支持向量机(SVM)对机床刀具磨损阶段监测的诊断能力与其参数惩罚因子C和核函数参数g紧密相关,SVM参数的优化对其诊断精度影响很大。为解决人工选取支持向量机参数效率低、准确率不高的问题,提出一种细菌觅食算法(BFA)优化SVM参数的刀具故障诊断方法。将SVM的诊断准确率作为细菌觅食算法的优化目标,利用细菌觅食算法对SVM参数全局寻优,得到最优参数组合。实验结果分析表明,相对于传统的SVM,优化参数后的SVM对刀具磨损阶段的监测准确率至少提高了5%,验证了此方法的可靠性。

掩膜信号法一定程度上削弱了信号分解结果中的模态混叠现象,其分解结果主要受到掩膜信号的幅值和掩膜频率的影响。为获得参数最优解,摒弃了传统计算获得的方法,提出了细菌觅食算法优化掩膜参数的滚动轴承故障诊断方法。首先利用参数寻优的BFA算法优化掩膜信号的幅值和掩膜频率,得到最优参数组合,利用参数优化后的掩膜信号处理故障信号得到频谱更加纯净的本征模函数,最终根据相关系数准则选取最佳分量进行频谱分析。实验结果表明优化参数后掩膜信号处理下的故障信号抗模态混叠能力更强,分量融合后故障特征更明显。

针对一次二阶矩法需对极限状态方程求导,且求解非线性问题时收敛性较差的不足,提出了一种基于大标量分布估计算法改进的细菌觅食算法(LSEDA-BFO)的可靠性分析方法。首先,通过可靠性分析理论建立优化模型;其次,采用增广乘子法将该约束优化问题转化为无约束优化问题;然后,通过基于高斯—莱维混合分布(Gauss-Lévy)的分布估计算法改进细菌觅食算法;最后,通过改进的细菌觅食算法求解优化模型。通过三峡船闸电机—油泵联轴器的实例计算表明,与直接抽样法和拉丁超立方模拟法相比,基于LSEDA-BFO算法的可靠性分析方法的函数调用次数少于两种蒙特卡罗模拟法,且效率更高、可靠指标的方差更小。

为得到较好的电液位置伺服系统的位置控制精度,设计一种采用智能切换控制策略的电液位置伺服系统控制方法。分析电液位置伺服系统的结构,并对其进行数学建模。基于液压缸压力作用,得到液压位置伺服系统的运动方程。在粒子群算法的基础上,借助细菌觅食算法的全局特性,对粒子群算法进行改进,以克服粒子群算法易陷入局部最优的弊端,进而形成智能控制器。以智能控制器为基础,建立智能切换控制策略,以对系统进行实时、准确的控制。实验结果表明:与滑模控制策略相比,在跟踪正弦及不规则目标位置时,所提方法的控制精度分别提高了28.44%和28.66%,验证了所提方法可得到较好的位置控制精度,能为生产效率的提升提供保障。

制造业对加工过程中进给速度和加速度的平稳变化有着严格要求。为减小速度突变时对机床及刀具产生的冲击，确保加工精度符合要求，提出一种基于细菌觅食算法优化的非均匀有理B样条（NURBS）曲线S型加减速约束插补方法。该方法利用细菌觅食优化算法对NURBS曲线的控制点变量个数及关键位置信息进行优化，构建出更为平滑的NURBS曲线，减小计算负荷，并依据所构图形对弓高误差的要求。确定出每个插补点的进给速度，寻找确定速度改变点及速度波动位置，进而确定加减速度关键点。进行S型加减速控制，从而保证加工时速度稳定过渡，加工曲线平滑精确。该方法通过仿真及实验得以验证。

为研究独立控制的2.5 MW风力发电机组变桨距控制系统在工况中的同步性能以风力发电机组变桨距控制原理为基础提出了在偏差-环形耦合控制方式下采用细菌觅食算法对控制参数进行优化的同步控制方案。结果表明：相比采用自适应遗传算法时该方案具有良好的抗干扰性和同步控制精度能够实现对输入信号的无偏跟踪。