【摘 要】
：
为了提高花授粉算法的寻优精度和性能稳定性,提出了融入改进策略的精英协作引导花授粉算法。分析了花授粉算法的工作原理及缺陷,给出了对立点初始化方法提高初始种群质,使用精英协作引导全局搜索策略提高算法搜索效率和质量,建立动态转换概率模型用于平衡全局搜索与局部搜索,综合以上改进措施提出了精英协作引导花授粉算法。使用单模态标准函数和多模态标准函数对算法性能进行测试,每一项改进措施都能够提高算法的搜索精度和寻优稳定性,且改进措施之间不存在抵消性耦合。将精英协作引导花授粉算法应用于机器人路径规划,与花授粉算法相比,路径
【基金项目】
：
江苏省教育厅“青蓝工程”资助项目(无编号)。
论文部分内容阅读
为了提高花授粉算法的寻优精度和性能稳定性,提出了融入改进策略的精英协作引导花授粉算法。分析了花授粉算法的工作原理及缺陷,给出了对立点初始化方法提高初始种群质,使用精英协作引导全局搜索策略提高算法搜索效率和质量,建立动态转换概率模型用于平衡全局搜索与局部搜索,综合以上改进措施提出了精英协作引导花授粉算法。使用单模态标准函数和多模态标准函数对算法性能进行测试,每一项改进措施都能够提高算法的搜索精度和寻优稳定性,且改进措施之间不存在抵消性耦合。将精英协作引导花授粉算法应用于机器人路径规划,与花授粉算法相比,路径
其他文献
为了提高机器人在栅格环境下的路径规划质量,提出了基于超强启发式异类蚁群算法的路径规划方法。建立了机器人工作环境的栅格模型;在蚁群算法基础上,提出了由开创型蚂蚁、守旧型蚂蚁、传统型蚂蚁组成的异类蚁群算法,并通过仿真看出,开创型蚂蚁主导的异类蚁群算法具有最优性能;在信息素更新方面,按照“奖励先进、惩罚后进”的原则,提出了超强启发式信息素更新方法,引导传统型蚂蚁和守旧型蚂蚁快速向开创型蚂蚁搜索的较优路径靠近。经过仿真验证,异类蚁群算法在简单环境和复杂环境下规划的路径均优于传统蚁群算法,且异类蚁群算法寻优稳定性更
主梁作为双梁桥式起重机金属结构中的主要构件,它的重量在整个系统中占很大比例,过多的自重会增加企业的制造成本,在满足性能的情况下造成资源浪费。为了减轻主梁的重量,分析了主梁的重量与主梁横截面面积的关系,建立了起重机主梁的数学模型。利用遗传算法中的遗传算子来解决主梁优化中引力搜索算法容易陷入局部最优解,收敛速度慢的问题,提高了引力搜索算法的性能。优化结果表明,混合了引力搜索的遗传算法的收敛速度比标准的引力搜索算法优化率提高约3.93%左右。改进的算法使目标函数的横截面积从初始数据减少了约12.35%,并且优化
针对数控机床主轴故障诊断中标记样本量小的问题,提出了一种基于多传感器的迁移学习的故障诊断方法。首先,采集安装在数控机床主轴上的多个三轴加速度传感器采集的原始振动信号,并将信号转换成图像的变换方法得到输入。其次,比较了TrAdaBoost迁移算法和基于CNN网络迁移模型算法。最后,针对CNN网络迁移模型,用目标类替换输出层,并用最优网络提取较低层次的特征,对更高层次的神经网络进行微调。实验结果表明,该方法能够正确识别机床主轴状态,具有很好的故障检测能力。
针对现有电力铁塔攀爬机器人存在的结构复杂、稳定性差、越障能力不足等问题,这里设计了一种新型电力铁塔攀爬机器人并对其攀爬步态进行了分析。通过选取电力铁塔主材上的脚钉为夹持对象,采用机械电磁复合手爪夹持方式等创新性的方法,简化了攀爬机器人的结构,提高了夹持稳定性,解决了避障难题。然后使用Workbench对关键受力部件进行有限元分析并利用Robotics Toolbox对机器人的攀爬过程进行了建模仿真,仿真结果表明攀爬机器人机械结构及攀爬步态设计合理,验证了新型电力铁塔攀爬机器人在实际工作环境中应用的可行性。
