基于Bingham力学模型,设计、制作小尺寸旋转剪切式MR阻尼器,通过数字式特斯拉计测量励磁线圈的磁感应强度。设计了阻尼器试验装置,并对此MR阻尼器进行2种激励位移、11种输入电流和4种激励频率共88种工况的力学性能试验,根据MR阻尼力-速度滞回曲线,克服Bingham模型在零速度附近不能说明阻尼力-速度的关系,引入惯性力项方法,提出了改进滞回曲线非线性力学模型。采用智能粒子群算法辨识修正的滞回力学模型参数,通过阻尼器试验数据与修正滞回力学参数值进行对比,证明此滞回模型能很好地描述MR阻尼器强非线性的动力特性。

基于Fluent流场仿真分析软件,在定压差条件下,对带有单U形、斜U形以及V形基本节流槽的滑阀阀口开度-流量特性开展了研究,并将其与试验结果进行了对比验证,得出了U形类槽口随着阀口开度的增加流量梯度减小、斜U形类槽口随着阀口开度的增加基本保持不变、V形类槽口随着阀口开度的增加流量梯度增大的结论。基于上述研究,利用粒子群优化算法,得到满足定压差条件下阀口开度-流量特性要求的节流槽优化尺寸,并通过实例验证了优化结果。

针对拆除机器人机械臂液压系统存在控制对象模型难以建立、时变性和非线性等特性,采用粒子群算法优化模糊控制器,从而整定PID参数。研究结果表明,相比传统的PID控制器,基于PSO优化的自适应模糊PID控制器具有无超调、稳态精度高等特点。

为解决传统控制器磁悬浮球系统快速性和稳定性易受干扰等问题,建立云自适应粒子群优化(CAPSO)的RBF神经网络监督控制器。通过RBF神经网络学习整定PD控制器的输出后采用云自适应粒子群算法对RBF网络的3个参数进行归一动态优化。采用原有RBF神经网络梯度下降法、粒子群算法、云自适应粒子群算法分别训练后进行对比控制仿真。结果表明:基于CAPSO-RBF的混合控制算法实现了磁悬浮球系统自适应控制,其动态性能和稳态性方面有较好的提升。

粒子群算法具有早期收敛速度快,后期容易陷入早熟、局部最优等特点,为了使粒子群算法的择优能力大幅提升,论文首先选择运用混沌映射产生最初种群,然后借助粒子群算法针对种群展开优化,对个体及全局最优解加以混沌搜索,同时按照信息熵自适应调节惯性系数,设计出在大规模车间调度问题求解当中较为适用的熵增强的混沌粒子群算法。通过具有代表性的实际范例对该算法进行仿真研究,结果显示,在面对大规模的车间调度问题时采用该算法能够高效、快速获取相应答案,相较于以往老旧的算法,其优势极为显著。

为实现龙门式多轴自动锁螺丝设备横梁的轻量化,结合BP神经网络与粒子群优化算法对其横梁进行结构优化。以横梁质量为目标函数,数个关键尺寸为设计变量,变形量及固有频率为约束条件建立数学模型。利用BP神经网络拟合设计变量与约束变量的映射关系,结合已建立的神经网络模型,应用基于Deb可行性规则改进的粒子群算法,在满足约束要求的条件下,寻求各关键尺寸的最优值。优化结果表明,优化后的横梁质量减少29.61%,实现横梁轻量化。

提出一种解决车间调度作业的有效改进型粒子群算法，该算法可以有效地避开标准粒子群算法局部搜索能力较差、搜索精度不够高、容易陷入局部极小解等缺点，并通过实例验证了该算法的有效性与可行性。

针对某石化公司离心式CO2压缩机四段出口动态流量准确测量困难的问题,引入软测量方法对动态流量进行测量,研究了基于支持向量机的软测量技术实现对流量的间接测量方法.提出了采用遗传算法和粒子群算法分别对支持向量机的参数进行优化,并将参数优化后的支持向量机得到体积流量软测量模型的预测效果与传统的交叉验证法参数优化的预测效果进行了对比,取得了良好的效果.

针对复杂构形的复合材料风力机叶片内部结构采用新设计的2MW风力机叶片基于等代设计法对其进行复合材料初始铺层设计;建立完整的叶片有限元参数化模型;基于修正的动量叶素理论提出一种适用于叶片结构设计与优化的新的流固耦合方法;建立叶片优化数学模型以叶片质量最小为优化目标以层合板厚度、主梁位置等作为优化设计变量采用粒子群算法与有限元法结合的策略对复合材料风力机叶片进行优化设计.优化结果表明相比初始叶片优化后的叶片质量有了较大的减少而且以优化设计方案二（叶片主梁位置可变作为优化设计变量之一）的结果尤为明显.该研究对于风力机叶片结构设计及优化具有重要的指导意义使风力机翼型、叶片及结构参数化一体化设计成为可能.

为了实现双臂钻车的自动化打孔对其进行运动学分析和优化计算。优化计算的目的是要找到液压钻臂各个关节的合适的角度位置能够在钻车工作时实现确定的位姿。采用粒子群算法在MATLAB环境下计算并得出最优解结果证明粒子群算法能有效解决两臂钻车的运动学计算。为了方便操作和审核建立了用户界面并生成了.exe文件从而为钻车自动化打孔奠定了技术基础。