针对自动驾驶智能车辆安全超车问题,提出一种基于分层优化算法的路径规划方案。该方案采用三层结构获得可行、安全的优化路径。首先,通过分析驾驶员超车操作流程,综合路况环境、车辆结构等约束条件,构建超车换道模型,进而采用三角分解法构建智能车辆的可运行空间。其次,在可运行空间内,采用Dijkstras算法生成一条无碰撞路径。最后,利用超车换道模型构造优化目标函数和约束条件,通过多目标粒子群优化的方式获得最优路径,并采用Pareto优先规则提高优化算法的更新速度。利用CarSim8.10构造车辆动力和运动学模型,基于Simulink仿真平台开展实验验证。仿真结果表明,该方案能够保证智能车辆实现安全、有效地超车。该方案具有良好的可扩展性能,对于道路拥塞、路况不明朗等复杂行车条件下的安全超车提供一定的方法参考和借鉴。

充分利用云计算在资源调度上的优势,可以在降低物流企业配送时间和成本的同时,提高其车辆的路径规划效率,为此,提出了云计算环境下基于改进粒子群算法的物流车辆路径规划算法,算法以加权成本、装卸成本、平均满意度和剩余时间四个指标描述物流车辆的调度问题,并建立了多目标优化函数,通过对粒子群算法的适度函数改进、参数自适应调整和概率变异操作提高算法路径规划寻优能力和迭代求解速度。实验结果表明,提出的改进算法在云计算条件下得到的物流车辆最优路径优于遗传算法等已有算法,且车辆调度结果更合理。

针对高炉冶炼过程的复杂、多变以及非线性等因素,提出了一种基于粒子群算法(Particleswarmoptimization,PSO)和遗传算法(Geneticalgorithm,GA)相结合来优化极限学习机(Extremelearningmachine,ELM)的高炉铁水硅含量预测模型。PSO-GA-ELM预测模型,主要是在PSO算法进行适应度值计算、粒子的速度更新和位置更新时将GA算法中的选择、交叉和变异等操作融入其中,使其输出最优的连接权值和阈值代入到ELM模型中。通过对4种不同的预测模型进行实验验证,结果表明,优化后的PSO-GA-ELM模型在进行铁水硅含量预测时的预测精度、学习能力和泛化性能均高于其他三种预测模型。

为了纯电动汽车更好适应城市路况,获得更好的动力性和经济性,以某型单挡的纯电动汽车为研究对象,在基于整车设计参数和动力性能参数上,合理匹配两挡AMT变速器。以加速时间最短和百公里能耗最少为优化目标,以整车动力性、能量消耗和传动系统速比为约束条件,搭建Matlab/Simulink与Isight联合仿真模型。采用粒子群算法对传动系统速比进行优化,优化后仿真结果表明在NEDC循环工况下,百公里能量消耗降低了2.6%,(0~100)km/h加速时间缩短了4.7%,并进行实车试验,验证仿真合理性。

为了提高擦玻璃机器人在作业过程中的清洁度,以PUMA560机器人为研究模型,采用了自适应阻抗控制算法来设计控制器。根据自适应阻抗原理框图,在MATLAB中建立相应的仿真模型,对机器人末端位置和接触力进行跟踪仿真,然后引进粒子群算法对仿真模型中的几个参数进行优化处理,最后测量该仿真模型承受的最大期望力。仿真之后的结果表明,自适应阻抗控制器达到了预期的控制效果,粒子群算法的优化缩短了接触力的稳定时间,所测得的最大期望力在实际运用中有可行性。

为了提高数控铣削加工的生产效率,降低生产成本,同时改善生产工件的加工质量,根据最优化思想,建立以铣削加工参数为优化变量,以铣削力、机床主轴转速和加工面粗糙度等为约束条件,以最短加工时间和最低生产成本为目标的优化函数。在标准粒子群算法的基础之上,引入惩罚函数,将多约束优化问题转变为无约束优化问题,改善了求解过程的复杂性;同时,针对粒子群算法容易陷入局部最优的问题,将其与模拟退火算法结合,增强粒子的全局搜索能力,改善粒子的局部收敛性。通过仿真实例验证了改进粒子群算法的有效性和优越性,改善了工件的加工时间与生产成本。

为了提高四杆机构设计的精度,提出了一种改进的教与学(MTLBO)算法。与其他经典的智能优化算法如差分进化(DE)算法,粒子群优化(PSO)算法与教与学(TLBO)算法相比,此算法在学习阶段提高了各组之间的交叉率,扩大种群寻优空间,增强局部搜索能力,避免早熟收敛。这里通过建立平面四杆机构模型,分析模型的相关参数,并采用改进的教与学算法对模型参数进行优化。数值实验表明,改进的教与学算法比传统的教与学算法收敛速度快,在对四杆模型的优化中,能够更好的获得模型的最优解,四杆的设计精度提高了70%,由此说明了该优化算法能有效优化四杆模型,提高设计精度。

建立了车辆悬置系统与悬架系统的集成模型,应用最优控制理论设计了集成控制系统。针对最优控制器加权系数难以确定的问题,采用粒子群算法优化加权系数以提高集成控制系统的控制品质。为验证集成控制系统采用基于粒子群算法优化的LQR控制策略的效果,利用Matlab进行频域和时域分析。悬架动挠度的峰值和均方根值分别降低了16.28%和19.13%。悬置动挠度的峰值和均方根值分别降低了88.37%和83.33%。分析结果表明基于粒子群算法的LQR控制策略在改善悬架动挠度和悬置动挠度方面效果明显,有利于提高车辆的操纵稳定性。

提出了一种满足最小区域法的空间直线度误差评价的新方法——粒子群算法．根据最小区域条件，建立了空间直线的数学模型以及优化目标函数．阐述了粒子群优化算法的原理和实现方法，然后根据粒子群算法优化求解．实例表明该方法对于空间直线度误差评定等非线性优化问题能得到最优解，可用于三坐标测量机等测量系统的空间直线度误差测量的数据处理．

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。