基于RBF神经网络的可重构机械臂控制研究

采用RBF神经网络控制算法来解决MIMO不确定非线性系统的自适应输出反馈控制问题,以系列模块化机械臂为研究对象,设计RBF神经网络控制器不断逼近可重构机械臂动力学模型,采用MATLAB软件基于RBF神经网络逼近设计的控制器对RR构型机械臂进行控制仿真.结果表明该控制器能有效地逼近机械臂动力学模型,并能较好地适应机械臂不同构型.     

基于改进粒子群算法的神经网络优化证券投资组合方法

采用人工神经网络对证券投资进行预测与分析的研究过程中,提高神经网络各个节点参数的优化能力是极其关键的。传统的神经网络存在学习速度慢、易陷入局部极小值、预测结果精度较低等缺点,一种玫进型粒子群（Improved Particle Swann Optimizer,IPSO）算法．可以优化BP（Back Propagation）神经网络．并将优化后的BP神经网络应用于优化证券投资组合中。实验结果表明：该研究方法能够在预测精度和稳定性方面明显优于传统的PSO—BP神经网络优化证券投资组合方法。     

应用神经网络粒子群算法的多用户检测

为了减少最优多有户检测器的计算复杂度,提出了一种融合粒子群优化算法和神经网络的神经网络粒子群优化算法,并设计了一种解决CDMA通信系统的多用户检测问题的新方法。该方法是把神经网络嵌入到粒子群优化算法的每一代中以改进算法性能。通过混合神经网络到PSO中,还可以加快PSO的收敛速度,减少计算复杂度。仿真结果证明了所设计的检测器无论抗多址干扰能力和抗远近效应能力都优于应用Hopfield神经网络、遗传算法和粒子群算法的多用户检测器。     

基于量子粒子群的神经网络集成股市预测模型研究

利用量子粒子群改进神经网络集成个体的网络结构和连接权值,利用主成分分析法提高集成个体差异度,形成一组优良的神经网络集成个体,利用支持向量机回归集成生成输出结论,求出非线性时序函数的全局最优解,随即建立一个基于量子粒子群的神经网络集成股市预测模型.试验表明,该模型能有效提高神经网络集成系统的泛化能力,预测精度高,稳定性好.     

基于PSO算法优化RBF神经网络的基金净值预测研究

为了更精确地对基金净值进行预测,针对基金净值变化具有非线性和随机性等特点,提出基于粒子群优化RBF神经网络的基金净值预测模型。利用具有全局寻优的PSO算法对RBF神经网络的参数进行优化,并用经PSO算法优化的RBF神经网络对基金净值进行预测分析。仿真实验结果表明:与使用BP神经网络和RBF神经网络的基金价格预测方法相比较,PSO算法优化的RBF神经网络能够准确地预测基金价格的变化趋势,具有较高的预测精度,对于用户选择基金有着非常重要的意义。     

基于RBF神经网络的短期电力负荷预测

研究了天气和特殊事件对电力负荷的影响,建立了结合径向基函数神经网络来进行短期负荷预测的模型。将温度、降雨量运用于径向基函数神经网络中,提高了训练的可信度和可靠性。利用该模型编排的实用化软件投入到了实际应用中。结果表明:该方法具有较高的预测精度和较强的实用性。     

基于RBF神经网络的永磁同步电机控制系统

由于永磁同步电机控制系统具有非线性等特点,而使传统PID人工调节参数过程过于繁琐,且无法根据电机的运行状态改变参数,为了提高控制精度、增强控制系统的自适应能力,课题组以电流环PI控制为基础,结合径向基（RBF）神经网络对永磁同步电机进行在线辨识,根据辨识得到的灵敏度信息整定PID控制参数,建立参考模型。在MATLAB软件中利用Simulink中建立了PMSM模型,通过对比PID、RBF PID在启动环节和负载变化时的速度变化,验证了改进BRF PID控制的有效性。仿真结果表明RBF PID控制具有更快的响应,更好的抗干扰能力。     

基于遗传粒子群算法的供水系统优化调度

针对某城市供水系统,建立了大型供水系统的多目标混合离散变量的优化调度模型,采用遗传粒子群混合算法对调度模型进行了求解,实现了该供水系统的直接优化调度,并与传统遗传算法优化调度的过程及结果进行了对比,新算法在优化时间、优化结果及求解效率等方面都具有较强的优越性.     

基于改进蝙蝠算法的机械臂时间最优轨迹规划

为了对SCARA 6自由度机械臂的运动过程实现时间最优轨迹规划,课题组提出一种基于改进蝙蝠算法的时间最优3 5 5 3分段多项式插值轨迹规划算法。首先对机械臂构造3 5 5 3分段多项式;然后在角度、角速度和角加速度的约束条件下,以时间最短作为优化的目标函数,采用改进的蝙蝠算法对分段多项式的结果进行优化;最后在MATLAB软件中进行模拟运算。仿真结果表明：改进的蝙蝠算法在收敛性以及优化性方面均优于传统的蝙蝠算法,而且在局部收敛方面也有明显的改善;各关节的角位移、角速度和角加速度曲线相对平滑,不存在突变等情况的发生,充分证实改进算法具有可行性。     

基于ANSYS的机械臂吹扫装置

为了解决机械臂对表壳外表面完成抛光后机械臂易与表壳发生粘连的问题,笔者设计了机械臂吹扫装置,并讨论了该装置2种不同进气口位置的设计方案。利用SolidWorks建立2种方案的三维模型,将其导入到ANSYS软件中,利用FLUENT模块进行流体动力学仿真分析。根据迭代计算曲线和压力分布云图,得出2种方案均可使表壳顺利脱离。通过2种方案的流迹线云图和速度矢量图进行对比分析,结果表明进气口在喷嘴正上方的装置吹气质量更优。研究结果有助于工作人员选择合理的方案。     

