利用旋量理论中的指数积公式建立了关节臂坐标测量机的理想数学模型,以基于单点多姿态与两点距离的系统误差模型为目标函数,运用了改进的粒子群优化算法对目标函数进行优化,进而实现了运动学参数的快速标定.实验结果表明：经过参数标定后,测量机的单点重复性精度提高了89.53%,长度测量精度提高了88.16%.所提标定方法简单易行.

为了改善蓄能器的动态特性,保证其稳健性,该文利用AMESim软件建立了液压制动系统的模型。运用Optimization工具,以蓄能器在紧急制动工况可保证的制动次数为目标,利用遗传算法对影响蓄能器的主要设计参数进行了优化,得到最佳充气压力为6MPa,并验证了其稳健性,为蓄能器与整个制动系统匹配设计提供了方法和理论依据。该研究对于蓄能器的优化设计和改进具有参考作用。

提出了以计算工况液力变矩比最大为目标函数的优化设计模型,采用遗传算法对各工作轮的叶栅进出口角进行优化,使计算工况最高效率提高,改善了液力变矩器的经济性。将该方法应用于YB380型液力变矩器叶栅进出口角的优化,结果表明,通过优化使计算工况最高效率由0.866提高到0.9,从而证明本方法的可行性。

为了精确描述气缸的摩擦力,实现气缸的高精度轨迹跟踪控制,并提高算法的可移植性,提出基于遗传算法的气缸LuGre摩擦模型参数辨识方法和基于气缸充气腔压力变化的比例方向阀死区辨识方法。通过仿真分析,验证遗传算法在辨识摩擦力静动态参数时的可靠性;以单缸气动伺服系统为研究对象,分别建立比例方向阀和气缸的数学模型,设计基于反步法的非线性鲁棒控制器,开展气缸活塞运动跟踪不同频率的正弦轨迹曲线和三阶加减速曲线实验。研究结果表明:基于遗传算法的摩擦力参数辨识和基于气缸压力变化的比例方向阀死区辨识方法均能获得精确的辨识结果,本文所设计的控制器能实现气缸高精度轨迹跟踪控制。

为解决飞机气动伺服弹性耦合频率低且随飞机重量构型变化大,使用结构陷幅滤波器改善飞机气动伺服弹性稳定性易于影响飞机操稳特性的问题,建立了一种基于多目标遗传算法的结构陷幅滤波器优化设计方法。以气动伺服弹性系统的弹性模态频响峰值最小作为优化目标,刚体模态频响特性作为设计约束,通过设计罚函数修正个体适应度对陷幅滤波器的频率与阻尼参数进行优化。结果表明:该文方法能够兼顾飞机的气动伺服弹性与刚体运动特性,有利于充分利用高增益控制系统提升飞行性能。

为了提高装砖码垛机器人的工作效率,同时减小振动对机器人的影响,基于三次样条插值法,提出一种使机器人轨迹最优的规划方法,对各关节进行轨迹规划。利用权重系数法定义目标函数,以运动学和动作时间为约束条件,使码垛机器人在运行过程中其时间和冲击达到综合最优。采用遗传算法求解出最优时间序列,进一步求解出最优轨迹。研究结果表明:末端轨迹跟踪误差在合理的范围之内,该方法在装砖码垛机器人轨迹规划方面是可行的、合理的;可以为工作效率与冲击等矛盾问题到达综合最优提供一种解决方案。

为获得阶梯动静压滑动轴承的最优静动力特性,对轴承结构参数优化问题开展研究。首先,为避免油膜厚度在阶梯处沿圆周方向不可导问题,基于有限元法使用MATLAB编程对二维雷诺方程进行求解,得到其静力特性和动力特性;其次,以承载力为目标函数采用遗传算法对轴承结构参数进行优化。研究表明:有限元法不仅容易编程实现对雷诺方程的求解,而且能避免油膜厚度在阶梯处不可导的问题;轴承的每个油垫处均形成局部的压力峰值;使用遗传算法对轴承结构参数进行优化使其承载力提高51.8%。

针对作业车间调度问题,以优化最大完工时间为目标,提出一种融合路径重连、邻域结构和遗传算法的混合算法。邻域结构能够指导工序的移动,大大减少搜索时间,提高搜索能力;路径重连作为邻域结构的一种有效弥补方式,通过探索高质量解及其逆解之间的差异,生成一系列路径解,对路径解进行评价,选择较好的解进入下一代,可以进一步提升算法性能。结合作业车间调度问题的43个基准算例进行仿真分析,验证了所提算法具有良好的求解性能。

针对电液比例转速同步系统进行研究,应用高级建模仿真软件AMESim对系统物理模型进行搭建,并对系统动态特性进行了仿真及分析.为了改进系统的响应时间、稳态精度、稳定性及同步性,由控制策略出发,使用遗传算法对调控液压马达转速精度的PID控制器参数进行优化.仿真结果表明,优化后的参数改善了系统性能,取得了较好的效果,从而为今后的机电液一体化系统的优化设计提供了技术上的支持.

液压系统不同程度泄漏故障发生原因多样,特征十分相似,难以正确诊断.针对此问题,提出了改进的EEMD方法与GA-SVM结合的液压系统泄漏故障诊断方法.首先,在EEMD方法的基础上提出改进,抑制模态混叠和端点效应对振动信号分解的影响,保证信号分解的真实性.运用改进的EEMD方法将液压振动信号分解成若干个IMF分量,计算各IMF分量能量并归一化处理提取振动信号特征向量.然后运用遗传算法对SVM进行参数优化,将提取到的特征向量输入优化后SVM分类诊断,判断液压系统泄漏故障类型和严重程度.实验结果表明,该方法能够有效地应用于液压系统泄漏故障诊断.