确定含水层参数的混沌序列优化算

以泰斯公式为例，将混沌序列优化算法应用于求解分析抽水试验资料，确定含水层参数的函数优化问题．就混沌序列长度、粗搜索次数和待估导水系数初值取值范围等因素对算法收敛性的影响，进行了数值实验．结果表明：1）混沌序列优化算法可以有效地应用于求解含水层参数计算问题；2）粗搜索次数的多少和序列长度的大小对算法收敛性的影响不明显；3）待估导水系数的初始取值范围对算法的收敛速度有一定的影响，但不会影响最终计算结果．与其它方法相比较，混沌序列优化算法具有原理简单、易于编程和运算、计算结果精度不受人为因素影响和应用范围较宽等优点．     

基于改进型PSO算法的汽车转阀参数优化

提出了基于模拟退火(SA)修正的改进型粒子群算法(SA-PSO)的转阀参数优化方法。建立了整车动力学模型、转向系统模型、高速"路感"模型和转阀能耗模型,并对模型进行了验证;给出了低速转向轻便性、高速转向"路感"和能耗的量化指标;提出了以轻便性、"路感"和能耗量化指标的平方和根最小值为目标函数,以各参数取值范围为约束条件的最优化问题;构建了基于模拟退火修正的改进型粒子群优化算法(SA-PSO)的自适应度函数,运用改进型粒子群算法获得了转阀参数的全局最优解;SA-PSO与PSO的优化结果对比表明,SA-PSO的全局收敛性强、收敛速度快;通过优化参数与另外两组参数双纽线、高速中间位置小转角转向、转阀能耗仿真验证了优化方法的有效性和优化结果的正确性,最后分别进行了转阀参数优化前、后的双纽线、高速中间位置小转角转向、转阀能耗试验,结果表明,优化后的转阀使转向轻便性、高速转向"路感"和节能性均得到改善。     

基于粒子群优化算法与混合罚函数

粒子群算法(PSO)具有简单易实现，可调参数少的优点。将其用于最优潮流的求解，结合混合罚函数来限制最优潮流的约束条件，使粒子群算法的寻优速度加快，迭代次数减少。通过在IEEE9节点和IEEE30节点上的仿真计算表明，该算法在优迭代速度和收敛精度上都取得了较好的效果。     

基于粒子群算法的圆柱度误差评定方法

根据最小区域条件，建立了圆柱度误差的数学模型以及优化目标函数和适应度函数，阐述了粒子群优化算法的原理和实现方法，然后根据粒子群算法优化求解。实例表明，该方法对于圆柱度误差评定等非线性优化问题能得到全局最优解，粒子群优化算法的计算精度与其他满足最小条件的计算方法相比略有提高，且参数设置少，计算速度快，可用于三坐标测量机等测量系统的圆柱度误差测量后的数据处理。     

拖拉机变速箱的齿轮故障诊断研究

通过对拖拉机变速箱的故障分析，列举了故障发生率较大的变速箱齿轮所在的主要故障形式，并对齿轮故障诊断的试验台搭建、故障信号特征的提取、诊断模型的选择及遗传算法的应用做了论述。     

基于径向基神经网络的叶轮轴面投影图优化

为了提高余热排出泵的效率,采用拉丁超立方试验设计方法对叶轮轴面投影图上的前盖板圆弧半径、后盖板圆弧半径、前盖板倾角和后盖板倾角4个几何变量进行35组叶轮方案设计,应用ANSYS CFX 14.5软件对余热排出泵进行定常数值模拟,得到设计工况下的效率,应用径向基神经网络建立效率与轴面投影图的4个几何变量之间的近似模型,最后采用遗传算法对近似模型进行极值寻优,获得最优的轴面投影图几何参数组合。研究结果表明:对比原始泵的数值模拟性能曲线和试验外特性能曲线,两者吻合较好;径向基神经网络能较好地预测泵设计点效率;优化的轴面投影图使得余热排出泵的水力效率提高了6.18个百分点,改善了叶轮内流场特性。因此,叶轮轴面投影图的优化设计方法是可行的。     

基于遗传算法的机械产品多参数选配方法

对机械产品多参数选配问题进行了描述，并以同时满足多个装配精度，使不适配零件数量最小化为目标，建立了求解该问题的数学模型。针对机械产品多参数选配的特点，提出了一种基于遗传算法的选配方法。根据问题的特殊性，设计了相应的编码方法和遗传算子。最后给出了应用该算法解决机械产品多参数选配问题的一个实例，证明了该算法的可行性与有效性。     

汽车牵引力控制软件在环仿真研究

应用车辆动力学仿真模型和基于目标控制器的汽车牵引力控制算法，设计了汽车牵引力控制软件在环仿真系统，并对后轮驱动越野汽车进行了软件在环仿真模拟。仿真结果表明，设计的控制算法有效地消除了驱动轮过度滑转的现象，提高了车速，为目标控制器的软件开发打下了基础。     

优化运行理论在泵站综合自动化系统中的应用

利用改进的神经元网络构建了泵站流量以及效率预测模型，并利用改进的遗传算法构建了泵站优化模型。将这两个模型应用到泵站综合自动化系统中，可以完成对泵站流量及效率的准确预测，并在此基础上实现泵站的优化运行。讨论了泵站优化运行理论在泵站综合自动化系统中应用的步骤和方法。     

基于改进PSO算法的电机控制系统PID参数优化

粒子群算法(PSO,Particle Swarm Optimization)作为一种新型的随机优化方法,其算法结构简单,鲁棒性强,在组合优化和自适应控制等领域的非线性优化中有着广泛的应用前景.为此,提出一种改进的PSO优化算法,并将该算法应用于电机控制系统的PID参数优化设计.仿真结果表明,利用改进PSO算法优化的PID参数能有效改善控制系统的性能指标.