联合收割机V带传动结构参数优化设计

建立了以V带传动小带轮直径和中心距最小为追求目标,以带速、包角、中心距、带的根数和小带轮直径等为约束条件的优化数学模型.求解时,首先采用线性加权和的方法建立评价函数,然后利用Matlab软件优化工具箱提供的'fmincon'函数进行优化计算.优化结果显示,优化后小带轮直径和中心距明显减小,V带传动更紧凑.     

基于粒子群算法的辊式磨粉机优化设计

采用粒子群算法和Matlab语言,以磨粉机的分流辊与快辊的水平距离及垂直距离、分流辊的转速及直径、快慢辊的斜置角度作为设计变量,以物料的喂料轨迹和物料的入磨速度作为多目标函数进行优化设计。仿真结果与原设计相比较,落点距轧点从39mm减小到1.4021mm,入磨速度也从1.795m/s提高到了2.0962m/s,有效地提高了磨粉机的工作效率。与基本型遗传算法优化结果相比,粒子群算法效果要好于基本型遗传算法。     

基于混合粒子群算法的拖拉机制动器优化设计

在拖拉机制动器的设计过程中,为尽量降低制动器的温升,应使制动器的重量越轻越好。影响制动性能和制动器质量的参数较多,采用传统设计计算方法很难找到最优解。本文在建立制动器的优化数学模型的基础上,对约束问题用外点法处理,结合二阶粒子群优化算法,形成一种混合粒子群算法。利用MATLAB编制相应程序,对拖拉机制动器进行优化设计。比较计算结果,该种混合粒子群算法最优解效果较好。该方法也可以用于其它相类似的非线性约束问题的求解。     

基子粒子群算法的污水管网优化设计

将一种新的智能优化设计方法--粒子群算法,应用于污水管网水力参数优化设计.对污水管网的优化设计过程进行了详细说明,并通过实例说明了粒子群算法的优化设计过程.实例验证结果表明,与遗传算法相比较,粒子群算法更容易实现且优化结果更好,因此,该算法在给污水管网设计中有较为广阔的应用前景.     

V带传动性能参数自动测试系统的研制

V带传动是机械传动中广泛使用的重要方式,其性能参数的检测,传统方法多采用“传感器+二次仪表”的模式,靠人工测试和控制。这种仪器功能单一,只有测量显示功能;且二次仪表的动态特性差,影响测量精度。为此开发集测量、数据处理、存储、分析等功能于一体的微机化带传动测试系统,以便于在传动过程中检测各种机械参量,并对其性能进行定量分析。1　系统主要功能本系统所完成的主要功能有:1对测试数据进行自动检测和处理。2彩色显示器上实时显示各主要检测参数。3自动处理测试数据,并显示各性能参数和特性曲线。4可查询、打印采集的数据和分析结…     

小麦收割机割台结构可靠性优化设计——基于改进粒子群算法

为了实现小麦联合收割机割台结构的优化设计,将粒子群算法引入到了可靠性计算中,并提出了一种基于改进的粒子群算法的割台可靠性优化方法。针对基本粒子群算法的早熟问题,运用混沌优化与粒子群优化的搜索特性,将结构的动态可靠度区域收缩,提高了算法的可靠性。建立了割台最小截面积、质量和可靠度的计算模型,利用Pro/E软件对模型进行了虚拟仿真,并采用Mat Lab编程实现了改进后的粒子群算法。由虚拟仿真和迭代计算的结果可以看出:对粒子群算法进行改进后,其收敛性较好,在可靠度满足设计要求的情况下,截面积和质量都有所下降,节约了加工材料。     

小四轮拖拉机V带传动功率分析

近年来随着市场需求的变化 ,小四轮拖拉机的功率在不断地往上延伸 ,其中 13.2ｋＷ以上的小型轮式拖拉机已占到了小拖市场份额的 5 0 %以上[1] 。国内一些主要的拖拉机生产企业都相继推出了 2 0 0 2 2 0系列拖拉机。然而 ,在使用和有关部门的抽检过程中发现 ,一些拖拉机的发动机功率虽然有较大幅度的提高 ,但牵引力等主要性能指标并没有成比例地增长 ,这固然有多方面的因素 ,但根据笔者的分析 ,Ｖ带与发动机功率匹配不当是其中的主要原因之一。由于泰山 180 2 0 0 2 2 0系列拖拉机的传动系等配置情况基本一致 ,为了方便起见 ,本文仅以泰山…     

基于粒子群算法的发动机悬置系统稳健优化设计

应用稳健优化设计理论,考虑设计变量的变差对优化设计结果的影响,建立了稳健优化设计模型.以发动机悬置系统能量解耦为目标,悬置刚度参数为设计变量,考虑目标函数和约束函数均值μ和标准差σ的变化,构造了发动机悬置系统的稳健优化模型.采用粒子群优化算法对发动机悬置系统的悬置刚度参数进行了稳健优化设计,并用Monte Carlo方法进行了分析.设计应用表明,优化方法可以有效降低系统解耦度对悬置刚度参数的敏感性,系统解耦度分布更合理.比遗传算法的计算效率高.     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。     

