基于环境优化的无人艇全局路径规划研究

LazyTheta*算法是近年来提出的启发式路径规划算法,凭借其优异的搜索性能,在机器人全局路径规划中的应用不断增多。但常规的启发式路径规划算法往往忽视机器人的运动学特性以及环境对路径规划结果的影响,不适合直接应用于无人艇。针对这一问题,提出了基于环境优化Lazy Theta*算法的无人艇全局路径规划方法,从路径安全性和水流适应性两个方面对启发函数和视线检查进行改进,并对路径进行了折角平滑处理。仿真结果表明,与常规算法相比,采用改进算法规划出的路径具有更少的路径点和更小的路径转角,路径更加平滑,能够更好地适应水流的变化,有利于无人艇在复杂水域环境中航行,提高了无人艇航行的安全性。     

基于二分法的车辆状态参数融合估计

为提高车辆状态参数估计的精度和可靠性,提出一种基于二分法的车辆状态参数融合估计方法。首先,设计了基于车辆3自由度动力学模型的扩展卡尔曼滤波算法和由数据驱动的径向基神经网络车辆状态参数估计算法。然后,为了进一步提高估计算法的可靠性和减小单一算法的估计误差,提出将模型驱动的估计算法和数据驱动的估计算法相补偿的融合估计方法,基于二分法设置扩展卡尔曼滤波和径向基神经网络估计结果的权重,利用估计算法的融合提高估计精度。最后通过MATLAB/Simulink与CarSim的联合仿真和实车在环试验对该融合方法的有效性进行了验证。结果表明,估计结果变化趋势与实际相符,所提出的融合算法的估计精度比单一扩展卡尔曼滤波算法和径向基神经网络算法有明显的提升。     

基于迭代算法的公交中途站线路承载能力分析

识别中途站的线路承载能力（经停线路数）对公交线网规划以及合理设置站点具有较强的指导作用,在充分考虑公交车辆到达概率、排队率和乘客上下车时间对站点线路承载能力的影响的基础上,基于迭代算法的思想对公交专用道中站点的线路承载能力进行测算。结果表明：单车乘客上下车总时耗固定的情况下,平均到达率越低,车辆进站排队率越高,站点线路承载能力越大;车辆进站排队率固定的情况下,平均到达率越低,站点线路承载能力越高。     

船舶轴系校中计算中优化算法的应用

本文以常见船舶轴系布置为基础,建立轴系校中计算数学模型,采用智能微群优化算法数值求解该数学模型。并对某3000吨级海监船进行轴系校中计算,结果表明智能微群优化算法求解出的轴系校中参数满足中国船级社相关规定的要求,该方法可以在轴系校中计算中推广使用。     

基于蚁群算法和群决策理论的动态路径优化研究

文章针对城市交通信号控制中的动态路径优化问题,综合考虑相邻交叉口间距和路段交通饱和度两个参数的影响,提出了一种基于蚁群算法和群决策理论的动态路径优化算法模型,并通过仿真实验,对比分析了该算法模型的有效性。     

时域有限差分法仿真二维电磁波传播

时域有限差分(Finite-Difference Time-Domain,FDTD)法是一种主要的电磁场时域计算方法,已经广泛应用到各种电磁问题的分析之中。本文基于Matlab软件,采用时域有限差分法对二维TM波在空间的传播进行仿真。介绍时域有限差分法的基本原理,推导二维TM模Yee算法的FDTD表达式,阐述吸收边界条...     

应用粒子群优化算法改进无人船航行路径规划研究

在已开发的FR无人船的设计与实现背景基础上,针对其航线规划使用传统算法时易于困处局部最优、抗干扰适应性不够和控制精度不高等问题,应用粒子群优化算法来改进求解更优航迹。通过在粒子初始化时添加适应度函数加以修正改进,使路径种群在初始化有较高的有效性,从而增进算法的整体收敛速度和航迹跟踪精度。研究完成模型构建、算法优化、模拟仿真计算和试验验证。计算及试验结果显示,应用改进粒子群优化算法在复杂环境中,FR无人船能规避水面障碍物,逃离局部最小值点,准确到达设定点,收敛速度更快,满足及时响应的需要。     

大数据背景下的船舶管理风险评估

船舶安全管理工作对于保障船舶安全航行起着十分重要的作用,传统方法如层次分析法、模糊评估法难以对船舶的管理风险进行科学的评价。为了提高船舶的管理风险评估精度,构建了粒子群算法优化RBF神经网络的船舶管理风险评估方法,首先利用粒子群算法对RBF神经网络的参数进行优化,然后利用优化的RBF神经网络对船舶管理风险进行评估,最后进行仿真测试,实验结果表明,本文方法的评估精度比对比方法的评估精度更高,同时耗时更少,可以满足对船舶的风险进行实时监控与管理。     

地铁车辆车体刚性称重试验台加垫调平改进算法

针对现有刚性称重试验台,建立地铁车辆车体称重模型,并介绍了调平刚度矩阵算法。结合现场数据验证了车体称重模型及调平刚度矩阵算法的正确性。提出了现有车体称重试验台加垫调平的改进算法。经验证,该改进算法无需大量迭代计算,即能直接找出满足要求的加垫量范围,节约了计算时间。