简单差异演化算法及其在装配公差优化中的应用

差异演化算法是一种基于群体差异的演化算法,具有良好的优化性能,但是对于高维复杂函数,算法易早熟收敛.为此,在对算法参数以及关键算子分析的基础上,提出了自适应缩放因子及突变因子两个概念,进而提出了简单差异演化算法(A Simple Differential Evolution Algorithm)SDE.首先将缩放因子按照进化代数进行递减,一方面为了减少用户参与程度,另一方面为了平衡算法的收敛速度与全局搜索能力;其次在研究交叉算子的基础上,引入了灾变因子,使群体中的部分个体在进化过程中不进行交叉操作,而直接与父代个体进行竞争,简化了差异演化算法的步骤.仿真实验结果与工程应用实例表明,SDE算法在收敛速度和全局搜索能力方面得到了较好的平衡,不仅保证了算法的收敛速度,而且具有较好的全局搜索能力.     

并联机构位置正解的自适应差分进化算法

根据杆长约束条件,建立求6自由度一般6-SPS并联机构位置正解的无约束优化模型,再应用差分进化(Differential evolution,DE)算法求解该问题。针对基本DE算法可能出现进化停滞或陷入局部极值区域的缺点,提出一种引入新个体的自适应策略,以增强算法全局优化性能。将引入新个体的自适应策略融入DE算法,并使用混合变异算子及基于三角函数扰动的缩放因子和交叉因子,形成自适应差分进化(Adaptive DE,ADE)算法。数值结果表明,对于一般6-SPS并联机构正运动学分析问题,ADE算法能以较少计算开销求出全部高精度位置正解。通过与基本DE算法、自适应变异粒子群算法和改进人工蜂群算法比较,验证了ADE算法的收敛精度和计算稳健性指标优于对比算法。     

混合变量非线性规划问题的差异演化算法研究

针对机械优化设计问题中的混合变量非线性规划问题,提出一种改进的差异演化算法.首先针对混合变量非线性规划问题的特点,采用离散变量与连续变量分别进化策略,以使差异演化算法能够适于解决这类问题.其次,依据基因突变原理,提出突变因子的概念,使群体中的一部分个体不经过交叉操作,而直接与父代竞争,提高了群体的多样性,增强了算法的全局搜索能力,并对差异演化算法的缩放因子进行线性递减计算,加快了算法的收敛速度.测试结果表明,所提出算法不仅能够解决混合变量非线性规划问题,而且有较快的收敛速度和较好的全局收敛能力,实用价值明显.     

直线伺服系统的差异进化PID速度控制

针对标准差异进化(DE)操作过程中参数为常数而导致算法鲁棒性差的缺点,提出根据进化过程和目标向量收敛情况调整缩放因子F和交叉概率CR的自适应参数调整策略。利用改进的差异进化算法整定直线伺服系统速度调节器的PID参数,并利用MATLAB进行仿真。结果表明,与常规PID控制相比,优化后的控制器提高了直线伺服系统的静态和动态性能,使得电动机在负载改变时转速超调量减小,且转速更快趋于稳定。     

球面4R机构近似轨迹综合的社会认知优化算法

应用坐标变换原理,推导出球面4R机构连杆点轨迹参数方程。在此基础上,以轨迹误差平方和最小为目标函数,以曲柄存在、杆长协调和传动角限制等为约束条件,建立机构不带预定时标近似轨迹综合的约束优化模型。结合自适应罚函数法,应用社会认知优化(Social Cognitive Optimization,SCO)算法求解该问题。为提高SCO算法的收敛精度和速度,以差分进化(Differential Evolution,DE)操作为邻域搜索算子,设计一种加速社会认知优化(Accelerating Social Cognitive Optimization,ASCO)算法。给出机构综合实例,轨迹分析结果表明,所建立的模型和提出的ASCO算法可行有效。比较了基本SCO、DE和ASCO算法求解该机构综合实例的优化性能,数值实验显示,ASCO算法的收敛速度、收敛精度和稳健性等性能指标优于基本SCO和DE算法。     

