基于入侵野草优化算法的粒子滤波算法

入侵野草优化(IWO)算法是近年来提出的一种简单、有效的基于种群的新颖数值优化算法,在许多领域得到成功运用。将IWO算法与粒子滤波(PF)算法相结合,提出一种基于IWO算法的粒子滤波算法(IWOPF)。该算法将IWO算法运用于粒子滤波的重采样中,以保证粒子的有效性和多样性。最后通过计算仿真验证该算法的有效性和优越性。     

基于无线传感器网络的运动目标检测动态聚类图

有效的目标跟踪需要积极的传感器节点对运动目标群实行跟踪。与单目标跟踪相比,聚类在效能上有显著提高。本文提出准确的相干和非相干运动模式下目标的聚类,采用隐式动态时间框架来评估在创建连接组件加权图的目标关系史。该算法采用目标跟踪中定位算法的关键特征,即估计当前和预测的位置来确定移动目标的方向和距离的关系。模拟结果显示,通过动态调整历史窗口大小和预测目标之间的关系,可以显著提高聚类的准确性并减少运算时间。     

CABOSFV算法中集合稀疏差异度阈值确定方法

在实际应用中,CABOSFV算法初始参数———集合稀疏差异度阈值b的确定是否合理,对聚类结果是否有效起决定作用。本文针对如何科学方便地确定集合稀疏差异度阈值b进行了深入研究,给出了集合稀疏差异度阈值确定方法,并通过该方法进行了实例计算。计算结果表明,由于该方法能够确定聚类结果中类的对象组成最小数量,聚类结果的粗糙与精细程度可以人为控制,对聚类结果的准确及高效提供了很好的保证,能够为CABOSFV算法进行聚类提供合理的阈值。     

使用低成本全球定位系统接收器估算列车速度

开发了一款能够从铁路设备上主动采集并上传数据的智能手机应用(app),以及一种简单的数据处理算法来估算列车速度.研究结果表明,利用低成本传感器估算列车速度是可行的.     

基于集合经验模态分解降噪和优化LSTM的道路交通事故预测

道路交通事故精准预测是有效提升交通安全的重要手段,由于事故数据经常呈现非线性、波动性、无周期性等特征,现有的算法存在预测效果不佳的问题。为此本文提出基于集合经验模态分解降噪算法(ensemble empirical mode decomposition,EEMD)和优化长短时记忆神经网络(long short-term memory,LSTM)的交通事故数量预测模型。在单一模型的基础上,引入降噪算法EEMD对噪声大的交通事故时间序列进行降噪处理,利用EEMD对事故时间序列进行分解得到多个子序列和1个残差项;基于粒子群优化算法(particle swarm optimization,PSO)优化LSTM网络结构参数,并在LSTM的最优网络结构下提取数据中的时间特征信息进行预测,对各子序列及残差的预测结果求和得到最终预测结果。研究结果表明：相对于EMD-PSO-LSTM,PSO-LSTM,EEMD-LSTM,LSTM这4个模型,EEMD-PSO-LSTM的预测效果最好,其对应的预测误差e_rmse分别降低了8.7%、48.3%、53.1%、57.6%,误差e_m...     

地铁自动检票机故障分析及可靠性研究

考虑到地铁自动检票机组成复杂且故障形式多样,对其进行故障分析并以二参数威布尔分布为基础,提出一种基于混合威布尔分布的设备可靠性评估模型。为提高模型拟合精度,基于误差平方和最小思想构建非线性最小二乘参数优化估计模型并使用粒子群算法(PSO)进行最优参数求解。以南京地铁油坊桥车站自动检票机实际故障数据为例,进行实例验证。结果表明,基于PSO算法的混合威布尔分布可靠性评估模型优于传统单威布尔分布,其均方根误差、平均绝对百分比误差、皮尔逊相关系数均为最优。     

探究6轴工业机器人的奇异点规避与轨迹规划方案

在自动生产技术大力发展的现下,工业机器人在企业产品生产中的重要性及关键性逐渐增强。然而,在实际生产过程中,由于工业机器人缺少自动避障处理的能力,导致机器人在运动时常常不能顺利完成既定轨迹,尤其是奇异点区域作为避免难度较高的特定区域,经常导致工业机器人在实际运作中产生生产事故。为了有效解决这一问题,提升自动化生产效率,将从运动学角度分析6轴机器人的位姿和运动特点,并通过分析得到6轴机器人的奇异点规避算法,为工业机器人有效解决无法避障问题,实现高效运作提供参考帮助。     

一种应用在大惯性系统下的PI算法

在某所5吨的摇摆平台控制系统中,由于负载的惯性比较大,而控制单元采用PLC,控制精度为50ms,因此简单地采用位置式PI控制算法可能会造成系统的失控,系统的运行曲线无法达到指定的正弦波.当在系统调试中采用位置式PI算法并加入一阶惯性环节,同时考虑到死区和速度限制时,在实际调试中则取得了比较好的效果.     

利用变形模板提取嘴部特征的算法

嘴部特征提取是人脸识别和人机交互等领域的重要步骤。作者提出了一种改进的利用变形模板是取嘴部特征的算法。针对变形模板对初始位置敏感和匹配易陷际局部极小等问题，首先确定嘴部区域的边框，然后在此区域内仅用边缘和灰度信息，进行全局搜索确定变形模板的最佳参数，算法用两种模板匹配张嘴和闭嘴的情况。实验表明，对于简单背景的灰度图像。该算法可较好地提取嘴部特征，计算速度较快。