液压立体停车装置的车位控制是一个主动机械升降控制过程,仅以用户等待时间为约束条件的方法,在车辆密集程度呈现非稳状态下,存在控制精度较差等缺陷。设计一种车辆密集非稳状态时间下机械液压立体停车装置高精度控制方法。分析机械液压立体停车装置中车辆的交织控制条件,构建空间控制模型。考虑液压立体停车装置停车密集度约束和用户停车的非稳状态时间约束,构建停车装置控制模型。采用蚁群优化算法求解空间控制模型和时间控制模型,完成车辆密集下机械液压立体停车装置控制。仿真结果表明所提方法控制下泊车机器人移动步数平均为10步,移动距离平均为32 m,用户等待时间均控制在1 min以内,平均停车时间为56 s,优化效果较好。

针对目前利用优化算法改进的BP神经网络算法对行星齿轮箱进行故障诊断过程中存在的故障识别率低、收敛速度慢和参数选择困难等问题,提出了一种用GA-ACO算法对神经网络参数进行优化的算法。给出GA-ACO-BP算法的基本原理和主要步骤,并将此方法应用到行星齿轮箱的故障诊断中。比较了ACO-BP神经网络算法和GA-ACO-BP算法的性能。结果表明,ACO优化BP神经网络算法对行星齿轮箱的故障诊断收敛速度慢且识别精度不高,而GA-ACO-BP算法能够对行星齿轮箱故障进行准确、快速的诊断和识别。