直线伺服系统的差异进化PID速度控制

针对标准差异进化（DE）操作过程中参数为常数而导致算法鲁棒性差的缺点,提出根据进化过程和目标向量收敛情况调整缩放因子F和交叉概率CR的自适应参数调整策略。利用改进的差异进化算法整定直线伺服系统速度调节器的PID参数,并利用MATLAB进行仿真。结果表明,与常规PID控制相比,优化后的控制器提高了直线伺服系统的静态和动态性能,使得电动机在负载改变时转速超调量减小．且转速更快趋于稳定．     

基于符号函数的自适应遗传算法的研究与应用

交叉概率和变异概率的选择是决定遗传算法行为和性能的关键,直接影响算法的收敛性.自适应遗传算法在前期收敛速度缓慢,而且容易陷入局部最优.针对此局限,本文提出了基于符号函数的自适应遗传算法,将交叉算子与变异算子控制在期望区间内变化,增强了全局搜索能力,提高了收敛速度.最后进行了仿真实验,通过比较两个优化实例,验证了本文所提出算法的有效性,且符合工程实际需要.     

面向主梁优化的改进人工蜂群算法

针对算法收敛速度慢、搜索盲目性大等不足,引入了自适应步长、路径交换邻域搜索和差分进化算法的变异策略,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;算法到后期搜索平坦化,引入遗传算法中的交叉与变异行为,增加种群多样性,提高了算法的全局稳定性。将改进的算法运用到桥式起重机主梁中进行优化并运用ANSYS进行力学分析,实例检验了算法的可行性;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。     

模糊制造系统中的不同尺寸工件单机批调度优化

将工件尺寸不同的单机批调度问题扩展到模糊制造系统中,建立了基于模糊批加工时间和模糊批间隔时间的制造跨度模型,提出了一种集成粒子群优化和差异演化的混合算法,将制造跨度最小化.为提高算法的收敛速度,设计了基于工件优先值向量的统一编码方式,并采用线性的缩放因子以确保足够的差异化信息;为解决差异演化算法早熟收敛的问题,将粒子群优化的全局搜索技术嵌入了差异演化算法;最后,在解码时利用批调度的启发式算法,将混合算法的个体加以优化分批.仿真实验结果验证了该混合算法的求解性能优于目前文献中的其他算法.     

三移动一转动4-RPUR并联机构及其位置分析

提出一种能实现三维移动和绕Z轴转动(3T1R)的新型全对称4-DOF空间4-RPUR并联机器人机构,并建立其几何模型。应用螺旋理论分析4-RPUR并联机构自由度的数目和性质,证明该机构能够实现3T1R运动,验证了选取各支链中的移动副作为驱动副的合理性。以机构杆长为约束条件,建立机构位置正解分析的非线性方程组,再转化为无约束优化问题,并采用差分进化(Differential Evolution,DE)算法求解该问题。给出机构位置逆解的显式解析表达式,且由该式可知,机构最多存在16组位置逆解。为改进差分进化算法的寻优效率,提出一种加权基矢量变异策略。当种群出现进化停滞而陷入局部最优区域时,采用自适应逃逸操作引入新个体,进而增强种群多样性。新型变异策略与自适应逃逸操作结合,形成具有较强全局优化能力的自适应逃逸差分进化(Adaptive Escape Differential Evolution,AEDE)算法。给出机构位置分析数值算例,应用AEDE算法求得所有高精度位置正解,并应用位置逆解验证位置正解的正确性。还比较了基本DE、粒子群优化和AEDE算法求机构位置正解的性能,结果表明:AEDE算法性能均优于比较算法性能。     

多种群协作差异演化算法及其应用

针对差异演化算法在求解高维、多峰问题时易陷入局部最优解发生"早熟"的缺陷,提出多种群协作差异演化算法。该算法将种群划分为多个子种群并设置一个精英群,精英群由子种群的最优个体产生,并与群体最优解进行竞争,子种群的最优个体只与精英群个体竞争而不与群体最优解竞争。构建了两种不同邻域结构的多种群协作差异演化算法,仿真结果及工程应用实例表明了算法的有效性。     

Multi-Input Single Output SSSC based damping controller design by a hybrid Improved Differential Evolution-Pattern Search approach

