针对现行方法在翻车机液压系统鲁棒控制应用存在系统同步误差较大的问题,提出基于粒子群优化算法的翻车机液压系统鲁棒控制方法。构建翻车机液压系统数学模型,以液压系统液压缸流量参数误差最小为目标,构建液压系统鲁棒控制目标函数,通过粒子群优化算法对目标函数迭代求解,得到最优液压系统液压缸流量参数值,调控优化系统,实现基于粒子群优化算法的翻车机液压系统鲁棒控制。实验证明,设计方法应用下在系统摩擦系数和阻尼系统增加的场景下同步误差不超过1%,系统鲁棒性良好,在翻车机液压系统鲁棒控制领域具有良好的应用前景。

飞机在多种工况条件下运行时,发动机退化特征复杂性不断增加,导致发动机剩余寿命预测精度低。针对此问题,提出一种基于聚类分析的端到端剩余寿命(RUL)预测方法。采用K-Means聚类方法对发动机的多种工况和运行条件进行分组;再利用卷积神经网络(CNN)提取反映剩余寿命复杂动态变化的高维特征,将结果输入到双向门控循环单元(BiGRU)中学习特征之间的变化规律,设计并引入了新的混合注意力机制(HAM),充分考虑变量之间的关系,对重要特征信息赋予更大的权重,同时抑制冗余信息的影响;然后进行非线性变换,获得RUL预测结果;最后使用粒子群优化算法对神经网络的超参数进行调优。采用美国航天局NASA研究中心提供的涡轮发动机模拟数据集验证所提网络模型的有效性。结果表明对于多工况运行条件,所提方法的均方根误差相比于CNN、LSTM、BiLSTM、CNN-LSTM分别降低...

为提高静液压变速器(HST)控制系统的自适应性和鲁棒性,结合模型预测控制(MPC)与粒子群优化(PSO)算法对HST转速控制性能进行仿真和实验研究.首先,基于状态扩展空间方程建立HST的预测模型,引入PSO确定MPC的最佳超参数,获得综合性能指标最佳的模型预测控制器模型.然后,对HST进行阶跃响应与加减速控制仿真,同时搭建静液压传动实验平台对模型预测控制HST的可行性进行验证.结果表明在阶跃响应和期望转速突变条件下,模型预测控制HST的输出转速均在较短时间内稳定在期望转速附近,且超调量最大不超过5%,具有较好的静态特性.期望转速突变时,MPC亦能快速准确地调控变量泵的排量,使马达转速迅速达到新的稳定状态,且调控过程的转速波动较小.所得实验结果与仿真结果一致,表明MPC在HST转速控制方面具有可行性.最后,针对更为复杂的工况(变化的输入功率、多变的...

提出一种基于粒子群优化算法（PSO）的圆度误差评定方法。介绍了PSO算法的提出及其特点；具体阐述了PSO算法的基本原理和实现步骤；提出圆度误差评定这一非线性优化问题，给出其优化目标函数及PSO算法的适应度函数和编码方式；结合实例对算法参数进行了设置，通过实例运算对PSO进行了正确性和精确性验算。实例证明该方法能够很好地解决圆度误差评定问题，与遗传算法具有相当的计算精度，能够获得精度较高的结果。而PSO的突出优点是简单易于实现，计算速度快。

建立了圆柱度误差评价的最小区域法、最小二乘法、最小外接圆柱法和最大内接圆柱法的数学模型，将一种含收敛因子的粒子群优化算法应用于圆柱度误差的目标函数的优化问题。通过实例的分析与计算，比较了各种模型的计算精度。

设计了基于TMS320F2812DSP的无刷直流电机调速系统，阐述了该调速系统的硬件结构、软件流程，并通过粒子群优化的模糊PID算法控制电机速度。实验结果证明，以DSP为控制器并结合智能控制算法的调速系统响应快、超调小、稳定性强，具有较好的动、静态特性。

建立车辆纵向制动动力学模型、Burckhardt轮胎模型以及液压制动器模型,设计了基于滑移率PID控制的汽车防抱死系统。以滑移率误差作为输入,经PID控制器输出制动压力调节信号传递到液压制动系统模型;采用粒子群优化算法对PID参数进行整定,结合路面附着系数估计实现PID控制典型路面工况的防抱死控制。在CarSim与MATLAB/Simulik的联合仿真环境中选取高中低附着路面工况进行仿真试验,结果表明:粒子群优化算法整定PID参数的防抱死系统能实现典型路面紧急制动过程中的车轮防抱死控制。

为了提高车辆的抗侧倾能力,设计了液压马达驱动式主动稳定杆控制系统,提出了基于粒子群优化(PSO)算法的分层控制策略。上层自抗扰控制器(ADRC)计算出整车所需反侧倾力矩,整车所需要的反侧倾力矩经过分配器分配到前后轴,下层三闭环比例-积分-微分控制器(PID)接收到所要提供的反侧倾力矩后计算出控制电流输入到伺服阀,从而驱动马达输出轴旋转并通过稳定杆产生主动力矩,实现车辆的主动防侧倾控制。为了使控制器有更好的控制效果,采用PSO算法整体优化上、下层控制,优化后的ADRC和PID参数再输入到整车模型中,为了使仿真接近实际效果,把实验测得的横向稳定杆扭转刚度也代入到模型中。在C级路面上采用蛇形和双移线工况进行仿真,通过将PSO优化的自抗扰系统与被动系统、PID控制系统和未优化的自抗扰控制系统对比进行仿真验证。仿真数据表明:侧倾...

针对矿井提升机制动系统故障样本少难以准确诊断,提出支持向量机（SVM）的故障诊断方法。为了解决支持向量机参数选择困难和其对于故障诊断的影响,提出利用粒子群优化算法（PSO）对支持向量机的参数进行优化,提高提升机故障诊断分类的准确率。利用组态王进行数据的采集,并且将采集的数据通过数据库传输到网页监测画面实现远程监测。实验结果显示,该故障诊断方法的故障分类准确率很高,响应速度快,并且可以实现网页监控画面和故障诊断所需数据实现共享。

在标准粒子群算法的基础上加入混沌初始化、变异以及杂交操作。改进算法在保持标准粒子群算法结构简单、收敛速度快等特点的同时增加了种群的多样性,扩大了粒子搜索空间,有效克服了算法的早熟收敛问题,获得了从起点到终点的最优路径,证明了该方法的有效性和实用性。