基于PSO-RWE的自适应小波阈值函数滚动轴承振动信号去噪方法

针对现有小波去噪方法存在阈值函数中未知参数选取依赖经验,导致去噪不充分或去噪后信号失真的问题。提出了一种基于相对小波熵(RWE)的粒子群优化(PSO)算法,用于小波阈值函数中未知参数的自适应寻优,达到滚动轴承振动信号自适应降噪目的。改进了一种含两未知参数的小波阈值函数;以相对小波熵为优化算法的适应度函数对未知参数进行自适应寻优,得到最优小波阈值函数;通过对模拟仿真信号和试验采集的滚动轴承振动信号进行分析。结果表明:优化后的小波去噪方法能够更好地将噪声从染噪信号中滤除,去噪后信号波形的平滑度更好,信噪比相较硬阈值去噪提高294%,而且保留了原始信号更多的细节特征,具有更好的去噪性能和应用实用价值。     

一种大型风力机叶片的气动优化设计方法

探索研究了一种大型风力机叶片优化设计的方法,采用有限叶片变环量气动计算模型,同时结合了PSO优化算法。以一3MW大型水平轴风力机叶片设计为例,并同传统的方法进行比较论证,显示了本文方法的可行性和优越性。     

一种基于EPSO的航天器交会轨迹优化方法

研究了航天器在固定时间内燃料最省的多脉冲交会问题,提出了一种基于种群熵粒子群优化 (Population Entropy based Particle Swarm Optimization,EPSO)算法的交会轨迹优化设计方法。采用线性化C\|W方程描述航天器的相对运动,以能耗最优为控制目标,得到了基于连续推力的最优转移轨迹,用于确定脉冲点的位置。考虑工程实用性,采用多脉冲控制方法,利用脉冲点的位置参数建立了以脉冲点时间间隔为决策变量的优化目标函数,并用EPSO算法进行求解。在EPSO中,种群熵描述粒子在搜索空间中位置分布的混乱程度,并通过上一代的种群熵确定下一代的搜索空间,从而减少搜索空间的浪费,提高了算法的搜索速度和收敛精度。仿真结果表明,算法本身具有良好的优化性能,适用于航天器轨迹优化。     

基于改进PSO算法的PID控制器参数优化

针对PID控制器参数设计问题,提出了一种基于改进PSO算法的优化方法。该方法将初始的粒子群分成两组搜索方向相反、相互协同的主、辅子群,在保持种群小规模情况下,增强算法全局探索能力,实现高精度的优化结果。仿真结果表明,该方法相比于传统算法,所得到的控制器参数使控制系统获得了更好的动态响应特性和满意的控制效果。     

多区域自由变形技术在短舱安装位置减阻设计中的应用研究

为了进行短舱安装位置参数的减阻优化设计研究,首先在NURBS样条基函数的基础上建立了多区域自由变形(FFD)技术,通过对FFD控制体框架边界条件的合理选取建立组合框架,实现了多个控制框架对复杂外形不同区域的自由变形参数化,采用多个控制框架的空间控制体对某型客机短舱安装位置进行减阻优化设计。试验设计取样之后应用随机权重粒子群算法和Kriging代理模型建立气动外形优化系统,对某型客机短舱水平位置和水平安装角进行气动优化设计。优化设计结果表明,设计后的短舱位置使得整个飞机在一定攻角范围内的阻力显著减小,从而证明了基于多区域自由变形技术建立的优化设计系统是合理和实用的。     

空间大型机械臂系统载运轨迹优化方法

针对在搬运及组装数十吨级负载过程中,空间站用大型机械臂会对空间站载体姿态产生扰动的问题,提出了一种笛卡尔轨迹参数化方法。利用基于广义雅克比矩阵（GJM）的分解运动速度控制和优化算法来实现基座姿态扰动控制,建立了反映载体姿态变化的目标函数。基于关节运动范围及避免动力学奇异等约束,采用粒子群（PSO）算法进行目标函数的优化,有效降低了空间大型机械臂系统在搬运重型负载过程中对载体姿态的影响。仿真结果验证了算法的有效性。     

基于改进极限学习机的光谱定量建模方法

依据近红外光谱(NIR)产生原理,提出了粒子群优化极限学习机(PSO-ELM)算法,运用于小样本氨水浓度定量分析。通过优化极限学习机(ELM)隐藏节点参数,解决了极限学习机由于输入权值和隐含层偏差随机产生的建模结果具有随机性的问题,提高了预测模型的稳定性、精确度和泛化性能。经实验验证,优化后的PSO-ELM相比ELM,模型预测集均方根误差由0.01166减小至0.00322,预测集相关系数由0.9951提高至0.9979。将优化后的模型预测结果与支持向量机(SVM)、BP神经网络算法等传统方法的建模结果进行对比,优化后的PSO-ELM算法具有较高的精确度和良好的泛化性能,模型预测效果优于传统的定量回归分析算法。