摘要：为提高工业机器人的定位精度,提高其满足工作要求的能力,提出了基于改进金豺狼优化算法(IGJO)的机器人定位精度提升新方法。首先,基于MDH模型建立了机器人运动学参数辨识的误差模型和目标函数。其次,针对金豺狼优化算法(GJO)存在的不足,引入柯西变异策略,提出了IGJO算法,给出了IGJO用于参数变数的步骤。最后,以RB1200-5-0.9型机器人为例,利用IGJO对运动学参数进行辨识切。结果表明:IGJO能够快速完成机器人运动学参数辨识,且绝对定位精度较辨识前和GJO有大幅提高,具有一定的优势。

摘要：针对基本金豺狼优化算法(Golden Jackal Optimization,GJO)在解决高维优化问题时存在计算精度低、开发能力弱、容易陷入局部最优的缺点,提出一种改进GJO算法(I-GJO)。在改进算法中,设计一种基于正弦函数的非线性能量因子替代原随机递减能量因子,以平衡算法在搜索过程中的全局探索和局部开发能力。在算法迭代后期引入翻筋斗学习策略,从而扩大群体搜索范围和改善解的精度。为了验证I-GJO算法的有效性,选取6个基准函数优化问题进行数值实验,并与灰狼优化、海鸥优化算法和基本GJO算法比较。结果表明,I-GJO获得较高的精度和较快的收敛速度。最后利用I-GJO算法求解特征选择问题,对16个基准数据集的数值结果显示,改进算法能有效去除冗余特征和提高分类精度。

摘要：为提高加工效率、降低生产成本,提出了基于金豺狼优化算法(GJO)的数控切削参数优化新方法。以切削速度和进给量为待优化切削参数,施加功率、切削力、进给量、粗糙度等约束,建立以最大生产率及最低生产成本为目标的优化数学模型。介绍了GJO算法主要原理,给出了方法流程。以复杂曲面且微小滚齿加工为实例,利用GJO对切削参数优化数学模型进行求解,得到最优切削速度和进给量。结果表明:与其余3种方法相比,所提方法的滚齿加工总工时缩短约8%~29%、表面粗糙度降低约0.04μm~0.15μm,加工质量和效率均得到提升。