排序方式: 共有81条查询结果,搜索用时 15 毫秒
1.
针对基本遗传算法在机器人路径规划中存在收敛速度慢、易陷入局部最优解的问题,提出一种改进的遗传算法. 在适应度函数中增加带有惩罚项的平滑度函数; 引入精英保留机制,保留每一代最优个体; 自适应调整交叉概率和变异概率,使交叉概率和变异概率随进化次数变化而变化. 利用MATLAB在两种障碍物地图中与其他两种算法进行仿真对比分析,实验结果表明,改进后的算法在路径规划的应用中有效减少了机器人的转弯次数,提高了逃离局部最优路径的能力,寻优能力更强. 相似文献
2.
3.
《计算机工程与应用》2016,(24):246-250
在家庭智能用电系统下,以经济性和舒适性为目标,构建了电动汽车、空调、热水器的优化用电模型。并使用基于Q学习的粒子群算法求解优化模型,阐述家用电器的智能用电策略。以空调负荷为例,采用优化模型和算法后,经仿真实验,满足温度控制要求,且费用最少,收敛速度快,有效减少了空调负荷的用电量,削减电费的同时又保证用户的舒适度。 相似文献
4.
《Planning》2014,(4)
基于南京邮电大学自动化专业毕业设计现状,本文对毕业设计过程中存在的问题进行全面剖析,探讨在毕业设计环节加强创新能力培养的具体方法和操作步骤。 相似文献
5.
6.
《Planning》2019,(18)
本文研究了基于非正交多址接入(non-orthogonalmultiple access, NOMA)的多播单播混合传输中如何实现单播信息的安全速率最大。结合各个用户之间的公平性和稳定性,在给定的译码顺序下,各用户均可以采用连续干扰消除进行译码。通过半正定松弛和对偶问题的方法,在满足多播信息服务质量和基站发送功率约束条件下,实现单播信息安全速率的最大。同时提出了一种低复杂度的基于奇异值分解(singular value decomposition, SVD)的次优算法。实验仿真验证了本文所提基于非正交多址接入的传输方案单播安全速率优于传统正交多址接入方案,并且次优方案的性能接近最优方案。 相似文献
7.
8.
现有数据驱动方法在滚动轴承剩余使用寿命预测中,因不能有效提取对轴承退化过程敏感的特征信息而导致预测精度不足。为此提出一种基于动态加权卷积长短时记忆网络(DW-CNN-LSTM)的滚动轴承剩余寿命预测方法。对滚动轴承振动信号进行小波包分解,将获得的小波包系数矩阵通过可训练参数动态加权层进行动态加权,来实现对轴承退化的表征信息进行有效筛选,以增强轴承振动特征学习能力;利用卷积神经网络的自适应挖掘数据深层特征能力,从动态加权后的小波包系数矩阵中提取对轴承退化过程敏感的特征集;借助长短时记忆网络(LSTM)预测时间信息序列的优势,由双层LSTM进一步提取其高维退化特征,来提高滚动轴承剩余寿命预测精度。对XJTU-SY轴承数据和IMS轴承数据的试验结果表明,所提DW-CNN-LSTM方法相比于经典的长短时记忆网络方法,其均方根误差指标平均降低了61.08%,预测准确度平均提高了9.95%,模型训练时间平均减少了44.14%,获得了较满意的寿命预测精度和鲁棒性。 相似文献
9.