针对标准拉子群优化算法(PSO)在处理高维复杂函数时存在的收数速度慢、易陷入局部极小等问题，提出了新 的混合粒子群算法— 墓于混沌优化搜索解决早熟收数的杜子群算法。采用了基于群体适应值方差的早熟判断机制， 同时提出了一种缩小混沌搜索的变量空间范围的新方法，提高了搜索效率。基于典型高维复杂函数的数值实脸表明，混 合拉子群算法效率高、优化性能好、对初值具有很强的鲁棒性。尤其是，混合粒子群算法具有很强的避免局部极小能力， 其性能远远优于单一优化方法。

针对极点对称模态分解( ESMD) 处理电机轴承故障信号存在局部模态混叠的问题，提出了一种基于有理 Hermite 插值和三次样条插值改进的 ESMD 电机轴承故障特征提取方法。由于首先有理 Hermite 插值可通过控制形状参 数来调节插值曲线，将固有模态分量( IMF) 的瞬时频率带宽作为的优化准则，采用有理 Hermite 插值与三次样条插值相结 合，既避免了插值耗时过长，又考虑了插值曲线的平滑性; 采用自适应权重调整的粒子群算法( PSO) 确定每阶 IMF 的最优 形状控制参数，避免陷

为了进一步提高多模态函数寻优的效率, 提出一种融合Powell 搜索法的粒子群优化算法. 将PSO 算法的全 局搜索能力与Powell 法的强局部寻优能力有机地结合起来, 在保证求解速度, 尽可能找到全部极值点的同时提高了 解的精确性. 由于该算法只利用了函数值信息而不需要计算导数, 是求解可微和不可微多模态函数优化问题的通用 方法. 仿真实验表明了新混合算法的有效性.