针对人工鱼群算法(AFSA)中收敛精度不足、早熟现象明显、稳定性较差及结果精度受参数影响较大的问题,提出基于嵌入机制的改进人工鱼群算法。以参数统计分析为基础,设定步长与视野数值成反比的条件下,构建一种模仿生物视觉特性的步长、视野因子模型,并将差分进化算法中的变异行为作为人工鱼群完成觅食、聚群、追尾行为后的干扰行为。根据参数之间的关系、视野与步长的关系,采用五种类型测试函数分别对AFSA、DAFSA、DE进行对比验证,结果表明DAFSA在稳定性、计算精度与早熟现象改进方面较AFSA有明显提升。同时为验证所提方法的实用性,将其应用在50t/22.5m桥式起重机主梁金属结构轻量化设计中。

针对粒子群算法在解决高维度复杂优化易陷入局部最优的问题,构建差分进化算法(DE)、人工蜂群算法(ABC)与粒子群算法(PSO)并行运算的种群更新模型,提出基于并行策略的改进混合粒子群算法(DA_PSO)。以并行策略为基础,不改变种群规模,独立运行3种算法,每隔n次比较3种算法,获得当前最优点,并用其替换粒子群算法的种群最优点,利用PSO算法个体向种群最优靠近的特点,充分吸收DE算法、ABC算法的优点,使被替换后的PSO算法跳出局部最优,提升优化结果的质量。采用五种类型测试函数分别对ABC、DE、PSO和DA_PSO进行对比验证,结果表明较其他算法而言,DA_PSO算法精度高,稳定性好,适应性强。同时为验证所提方法的科学性与实用性,将其应用在10t~32t/31.5m系列化的桥式起重机主梁金属结构轻量化设计中。

随着智能制造技术的发展,定制化生产占比明显提高。为缩短工期提高市场竞争力,焊接车间内机器人焊接、人工焊接同时参加排产,具备协同作业条件。在智能制造环境下,为充分发挥焊接设备和操作人员柔性优势,建立了面向协同作业的智能制造焊接车间调度数学模型。以最小化最大完工时间和焊接能耗为目标,采用改进的差分算法进行求解,求解过程中检验并修正差分过程中出现的不可行实验个体,利用自适应差分缩放因子在进化前期提高种群的多样性、在后期加快收敛速度。最后通过实例验证了协同作业调度的可行性和有效性。

为简化机械臂逆运动学求解方法与提高解的精度,增强方法的普适性,利用智能优化算法,将运动学逆解变为最优化问题。首先,根据正运动学方程建立末端位姿误差目标函数,结合最佳柔顺性与能耗约束构建适应度函数,使机械臂在满足位姿误差要求时还具有最佳柔顺性与较低能量消耗;为使位置和姿态收敛精度统一并控制进化方向,引入位姿平衡系数与位姿误差调节系数;其次,把个体寻优出色的天牛须搜索与群体优化性能出色的差分进化算法融合,以此提高算法的收敛精度与速度;最后,对6R机械臂与冗余机械臂进行了逆解实验。结果表明,所提算法收敛精度高、速度快、通用性好。

应用坐标变换原理,推导出球面4R机构连杆点轨迹参数方程。在此基础上,以轨迹误差平方和最小为目标函数,以曲柄存在、杆长协调和传动角限制等为约束条件,建立机构不带预定时标近似轨迹综合的约束优化模型。结合自适应罚函数法,应用社会认知优化(Social Cognitive Optimi?zation,SCO)算法求解该问题。为提高SCO算法的收敛精度和速度,以差分进化(Differential Evolu?tion,DE)操作为邻域搜索算子,设计一种加速社会认知优化(Accelerating Social Cognitive Optimiza?tion,ASCO)算法。给出机构综合实例,轨迹分析结果表明,所建立的模型和提出的ASCO算法可行有效。比较了基本SCO、DE和ASCO算法求解该机构综合实例的优化性能,数值实验显示,ASCO算法的收敛速度、收敛精度和稳健性等性能指标优于基本SCO和DE算法。

针对传统方法对初值选取敏感问题,将差分进化算法(DE)应用到气动参数辨识中,取代传统极大似然方法中的牛顿迭代梯度优化方法,对高旋弹的气动参数进行全弹道辨识。文中首先对可辨识性问题进行分析。通过仿真计算,证明该方法与传统极大似然方法相比辨识结果更加稳定,并通过反算弹道的方法证明了该算法收敛速度快,全局寻优能力强,具有较高的精度,并且解决了传统方法对初值敏感问题。

针对差分进化算法“早熟”问题,提出一种自适应变异率的双策略差分进化(AD-DE)算法。在迭代前期取较小变异率,并采用全局变异策略,快速锁定较优开采区间;在迭代后期取较大变异率,同时采用改进的局部变异策略,提高算法局部开采能力及加快收敛速度。将该算法应用于8个测试函数的优化中,结果表明:AD-DE算法与其它4种差分算法相比具有更好的全局寻优能力,并在某型密封舱结构优化中应用了该算法,有效地减轻了密封舱的结构质量,得到了较好的结构参数。

设计了一种2RRPaR+PPaP三平移空间并联机构,推导了该机构的位置正反解方程和雅可比矩阵。以工作空间和全局灵巧度为优化目标,建立优化数学模型。以工作空间散点数目最多和全局灵巧度值最大为原则,采用差分进化算法进行优化设计,得到机构的最优参数。通过比较优化前后机构的工作空间和灵巧度值,结果表明,优化后机构的运动性能得到较大改善,为该机构的设计及应用奠定了基础。

分析了粒子群算法（PSO）和差分进化算法（DE）的特点,提出了一种PSO-DV算法用于优化BP神经网络的权值和阈值,并利用PSO-DV算法优化的BP神经网络进行了齿轮箱的故障诊断。试验结果表明,PSO-DV算法可以避免神经网络陷入局部极小,改善了收敛性能,同时保证了齿轮箱故障诊断的正判率。

针对冷连轧机液压AGC系统轧制力的精确设定问题，提出了一种基于差分进化算法优化支持向量机的轧制力精确设定方法。该方法在支持向量机预测模型的基础上，引入差分进化算法对支持向量机的训练参数进行优化，提高支持向量机的预测精度。之后，利用海量生产数据对支持向量机进行训练并进行轧制力偏差的预测，最后将预测结果用于修正轧制力模型设定计算值。通过预测结果和实际数据的对比表明，利用该方法能够有效地提高冷连轧机AGC系统轧制力的设定精度，使设定的相对误差从单纯模型计算的15％降到6％，为进一步提高冷连轧机的设定计算精度提供了一种有效可行的方法。