【摘要】：液壓系統(tǒng)作為機電液耦合復雜系統(tǒng),其可靠性是主機運行的關鍵。結合先進優(yōu)化技術對系統(tǒng)可靠性進行優(yōu)化可以實現(xiàn)高可靠性、低成本等目標,但液壓系統(tǒng)優(yōu)化問題通常具有非線性和不確定性的特點,無法通過傳統(tǒng)方法有效解決。因此,基于群智能算法的優(yōu)化技術為解決此問題提供了更好的解決方法,現(xiàn)有的單一仿生群智能算法存在優(yōu)化及應用局限的問題,為此,針對液壓系統(tǒng)可靠性優(yōu)化問題,研究以靜態(tài)、動態(tài)拓撲混合標準微粒群、兩階段微粒群和蟻群算法后的混合群智能算法。首先,基于單一仿生行為的智能算法在優(yōu)化過程中會出現(xiàn)陷入局部最優(yōu)、魯棒性差和收斂速度慢等問題,將標準微粒群算法、兩階段微粒群算法和蟻群算法協(xié)同進化,利用一種靜態(tài)拓撲建立三種算法在迭代過程中的聯(lián)系,提出靜態(tài)拓撲混合群智能算法,基于信息遷移和知識共享搜索最優(yōu)解。測試分析算法的種群多樣性和尋優(yōu)能力,并利用所提算法優(yōu)化橋式系統(tǒng)可靠性,通過與其他單一仿生搜索算法的優(yōu)化結果對比,驗證所提算法具有更好的優(yōu)化性能。然后,為充分利用稀疏拓撲和密集拓撲算法各自的優(yōu)勢,用一種疏密度隨迭代變化而變化的有向自學習拓撲將標準微粒群算法、兩階段微粒群算法和蟻群算法相結合,提出有向自學習混合群智能算法。測試所提算法的優(yōu)化性能,并分析在拓撲度量參數(shù)變化的情況下各子算法之間的連接狀態(tài)。利用所提算法優(yōu)化橋式系統(tǒng)可靠性、液壓閥塊加工車間調度問題,以保證在滿足約束條件的情況下獲得結果最好的優(yōu)化目標,并通過對比表明有向自學習拓撲可以更有效地結合不同算法的優(yōu)勢。最后,針對液壓工作系統(tǒng)可靠性分配和多態(tài)系統(tǒng)可靠性分配優(yōu)化問題,在用T-S故障樹和通用生成函數(shù)分別對其分析的基礎上,建立具有不同優(yōu)化目標的優(yōu)化模型,并應用有向自學習混合群智能算法對其進行求解,通過與單一仿生搜索算法、靜態(tài)拓撲混合群智能算法及文獻中算法的優(yōu)化結果對比,驗證所提算法求解復雜優(yōu)化問題的優(yōu)越性。
【圖文】：

第 2 章 靜態(tài)拓撲混合群智能算法標準 PSO 算法和 ACO 算法作為群智能算法，固然有各自的優(yōu)點，但基于生行為的智能算法在優(yōu)化過程中會出現(xiàn)陷入局部最優(yōu)和收斂速度慢等不足，章利用靜態(tài)拓撲將標準 PSO 算法、TPSO 算法和 ACO 算法混合，提出靜態(tài)拓群智能(Static Topology Hybrid Swarm Intelligence, STHSI)算法，采用三種算法化的方式，基于信息遷移和知識共享搜索最優(yōu)解。首先，介紹全局耦合、最合和 NW 小世界拓撲以及復雜網絡模型特征度量的相關概念；其次，在標準法、TPSO 算法和 ACO 算法并行搜索的過程中，利用靜態(tài)拓撲在三種算法之連接，提出靜態(tài)拓撲混合群智能算法，并利用種群多樣性函數(shù)和標準測試函提算法進行測試；最后，利用所提 STHSI 算法優(yōu)化分配橋式系統(tǒng)可靠性，并合的三種算法對比，為實現(xiàn)此系統(tǒng)可靠性優(yōu)化提供借鑒。圖 2-1 概括了本章分及過程。

第 2 章 靜態(tài)拓撲混合群智能算法網絡的角度描述拓撲結構，用交鄰域，并表示結構中種群之間的能算法為例來解釋。度量長度和平均聚類系數(shù)作為拓撲結向交流圖表達拓撲結構，如圖 2-合群智能算法中的不同子算法分流圖中的邊。圖中有 6 個節(jié)點，，5一條邊 L1。
【學位授予單位】：燕山大學
【學位級別】：碩士
【學位授予年份】：2019
【分類號】：TH137;TP18

