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。

为了减少机器人导航路径的长度、提高导航路径规划的稳定性,提出了权值可调整染色体重组鱼群算法的导航路径规划方法。在环境建模方面,提出了边探索边建模方法,最大限度地保存了机器人工作空间。在路径规划方面,建立了机器人路径规划数学模型。在传统鱼群算法基础上进行了两点改进,一是提出了视觉范围和步长同步自适应调整方法,使算法探索能力和运动能力能够同步吻合调整,满足算法收敛和寻优要求;二是提出了权值可调整染色体重组方法,使鱼群能够跳出局部极值,向最优值区域靠近搜索,有利于提高算法寻优精度。同时使用改进鱼群算法与传统算法求解机器人路径规划模型,与传统鱼群算法相比,改进算法规划的最优路径长度减少了5.01%,耗时减少了约一倍,路径规划稳定性也优于传统算法。

针对冷连轧机负荷分配寻优速度缓慢的问题,采用了基于改进人工鱼群算法的优化方法。由于基本人工鱼群算法后期收敛速度慢、精度不高,所以对其中觅食行为的视野和步长进行了优化。首先给定一个较大的视野和步长,随着算法的迭代,视野不断减小,到某一值后不再改变,同时步长随着视野的减小而同比例减小。结合某钢厂五机架冷连轧机,以轧制力成比例分配为目标函数,以压下率为约束条件,通过MATLAB对轧制负荷分配的寻优过程进行仿真,结果表明改进后的人工鱼群算法在轧制负荷分配方面,具有算法实现简便、收敛速度快等优点,而且与典型轧制规程相比,各机架出口厚度误差最大为4.26%,为实际生产中轧制规程的制定提供了有效的方法。

针对滚动轴承故障振动信号微弱难以识别的问题,提出采用改进人工鱼群算法优化的神经网络诊断方法。首先,引入速度动态参数对人工鱼群算法固定搜索步长进行改进,并用改进人工鱼群算法优化神经网络。其次,采用最小二乘趋势分析消除实验室采集到的滚动轴承内环、外环和滚珠三种故障振动信号的趋势项;并根据时频域特征参数的变化趋势筛选出均值、标准差和波峰因子这三个能够明显反映不同故障类型的特征参量。最后,将遗传算法、粒子群算法等优化的神经网络作为对比算法用于滚动轴承故障诊断。仿真结果表明这里提出的方法相比对比算法,20次平均诊断准确率高、误差小、稳定性高。

针对BP神经网络模型在刀具监控中收敛速度慢容易出现局部极小化问题,提出一种基于鱼群算法(AFSA)的BP神经网络优化算法。采集振动钻孔的声发射(AE)信号,使用小波包算法对数据进行降噪和特征提取。使用鱼群优化算法(AFSA)对BP神经网络预测模型进行优化,使用优化后的模型对测试集数据进行模式识别,对比各模型识别精度。结果表明使用鱼群优化后的算法(AF-BP)模型能够降低神经网络陷入局部极小化的情况,提高神经网络对刀具磨损的识别精度。

在轧机液压AGC系统及其运行机理的基础上,建立了电液位置控制系统数学模型。通过FB Generater、C语言等对优化后的网络进行编写封装,得到了基于改进人工鱼群算法优化的神经网络智能控制器,创建了基于神经网络智能算法的CFC(连续功能图)块,并在西门子FM458平台下对电液系统模型进行控制实验。实验结果表明,人工鱼群算法优化后的神经网络控制器能够准确、快捷的达到控制要求,此方法应用于冷轧AGC控制行之有效。

受背景噪声和传输路径的影响,故障信号往往被淹没,故障特征难以提取。基于此,提出一种连续变分模态分解(SVMD)和自适应MOMEDA相结合的故障诊断方法,通过SVMD前处理得到重构信号,然后以平均谱负熵为适应函数,通过人工鱼群优化算法自适应选择MOMEDA的最优参数。利用所得参数对重构信号进行MOMEDA滤波,最后进行包络谱分析,做出故障类型诊断。将所提方法应用于齿轮箱主动轮断齿故障的仿真信号和实验信号中,在包络频谱中可以清楚地分辨出小齿轮转频及其倍频,同时所提方法相对其他方法具有更好的表现效果。

为提高轧机辊缝控制精度,建立了轧机辊缝控制系统开环传递函数,分别采用人工鱼群算法和蚁群算法进行轧机辊缝PID控制器参数优化,基于Simulink仿真比较了2种算法优化的系统响应性能和抗干扰性能。仿真结果表明:人工鱼群算法相比蚁群算法,系统阶跃信号的超调量下降了12%以上,调整时间缩短了14%以上,稳态误差降低了25%以上;采用人工鱼群算法的系统随机信号响应曲线波动范围均小于采用蚁群算法的系统,因此经人工鱼群算法优化的系统响应性能以及抗干扰性能均优于蚁群算法。

比例电磁阀工况复杂,具有非线性、时变性等变化特点,传统控制方法难以对其进行精确控制,存在响应时间长,超调量大等弊端。为了解决当前比例电磁阀控制过程中的难题,为了获得理想的比例电磁阀控制效果,设计了一种基于前馈补偿的比例电磁阀控制方法。首先根据比例电磁阀的工作特点,建立比例电磁阀非线性变化的传递函数,然后采用复合控制器对比例电磁阀稳定性进行控制,实现比例电磁阀控制误差前馈补偿,并引入人工鱼群算法优化神经网络对PID控制器参数进行在线优化,最后在MATLAB2016平台上与传统比例电磁阀控制方法进行了仿真模拟对比测试。实验结果表明,本文方法可以很好跟踪比例电磁阀的时变特性,改善了比例电磁阀的控制效果,缩短了响应时间,控制实时性更好,减少了超调量,比例电磁阀的整体控制效果要明显优于比对方法,具有更高的实际...

为消除二级液压缸换级碰撞带来的液压冲击提出采用分级规划方法。对每一级进行规划时在保证举升过程的平稳性以及考虑液压系统压力和流量约束的基础上提出一种时间优化的方法。首先运用解析法建立系统的运动学和动力学模型然后以举升时间为参数运用五次多项式拟合机械臂的位姿变化轨迹再利用人工鱼群算法求解出最优举升时间从而得到机械臂的位姿轨迹和液压缸的运行轨迹。仿真结果表明时间优化方法的有效性。