一种无人机三维航迹规划算法研究

在研究无人机三维航迹规划问题时,针对基于传统人工蜂群算法易陷入局部最优值、后期收敛速度变慢、寻优效率低的问题,提出了一种改进人工蜂群算法的无人机航迹规划方法。首先,在建立包括经纬度、海拔高度信息的三维飞行区域模型后,加入了地形约束模型,并引入新的综合航迹代价评价方式。然后,在算法中引入自适应搜索策略、新型概率选择策略与Logistic混沌搜索算子来增强其对原始信息的开采能力,提高其收敛速度以及加强其鲁棒性。最后,通过三维航迹规划仿真和面对突发威胁的局部航迹再规划仿真对所提算法的有效性进行了验证。结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于遗传算法和传统人工蜂群算法,适合用来解决无人机的三维航迹规划问题。     

帝国竞争算法在无人机三维航线规划中的应用研究

针对实际飞行环境中无人机的三维航线规划问题,提出了一种创新启发式优化算法——牛顿帝国主义竞争算法(NICA,Newtonian imperialist competitive algorithm).该算法能够根据无人机的飞行轨迹,从起始位置到任务目标位置生成平滑的航线路径,约束航线规划,使得目标完成任务的时间最小化.该算法也能为无人机在真实地形上的航线提供最佳轨迹路径.最后通过与ICA、GA和PSO算法进行比较,验证了改进算法的有效性.结果表明:改进帝国算法提高了全局最优解的搜索能力,在收敛速度和精度上优于其他3种算法,适合用来解决无人机的三维航线规划问题.     

基于改进的有监督正交邻域保持嵌入的故障辨识

<正>交邻域保持嵌入(Orthogonal neighborhood preserving embedding,ONPE)是一种无监督的特征降维方法,且使用的是全局统一的邻域参数,在对高维故障特征集进行特征降维时,不能利用样本的类别标签信息和不能够根据样本空间分布的变化自适应调整邻域参数,使获得的低维特征仍出现混叠的情况。针对上述问题,提出了基于改进的有监督正交邻域保持嵌入(Improved supervised ONPE,IS-ONPE)特征降维的故障辨识方法。IS-ONPE利用样本的标签信息来调整样本点与点之间的距离以形成新的距离矩阵,通过新的距离矩阵进行邻域构建,同时利用局部集聚系数进行邻域参数的自适应调整,能够获得辨识度更高的低维特征。以低维特征作为支持向量机(Support Vector Machine,SVM)的输入来实现故障辨识。齿轮的故障辨识结果表明,所提出的方法能够提高故障辨识效果,具有一定优势。     

高精度SAR ADC电容阵列设计及校准算法

在高精度逐次逼近寄存器模数转换器(SAR ADC)中,电容阵列是SAR ADC的核心之一。电容阵列中的电容失配问题是导致转换精度降低的一个重要原因。为了尽可能改善这一问题,设计了一种6+6+6分段电容阵列,并且基于这种阵列设计了权重迭代算法的前台数字校准。该方法不需要额外的电容阵列,利用自身的电容阵列与比较器量化出电容失配,计算出每一位输出码的权重校准系数,用来对正常量化出的输出码进行编码,实现校准功能。仿真结果表明,引入电容失配的18 bit SAR ADC经过该算法校准后,信噪比(SNR)从77.6 dB提升到107.6 dB,无杂散动态范围(SFDR)从89.8 dB提升到125.6 dB,有效位数(ENOB)从12.54 bit提升到17.54 bit。在SMIC 0.18μm工艺下,该校准算法对高精度SAR ADC的动态性能具有较大提升。     

