[1]全尺寸风机叶片疲劳加载系统设计及试验研究[J].机械科学与技术

[2]傅程,张方慧.风轮叶片疲劳试验加载设计[J].中国机械工程,2018(6).

[3]于祥勇,魏修亭,黄雪梅,张磊安.风电叶片疲劳试验系统追踪控制策略研究[J].机电工程,2019(7).

[4]一种混合智能排样优化算法的应用研究[J].机械科学与技术

[5]廖高华,乐韵斐.风机叶片旋转疲劳加载系统研究[J].机械设计与制造,2014(9).

[6]风电叶片两点疲劳加载控制系统设计及验证[J].机械设计与制造

[7]韩玉辉.基于粒子群优化SVM的刀具磨损量预测[J].工具技术,2016(11):109-112.

[8]李盘荣.基于量子粒子群优化算法的斜齿轮设计[J].机械研究与应用,2008,21(3):70-73.

[9]解红霞,石连文,常燕臣.混合粒子群算法在液压钻机控制中的应用[J].液压与气动,2011(12).

[10]汪首坤,郭俊杰,王军政,邸智.基于混合群智能优化的机器人立体视觉标定[J].机械工程学报,2012,48(1):57-63.

[11]冯奇峰,李言.改进粒子群优化算法在工程优化问题中的应用研究[J].仪器仪表学报,2005,26(9):984-988.

[12]马纲,李盘荣.基于粒子群优化算法的斜齿轮设计[J].新技术新工艺,2008(10).

[13]马廷洪,姜磊.基于混合粒子群算法优化BP神经网络的机床热误差建模[J].中国工程机械学报,2018(3).

[14]王东霞,温秀兰,赵艺兵.基于CAD模型引导测量的自由曲面定位及轮廓度误差评定[J].光学精密工程,2012,20(12):2720-2727.

[15]栗玉领,徐胜利,杨树桦,孟继纲,李祎曼,黄金芷,关振群.非典型气动荷载下压缩机叶轮疲劳强度分析[J].机械工程学报,2015(9).

[16]一种新粒子群优化算法及其实际工程应用[J].起重运输机械

[17]张旭梅,邱晗光.基于k-中心点法的改进粒子群算法在旅行商问题中的应用[J].计算机集成制造系统,2007,13(1):99-104.

[18]魏宏源,茅健.基于混合蚁群粒子群的多AGV路径规划研究[J].制造业自动化,2019(6).

[19]宋云鹏,程广涛,徐军,王成恺.模拟退火粒子群算法在汽车故障诊断中的应用[J].仪器仪表用户,2012,19(2):88-90.

[20]周丽霞,丁保华,杨宝智,贺克伟,孙鸥平.基于LabVIEW的圆度误差多粒子群优化算法研究[J].工具技术,2009,43(11):95-97.