共查询到10条相似文献,搜索用时 259 毫秒
1.
2.
3.
4.
针对传统固定粒子数粒子滤波算法计算量大、复杂环境下声呐微弱目标检测与跟踪鲁棒性不强的问题,提出基于粒子群优化(PSO)算法的粒子滤波检测前跟踪方法(IPSO-PF-TBD)。该算法在滤波预测与步骤更新之间加入PSO算法,结合预测信息和更新完成的粒子分布状态进行优化,将粒子集合转移到后验概率密度较大的区域,并充分利用声呐回波信号中目标粒子的权重信息设置粒子自适应采样策略,通过检测前跟踪(TBD)技术的数据帧间能量累积和目标检测,提高目标检测前跟踪的性能。仿真试验结果表明,提出的检测前跟踪处理方法对低信噪比及快速机动等复杂环境下的目标进行跟踪时,在位置估计精度和误差值方面明显优于粒子滤波(PF)和PSO-PF算法,具有一定研究和应用价值。 相似文献
5.
6.
针对群智能算法解决动力定位推力分配问题易遭遇局部最优、计算时间长等瓶颈,基于粒子群算法探索不同粒子决策变量对推力分配结果的影响。考虑推力分配目标力和力矩、推力限制、禁止角等约束条件,以推进器功率最优、磨损最小为优化目标建立了推力分配数学模型,构建了基于3种不同粒子决策变量的粒子群推力分配算法,以算法结果的适应度值、计算消耗时间的均值和方差量化算法的收敛性和实时性。对上述3种方法进行仿真分析,结果对比表明,基于文章提出的粒子决策变量搜索在收敛性和实时性上均达到最优,对粒子群算法解决推力分配问题有一定的参考价值。 相似文献
7.
8.
船舶动力定位能力的计算是一个多次求解非线性多峰问题的过程,综合学习粒子群算法是解决多峰问题较为适合的算法。但由于综合学习粒子群算法的速度更新机制,在算法后期的局部搜索能力较弱,导致收敛速度慢。为此,引入多种群思想,改变速度更新策略以及结合粒子变异机制和种群重组机制,提出一种多种群综合学习粒子群优化算法。最后基于该算法设计了一种动力定位能力计算方法。实例计算结果表明,利用该方法的计算结果与Kongsberg公司给出的结果相吻合,也明显好于基于综合学习粒子群算法而得到的结果。 相似文献
9.
针对群智能算法解决动力定位推力分配问题易陷入局部最优、计算时间长等不足,基于粒子群算法探索不同粒子决策变量对推力分配结果的影响。首先考虑推力分配目标力和力矩、推力限制、禁止角等约束条件,以推进器功率最优、磨损最小为优化目标建立了推力分配数学模型,构建了基于三种不同粒子决策变量的粒子群推力分配算法;其次以算法结果的适应度值、计算消耗时间的均值和方差量化算法的收敛性和实时性,对上述三种方法进行了仿真分析,仿真结果对比表明,基于本文提出的粒子决策变量搜索在收敛性和实时性上均达到最优,对粒子群算法解决推力分配问题有一定的参考价值。 相似文献
10.
针对船舶通信网络故障节点定位受到高重频干扰的影响,以提高船舶通信网络故障节点的定位精度为目的,提出舰船通信网络中的故障节点定位研究。利用船舶通信网络可疑故障节点的特征,修改节点负荷功率的等效量测,通过可疑故障节点排序流程,完成可疑故障节点的排序;采用粒子群描述故障节点的初始速度和位置参数,消除了故障节点定位的干扰,实现了船舶通信网络故障节点的定位。结果表明,与基于云计算的定位方法相比,提出的定位方法具有较高的定位精度和实用价值。 相似文献