针对狼群算法因其游走行为的局限性而导致该算法寻优速度慢、精度低且易陷局部最优的弊端,将天牛搜索方式种群化且增加自适应步长更新与两须距离关联机制再引入狼群算法,提出基于改进天牛须搜索策略的狼群算法(BWPA)。新算法既有单一搜索而跳出局部最优又有精细搜索的优势。通过运用基准测试函数对BWPA进行50/1000维的仿真测试,并与其他智能算法进行比较,结果表明BWPA在低维和高维下皆具有更快的收敛速度和精度且能跳出局部最优,证实天牛须搜索对狼群算法的改进是有效的。

为简化机械臂逆运动学求解方法与提高解的精度,增强方法的普适性,利用智能优化算法,将运动学逆解变为最优化问题。首先,根据正运动学方程建立末端位姿误差目标函数,结合最佳柔顺性与能耗约束构建适应度函数,使机械臂在满足位姿误差要求时还具有最佳柔顺性与较低能量消耗;为使位置和姿态收敛精度统一并控制进化方向,引入位姿平衡系数与位姿误差调节系数;其次,把个体寻优出色的天牛须搜索与群体优化性能出色的差分进化算法融合,以此提高算法的收敛精度与速度;最后,对6R机械臂与冗余机械臂进行了逆解实验。结果表明,所提算法收敛精度高、速度快、通用性好。

针对支持向量机(SVM)在车辆变速箱故障诊断中性能受参数影响较大的实际,在研究天牛须搜索(BAS)的基础上,提出基于改进天牛须搜索(IBAS)优化SVM的车辆变速箱故障诊断新方法。相比于BAS,IBAS对步长公式进行了修正,同时增加了高斯变异行为,使得算法前后期的搜索能力得到了平衡且具有跳出局部最优的能力,能够获得更优的SVM参数。车辆变速箱故障诊断结果表明,所提方法有效提高了故障诊断的精度,相比于其他几种方法效果更优。

为准确地对液压泵的典型故障进行诊断,同时针对支持向量机(Support Vector Machine,SVM)在故障诊断中的参数选择问题,将天牛须搜索算法(Beetle Antennae Search,BAS)应用到SVM的参数优化中,建立BAS-SVM液压泵故障诊断模型,以此来提高SVM在液压泵故障诊断中的性能。液压泵故障诊断实例的结果表明,相比于遗传算法、粒子群算法、果蝇算法等算法的改进算法,BAS得到的SVM参数更优,使SVM获得更高的诊断精度,从而验证了所提方法的有效性。

为有效评估轴承退化趋势,提高设备健康管理的智能化,提出一种基于BAS-BP模型的轴承剩余使用寿命预测方法。提取轴承全生命周期振动信号的时域和频域特征,构建18维退化特征;为提高神经网络的预测精度,采用天牛须搜索算法对初始权重和阈值进行优化,建立BAS-BP预测模型;通过在公开数据集上验证该模型的有效性。结果表明:所提模型可对轴承剩余寿命进行有效预测且精度较高。