针对传统的矿用运输机故障诊断精度不高的问题,提出了一种改进的DPNN神经网络故障预测模型。首先采用PSO-LM组合算法对DPNN神经网络参数进行优化,得到最优参数;其次考虑到矿用运输机故障数据实时更新的特点,引入网络权值更新算法对预测模型进行自动更新;最后以某实验室矿用运输机故障数据为基础,运用MATLAB建立故障预测模型,并对数据进行仿真训练。结果表明,基于网络权值更新的改进DPNN神经网络模型无论是预测精度还是迭代次数,都要明显优于PSO-DPNN模型和PSO-LM-DPNN模型,验证了该预测模型的有效性,具有一定的工程实践价值。

针对航空产品外场可靠性数据存在大量删失数据的问题,提出了一种适用于多种数据类型的寿命统计方法。首先根据航空产品运营过程中的故障特点,分别建立完全失效、右删失和区间删失三种数据类型下的负对数似然函数,从而得到混合数据的似然函数,然后基于粒子群优化算法进行似然函数的求解,获得不同分布模型下的参数估计值,并利用BIC准则选择最优分布模型,最后利用计算机模拟进行模型验证,并以电传系统备用电瓶为研究对象进行工程实例分析。

根据新一代GPS标准，建立了符合最小区域条件的圆柱度评定的数学模型。提出了一种带交叉算子的改进粒子群优化算法，并以此对圆柱度测量数据进行最小区域评定，给出了该算法的实现方法。经实例验证，该方法可以在新一代GPS标准下更快速、准确地评价圆柱度误差。

提出了一种基于Alpha stable分布的新型变异方法。针对粒子群算法容易陷入局部最优的缺点,通过对比分析确定了一种调整Alpha stable分布的稳态系数动态变异策略,使粒子群算法能够在搜索初始阶段具有更强的种群多样性以及算法探索能力,减少陷入局部最优的可能;在算法末期增强粒子群优化算法的局部搜索能力,提高解的精度。将基于Alpha stable变异的粒子群优化算法(Alpha stable particle swarm optimization, ASPSO)与多种改进型粒子群优化算法以及差分进化算法(differential evolution algorithm, DE)进行了比较,基准测试函数结果表明新建立的ASPSO算法极大地提高了算法的收敛速度和精度。将其应用到RAE2822翼型的单点跨声速减阻优化中,在保持种群规模等参数相同的情形下,ASPSO算法的优化效果和效率都远高于传统PSO算法,最终得到的翼型也比PSO优化的翼型具有更高的升阻比,翼...

为了提高气动调节阀故障诊断准确率,本文提出一种基于粒子群优化随机森林(PSO-RF)的故障诊断方法,该方法通过粒子群优化算法寻找随机森林中子树棵数和分裂特征数两个关键参数,克服随机森林算法依靠人工设置关键参数的不足。本文搭建了基于PSO-RF的故障诊断模型,并采用Simulink搭建气动调节阀仿真模型,注入7种常见故障,仿真对比分析4种传统方法(RF、支持向量机、贝叶斯分类和k-NN)与所提方法的诊断性能。仿真结果表明,PSO-RF的故障诊断准确率为99%,验证了该方法的有效性。

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。

针对随机产生输入权重和隐含层神经元阈值导致利用极限学习机辨识弹丸气动参数时会出现辨识结果发散问题,本文将粒子群算法与极限学习机结合,并且引入自适应更新策略以及粒子变异策略,提出了一种自适应变异粒子群优化极限学习机算法。该算法利用自适应变异粒子群算法寻优产生极限学习机的输入权重和隐含层阈值,有效改善算法性能。仿真实验表明,利用自适应变异粒子群优化极限学习机算法辨识弹丸气动参数,精度高、收敛速度快,能够充分满足实际工程需要。

某新型液压式风机盘车驱动缸组同步控制精度较低,为了解决这一问题,对缸组在负载力扰动作用下的同步控制策略进行了研究,提出了一种基于粒子群模糊PID控制器。首先,建立了单个驱动缸的数学模型和缸组的同步控制系统模型;其次,采用粒子群算法对模糊控制器的量化因子K_(e)、K_(ec)和比例因子K_(u)进行了迭代优化处理,并对PID控制器的3个控制参数进行了整定;然后,将两只液压缸输出位移的差值作为反馈信号,并引入误差补偿器,形成了状态差值反馈;最后,在阶跃激励信号和恒定负载扰动信号共同作用下,应用Simulink对驱动缸组的同步控制进行了仿真,并将其结果与传统PID控制器和模糊PID控制器的控制效果进行了对比分析。研究结果表明:相较于传统PID控制器与模糊PID控制器,在粒子群模糊复合PID控制下,同步系统运行稳定,无超调现象,仅存在微弱振荡;同时,系...

为实现钢铁企业中成捆钢筋端面贴标的自动化,对成捆钢筋端面自动贴标系统中机器人的运动情况进行研究,利用D-H参数法导出UR5机器人的各连杆坐标系之间的变换矩阵,进而求出UR5机器人反向运动学的解析解。给出了UR5机器人最优摆放位置的评价标准,并在此规则下利用粒子群优化算法对UR5机器人进行位置优化。依据以上分析结果可以为成捆钢筋端面自动贴标系统中机器人的位置设计提供理论上的支持和数据上的参考,并对该系统的实际应用具有指导性的意义。

针对零件表面几何形状误差分布对装配精度的影响与零件装配后配合表面接触状态尚不清楚的问题,提出一种基于数据配准的零件配合表面最佳接触状态确定方法。分析零件表面几何形状误差分布特性,利用数据配准技术提出配合表面接触点确定方法,并采用粒子群优化算法求解最佳接触状态;在此基础上采用小位移旋量表示零件表面的几何形状误差,提出一种基于接触状态的配合误差计算方法,从而实现零件装配精度的初步预测;通过实验验证了所提模型和方法的有效性。研究结果表明：数据配准方法可确定零件装配时的接触点位置和接触状态,预测精密高刚度零件的装配精度;从统计意义上证明,零件的形状误差分布对精密装配的影响不可忽略。