将改进的粒子群算法（PSO）与参数跟踪策略（PTS）及动态搜索域相结合形成一种新的混合算法，用于求解电磁领域中复超越方程的高精度求根问题。在算法实现过程中，采用在粒子群算法中加入基于群体适应度方差的自适应变异操作来增加群体多样性，有效地避免算法陷入早熟收敛；使用参量跟踪策略有效地缩小了粒子群算法搜索区域，保证了解的单一性，提高了运算速度；使用动态搜索域提高了解的精度，并使运算速度得以进一步提高。通过实例说明该混合算法能够精确地解决复超越方程中的多值问题，解集完备性好，且与现有结果相吻合。

针对单柱塞泵在高速下难以正常配流的情况,提出了一种并联单向阀的配流机构,解决了单柱塞泵在高速情况下的配流问题。首先选取3个不同的转速对单柱塞泵进行仿真实验,结合曲面拟合的思想和粒子群算法,利用MATLAB优化了单向阀的的弹簧预紧力和弹簧钢度;其次通过AMESim进行仿真,结果表明,并联单向阀的配流机构可以实现不同转速的配流问题。

针对液压系统在使用中故障频率较高、诊断方法受各种因素影响以及诊断准确率较低等问题,提出一种新的基于PSOSVM模型的液压系统故障诊断方法。该方法首先对采集的故障信号数据进行预处理,使用自适应噪声完备集合经验模态分解(Complete EEMD with Adaptive Noise,CEEMDAN)结合模糊熵的方法进行特征提取,形成数据样本;其次,利用粒子群算法(Particle Swarm Optimization,PSO)对支持向量机(Support Vector Machine,SVM)核函数和惩罚系数进行优化,利用数据样本训练SVM模型;最后,应用优化后的分类模型对故障进行识别分类,并与GA-SVM和基本SVM对比,验证PSO-SVM模型的分类性能。实验表明,该方法可以精准识别出故障类型,具有较强的诊断能力。

为了提高工程车辆铰接式转向系统的可靠性与稳定性,以转向油缸行程差最小和最大压力最小作为优化目标,采用粒子群算法对转向机构进行了优化。基于ADAMS和AMESim软件建立了包含同轴流量放大全液压转向感觉功能的机-液联合仿真模型,研究了优化后转向系统的动力学特性。仿真结果表明,满载工况下优化使转向油缸最大压力减小了15.5%,油缸最大行程差减小了22.2%,优化效果明显。试验研究了优化后的实际运行效果,分析了转向过程的油缸压力变化和行程差。研究结果对于减小铰接转向系统的压力振摆问题,降低转向能耗、提高转向稳定性和转向路感,从而提高工程机械的转向舒适度具有重要的指导意义。

为了进一步提高可变阀驱气门运动控制精度以及运动稳定性,在原有PID控制的基础上,通过粒子群算法(PSO)和卡尔曼滤波(KF)方式对其进行优化改进。通过科尔曼滤波器来达到气门升程调控系统的干扰与噪声滤波功能,再把结果反馈至输入端,采用PSO优化PID控制器的各项参数。利用PSO以随机方式生成粒子群,再利用粒子对PID控制器赋值,完成计算过程。在Matlab软件中完成气门升程、速度及其加速度的仿真分析,并跟未经过改进的PID控制气门升程状态实施了比较。结果表明:通过改进PID方法进行控制时,气门升程、速度与加速度都达到较低的跟踪误差。运用PSO以及KF优化能够实现对液压驱动系统的高效控制,不会引起气门落座的大幅波动或突变的情况,从而提升了跟踪的精度。该研究对提升汽车发动机性能具有很好的实际应用效果。

针对可调节式的阀控式制退机,分析其结构及工作原理,建立模糊PID控制器,提出了基于粒子群算法对模糊PID控制器进行优化。分析阀控式制退机理论液压阻力曲线,基于此曲线对模糊PID控制器和粒子群算法优化的模糊PID控制器进行仿真,对比阶跃跟随曲线和ITAE性能指标。搭建模拟试验平台,使用粒子群算法优化的模糊PID控制器进行试验,分析液压阻力变化曲线。试验结果表明此次设计的控制器具有很好的控制精度和稳定性,能较好地提高系统的性能指标,研究结论可以为阀控式制退机在火炮上的使用提供参考。

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。

针对利用经验试凑法或其他优化算法整定机器人自抗扰控制器参数,存在整定过程复杂、整定结果不是全局最优等缺陷,提出一种基于免疫粒子群融合算法的机器人自抗扰控制器参数整定方法。该方法将免疫算法的免疫信息处理机制引入粒子群算法结构中,解决了免疫算法优化过程繁杂冗长以及粒子群算法过早陷入局部最优的问题,实现了自抗扰控制器参数整定,快速找到全局最优解。MATLAB仿真结果表明:该方法提高了自抗扰控制器的响应速度和稳定性,适用于

随着经济的快速发展，市场经济的竞争也越发激烈。企业为了更好地适应经济的发展，必须要有强大的竞争力。通过订单与客户保持联系，能够准确了解客户的需求，为企业的生产提供充足的准备时间，有利于实现快速生产。通过选择自适应权重粒子群算法和BP神经网络相结合的方法，建立神经网络模型，训练数据，得到预测结果。并通过一个企业的订单实例，完成订单预测，从而验证算法的实用性。

建立带有反向柱结构液压缸的约束优化设计模型，采用Deb可行性规则处理该模型中的约束条件，应用粒子群算法求解液压缸优化设计问题的全局最优解，最后给出工程实例。由仿真结果分析可知，带有反向柱结构液压缸的优化设计参数较多，应用粒子群算法是合理有效的，使液压缸的重量减轻约41％，优化效果显著。所提出的优化模型和算法是可行的，对工程优化设计具有一定参考价值。