语义分割为图像分配像素级稠密标签,对场景理解具有重要作用,是视觉研究核心任务之一,涉及自动驾驶、医学成像等实际应用。现有基于深度神经网络的图像语义分割方法的训练需要大量标记数据,这些数据的收集和标记成本高昂,这很大程度上限制了此类方法的实际应用。为解决此问题,这里使用成本较低的计算机生成并标记的逼真的合成数据训练深度神经网络。但真实图像与合成图像在分布域上存在的差异会降低模型性能,因此这里使用一种
车辆耐撞性是一个涉及多因素的强非线性问题,而传统响应面模型柔韧性又不足.为克服传统响应面法在拟合车辆耐撞性问题输入与输出之间的映射关系所带来的不精确性和耗时性,这里通过建立一个经试验验证准确性的耐撞性仿真模型,提出采用均匀设计法来提高车辆耐撞性仿真试验的代表性并减少仿真试验次数.通过采用一个具有良好韧性的三层神经网络来拟合车辆耐撞性问题输入与输出之间的映射关系,并基于多目标遗传优化算法NSGA-Ⅱ,得到了一组以峰值加速度、B柱最大位移以及吸能比为耐撞性指标的Pareto解集.优化结果显示,所提方法能够高效
小口径管道在船舶、石油化工等工业领域具有广泛应用,其内部状态对设备的安全运行具有重要影响,管道自适应内检测机器人是对管道内部状态检测的有效方法。通过Solidworks建立轮式管道内检机器人仿真模型,对其适应管径变化及转弯的能力进行分析。通过ADAMS方法对内检机器人进行模拟计算,依据实际工况进行条件约束,对机器人的爬行运动学及动力学进行仿真分析。结果表明,所设计小口径管道内检测机器人具有一定范围的管道变径及转弯自适应能力,可适应95mm到105mm之间的管道直径变化,可顺利通过的管道最小转弯半径为200
传统无迹卡尔曼滤波(UKF)算法在估算锂离子动力电池荷电状态(SOC)时,常会出现由于电池模型参数不准确和无法预先获取噪声统计特性而使得估算误差增大的问题。针对这些问题,这里提出一种改进的自适应无迹卡尔曼滤波算法(AUKF):该算法通过扩充状态变量法来实现欧姆内阻在线更新,以此提高电池模型精度,并根据实时SOC估计值与真实值的误差,构造滑模观测器实现系统噪声和观测噪声的更新,降低未知噪声的干扰,最后通过不同温度下复杂工况实验,验证了新算法的估计精度和稳定性。
为了降低发动机的燃油消耗率,提高传动系统效率提高整车节能效果,建立了工程车辆传动系统动态模型,进行了动态换挡规律的仿真,得到了发动机与变矩器的匹配万有特性,分析了油泵压力的影响,发现最优的动态换挡策略能够提高车辆的加速度和动态性能,可以大大提高车辆的换挡质量。试验结果表明:换挡前后的变速箱的速度变化较为平缓,说明新的动态换挡策略能够减少变速箱的换挡时间,变速箱的动态响应得到了有效的提高。采用的智能控制方法能使传动系统高效自动换挡。研究结果对于提高工程车辆的动力学,经济性和智能性具有重要的理论和实际意义。
为了克服医药注射剂封装质量差及封装速率慢等问题,提升BFS设备的自动化水平。提出了一种基于DSP和以触摸屏为核心的伺服液压BFS控制系统,该系统核心部分由伺服控制器、伺服电机、定量油泵以及封装工艺的各个执行机构组成。详细介绍了伺服控制系统的硬件结构,并在此基础上设计了与之匹配的软件系统。针对伺服控制器设计了粒子群优化PID的控制算法。经过实验验证,该控制系统完全可以满足BFS设备控制需求,显著提高了医药注射剂封装质量、精度、效率及自动化智能化水平并取得了满意的控制效果。