滚动轴承的工作环境通常受噪声干扰严重,故对其故障检测颇有难度。针对此问题,提出基于改进萤火虫算法优化VMD参数的方法。首先利用快速谱峭度分析信号,得到带通滤波器的最佳参数后,对信号进行滤波即初步降噪;其次经萤火虫算法优化得到VMD的最优参数K和α,根据所得参数将信号分解为若干个IMF分量,并以相关系数和散布熵为原则重构信号;最后用Hilbert包络解调重构后的信号得到故障特征。通过对试验数据的分析以及与LMD分解的对比可知,该方法能可靠地检测出轴承故障特征。

热误差是影响机床加工精度的主要因素之一,为减小热误差对机床精度的影响,提出萤火虫算法结合BP神经网络建立热误差模型。使用萤火虫算法对BP神经网络进行优化,对隐含层神经元个数进行优化取值,确定网络结构,并对网络初始权值和阈值进行了优化。以GMC2000A机床为试验对象,误差模型的输入为模糊C-均值聚类选取的机床关键位置的温度向量,输出为Y轴定位误差,通过均方根误差值RMSE、决定系数R~2和预测精度η三项指标对误差模型预测效果进行评估。结果表明,萤火虫算法优化BP神经网络误差模型取得了较好的预测结果,且在恶劣的工作环境中仍能保持一定的预测精度。

为掌握液压泵全寿命周期健康状态,提出一种基于改进VMD算法的液压泵寿命状态检测方法。针对变分模态分解中难以确定分解层数和分解带宽的问题,引入萤火虫算法对VMD初始参数组合进行优化,通过仿真分析验证该方法的有效性。开展液压泵加速寿命试验,提取液压泵不同寿命阶段出口压力脉动信号,应用改进VMD算法进行分解,计算各IMF分量的能量占比、IMF重构信号的能量熵及时域指标作为12维状态特征样本库,建立结构为12-20-5的DBN神经网络进行液压泵寿命状态识别。分析结果表明,该方法在泵全部寿命阶段均能保证较高的识别准确率,平均准确率达到97.4%,为液压泵寿命状态检测提供了新的方法。

螺栓连接是工程结构的重要连接方式。优化螺栓连接结构的布局可以提高结构的力学性能。建立螺栓连接结构的有限元参数化模型,对连接板和螺栓进行有限元力学分析。运用萤火虫算法对螺栓布局进行优化设计,得到合理的螺栓排布尺寸,减小了孔周应力。当螺栓数量为4个时,与初始设计方案相比,优化后螺栓的分布更加合理,最大孔周应力明显下降。当螺栓数量为6个时,对三排和双排的初始设计方案进行优化,得到相同的双排最优螺栓布局。数值算例表明了萤火虫算法在螺栓连接结构布局优化中的有效性,研究结果可供机械设计参考。

以空间三平移并联机构作为研究对象,根据方位特征集设计理论和方法,设计一种运动解耦、结构对称、运动副简单、工作空间大的空间纯移动并联机器人机构,通过拓扑结构特性分析证明机构具有空间三维移动的运动特性,并建立运动学方程模型,推导得到运动学正逆解以及雅克比矩阵;在此基础上分析机构奇异性、操作空间、灵巧度等性能指标,以工作空间最大化的实际需求作为数学优化模型,选择萤火虫算法进行优化设计,通过优化后的结构参数尺寸进行算例

提出了利用逐步消去法(backward sequential algorithm,BSA)、萤火虫算法(firefly algorithm,FA)分别和类卡尔曼滤波算法(excitation identification Kalman filter,EIKF)结合,以结构响应重构为目标,对不同类型传感器同时进行位置优化的方法.通过对萤火虫算法进行二进制编码,使其能够解决传感器优化布置问题;以结构响应重构误差方差平均值为目标,以离散萤火虫算法和逐步消去法为求解方法实现传感器位置的优化;利用预测的状态向量值对激励和感兴趣位置处的结构响应进行重构.用一个二维桁架模型来验证所提出方法的实用性和有效性.数值算例结果表明,利用两种方法得到的优化位置处的测量信息求得的重构激励和响应与理论值能够很好地吻合,对比验证了两种方法的有效性.