针对冷连轧机负荷分配寻优速度缓慢的问题,采用了基于改进人工鱼群算法的优化方法。由于基本人工鱼群算法后期收敛速度慢、精度不高,所以对其中觅食行为的视野和步长进行了优化。首先给定一个较大的视野和步长,随着算法的迭代,视野不断减小,到某一值后不再改变,同时步长随着视野的减小而同比例减小。结合某钢厂五机架冷连轧机,以轧制力成比例分配为目标函数,以压下率为约束条件,通过MATLAB对轧制负荷分配的寻优过程进行仿真,结果表明改进后的人工鱼群算法在轧制负荷分配方面,具有算法实现简便、收敛速度快等优点,而且与典型轧制规程相比,各机架出口厚度误差最大为4.26%,为实际生产中轧制规程的制定提供了有效的方法。

针对滚动轴承故障振动信号微弱难以识别的问题,提出采用改进人工鱼群算法优化的神经网络诊断方法。首先,引入速度动态参数对人工鱼群算法固定搜索步长进行改进,并用改进人工鱼群算法优化神经网络。其次,采用最小二乘趋势分析消除实验室采集到的滚动轴承内环、外环和滚珠三种故障振动信号的趋势项;并根据时频域特征参数的变化趋势筛选出均值、标准差和波峰因子这三个能够明显反映不同故障类型的特征参量。最后,将遗传算法、粒子群算法等优化的神经网络作为对比算法用于滚动轴承故障诊断。仿真结果表明这里提出的方法相比对比算法,20次平均诊断准确率高、误差小、稳定性高。

针对BP神经网络模型在刀具监控中收敛速度慢容易出现局部极小化问题,提出一种基于鱼群算法(AFSA)的BP神经网络优化算法。采集振动钻孔的声发射(AE)信号,使用小波包算法对数据进行降噪和特征提取。使用鱼群优化算法(AFSA)对BP神经网络预测模型进行优化,使用优化后的模型对测试集数据进行模式识别,对比各模型识别精度。结果表明使用鱼群优化后的算法(AF-BP)模型能够降低神经网络陷入局部极小化的情况,提高神经网络对刀具磨损的识别精度。