GM(1,2) 模型改进方法研究及应用

针对 GM(1,2)建模难点和模型缺陷提出两种改进方法:一是运用相关匹配算法,在历史数据库中搜索与主序列具有强关联特性的数据序列,确定为模型参考序列;二是引入粒子群算法,以模型预测性能评价指标为目标函数对模型参数进行辨识,改善模型预测性能.算例结果表明了改进方法的适用性和有效性.     

并联机器人安全保护系统的研究

以6-UHU并联机器人为研究模型,提出了一种新的并联机器人的工作空间姿态描述方法.提出一种"虚拟限位"的保护策略:将并联机器人的安全问题看作是受限变量的限位问题,通过计算受限变量对杆长向量的偏导预测将要发生的干涉,根据导数智能的决策采取的限位、规划操作.从关节空间对并联机器人的约束直接进行检验,避免传统上查询整个工作空间带来的运算量大等问题,大大减少了运算量.最后阐述了安全保护系统结构.设计了整个并联机器人安全保护实时多任务系统,在实际并联机器人中得到了应用.     

一种基于动态规划的并联机器人避障方法

为了解决并联机器人的运动干涉问题，将并联机器人的运动干涉统一为受限变量模型，提出一种基于动态调整指令轨线的运动干涉软防护策略。在运行过程的每一时刻，根据机器人运动学计算全部受限变量的当前值和速度；采用“虚拟制动过程”方法预测在考虑有限制动能力情况下，防止运动干涉的下一时刻可行速度，根据规划模型修改理想指令轨线在下一时刻的速度给定，给出了运动干涉动态软防护的算法。最后在研制的并联机器人的运行过程中进行了实验，结果表明，该算法有效地预测受限变量的临界状态，能使系统在不间断运行的情况下躲避干涉。     

加工中心刀具选配问题的研究

传统加工中心的刀具选配仅以满足加工点的需求为目的 ,没有考虑刀具的可调性和可代用性。本文从刀具的组成特点出发 ,提出了基于逻辑刀具的刀具选配方法 ,把某些可以归为一类的需求刀具用一个逻辑刀具来代替 ,通过集合覆盖方法求解逻辑刀具。在不同的加工工件之间 ,通过调整逻辑刀具的实例状态来满足数控程序中的刀具需求。基于逻辑刀具的刀具选配法 ,可有效减少刀具的准备数量 ,提高刀具利用率。本文介绍了有关概念及算法     

基于暂态零序电流比较的小电流接地选线研究

由于故障电流微弱、电弧不稳定等原因，小电流接地故障检测始终没有彻底解决。分析了故障产生的暂态零序电流特征，根据相频特性将频率分为不同区段，论证了所选用的低频区段界限明确且对所有出线零序电压电流均呈容性关系。分析了其中暂态零序电流的分布规律，提出基于暂态零序电流该特定分量幅值极性比较的选线算法。该方法可靠性高，不受消弧线圈和不稳定电弧的影响。采用该原理的装置已在现场运行，效果良好。     

数控车间中央刀具库的资源调度与配置研究

如何从构成刀具的模块级来调度与配置刀具资源,以减少刀具的库存成本是数控车间中迫切要解决的问题．本文以刀具购买资金为约束，研究了如何为一个任务配置加工所需的各种刀具模块数量，使任务具有最小的在制时间．通过滚动计算来求解在制时间，通过比较“最小在制时间可能的提前数量∕应该增加的刀具模块成本”来选择瓶颈资源，指导贪婪式算法以决定要增加哪些刀具实例和模块,以及增加的数量．计算结果表明模块级刀具配置优于刀具级刀具配置．     

有限级信息素蚁群算法

提出一种新的蚁群算法，将信息素分成有限个级别，通过级别的更新实现对信息素的更新，并且信息素的更新量独立于目标函数值. 文中采用有限马氏链的理论证明算法可以线性地收敛到全局最优解. 针对TSP问题，通过与MMAS和ACS等蚁群算法的数值实验结果进行比较，表明所提出的算法是有效的、鲁棒的.     

采样粒子群优化模型及其动力学行为分析

本文提出一种变采样周期的粒子群优化模型, 利用误差动力系统的李雅普诺夫函数分析优化行为的稳定性. 通过粒子的轨迹分析, 得出轨迹收敛的采样时间约束条件. 算法收敛性理论分析结果表明该算法不能收敛到局部最优. 针对多模态函数优化问题, 提出一种基于量子群的变采样周期的粒子群优化模型. 实验分析了采样周期对算法优化行为的影响. 结果表明其相对于传统粒子群算法的优势. 最后对基于量子群的采样子群优化算法的多极值寻优能力进行测试, 结果表明其有效性.     

超声传感器调制特性及收发电路研究

本文分析了广泛应用于无线通信中的频率键控调制(FSK)及幅值键控调制(ASK)技术的基本概念及调制原理,针对收发分体式超声波传感器T40-16及R40-16,设计并实现了超声波调制发射与解调接收电路,在此基础上进行了超声波FSK及ASK调制特性的实验研究.实验结果表明:可以对超声波信号进行FSK调制发射,调制、解调电路易于实现且调制与解调效果好;对超声波信号进行ASK调制发射时存在"余振"现象,可以通过调整加在超声波发射传感器两端的激励信号的占空比而进行改善.     

自适应多分辨图像跟踪算法

针对实时图像跟踪中目标尺度不断变化的问题,提出了一种新的最大后验概率指标下尺度自适应的多分辨图像跟踪算法.首先证明了后验概率指标的像素级计算特性,在该特性的基础上提出了一种最大后验跟踪算法.由于后验概率指标不仅可以按照特征进行计算,还可以按照像素进行计算,从而可以方便地实现不同尺度上的像素相似度贡献值的计算和比较,据此提出了一种新的目标尺寸自适应算法.此外,当目标尺寸较大时,可以采用不同的分辨率来计算候选匹配区域的匹配概率值,大大降低计算量,从而保证实时跟踪的时间需求.综合上述特点,给出了最大后验概率指标下目标尺寸自适应的多分辨图像跟踪算法.多组视频跟踪实验结果表明了本算法的有效性.