焊接机械臂工作路径复杂,对规划轨迹平滑性要求较高,并且规划轨迹需满足各关节运动学约束。提出了带扰动的自适应粒子群(Adaptive particle swarm optimization,ADPSO)算法,可以在满足关节约束条件下规划出时间、能力、跃度最优轨迹。采用5次NURBS曲线插值关节工作路径点,使各关节位置、速度、加速度、跃度曲线均连续光滑。利用ADPSO算法进行多目标最优轨迹规划,首先,将粒子外推思想与粒子群优化(Particle swarm optimization,PSO)算法结合,以增强粒子搜索能力;然后,对搜索所得个体极值与群体极值引入扰动,加快粒子收敛速度。在Matlab环境下进行仿真分析,对比其他智能算法,ADPSO算法的优化效果更好、优化时效性更快。

针对超薄非晶合金生产过程中过渡包内压力波动较大时会引起超薄非晶合金厚度不均匀且过渡包内压力受多种因素影响,常规PID控制效果不佳的问题,提出一种基于偏差组合专家PID的控制策略。分析过渡包内压力影响因素,提出一种自适应粒子群算法,用于优化BP神经网络的权值和阈值,构建过渡包内压力预测模型,得到过渡包内压力预测值,计算预测偏差;由设定值和测量值得到压力测量偏差,并将预测偏差和测量偏差通过权重因子进行组合;最后采用偏差组合后的专家控制器,在线调整PID系数,实现基于偏差组合专家PID的过渡包内压力控制。以某钢厂实际生产数据进行研究,结果表明:提出的控制方法上升时间小于30 s,超调量小于1%,稳态误差小于0.05 kPa,且可以稳定地跟踪过渡包内压力设定曲线,跟踪误差小于0.05 kPa,满足现场生产要求。与其他算法相比,该方法的控制...