In this paper, a hybrid Improved Differential Evolution and Pattern Search (hIDEPS) approach is proposed for the design of a PI-Type Multi-Input Single Output (MISO) Static Synchronous Series Compensator (SSSC) based damping controller. The improvement in Differential Evolution (DE) algorithm is introduced by a simple but effective scheme of changing two of its most important control parameters i.e. step size and crossover probability with an objective of achieving improved performance. Pattern Search (PS) is subsequently employed to fine tune the best solution provided by modified DE algorithm. The superiority of a proposed hIDEPS technique over DE and improved DE has also been demonstrated. At the outset, this concept is applied to a SSSC connected in a Single Machine Infinite Bus (SMIB) power system and then extended to a multi-machine power system. To show the effectiveness and robustness of the proposed design approach, simulation results are presented and compared with DE and Particle Swarm Optimization (PSO) optimized Single Input Single Output (SISO) SSSC based damping controllers. It is observed that the proposed approach yield superior damping performance compared to some approaches available in the literature.     

带自适应动态变异和二次变异的差分进化算法

为解决差分进化算法在解决多目标优化问题时的多样性与收敛性之间的平衡维持难题,首先提出了一种基于自适应动态变异和非支配解二次变异的改进差分进化算法。该算法的核心是将前N代进化的群体多样性值作为多样性判别准则,根据群体多样性变化情况自适应地选择对应的变异算子产生新个体;其次提出通过对所存档Pareto非支配解进行二次变异来增加新个体解群的优解质量和数量,以同时改进算法的多样性和收敛速度。仿真结果表明,与标准差分进化算法和改进的基于分类排序的Pareto遗传算法相比,所提算法在收敛性、分布性与分散度性能指标上都有较好的表现,多样性和收敛性之间的平衡维持能力则远优于另两种算法。     

运用DE-RBFNN的直线伺服系统定位精度研究

提出一种基于差分进化算法(DE)的径向基函数神经网络(RBFNN)模型,用于预测直线伺服系统的定位误差.该模型用差分进化算法训练径向基函数(RBF)网络隐层中心位置、宽度和输出层连接权重.为了评价优化后RBF网络预测的精度,运用部分误差样本进行训练和仿真.构建了以数字信号处理器(DSP)为核心的直线电动机定位误差实验平台,根据误差校正值进行误差实时补偿实验.仿真和实验结果表明:经过DE算法训练的神经网络模型对工作台的误差具有良好的学习能力和泛化能力,与单纯RBF网络、基于遗传优化的RBF神经网络相比,该建模方法具有更高的定位精度.     

工件圆度误差测量不确定度评定

为了实现工件圆度误差的不确定度评定,对基于三坐标测量机的工件圆度轮廓数据的采样策略、圆度评定方法及不确定度评定方法进行研究。首先,根据工件圆度轮廓特征进行实验测量,获取不同工件的多个样本。接着,基于最小二乘法和微分进化优化算法对样本的圆度误差进行了误差评定。然后,在分析比较误差大小的基础上,说明了采用的采样策略和微分进化评定算法。最后,基于圆度误差评定结果运用了测量不确定度表示指南(GUM)和蒙特卡洛方法(MCM)进行不确定度评定。实验结果表明:微分进化算法与最小二乘法相比均值差最大达到1.1μm, MCM方法比GUM方法得到的标准不确定度均值小0.02μm。合理的采样点数、微分进化算法及MCM不确定度评定方法可以得到更稳定可靠、精度高的评定结果。     

基于MSRE的机械产品质量特性稳健优化设计方法

为了解决产品质量特性优化设计过程中设计参数发生变差时,最优解变为违反约束条件的不可行解的问题,对产品质量特性的稳健性和稳健性度量进行了分析,建立了基于最小灵敏域估计的产品质量特性稳健优化数学模型,提出了多目标产品质量特性稳健优化设计流程。根据该模型,采用广义差分多目标进化算法求得多目标质量特性稳健优化问题的Pareto稳健优化解集,并使用基于模糊集合理论的方法选择出最优解。在满足产品质量特性设计要求的前提下,优化产品质量特性,提高产品质量特性性能对设计参数变差的稳健性。最后,应用该方法对高速工业平缝机挑线机构进行质量特性稳健优化设计,证明了该方法在工程应用中的正确性与高效性。