它两种算法,收敛速度快,迭代次数少,聚类准确,边界区域分割清晰,特别是对型面复杂、点云数据较多的机械零部件点云数据进行分割时,能得到更好的分割结果。     

基于粒子群算法的门座起重机平衡滑轮补偿式臂架系统

讨论以门座起重机在工作性变幅过程中，变幅轨迹与水平线间高度差的平方和最小为目标函数，采用拟和的方法，利用Visual Basic语言编写的粒子群算法进行优化的方法。将粒子群优化算法较好地应用于起重机械设计领域，提高了设计效率和精度。     

Novel Discrete Particle Swarm Optimization Based on Huge Value Penalty for Solving Engineering Problem

For the purpose of solving the engineering constrained discrete optimization problem, a novel discrete particle swarm optimization(DPSO) is proposed. The proposed novel DPSO is based on the idea of normal particle swarm optimization(PSO), but deals with the variables as discrete type, the discrete optimum solution is found through updating the location of discrete variable. To avoid long calculation time and improve the efficiency of algorithm, scheme of constraint level and huge value penalty are proposed to deal with the constraints, the stratagem of reproducing the new particles and best keeping model of particle are employed to increase the diversity of particles. The validity of the proposed DPSO is examined by benchmark numerical examples, the results show that the novel DPSO has great advantages over current algorithm. The optimum designs of the 100-1 500 mm bellows under 0.25 MPa are fulfilled by DPSO. Comparing the optimization results with the bellows in-service, optimization results by discrete penalty particle swarm optimization(DPPSO) and theory solution, the comparison result shows that the global discrete optima of bellows are obtained by proposed DPSO, and confirms that the proposed novel DPSO and schemes can be used to solve the engineering constrained discrete problem successfully.