针对传统电流-切削力神经网络预测模型精度不高且神经网络参数难以确定的问题,将主轴电流与驱动轴电流同时考虑作为输入样本,提出帐篷映射下高斯变异粒子群优化径向基神经网络算法。算法在改进收缩粒子群径向基神经网络(改进CFA PSO-RBF)的基础上,对粒子位置初始化采用帐篷映射(Tent Map),同时提出粒子动态高斯变异。该算法能够均匀化粒子初始位置,控制变异过程,并有效避免算法陷入局部最优的早熟问题。基于此方法进行算法对比分析实验,结果表明同时考虑主轴与驱动轴电流,较单一考虑主轴电流,铣削力预测精度更高;在该算法下,随机15次训练结果平均均方根误差低于BP、RBF、改进CFA PSO-RBF神经网络,能够有效提高铣削力预测精度。

为了提高比例阀控液压缸的控制效能和精度,针对比例阀控液压缸存在响应速度慢、跟踪精度低等问题,提出了一种粒子群优化(Particle Swarm Optimization,PSO)模糊PID参数的方法。建立AMESim-Simulink联合仿真平台,采用了基于粒子群优化的模糊PID控制算法,针对比例阀控液压缸系统,使用粒子群算法对模糊PID进行参数调优,并运用AMESim-Simulink联合仿真平台进行模拟实验。模拟实验验证了基于粒子群优化的模糊PID控制器提高了系统的响应速度,减小了超调量,提高了稳定性。

针对目前出现的时变滤波经验模式分解(TVF-EMD)在滚动轴承故障特征提取中参数选择难的问题,提出了一种参数自适应TVF-EMD方法。首先利用粒子群优化(PSO)算法对TVF-EMD影响最大的参数组合进行优化,获得最佳的参数组合,并对故障信号进行TVF-EMD分解。然后筛选经分解故障信号获得的敏感固有模态函数(IMF),并进行包络解调运算。最后根据包络谱判断滚动轴承的故障。分别利用TVF-EMD、集合经验模式分解(EEMD)和变分模态分解(VMD)方法对仿真信号进行分析,表明TVF-EMD方法具有更优越的分解性能。利用参数自适应TVF-EMD方法对滚动轴承故障信号进行分析,表明参数自适应TVF-EMD方法可有效识别滚动轴承故障。

针对管道腐蚀预测分析因素复杂且具有较大随机性与模糊性的问题,建立了一种基于集成学习与机器学习算法的PSO-MGM管道腐蚀预测模型。在管道腐蚀检查数据的基础上,以MGM(1,1)为预测模型,采用PSO算法选出最优白化因子,实现了管道腐蚀速率预测。仿真结果表明,所提模型预测值与实际值拟合效果良好,可较为理想地反映管道腐蚀发育情况,相较于标准GM(1,1)预测模型和MGM(1,1)预测模型,其平均相对误差更小,满足预测精度需求,并可具体预测某一管道腐蚀发育情况,具有一定的实际应用价值。

针对精密加工结构件在加工过程中人工分拣效率低的问题,提出一种改进PSO对于SVM参数优化的图像分类算法(Adaptive Levy Flight Particle Swarm Optimization Algorithm-Support Vector Machine,ALPSO-SVM)。首先,建立一个SVM分类器用来完成图像分类,然后使用改进的PSO算法(ALPSO)来帮助SVM找到最优参数,以提高分类效果;通过引入自适应步长的Levy飞行算法来调整PSO算法中粒子的位置更新公式,提高PSO的寻优效率,以得到SVM的最优参数;最后,SVM以ALPSO输出的结果作为最优参数进行分类测试。实验结果表明,ALPSO有效地提高了SVM的分类性能,分类正确率与鲁棒性都得到提高,平均正确率达到90%以上。

采用RNGk-ε湍流模型数值模拟溢流阀环形槽口的气穴流动现象,并分析环形槽各结构参数对阀腔内气穴流场的影响。结果表明,结构参数θ越大,参数R1和R2取值最优时,抗气穴性能更明显。根据环形槽结构参数的数值模拟数据,利用kriging模型方法得出代理函数,即以阀腔内最大气体体积分数为目标函数,以Gauss函数为相关函数,采用常数回归模型的似然函数。利用改进PSO算法对代理函数进行优化计算,经对比得出优化参数的抗气穴性能显著。

为了提高基本粒子群优化（PSO）算法的收敛性，提出了一种引入选择与变异机制的改进PSO算法。该算法选择一定范围的优秀粒子代替较差粒子，并使粒子以不同的概率变异。仿真试验表明，引入选择与变异机制使PSO算法的收敛速度得到了提高，并且有效抑制了PSO算法的早熟。将改进PSO算法应用于热工过程模型辨识，在较少的迭代次数内得到了比较精确的模型辨识结果，且具有很好的收敛性能，获得了满意的辨识效果。

在串联机械手运动控制中常采用PID控制器,存在超调较大、跟踪精度低的问题,为此设计了一种基于微粒群(PSO)算法的模糊PID控制器。首先,根据两力臂串联机械手模型,推算出动力学方程式和传递函数;然后,设计控制器的系统结构,采用PSO算法优化模糊PID控制参数,提高了系统的自适应能力和跟踪精度;最后,在MATLAB中对机械手位置跟踪控制进行仿真。仿真结果显示:PID控制超调较大,有震荡;经模糊调整后,超调变小,稳定性较好;再通过PSO优化,响应速度变快,超调量基本消除。