【相似文獻】

相關期刊論文 前10條

1 李波;;多群智能算法的云計算任務調度的對策研究[J];信息系統(tǒng)工程;2016年12期

2 董學超;;從雞群算法看群體智能算法的發(fā)展趨勢[J];數(shù)碼世界;2017年05期

3 朱丹丹;;群智能建筑控制平臺技術[J];建筑節(jié)能;2018年11期

4 鄧潔明，韋翠細，盧遠征;廣西壯族、毛難族集居區(qū)人群智能低下情況調查[J];中國優(yōu)生與遺傳雜志;1994年05期

5 韓九強;沈建坤;魏全瑞;趙瑋;;塔機群智能防碰撞系統(tǒng)及其應用[J];建筑機械;2008年11期

6 段曉東;劉霞;馬艷準;閆帥;;基于群智能的信息認知機制研究[J];大連民族學院學報;2011年05期

7 Michael J. Mauboussin;;哥倫比亞大學商學院 管理層缺乏“群智能”觀念[J];董事會;2009年12期

8 侯恩哲;;群智能建筑節(jié)能專業(yè)委員會成立大會在京舉辦[J];建筑節(jié)能;2018年12期

9 趙天怡;華鵬敏;張吉禮;姜子炎;江岸;汪浩;湯威;;群智能建筑基本單元信息模型標準[J];智能建筑;2019年05期

10 羅瓊;;群智能算法高性能計算平臺探究[J];電腦編程技巧與維護;2012年24期

相關會議論文 前10條

1 李愛梅;尤慶華;;基于蟻群智能的物流配送系統(tǒng)車輛線路優(yōu)化算法[A];上海海事大學“上海石化杯”優(yōu)秀論文集[C];2005年

2 李麗娟;覃廣;;基于群智能的群搜索優(yōu)化算法及其應用[A];中國力學學會學術大會'2009論文摘要集[C];2009年

3 劉玉超;王先義;劉毅敏;吳永宏;;基于群智能算法的頻率分配問題[A];中國通信學會第六屆學術年會論文集（下）[C];2009年

4 陳家照;羅寅生;;群智能優(yōu)化算法研究[A];第三屆中國智能計算大會論文集[C];2009年

5 高海華;王行愚;楊輝華;;基于群智能和SVM的網絡入侵特征選擇和檢測[A];2005年中國智能自動化會議論文集[C];2005年

6 劉雙;梁苗;胡祥云;;群智能與位場反演[A];“地球物理信息技術與人工智能應用” 研究論壇論文摘要集[C];2017年

7 徐小通;李麗娟;劉鋒;;桁架結構優(yōu)化設計的群智能算法[A];慶祝劉錫良教授八十華誕暨第八屆全國現(xiàn)代結構工程學術研討會論文集[C];2008年

8 劉雙;胡祥云;習宇飛;蔡建超;張恒磊;李建慧;韋偉;;位場數(shù)據群智能隨機反演（英文）[A];2015中國地球科學聯(lián)合學術年會論文集（二十八）——專題64應用地球物理學前沿、專題65地球生物學[C];2015年

9 李麗娟;徐小通;劉鋒;;基于群智能的群搜索算法及其在離散變量設計中的應用[A];鋼結構工程研究（七）——中國鋼結構協(xié)會結構穩(wěn)定與疲勞分會2008年學術交流會論文集[C];2008年

10 李嵐;;群智能與演化計算對比研究[A];計算機技術與應用進展——全國第17屆計算機科學與技術應用（CACIS）學術會議論文集（上冊）[C];2006年

相關重要報紙文章 前5條

1 記者 付毅飛;首個無人集群智能單元發(fā)布[N];科技日報;2019年

2 本報記者 余建斌;當無人機有了“集群智能”[N];人民日報;2017年

3 陳捷;“蟻群智能”與組織效力[N];中華工商時報;2002年

4 楊海芳 張東岳;贛州城區(qū)一批新能源汽車群智能快充站建成[N];贛南日報;2019年

5 本報記者 王芬蘭;十大孵化器孵出一群智能鳥[N];蘇州日報;2008年

相關博士學位論文 前10條

1 梁曉磊;基于社群特性的群智能算法研究及在物流中的應用[D];武漢理工大學;2015年

2 張國富;基于群智能的復雜聯(lián)盟機制研究[D];合肥工業(yè)大學;2008年

3 趙鳴;簡潔式群智能計算及應用研究[D];哈爾濱工業(yè)大學;2015年

4 王東;基于粒子群智能的遙感找礦方法研究[D];中南大學;2008年

5 徐洪麗;基于混沌系統(tǒng)的群智能優(yōu)化算法研究[D];中國礦業(yè)大學（北京）;2014年

6 尹新;群智能算法與電力負荷預測研究[D];湖南大學;2011年

7 王培崇;基于群智能計算技術的網絡入侵檢測算法研究[D];中國礦業(yè)大學（北京）;2010年

8 湯可宗;遺傳算法與粒子群優(yōu)化算法的改進及應用研究[D];南京理工大學;2011年

9 趙東;基于群智能優(yōu)化的機器學習方法研究及應用[D];吉林大學;2017年

10 匡芳君;群智能混合優(yōu)化算法及其應用研究[D];南京理工大學;2014年

相關碩士學位論文 前10條

1 彭曉靜;有向自學習混合群智能算法及在液壓可靠性優(yōu)化中的應用[D];燕山大學;2019年

2 鄭成斌;基于群智能的列車多目標問題優(yōu)化及仿真[D];福州大學;2018年

3 羅杰;改進群智能優(yōu)化算法研究及應用[D];溫州大學;2019年

4 韓文成;基于GPU的群智能算法研究與實現(xiàn)[D];西安理工大學;2019年

5 梅恒榮;基于群智能算法優(yōu)化的支持向量機模擬電路故障診斷[D];合肥工業(yè)大學;2018年

6 姚陶;群智能算法在短期電力負荷預測中的研究及應用[D];華北電力大學;2017年

7 陳陽;基于多維可測量空間的群智能拓展研究[D];江西理工大學;2018年

8 劉文皓;基于群智能的攜帶機械臂移動機器人集群的管理方法研究[D];天津大學;2017年

9 呂智慧;仿推特群智能優(yōu)化算法研究[D];南京大學;2018年

10 謝玉婷;基于群智能的K-medoids聚類優(yōu)化算法研究[D];長沙理工大學;2015年

本文編號：2614744