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。

利用局部优化算法对多发弹测量数据进行气动参数辨识,可能存在局部最优解,且同一气动参数多发弹的辨识结果有时差异较大。为提高弹丸气动参数辨识的准确性与合理性,提出一种同时利用多发弹测量数据进行联合辨识的全局优化策略。该策略采用局部优化算法获得搜索空间,将弹丸飞行的稳定性条件作为约束条件,利用最小二乘准则构建准则函数,应用差分进化算法对多发弹数据同步全局寻优,从而获得唯一的全局最优解。以某大口径榴弹纸靶试验数据为例对所提方法进行了验证,结果表明:相比于现有的辨识策略,所提策略计算出的准则函数值更小,重构弹道结果与测量值更接近,且计算稳定性较好。

针对铣床主轴运行产生的热误差问题,采用改进BP神经网络预测模型,并对预测结果进行验证。融合量子粒子群算法和差分进化算法的各自优点,给出混合算法寻优操作流程。分析BP神经网络结构,给出改进BP神经网络优化流程图,构造铣床热误差适应度函数,采用混合算法优化BP神经网络预测模型。通过具体实例对铣床热误差进行实验验证,预测结果显示：BP神经网络预测偏差值较大,在Y轴、Z轴方向预测产生的偏差最大值分别为7.3μm和7.5μm,改进BP神经网络预测偏差值较小,在Y轴、Z轴方向预测产生的偏差最大值分别为2.8μm和2.9μm。同时,改进BP神经网络预测铣床热误差与实际偏差值波动较小。采用改进BP神经网络预测铣床热误差精度较高,可以提高主轴加工工件的精度。

对一种新型3T1R并联机构-4RUP aR并联机构进行工作空间分析和尺度参数优化设计。首先利用解析几何中的坐标变换理论,以机构的杆长作为约束条件,得到了运动学反解方程;然后根据运动学反解方程,建立工作空间的约束条件,通过MATLAB编程实现机构的定姿态工作空间的可视化,并通过"点集"近似表达工作空间的大小;最后采用单一变量分析法得出了并联机构尺度参数与定姿态工作空间的关系。以工作空间最大化作为优化目标,采用差分进化算法求解该优化问题,获得了良好的机构尺度参数,使得并联机构的有效工作空间更大更健壮,也更加符合工程实用要求。

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。

为提高叶栅的气动性能提出基于能量法的叶栅自动设计参数化方法结合自适应差分进化算法和Reynolds-Averaged Navier-Stokes （RANS）方程求解技术提出适用于透平叶栅气动优化设计的自动气动优化算法。以总压恢复系数最高为目标函数在满足流量和出口气流角约束条件下利用提出的气动优化算法对一小展弦比后加载叶栅进行了自动气动优化设计。优化后叶栅的总压恢复系数提高了0.7%叶栅的气动性能明显提高。优化结果表明该算法具有良好的优化性能和应用前景。