基于粒子计算的船舱三维数据特征提取系统设计

传统的船舱建模是一种正向开发过程,从零部件设计到加工和装配需要很长的周期,成本相对较高。随着计算机视觉技术、计算机处理技术的不断发展,基于逆向工程的船舱三维建模技术获得迅速发展,逆向工程的特点是根据现有实体结构进行逆向建模,能够显著提高工业产品的开发周期。在船舶工业领域,逆向工程的应用获得了重点关注,船舱三维建模逆向工程的重点和难点是计算机扫描获得的点云粒子数据处理与特征提取。本文将研究重点放在船舱三维数据特征提取系统的开发和提取原理方面,介绍一种基于粒子计算LOF的船舱三维数据特征提取技术,并基于OPENGL开发了特征提取系统。     

基于类锚虚拟线圈的多流向车流量检测算法

针对城市道路车流量检测中车辆误分类问题,提出一种基于类锚虚拟线圈的多流向车流量检测算法.首先,采集车辆图像样本并随机裁剪以构建小客车、公交车和摩托车的均衡数据集,通过DBSCAN(Density-Based Spatial Clustering of Applications with Noise)算法聚类获得3类车型...     

基于PSO-BP神经网络的隧道绿色建造污水处理预测模型

隧道施工过程中产生的污水的无害化处理对于维护周边自然生态环境有着重要意义。为了实现对隧道污水处理后浊度大小的实时准确预测,保证排放的污水能够满足国家相关标准,采用粒子群算法(PSO)对BP神经网络的初始阈值和权值进行优化,以污水的原水浊度、投药量、聚丙烯酰胺的分子量、搅拌速度、pH值和搅拌时间6个主要参数为输入,以处理后污水的浊度大小为输出,建立PSO-BP隧道污水处理浊度预测模型。为了验证优化后模型的有效性和可靠性,以桂柳高速公路隧道施工现场的污水处理数据为测试集,采用BP神经网络模型进行对比验证分析,研究结果表明：PSO-BP神经网络模型能够有效地对隧道施工污水处理后的浊度大小进行预测,平均相对误差为8.86%,预测值和实际值的拟合度(R²)为0.949,在预测精度和泛化能力上均明显优于BP神经网络,解决了BP神经网络容易陷入局部最优的问题。基于提出的PSOBP预测模型构建隧道施工污水处理智能预测系统,实现了对桂柳高速公路隧道施工污水处理参数的灵活调整,有效解决了实际隧道工程中施工污水处理后浊度去除效果不佳的问题,对于隧道绿色施工过程中的水污染防治具有参考价值...     

舰船建造工艺参数优化的数学模型构建

为科学选择舰船建造工艺参数,缩短建造时间,提升建造稳定性,降低建造过程中的能源消耗,构建舰船建造工艺参数优化的数学模型。以舰船建造切削过程的切削时间、切削稳定性与切削能耗为优化目标,切削功率、工件表面粗糙度与切削力等为约束条件,建立工艺参数优化的数学模型;利用自适应网格的多目标粒子群算法求解数学模型,获取最佳工艺参数优化结果。试验证明：该模型可有效获取最佳工艺参数优化结果,降低建造时间与能源消耗,模型求解过程中收敛效果较优;工艺参数优化后可有效降低切削过程刀尖振动幅值,增强建造稳定性。     

考虑发动机起停优化的PHEV能量管理策略

针对某新型双电机行星耦合插电式混合动力汽车(PHEV)中发动机在起停及怠速运行状态下会导致油耗增加的问题,基于等效燃油消耗最小能量管理策略,加入发动机起停优化控制模块,以进一步改善整车燃油经济性.建立了整车动力学和传动模型并加入发动机起停优化控制模块,对ECMS能量管理策略输出的发动机及电机最优目标转矩进行重新优化分配...     

基于速度优化与粒子群优化算法的插电式燃料电池有轨电车能量管理策略

以燃料电池有轨电车为研究对象,采用分层控制的方法,以能耗经济性最优为总体目标,开展基于速度优化的能量管理策略研究。该策略中的上层基于车与交通设施之间的通信(V2I),以驱动能耗最小为目标,考虑交通信号灯的影响,设计基于伪谱法的速度优化策略;其下层基于上层得到的最优速度,以及基于粒子群优化(PSO)算法对燃料电池有轨电车能量进行优化分配。仿真结果表明,基于速度优化的有轨电车能量管理策略能够避免列车的急变速和红灯怠速行为;基于速度优化与PSO算法的插电式燃料电池有轨电车能量管理策略能对动力电池和燃料电池的功率进行优化分配,相比基于速度优化与规则的有轨电车能量管理策略下的燃油经济性提高了3.72%。     

基于PSO-BP算法的运输组织精益生产评价

在构建车站运输组织精益生产评价系统的基础上,建立用粒子群优化算法(PSO)和BP神经网络相结合的混合算法来进行综合评价的模型.该模型全面考虑影响运输组织生产的各种因素,将定性分析和定量分析相结合,使评价结果更符合实际、更可靠.实例计算结果表明:PSO-BP方法简便、通用,其结果符合生产实际,能很好的反应运输组织精益生产的实施效果.     

基于粒子群和蚁群算法的边界层微分方程求解

沿竖壁自然对流边界层微分方程组速度和温度均耦合,在打靶法中应用Newton求根的方法解对应的相似性微分方程组时对初值选择要求较高,在根值附近收敛变慢.将微分方程边值问题转化为初值问题求解的打靶过程可看作优化设计问题,用优化设计算法求解.将基于生物群信息传递规则和觅食规则提出的粒子群算法和蚁群算法应用到打靶法的求解过程中,并与其它优化算法计算结果进行了比较.结果表明,粒子群算法和蚁群算法用于沿变壁温竖壁自然对流层流边界层微分方程求解是可行的,计算过程稳定,对初值选择不敏感.     

基于聚类学习的超分辨率方法

在高分辨率空间对图像局部结构进行k均值聚类,估计最小二乘意义下的插值滤波器参数,然后根据估计参数来增强图像的分辨率。同时借鉴区域连接增长的思想解决分类歧义问题。计算结果显示,该方法优于传统的基于学习的方法,图像边缘清晰、细节恢复多。     

基于PSR-PSO-RBF的短时交通流预测方法

短时交通流预测可为智能交通控制和管理提供决策依据,为了提高短时交通流的预测精度,统筹考虑短时交通流的混沌时间序列和非线性特征,提出一种基于相空间重构和PSO-RBF的短时交通流预测方法(PSR-PSO-RBF方法)。采用延迟嵌入定理,构造一个基于相空间重构的短时交通流时间序列;在剖析RBF神经网络不足之处的基础上,采用PSO算法,确保短时交通流预测的精确度和可靠性。实例分析结果表明,该方法可有效提高短时交通流的预测精度和可靠性,其预测误差较小。