基于改进粒子群算法的排涝泵站优化调度分析

针对泵站节能降耗问题,建立了站内优化调度模型,并利用混沌理论改进粒子群算法,开展站内调度方案寻优问题研究。研究结果表明,采用混合粒子群算法,收敛速度快,求解精度高,较适合泵站优化调度求解;采用3时段优化分析时,优化方案耗电量为23.34万kWh,节省电量3.46万kWh,取得了较好的优化调度结果。     

基于鲶鱼效应多目标粒子群算法的水库水沙联合优化调度

针对水库水沙联合优化调度多目标、高维、非线性和难以求解的特点,将鲶鱼效应机制引入多目标粒子群算法中提出基于鲶鱼效应的多目标粒子群算法,该算法在利用收敛速度较快的Sigma方法的基础上,通过触发鲶鱼启发器引入外部鲶鱼粒子,利用鲶鱼粒子对种群的驱赶效应增加种群多样性,从而提高算法的收敛性和非劣解集的多样性;数值分析证明,与MOPSO和σ-MOPSO相比,该算法的效率和质量更高,同时三峡水库实际算例也表明,该算法能给出代表整个可行调度空间、收敛较好、分布均匀的Pareto最优前沿,具有较好的适应性。     

Ahut-Delta并联机构改进混沌粒子群算法尺度综合

针对Ahut-Delta并联机构,提出了一种基于改进混沌粒子群算法的尺度综合方法。首先提出一种改进混沌粒子群算法,即采用混沌立方映射初始化种群,并根据迭代状态指数性调整惯性权重因子,同时进行早熟判断和混沌扰动,迭代获得最优粒子。其次将Ahut-Delta并联机构优化参数转变为粒子维度决策变量,雅可比矩阵的全域均值条件数和全域波动量构建的全域综合性能评价指标在其几何条件约束、传动角约束条件下转换为改进混沌粒子群算法的适应度函数。最终通过改进混沌粒子群算法优化搜索,优化出适应度函数值最小的最优粒子,从而获得Ahut-Delta并联机构在全域运动性能最佳的尺度参数。仿真分析结果表明,所提尺度综合方法具有正确性和有效性。     

基于多目标粒子群算法的柔性作业车间调度优化方法

针对柔性作业车间的多目标调度问题,构建了以制造工期、加工成本及提前/拖期惩罚值为目标函数的柔性作业车间调度模型,提出基于密集距离排序的自适应多目标粒子群算法.采用精英策略保留进化过程中的优势个体,基于个体密集距离降序排列进行外部种群的缩减和全局最优值的更新,并引入小概率的变异机制以增强解的多样性和算法的全局寻优能力.最...     

多邻域链式结构的多目标粒子群优化算法

为了提高多目标粒子群算法求解多目标问题的性能,改善算法的收敛性,提出一种多邻域链式结构的多目标粒子群优化算法。首先,以一种环形链式拓扑结构,将种群划分为多个邻域,每个邻域之间相互交叉重叠,并针对不同位置的粒子,进行不同的速度和位置更新策略。其次,对所有粒子采用速度钳制策略,并引入差分进化策略对粒子进行扰动,从而进一步提高算法的多样性。通过14个无约束和3个有约束函数仿真实验,表明该算法相对于NSGA-II、SPEA2、MOEA/D-DE、SMPSO和OMOPSO算法,获得Pareto解集分布更加均匀,算法的收敛性和多样性也更好。为了进一步验证算法的可行性和有效性,将其应用于72杆桁架结构尺寸设计,并与其他优化方法进行了比较,结果表明该算法获得的Pareto前端更均匀,收敛性更好。     

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。     

混沌粒子群微分进化算法及其在水库发电优化调度中的应用

粒子群优化算法（PSO）与微分进化算法（DE）都是有效的基于群体智能的全局优化算法,但它们都容易过早收敛,陷入局部最优。针对以上问题,提出了混沌粒子群微分进化算法（CPSO—DE）,该算法引入可变的惯性权重和学习因子,以基于logical映射的混沌序列代替标准PSO中的随机序列来对粒子群进行初始化,同时将微分进化算法（DE）中的变异、交叉和选择思想引入标准PSO算法中,改变标准PSO算法单一的进化策略,在全局范围内搜索最优解。作为实证的需要,通过对水库优化调度所存在问题的分析,建立了基于CPSO-DE算法的水库优化调度数学模型与求解算法,并以某水库实际运行数据进行计算,结果表明CPSO-DE算法具有较好的全局最优解,验证了CPSO—DE算法的可行性与健壮性。     

基于DP-PSO算法的灌区农业水资源优化配置

针对引水灌区,考虑灌溉用水总量约束和时段可供水量约束,以单一作物非充分灌溉下灌溉制度优化为第一层,区域多种作物种植结构及水量分配为第二层,分别采用动态规划和粒子群算法求解,建立了基于DP-PSO算法的灌区农业水资源优化配置模型。针对多重约束问题,提出了一种初始化粒子群的方法,并通过粒子速度的动态变化来保证每代粒子都满足约束,提高了算法的收敛速度和收敛精度。以赣抚平原灌区为对象,考虑降雨和水源可供水量不同步的特点,计算了3种降雨频率、多年可供水条件下的农业水资源优化配置方案。结果表明,基于DPPSO算法的农业水资源优化配置模型合理可靠,为引水灌区农业水资源优化提供了一种新的方法。