液压泵具有高负载的特性,在液压机上广泛应用。为了提高液压泵典型故障诊断精度,设计了一种基于布谷鸟搜索算法(CSA)优化径向基函数(RBF)网络的液压泵典型故障诊断方法,然后对对液压泵典型故障进行实验测试。研究结果表明对比PSO-RBF与UKF-RBF发现,CSA算法在寻优能力方面获得了明显提升,表现出来很高的收敛效果。CSA-RBF故障诊断水平最高,故障诊断缩减了总体耗时,检测平均精度能够达到97%以上,具有很高的精度保障。该方法有助于提高液压泵的使用寿命,为后续的参数优化奠定一定的理论基础。

同轴度误差是检验几何产品互换性的重要参考指标,对使用性能检测及产品品质的评价有着重大影响。粒子群算法(PSO)虽然应用广泛,但存在易陷入早熟和局部最优解、后期收敛较弱且缺乏全局收敛性等缺点。为使同轴度误差评定值精准度更高,以最小包容区域准则为框架,将同轴度问题转化为圆度和圆柱度误差评定,建立同轴度误差评定数学模型。运用一种适用于连续型优化问题,参数极少且局部搜索和全局搜索能力强的布谷鸟算法(Cuckoo Search Algorithm,CS)实现对同轴度误差的优化与评定。通过测量圆柱轮廓寸数据分析计算,对比文献数据结果进行验证,证明该评定方法的有效性及评定结果精确性,同时提供可视化结果。

设计并构建了模具制造云平台,介绍了该云平台各组成部分及其主要功能,研究了模具制造云平台中的服务匹配问题,提出了整体服务评价概念,并建立了以极小化总成本、极小化总能耗和极大化总服务评价为优化目标,时序关系和交货期为约束的模具制造云平台服务匹配模型,设计了一种改进的布谷鸟搜索算法求解该模型。算例分析结果验证了模具制造云平台服务匹配模型和改进布谷鸟搜索算法的有效性和可行性。

粒子群优化(PSO)算法易于实现,对优化问题可以获得质量较高的解,被广泛应用在如气动优化这种非线性高难度问题中,但是面对多峰问题容易陷入局部最优,存在鲁棒性较差的问题,为了提高PSO的鲁棒性,提出了基于并行交换的增强粒子群优化算法(EPSOBPE)。该算法通过布谷鸟搜索算法(CSA)和PSO种群并行进化,分层交换操作和增强学习策略来增强算法寻优能力与鲁棒性。该算法兼具了CSA的全局搜索能力和PSO的局部能力,使得新算法具有极强的鲁棒性。函数测试表明,新算法相较于其他智能优化算法有更强的鲁棒性,对不同问题的适应能力更强。将EPSOBPE算法应用到RAE2822翼型和M6机翼的气动优化设计中,相较于其他算法可以得到更好的效果,从而表明新算法有鲁棒性,同时兼具了更好的寻优能力。

目前对于形状比较复杂且密集摆放的工件,传统的工业机器人视觉分拣技术已经无法有效检测和识别。因此,为了提高生产线上分拣工件检测的准确率,提出了一种基于布谷鸟搜索算法(Cuckoo Search,CS)优化深度学习卷积神经网络(Convolutional Neural Network,CNN)的目标检测算法。首先对视觉分拣系统的组成进行了分析。然后采用经典的Faster R-CNN的模型结构来实现目标检测,并将CS优化算法应用到CNN模型的参数训练中,解决了反向传播的局部最优问题,同时提高了迭代速度。工件检测实验结果表明:相比于传统的CNN模型,提出CS-CNN模型具有更好的目标检测的准确率,提高了网络的收敛速度。

为了提高液压伺服系统对目标位置的跟踪准确度,设计一种用于液压伺服系统位置跟踪的混合模型预测控制器。首先,通过对液压伺服系统建模,分析其组成结构,建立液压缸与伺服阀的运动学模型。然后,对传统模型预测控制器的工作状态进行分析,获取其对应的线性时不变模型。并在传统模型预测控制器的基础上,利用通过布谷鸟搜索算法改进的PID控制器,设计了混合模型预测控制器。最后,利用所设计的混合模型预测控制器,对阶跃、方波以及不规则信号产生的目标位置轨迹进行了跟踪测试。测试结果显示:所设计的混合模型预测控制器不仅能够跟踪多种信号产生的目标位置轨迹,而且跟踪准确度较高、波动性较小;混合模型预测控制器在跟踪阶跃、方波以及不规则信号产生的目标位置轨迹时,相比传统模型预测控制器的跟踪结果,最大偏离度分别减小了6.77%、17...

针对供输弹系统早期采集的信号中成分复杂,故障特征难以提取和识别的问题,提出一种基于模糊熵与布谷鸟改进的极限学习机(CS-ELM)的供输弹系统早期故障预示方法。运用改进的可调品质因子小波变换对信号进行滤波降噪,提取各子带信号的模糊熵特征;选取模糊熵值较大的5个子带进行重构,完成降噪并将其模糊熵组成特征向量;运用CS-ELM对所提取的特征向量进行早期故障预示并与ELM的诊断结果进行对比。试验结果验证了该方法的有效性,其预示准确率达90.7%。

以一种新型动静压转台为研究对象,通过理论和实验的方法分析了转台承载特性,并提出了以动压承载能力为目标的螺旋楔形织构几何参数优化设计方案.首先建立摩擦副物理模型并数值求解控制方程,计算液膜压力分布和部分润滑性能,并通过试验验证仿真结果.以动压承载力作为目标函数,通过分析楔形织构几何参数对目标函数的影响,以螺旋角、楔深和楔数为设计变量建立优化模型.为寻求设计变量的最优组合,使用布谷鸟搜索算法进行全局寻优并总结不同工况下的最优解规律.与原始几何参数下的转台对比,优化后的转台动力学性能得到了一定的改善,印证了文中优化方案的应用价值.

针对拆卸需求零件和危害零件的不完全拆卸线平衡问题,构建了优化拆卸序列长度、工作站数目、空闲时间均衡指标和拆卸成本的多目标不完全拆卸线平衡模型;为适应问题的离散性、多目标、多约束特性,提出了一种基于Pareto解集的目标驱动离散布谷鸟搜索算法.该算法首先建立模型与鸟窝位置、鸟蛋属性的映射关系,以此制定莱维飞行操作、巢寄生操作的离散化规则;然后通过以目标为导向的驱动操作实现单目标深度优化与多目标协同优化;为获得分布性良好的拆卸方案,采用拥挤距离机制筛选外部档案中的非劣解.对不同规模的3个实例与19个基准算例进行实验,验证了该算法的有效性和优越性;以某打印机的不完全拆卸为例,采用文中模型和算法进行不完全拆卸线平衡多目标优化,为决策者提供了侧重点不同的9种拆卸方案.

为提高飞机装配效率和人员利用率,根据飞机总装脉动生产线的特点和平衡优化需求,构建多目标多约束的E类飞机总装脉动生产线平衡问题模型,并设计一种结合非支配排序遗传算法、布谷鸟搜索算法和动态搜索算法的混合优化算法进行求解。其中动态搜索算法解决E类装配线平衡问题求解效率低下以及质量不佳的问题;非支配排序遗传算法通过改进个体距离计算方法提高装配序列的优化效果;布谷鸟搜索算法则借助改进莱维飞行距离计算式提高最优站位数量的搜索能力。最后通过基准问题测试证明算法的性能优于相关问题算法,并借助应用实例验证了模型的有效性。