改进遗传算法在油茶果采摘机优化中的应用

为了提升算法在求解优化问题时的性能,提出了一种改进的实数遗传算法(RCGA)。算法的改进之处在于引入了一种新的交叉算子及替换操作:交叉算子通过增大算子的搜索范围来提升解的质量与算法收敛速度;替换操作则同时考虑了个体目标函数值与多样性贡献率两个特征,以方波函数的模式对种群进行周期性的局部初始化操作,从而增大种群多样性。将改进的算法应用于油茶果采摘机的优化设计中,通过一系列的对比实验验证了改进算法的性能优于其他先进有效的算法;同时,改进后的算法能够明显优化采摘机的工作空间与采摘臂的长度,使整体结果提升了63.49%。可见,改进后的算法是解决采摘机优化的一种有效方法。     

四通阀控非对称液压缸系统控制器优化设计

为优化四通阀控非对称液压缸系统的动态特性,开展控制器优化设计研究。通过AMESim-MATLAB联合仿真的方法开展模型辨识,所构建的传递函数模型的位移误差平均值仅为4.31 mm,具有较高的准确度。基于伯德图进行系统的频域分析,结果表明所构建的系统是稳定的,但灵敏度和响应速度较差。设计两种最优PID控制器,基于遗传算法的最优PID控制器响应速度最快,其延迟时间、上升时间和最大超调量分别为0.152 s、0.323 s和3.43%,基于一阶模型延迟近似的最优PID控制器具有较高的控制精度,其延迟时间、上升时间和最大超调量分别为0.396 s、0.438 s和0。两种控制器均有效地改善系统的动态特性。     

基于多目标遗传算法反求土壤的扩散率与导水率

土壤水热耦合运移的数学模型是研究土壤中水分迁移及其热量传输的重要依据,而准确地确定土壤的扩散率与导水率是进行研究的重要前提.为此,在水热耦合运移方程的理论基础上,以温度误差、含水率误差最小为目标建立数学模型;在不同初始含水率的土柱冻结试验条件下,利用多目标遗传算法优化反求土壤的扩散率与导水率,通过验证表明计算结果具有较好的精度.     

复杂注水系统泵站优化调度的改进遗传算法

以耗电量最小为目标函数,排量、压力等限制为约束条件,建立了复杂注水系统泵站优化调度数学模型.针对系统运行特点,采用改进遗传算法对模型进行求解,同时优化出泵的运行状态和排量.改进遗传算法采用实数编码,并设计了随机多父辈交叉方法,改进了变异操作,操作过程中,给出了泵排量的处理方法,使各水量约束条件得到满足,大大减少了不可行解的产生,使算法的优化性能得到了提高.算例说明了该优化方法的有效性.     

基于优化的长短时记忆神经网络牧群采食量估测模型

为了能够较为精准的估测牧群的采食量信息,提出一种基于遗传算法(genetic algorithm, GA)和长短时记忆神经网络（long short-term memory,LSTM）的牧群采食量估测模型。首先通过皮尔森系数法分析得出影响牧群的采食量的主要影响因子,以减少输入维度并解决信息冗余问题。在此基础上,构建基于 LSTM 神经网络算法的牧群采食量估测模型,并引入遗传算法来优化LSTM 神经网络模型参数来增加模型的可靠性。最后,利用该模型对牧群采食量进行估测。试验结果表明：该采食量估测模型各评价指标平均绝对误差(mean absolute error,MAE)、平均绝对百分比误差(mean absolute percentage error,MAPE)、以及均方根误差（root mean square error,RMSE）分别为2.982、9.85%和6.108。与单一的LSTM神经网络以及GRU神经网络模型相比,均优于其他模型;且该模型具有较好的估测性能和较强的泛化能力,能够为合理轮牧提供科学指导,对草地保护有一定的应用价值。     

基于粗糙集理论的岩质边坡稳定性评价

针对岩质边坡的稳定性评价问题,应用粗糙集理论对既有岩质边坡的失稳实例进行分析,采用遗传算法进行约简,抽取评价知识,建立了规则库。采用不精确推理和默认推理方法开发了岩质边坡稳定性评价专家系统,提出了待评对象与规则不完全匹配情况下的近似推理方法,结合工程实例对该系统进行了测试和验证,并与模糊回归方法进行的比较。     