基于坐标变换法的3关节机械臂运动学研究

针对当前在串联机器人运动学分析中使用的D H参数法存在观察抽象、坐标系转换不灵活、参数容易混乱、理论模型与实体模型出入大等缺点,课题组采用坐标变换法对3关节机械臂进行运动学研究。依据关节之间的相对位置关系建立坐标系,采用齐次变换矩阵对坐标系之间的关系进行描述,并建立运动学方程;采用D H参数法建立机械臂的运动学模型,在MATLAB的Robotics Toolbox中验证了坐标变换法的正确性;编写上位机软件实现了机械臂样机的实时控制。结果表明：坐标变换法具有灵活方便、形象直观、便于计算的优点。该方法弥补了传统D H法在分析平行关节时的缺陷。     

基于个体位置变异的粒子群算法

针对粒子群算法随着迭代次数的增多,其种群多样性降低,粒子群算法容易陷入局部最优的不足,提出了一种基于个体位置变异的粒子群算法。该算法在保证最终收敛的前提下极大扩展了粒子的空间搜索范围,从而降低了粒子群算法发生早熟的可能,并且程序量较小。仿真实验中,将算法应用于6个典型测试函数中,并与其它改进粒子群算法进行比较,结果表明,该算法具有较强的全局寻优能力和较好的收敛速度,明显提高了粒子群算法的优化性能。     

基于粒子群算法的弹簧可靠性优化设计

将人工生命中的粒子群优化算法引入弹簧的可靠性优化设计中,根据弹簧可靠性优化设计的特点,提出了一种适用于弹簧可靠性优化设计的约束型粒子群优化算法。实验表明这种方法是有效的,这为机械可靠性优化设计的研究提供了一种新方法。     

基于粒子群算法的网络教学资源优化获取

利用通用搜索引擎可以在网络上获得大量相关的网络教学资源，如何在众多的网络教学资源中迅速、高效地获得理想的教学信息是越来越重要的研究课题。为解决这一问题，本文提出了基于粒子群算法的网络教学资源优化获取方法。首先对每个网络教学资源赋予一定的评价指标，然后利用粒子群算法对搜索列的网络教学资源进行优化排序，从而可以在众多的网络教学资源中迅速、高效地获得优质的教学资源。     

基于粒子群算法的班级文化管理隐性构建初探

目前关于班级文化管理的研究较多,但大都偏重于宏观的定性研究,涉及到具体操作层面的文章较少,且缺乏理论的、逻辑的方法作为支撑。本文研究了粒子群算法的进化内涵,将算法应用于大学班级文化管理隐性构建的数学建模。使用定性研究和逻辑推理相结合的方法,对建立的模型进行分析,拓展班级文化管理的理论依据,创新班级文化管理的操作方法。     

基于粒子群算法与改进Ziegler-Nichols算法的PID整定方法

针对Ziegler-Nichols算法设计的PID控制器阶跃响应不理想,不具有灵活性等缺点,提出基于粒子群算法与改进 Ziegler-Nichols算法的PID整定方法。采用粒子群算法优化了Ziegler-Nichols算法中的幅值和相角,设计了具有更好性能 指标的PID控制器。实验结果表明采用该方法进行参数整定后的PID控制器响应速度较快,降低了系统的超调量。     

基于高斯白噪声扰动变异的粒子群优化算法

为了有效避免粒子群算法(PSO)早熟和局部收敛的现象,在深入分析PSO算法的基础上,提出了一种基于高斯白噪声扰动变异的粒子群优化算法(GMPSO)。该算法以一定的概率选中粒子进行基于高斯白噪声扰动的变异,并重新随机产生飞离搜索区域的粒子,以克服粒子群后期多样性严重下降的缺点。通过对Benchmark函数的测试表明:GMPSO算法无论是搜索精度、速度还是稳定性均显著优于PSO算法。     

利用Alopex改进的粒子群优化算法及其在软测量建模中的应用

提出了一种利用A lopex算法改进的粒子群优化算法,并将其应用于神经网络的建模中。改进的粒子群优化算法改善了粒子群优化算法摆脱局部极小点的能力,对典型函数的测试和基于神经网络的软测量建模表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

基于卡尔曼滤波和改进粒子群的MPPT算法

针对常规的粒子群算法（particle swarm optimization algorithm，PSO）在应用中存在数据波动大、数据精确采集难度高和追踪速度慢等问题，课题组提出了基于卡尔曼滤波和改进粒子群优化算法的光伏最大功率点跟踪（maximum power point tracking，MPPT）控制器技术，并结合卡尔曼滤波、恒定电压和冒泡排序等方法进行优化。实验结果表明课题组提出的算法可以快速、准确地跟踪到最大功率点，提高了MPPT的响应速度和精度，提高了光伏发电的利用效率。     

基于混合蚁群粒子群算法的立体库堆垛机路径优化

针对自动化立体仓库中的堆垛机路径优化问题,课题组通过分析立体仓库中堆垛机的工作特点与运行情况,提出了基于混合蚁群粒子群算法的路径优化方法,在传统的蚁群算法中结合粒子群算法思想,使算法同时具备蚁群算法的正反馈与粒子群的多样性。通过对实例进行MATLAB仿真分析表明：混合算法路径优化速度较快,且比以往的路径更短。研究使堆垛机的运行效率得到提高。