工程材料论文1000字

铰接式履带车作为深海矿产资源采矿系统的关键设备之一,将行走于海底海山上,由于海山地形复杂性和未知性,其在海底采矿行走时极易偏离预定采矿路径,开发铰接式履带车按预定路径行走控制技术对海洋采矿而言具有重要意义。本论文针对铰接式履带车预定路径行走控制问题开展了深入研究。本文建立了铰接式履带车虚拟样机,提出了以速度控制为内环和以方位控制为外环的双环行走控制方案。运用变论域模糊控制理论,设计了用于纠正车体方位偏差的自适用模糊控制器,设计了折返式路径产生模块、速度分配模块和原地转弯模块等,完成了铰接式履带车按预定路径行走机械-控制系统协同仿真模型建立。开展了铰接式履带车在越单边障碍、跟踪直线行走和按开采路径行走等工况下按预定路径行走仿真,仿真结果表明,铰接式履带车在遇到外界干扰而偏离预定路径时能快速修正偏差而按预定路径行走,路径模块能够根据设定值产生预定路径,表明所建立的按预定路径控制模型和算法是有效的。利用LabVIEW软件平台,以铰接式履带车按预定路径行走仿真控制模型为基础,开发了铰接式履带车自动行走控制系统软件,达到了铰接式履带车按预定路径行走的目的,同时,开发了车体监控界面软件,实现了铰接式履带车状态实时监控。开展了铰接式履带车沙地直线行走、雪地越单边障碍直线行走等实验,实验结果表明,铰接式履带车在外界干扰情况下可按预定路径行走,表明所开发的按预定路径行走控制系统是行之有效的。

群搜索优化算法是通过模拟自然界动物群体的觅食行为而构造的随机优化算法。该算法具有广阔的生物学背景,已成功应用于人工神经网络、医学、电力系统以及机械设计等方面。但由于该算法提出的时间较短,目前对于群搜索优化算法的研究与应用还处于初级阶段,仍存在很多问题有待深入改进和解决。为了有效改善群搜索优化算法(GSO)的性能,论文主要从两个角度进行研究,并最终提出了交互变邻域微分进化群搜索优化算法。第一,论文对群搜索优化算法的觅食策略进行了分析,在群搜索优化算法(GSO)中,跟随者在向最优个体靠近时采用等间距的觅食策略(固定步长为1),使用这种觅食策略很容易越过真正的最优食物源,表现在算法上是全局极值点有可能没有被采集到,从而在一定程度上影响了算法的全局搜索能力,增加了算法陷入过早收敛的概率。因此通过改变觅食策略,可以提高算法的全局收敛性和搜索效率。论文将标准模型转化为微分模型,并采用三种不同的求解微分初值问题的方法选择觅食策略,对群搜索优化算法进行了改进与分析,通过仿真实验表明,改进的算法具有更强的寻优能力,在收敛速度和精度上都有显著提高。第二,论文对群搜索优化算法的网络拓扑结构进行分析,邻域结构采用全局最好模型(Gbest模型),所有微粒都只和当前位置最好的微粒存在连接,显然这样的模型不是一个全连通图,在一定程度上影响着算法的性能。论文从这一角度入手,采用类似NW模型的构造方法,提出了交互变邻域群搜索优化算法(IGSO)。仿真实验表明,IGSO算法能有效地提高最优解的精度,其性能明显优于基本GSO算法,尤其适合高维复杂函数的寻优问题。最后,我们从觅食策略和网络拓扑结构两方面同时入手,提出了交互变邻域微分进化群搜索优化算法(IDGSO),仿真实验表明,IDGSO算法能有效避免早熟收敛,全局优化能力和收敛速率都有显著提高。