SCARA机械臂在工作过程中和工作终止后都会出现振动问题,为了降低机械臂的残余振动,选取粒子群作为寻最优抑振轨迹的优化算法,针对粒子群算法在轨迹寻优时收敛性差以及出现停滞现象问题,提出采用非线性递减惯性权重和粒子种群跳跃的方法对粒子群算法进行改进。利用机械臂振动抑制实验平台,使用改进的粒子群算法进行抑振轨迹优化并进行实验研究,验证结果可行且有效,得到抑振指标最小的最优抑振轨迹。

针对双轮差速驱动自动导引车的轨迹跟踪问题,首先根据车辆角度偏差,横向距离偏差这两者与驱动轮速之间的关系,建立简化车辆运动模型,其次,采用线性递减惯性权重改进的粒子群算法设计控制方案,最后提出时间乘误差绝对值积分准则与误差占比相结合的变化适应度函数.将以上两种控制方法与标准粒子群控制方法进行仿真对比,结果表明,采用线性递减惯性权重粒子群算法能有效提高粒子寻优速度,结合以上两种改进的控制方法,能减小超调量,缩短调节时间,增加车辆行驶稳定性.

针对鲸鱼优化算法(WOA)存在的收敛精度低、易陷入局部最优解等问题,提出一种非线性收敛因子并引入非线性惯性权重对基础WOA进行改进,以智能制造生产线中核心单元6R机器人为研究模型做轨迹优化,其以时间最优为优化目标。首先将WOA中收敛因子改为非线性收敛因子并引入一种非线性惯性权重,以达到提高收敛精度、局部开发能力和全局搜索能力的目的,然后将该算法与五次多项式相结合,基于实际应用场景对某型号的6R工业机器人做时间最优轨迹规划。实验结果表明,该研究场景中机器人运动优化后完整的上、下料过程的时间比优化前缩短20%至50%,说明改进后的WOA在相关领域应用中有效可信且具有实际意义。

在研究惯性权重对基本PSO算法影响的基础上，根据惯性权重对粒子群算法影响的特点，采用4种惯性权重策略对一种新的具有量子行为的粒子群算法的速度进行调节，比较每种算法的性能，从中找到一种新的性能更好的改进算法，将其用于求解0—1背包问题。实验结果表明较好地选择惯性权重参数对算法的性能有很大提高，该改进算法在求解0—1背包问题中具有高效性，提高了最优解的精度，同时具有较快的收敛速度。

为了提高粒子群算法的稳定性，改善陷入局部最优的弊端，提出了一种增加算子扰动且对惯性权重进行正弦调整的粒子群优化算法。该方法首先利用差分方程对粒子的速度与位置变化过程进行深入分析。然后找到粒子群算法收敛的约束条件，进而获得改进后的惯性权重。最后在粒子群算法的速度公式中引入算予扰动项，其对粒子施加扰动，能够有效的抑制算法陷入局部最优问题，使算法在迭代后期也拥有一定的搜索能力。利用4个典型测试函数对算法进行验证，实验结果表明改进的惯性权重及速度更新公式使得该算法具备了较快的收敛速度和较佳的全局收敛性能，与标准粒子群算法相比，改进后的粒子群算法收敛精度高、鲁棒性强。