基于方差调节策略耦合结构特征的图像修复算法

针对当前图像修复算法主要采用图像的 R、G、B 信息来获取最优匹配块,忽略了图像的结构特征,导致修复图像中含有 纹理不连续及块现象等问题,设计了方差调节策略耦合结构特征的图像修复算法。 首先,借助图像的梯度模值来构造结构度量 因子,以度量图像的结构特征。 联合置信度项、结构度量因子和数据项,构造优先权函数,以寻求优先修复块。 然后,采用图像 的方差特征,建立方差调节策略,考虑图像纹理的动态变化,寻求与当前纹理情况最吻合的样本块尺寸。 最后,将结构度量因子 引入到最优匹配块的搜索过程中,以弥补通过 R、G、B 信息搜索最优匹配块时所忽略图像结构特征的不足,得出最优匹配块修 复图像,实现损坏区域的复原。 通过实验结果发现,较当前修复方案而言,所提算法的修复图像具备更优的纹理连续性。     

基于云平台的多功能智能运动鞋

基于云平台的多功能智能运动鞋,利用WiFi控制模块连接智能传感器将数据发送到云平台,实现数据的查询和分析。温度传感器实时监测和调节温度,称重传感器测量体重,数据传给云平台记录数据查询分析,并且设计PC端和手机端实现监控。基于此,笔者重点分析了基于云平台的多功能智能运动鞋。     

基于多普勒频率变化率的单站无源测距方法

实现单站无源测距是新型单站无源定位系统的关键,由于定位要求距离远,隐蔽性强,并保证生存能力,通常采用质点运动学原理的测距方法。针对脉冲多普勒雷达的回波特性,为提高目标定位跟踪的精度,提出一种多普勒频率变化率的改进测距方法,用多脉冲相干积累算法提取多普勒频率变化率,辅以角度进行测距定位,并引入修正的协方差扩展卡尔曼滤波进行定位跟踪,从而减小多普勒频率变化率的估计误差。在Monte-Carlo上仿真结果表明,方法是有效和可行的,不仅能提高信噪比和跟踪收敛速度,而且在多普勒频率变化率的估计和定位跟踪上都能达到较高的精度,优于原有单站无源测距方法,有一定的工程应用前景。     

异构污水处理过程远程监测系统的设计

为了通过计算机和手机终端监测异构污水处理过程,架设了监测专用服务器,通过GPRS-DTU模块实现各污水处理点PLC与服务器虚拟串口之间的远程数据透传,通过OPC技术提取各种型号PLC的关键数据分类存入数据库,通过IIS+ASP.NET快速部署Web Service实现数据的远程推送。经实践验证,该方案具有成本低廉、运行稳定、部署快捷、维护方便等特点。     

多视角模糊双加权可能性聚类算法

为解决传统可能性聚类算法（PCM）无法满足多视角学习场景聚类的实际问题,并进一步考虑到现有多视角聚类算法尚未重视的视角权重及视角内特征权重优化问题,本文提出一种新的具备最佳视角及最优特征划分能力的多视角模糊双加权可能性聚类算法（MV-FDW-PCM）。该算法将基于传统的PCM算法,给出了详细的多视角聚类学习框架使得PCM算法具备多视角聚类能力,进而通过引入视角间模糊加权机制及视角内属性模糊加权机制解决视角间权重及视角内特征权重优化问题。实验结果表明,所提的MV-FDW-PCM算法在面对多视角聚类问题时较以往算法具有更佳的聚类效果。     

一种并行化的改进型灰狼分簇算法

针对传统的分簇算法在解决超大规模数据集的分簇问题上不具有高效的时间和空间复杂度且易于陷入局部最优的问题,提出了改进型灰狼分簇算法（Improved Gray Wolf Clustering Algorithm,IGWCA）,将灰狼行为规则与灰狼狩猎策略相融合,同时引入狄利克雷分布（Dirichlet Distribution）实现先验,在基准数据集上完成IGWCA与其他分簇算法的对比分析。实验结果表明IGWCA不仅具有较强的探索和开发能力,还具有较小的分散度。使用Hadoop框架的MapReduce模型实现IGWCA的并行化（IGWCA on MapReduce,IGWCA-MR）,通过F-Measure和平均运行时间验证IGWCA-MR的分簇质量,并在真实数据集上验证了IGWCA-MR的运行时间和加速性能。实验结果证明,IGWCA-MR可以有效解决超大规模数据集的分簇问题,是一种高效的替代算法。