在“十三五”创新战略的驱动下,科技创新已经成为我国加速迈进创新型国家行列的必要手段。现代制造业对于高精度的工业生产能力与自主研发能力的需求越来越高,大大推动了与精确生产制造领域相关的优化指导技术的广泛发展。工程应用中的优化需求不断变化和难度不断增加,应运而生的智能粒子群优化算法(Particle swarm optimization,PSO)因其自身优势:结构简单、参数不多、对优化目标问题的数学属性要求较低等,被广泛应用。该算法在工程实际中可以进行工艺参数优化设计、部件结构轻量化的设计、工业工程最优工作路径设计、以及将其优化算法与常规算法融合的策略设计,等等。本文结合2009年度国家自然科学基金面上项目《基于重分析理论的简化车身多单元框架结构截面参数快速优化研究》(No.50975121)、长春市科技局重大支撑计划项目《CRH3-350轨道客车转向架焊接变形分析》(No.10KZ03)、吉林省科技型中小企业创新基金《基于图像识别的粮食仓储智能控制系统开发》(No.20130522150JH),对粒子群算法的改进及其工程应用进行了深入的研究。主要工作包括:第一,对优化理论及算法进行分析及分类。研究表明粒子群优化算法在实际工程问题中,具有强大的应用优势。梳理了该算法的产生背景和发展,如,标准粒子群算法、离散粒子群算法(Discrete particle swarm optimization,DPSO)和多目标粒子群算法(Multi objective particle swarm optimization algorithm,MOPSO),分析了其流程设计思路、参数设置方式、应各种需求得到的改进模式。提出了基于堆栈和指针概念的离散粒子群构建方法和基于粒子群优化算法的自适应点云数据处理算法改进方式,并在后续的研究中分别采用不同的工程案例,验证了本文设计方法的正确性及工程问题应用的有效性。第二,利用本文设计的基于堆栈和指针概念的离散粒子群改进方法,分析了焊接顺序和方向对高速铁路客车转向架构架侧梁的焊接残余应力和变形的影响。研究采用热机耦合仿真分析方法在ANSYS软件中进行了所建焊接模型的数值模拟。为了尽量减少焊接变形和应力的组合数量,利用堆栈和指针的概念,给出了焊接顺序和方向优化试验设计表,并基于试验设计方法得到了优化问题的代理模型。通过本文设计的离散粒子群优化算法进行寻优,便可获得带有最优焊接顺序和方向的结果的“指针”,及最优焊接工艺方案。该方法大大减少了在焊接过程中所需的计算成本,并且明显的减少了计算精度的损失。最终得到的优化方案经过验证可以有效地降低焊接过程中的焊接变形和应力,对提高高速铁路客车转向架构架侧梁的焊接工艺、提高制造质量和使用性能具有指导作用。第三,利用“堆栈和指针”概念,构建了多目标粒子群改进算法,用以研究T接头模型对焊接残余应力和应变的影响。在完成了基于单目标优化过程的转向架构架侧梁焊接工艺优化设计的基础上,研究了更简单、更具有普遍性的T接头模型对焊接残余应力和应变的影响,将待优化的焊接工艺参数从两个设计参数:焊接顺序和焊接方向,增加至同时具有焊接电流、电压、速度五个设计参数;将设计参数类型是连续的或离散的,发展至二者混合的;将优化问题从单目标扩展至多目标,进一步研究了影响焊接残余应力和变形的因素。结果表明,焊接参数和焊接顺序对残余焊接应力和变形有很强的影响。焊接参数对焊接热量的输入有很大的影响。另外,焊接顺序和焊接方向对控制焊接残余变形和焊接残余应力有很大的影响。根据不同的需求,可以根据帕累托前端的结果,选择合理的焊接参数和焊接顺序。第四,为建立基于粒子群优化算法的点云数据处理算法改进方式的分析基础,讨论了基于三维激光扫描仪的仓储粮在线监测系统的组成方式和点云数据的一般处理方法。搭建了基于三维激光扫描仪的仓储粮实时在线监测系统。通过系统的硬件和软件的组成方式,设计了操作方法,给出了功能执行模式,完成了仓储粮监测系统的整体架构。作者所在课题组采用该系统采集粮食表面的点云数据。讨论了通用的点云数据处理方法,即点云数据的坐标转换、精简处理、去噪处理、曲面重建及粮食体积计算方式。为基于粒子群算法的点云数据处理算法研究建立相应的分析基础。同时也说明了上述点云数据处理方式存在的缺点,和需要进一步改进的方向。第五,利用基于粒子群优化算法的自适应点云数据处理算法改进方式,提出了一种基于粒子群算法的点云数据简化算法和一种基于不同噪声类型的点云数据去噪算法。精简算法可以自适应地确定平均精简方法的精简阈值,解决了采用普通精简算法精简后点云数据量大、分布不均匀的问题。通过使用该算法精简后的点云数据分布更加均匀,并且比平均距离法减少了更多的冗余数据。通过该算法精简后得到的粮食体积的相对误差低于采用平均精简法的粮食体积的相对误差。分类去噪算法则根据点云数据的噪声类型,将噪声分成三类,对第一和第二类型的噪声点采用网格法进行删除。针对第三类型噪声点,采用小波去噪滤波剔除了点云数据中混入的无效噪声点。通过与均值滤波法和中值滤波法去噪后的点云数据进行主观标准和客观标准的比较,可以得出,本文提出的去噪方法最大程度的剔除了点云数据中的无用噪声点,具有较高的信噪比平均值,峰值信噪比和较低的均方根误差。最后,对整篇文章进行了总结,并在此基础上提出了有待改进的研究问题和需进一步开展研究的方向。