在液压系统中,液压管路是实现压力传导功能的重要组成部分,其压力值的变化不容忽视。在环境误差等因素的影响下,液压管路的压力变化呈现非线性和不稳定性。为解决该问题,提出基于粒子群优化算法(PSO)改进的基于注意力机制(Attention)的长短期记忆神经网络(LSTM)的液压管路压力预测方案。用某飞机液压管路的压力检测值作为输入数据,实现液压管路某支路位置的压力预测,并完成预测结果的可视化。实验结果表明,该模型预测平均误差为1.78%,符合液压管路压力预测要求。

遗传算法（GA）和粒子群算法（PSO）都属于进化算法,用于优化计算时,可以帮助寻找问题的最优解。将遗传算法和粒子群算法应用到反射阵列设计中,大大缩减了设计周期并提高了反射阵列性能。按照该方法设计出的极子阵列在10 GHz的高频下仍能保持大角度的RCS在-20 dB以上,并可以根据实际要求进行灵活调整,加工实物后进行实测,实测结果和仿真结果具有很好的一致性。

针对液压系统在使用中故障频率较高、诊断方法受各种因素影响以及诊断准确率较低等问题,提出一种新的基于PSOSVM模型的液压系统故障诊断方法。该方法首先对采集的故障信号数据进行预处理,使用自适应噪声完备集合经验模态分解(Complete EEMD with Adaptive Noise,CEEMDAN)结合模糊熵的方法进行特征提取,形成数据样本;其次,利用粒子群算法(Particle Swarm Optimization,PSO)对支持向量机(Support Vector Machine,SVM)核函数和惩罚系数进行优化,利用数据样本训练SVM模型;最后,应用优化后的分类模型对故障进行识别分类,并与GA-SVM和基本SVM对比,验证PSO-SVM模型的分类性能。实验表明,该方法可以精准识别出故障类型,具有较强的诊断能力。

为了提高冗余自由度机械臂的运动准确性,进行基于全局最优滑模控制器的冗余自由度机械臂运动控制的研究。分析冗余自由度机械臂的机械结构,明确其结构组成及运动原理。通过各关节节点的旋转角度及连接臂长度,分别求取了相邻关节节点间的旋转关系式及关节结点相对基础坐标的移动矢量,并通过该移动矢量得出机械臂的动力学方程。通过机械臂的动力学方程,计算出单个关节节点的系统方程。利用角度误差构造滑模面,并在此基础上利用单个关节节点的系统方程,建立滑模控制器。为了获取滑模控制器中滑模加权因子和趋近加权因子的最优解,采用粒子群算法在解空间中对其进行全局搜索,从而得到全局最优化的滑模控制器,用于对冗余自由度机械臂的运动过程进行控制。实验中,采用此方法和干扰观测器方法对关节节点的运动过程及末端执行器的运...

针对移动机器人路径规划中存在易陷入局部最优、收敛速度慢、搜索路径消耗成本较大等问题,提出一种改进的灰狼优化算法对移动机器人进行路径规划。建立移动机器人避障路径规划二维空间模型,将灰狼优化算法中的线性收敛因子转变为非线性收敛因子,并将灰狼优化算法与粒子群算法结合,给予Omega狼意识;加入协同量子化优化灰狼群体;采用4类国际测试函数证明了改进算法在收敛精度、稳定性方面更优。将改进算法运用到移动机器人路径规划中,并与粒子群算法、原始灰狼优化算法进行对比,仿真结果验证了该算法的有效性。

在地震模拟振动台控制系统中,常用三参量控制实现加速度信号控制,但目前三参量参数理论整定方法存在效果不佳、智能化程度不高等问题。针对三参量控制参数整定问题,提出一种基于粒子群算法的三参量控制参数整定算法,利用粒子群算法的寻优能力完成三参量参数整定研究。仿真结果显示,与理论值相比,粒子群算法自整定值控制下地震模拟振动台波形复现精度得到提高,表明粒子群算法实现地震模拟振动台三参量控制系统参数整定,算法有效。

由于复合储能式系统装载机的结构复杂,所以对系统的模糊控制策略要求较高,而现有的利用专家经验对控制器设定的模糊控制规则主观性较强,很难实现系统的最优控制。利用粒子群算法对模糊控制策略进行优化,并将优化后的控制策略通过MATLAB/Simulink所搭建的装载机整车的后向仿真模型进行试验仿真分析。结果表明:通过粒子群算法优化后的控制器控制性更好,且整车的燃油经济性更佳;通过dSPACE进行硬件在环试验,试验与仿真结果基本一致,进而验证了优化结果的有效性。

为得到较好的电液位置伺服系统的位置控制精度,设计一种采用智能切换控制策略的电液位置伺服系统控制方法。分析电液位置伺服系统的结构,并对其进行数学建模。基于液压缸压力作用,得到液压位置伺服系统的运动方程。在粒子群算法的基础上,借助细菌觅食算法的全局特性,对粒子群算法进行改进,以克服粒子群算法易陷入局部最优的弊端,进而形成智能控制器。以智能控制器为基础,建立智能切换控制策略,以对系统进行实时、准确的控制。实验结果表明:与滑模控制策略相比,在跟踪正弦及不规则目标位置时,所提方法的控制精度分别提高了28.44%和28.66%,验证了所提方法可得到较好的位置控制精度,能为生产效率的提升提供保障。

针对利用经验试凑法或其他优化算法整定机器人自抗扰控制器参数,存在整定过程复杂、整定结果不是全局最优等缺陷,提出一种基于免疫粒子群融合算法的机器人自抗扰控制器参数整定方法。该方法将免疫算法的免疫信息处理机制引入粒子群算法结构中,解决了免疫算法优化过程繁杂冗长以及粒子群算法过早陷入局部最优的问题,实现了自抗扰控制器参数整定,快速找到全局最优解。MATLAB仿真结果表明:该方法提高了自抗扰控制器的响应速度和稳定性,适用于

建立带有反向柱结构液压缸的约束优化设计模型，采用Deb可行性规则处理该模型中的约束条件，应用粒子群算法求解液压缸优化设计问题的全局最优解，最后给出工程实例。由仿真结果分析可知，带有反向柱结构液压缸的优化设计参数较多，应用粒子群算法是合理有效的，使液压缸的重量减轻约41％，优化效果显著。所提出的优化模型和算法是可行的，对工程优化设计具有一定参考价值。