针对目前机械臂路径规划的主流算法,如RRT算法、蝴蝶算法和人工势场法等在全局搜索时易遇到寻优精度低、收敛速度慢,在局部搜索时易陷入局部最优解等问题,提出一种改进蝴蝶搜索算法。针对基本蝴蝶算法在种群初始化时添加了Cubic映射,在进行全局和局部搜索时加入非线性惯性权重系数和融入樽海鞘群算法,在确定最优解后加入了柯西变异,以此来提高算法收敛速度和寻优精度等问题。通过MATLAB构建六自由度机械臂和三维空间障碍物的三维模型,并进行仿真实验。结果表明改进后的蝴蝶算法增强了收敛速度和寻优精度。最后进行了真机实验,验证了改进后的蝴蝶算法能够快速实现机械臂的路径规划。

关乎整个设备正常运行的滚动轴承极易发生故障,且常是多故障并存,导致轴承复合故障诊断困难。VMD算法对诊断滚动轴承复合故障具有良好的频带分割、抗模态混叠和抑制噪声的优点。但当VMD控制参数[K,α]选取不当时,会造成频带分解失效、轴承复合故障分离不彻底。为此提出基于樽海鞘群算法(SSA)改进VMD的分离诊断方法。采用SSA自适应选取[K,α]对信号进行VMD,通过包络熵和峭度综合筛选敏感IMF,对敏感IMF进行Autogram共振频带提取,采用包络解调提取各自的故障特征频率。通过仿真信号和实测信号验证分析,可知基于SSA优化VMD算法对复合轴承故障有很好的分离诊断能力。

针对磁流变减摆控制参数整定方法效率低、耗时长、精度差问题,提出一种基于改进樽海鞘群算法(Modified Salp Swarm Algorithm,MSSA)的减摆控制优化方法。首先,针对领导者更新引入精英个体杂交变异策略,提高全局搜索能力;然后,对于跟随者更新采取自适应差分变异策略,加快优化效率;最后,以摆幅最小、摆振收敛时间最短为优化目标,将改进樽海鞘群算法应用于磁流变减摆控制参数整定。基于标准函数的性能测试表明,与樽海鞘群(Salp Swarm Algorithm,SSA)、高级萤火虫(Advanced Firefly Algorithm,AFA)、粒子群(Particle Swarm Optimization,PSO)和遗传算法(Genetic Algorithm,GA)相比,改进算法的收敛精度更高,优化效率更快,性能更稳定。优化仿真实验进一步表明,相较SSA,AFA,PSO,GA优化的减摆控制系统,该整定方法优化用时短,能够使机轮平均摆幅减少4.24%以上,并确保摆振在规定时间内收敛,减摆效...

针对行星齿轮箱实际工况中存在多种频率耦合无法直接提取故障特征频率的问题,提出一种基于樽海鞘群算法优化变分模态分解(SSA-VMD)结合2.5维谱的故障诊断方法。运用SSA优化VMD的参数;运用自相关系数对分解信号进行重构,降低噪声的干扰;最后运用2.5维谱对重构信号中的频率耦合进行解耦运算。搭建行星齿轮箱磨损故障全生命周期实验台采集振动信号,运用提出的方法解耦出参与耦合的故障频率成分,揭示了行星齿轮箱磨损故障演化规律。