基于改进多父辈遗传算法的农机调度优化方法

农机装备跨区作业存在作业任务重、转移范围大、作业时效性强等问题,传统的农机调度缺乏科学合理的调配方案。该研究开展了基于改进遗传算法的多机协同作业任务调度方法研究。首先对多块农田需连续进行多种生产任务的问题进行分析,建立在农机数量、转移距离、作业准备时间及作业时间等约束条件下的时间窗农机作业调度模型;然后以最小化作业时间为优化目标,提出改进多父辈遗传算法(Improved Multi-parent Genetic Algorithm, IMPGA)的优化方法求解农机作业规划方案;最后根据新疆塔城地区的农田数据及随机生成的农田任务进行模拟与仿真,并与标准遗传算法(Genetic Algorithm, GA)进行对比。结果表明:IMPGA和GA均能有效解决多任务多农机作业分配问题,IMPGA算法总体上优于GA,调度的最优时间和平均时间分别缩短2.47%和2.70%。该研究可为农机跨区作业提供合理的调度方案,也为规模化无人农场的生产经营提供科学依据。     

基于目标规划的履带可变形机器人结构参数设计及验证

机器人结构参数直接影响其对环境的适应能力,因此合理的结构参数设计至关重要。为更高效设计能适应障碍已知环境的机器人,该研究提出一种基于目标规划的机器人结构参数设计方法,以得到能适应该环境的结构参数最优的机器人,并开发样机进行试验验证。首先提出并设计履带可变形机器人模型,在分析机器人越障机理基础上,建立机器人能够跨越的台阶和沟壑障碍与其结构参数间的关系,并在此基础上建立履带可变形机器人的结构参数目标规划模型。利用遗传算法得到该目标规划问题的最优结构参数:履带轮半径60 mm,摆臂最大长度326 mm,机体长度290 mm,并利用Adams建立仿真模型验证了机器人对目标环境的适应性。样机试验表明机器人能够跨越160 mm高台阶和300 mm宽沟壑,证明了计算得到的结构参数的合理性,及基于目标规划的机器人结构参数设计方法的可行性。该研究可为机器人的结构参数设计提供参考。     

基于响应面和遗传算法的尾座式无人机结构参数优化

设计了一种垂直起降尾座式无人机,利用中心组合试验(Central composite design,CCD)对无人机的翼展长、后掠角、小翼高和小翼厚4个结构参数进行设计,构建了25组样本点。利用ANSYS CFX进行升阻比和阻力数值模拟,通过Design-Expert软件建立无人机结构参数与升阻比、阻力的响应面模型,其中升阻比随着翼展长和小翼高的增加而增大,后掠角和小翼高对升阻比的影响较小,当攻角为4°～8°时,升阻比随小翼厚的增加而减小,当攻角为10°～12°时,升阻比随小翼厚的增加而增大;阻力随着翼展长和小翼厚的增加而增大,随小翼高的增加而减小,随后掠角的增加先增大后减小。以升阻比最大和阻力最小为优化目标,采用多目标遗传算法进行结构参数优化,得到最优结构参数为:翼展长1 123 mm、后掠角34°、小翼高39 mm、小翼厚3 mm,与原始样机相比升阻比提高了12. 4%,阻力降低了5. 3%。采用风洞试验对响应面模型进行了验证,其中升阻比和阻力的数值模拟相对误差小于8. 0%,响应面模型相对误差小于3%,表明响应面模型具有较高的精度和良好的通用性,可用于垂直起降尾座式无人机的优化设计。     

基于工作空间的果园作业平台结构参数优化与试验

为提高果园作业平台的适用性和操作灵活性,根据乔砧密植的纺锤形苹果种植模式确定其目标工作空间,以工作空间尺寸偏差、工作空间体积和平均可操作度描述其可达工作空间性能,分析了平台主要结构参数杆长和关节变量（关节角、连杆偏移）对工作空间性能的影响。建立了以可达工作空间性能和结构紧凑为指标的优化模型,利用遗传算法求解得出最优参数为：杆2和杆4的长度分别为988、879mm,关节1、3的关节角范围分别为[107°,256°]、[-118°,-76°],关节5、6的连杆偏移最大值分别为720、340mm。优化后其可达工作空间尺寸偏差分别减小96.09%、95.60%,体积减小4.69%,平均可操作度增加1.43%。对优化后的果园作业平台进行了实地果园工作空间试验,结果表明：承载质量为65kg、横坡坡度为15°、纵坡坡度为15°时,工作空间尺寸偏差最大,分别为16.2、16.7mm,比原型分别减小93.89%、93.76%。