为了求解机械臂关节空间的刚度最优轨迹,提出了基于多方式自适应学习蜂群的轨迹规划方法。以SR20A型串联机械臂为研究对象,基于刚度矩阵的最小特征值定义了机械臂刚度,并建立了机械臂关节轨迹的刚度最优化模型。针对蜜蜂差分搜索效率低、启发性不足等问题,根据个体差异设计了多方式自适应学习策略,并将多方式学习蜂群算法应用于刚度最优轨迹规划。使用5组轨迹规划实验进行验证,结果表明,多方式学习蜂群算法相比自适应蝙蝠算法和标准蜂群算法,在机械臂关节轨迹求解中具有显著的优越性。

建立了直线度误差的最小区域评定模型,提出了一种改进的蜂群算法并将其应用到直线度误差评定中。阐述了基本蜂群算法的原理,给出了评定直线度的目标函数,利用混沌序列的全局遍历性,混沌初始化蜜源位置,以期提高蜂群算法的鲁棒性。比较改进蜂群算法与两种典型群智能算法的实例计算结果,证明该算法评定球度误差时不仅收敛速度快、评价精度高,而且鲁棒性高,适用于形位误差的优化评定。

为提高轴向柱塞泵减振降噪性能对配流盘的优化设计极其重要。通过人工蜂群优化算法对SCY-14B型斜盘轴向柱塞泵配流盘结构结构尺寸参数进行MATLAB仿真分析。结果表明：通过ABC优化算法优化仿真得到φ0=6.5°θ1=18.0°θ2=66.7°Φ=18.0°的配流盘结构尺寸极大地提高了柱塞泵减震降噪的性能。