排序方式: 共有27条查询结果,搜索用时 187 毫秒
1.
在中国自主研发北斗三号系统已经全面运行,实现全球定位的背景下。为了进一步提高移动机器人地面终端卫星导航定位功能,针对移动机器人数据接收解析的高频振荡随机干扰信号和系统高阶动态非线性对定位导航精度的影响,提出一种利用过程神经网络的时变特性,构建动态自适应RTK-GPS(Real Time Kinematic-Global Position System)定位算法。通过现有的卫星定位终端的输入输出数据构造出神经网络模型,再利用动态误差数据为样本对这个神经网络模型进行训练校正,在卫星信号受到干扰或失锁时利用训练好的过程神经网络预测输出来抑制位置和速度误差发散,从而提高定位和导航精度。实验表明本方法在定位干扰噪声为非定常量的条件下,仍然对定位精度的提高适用有效,能显著降低定位结果误差,尤其在可观察卫星数量变化时表现出较强的鲁棒性。 相似文献
2.
为了提高随机配置网络(stochastic configuration networks,SCN)的泛化能力,提出一种适用于SCN的光滑化$L_1$正则化方法.针对$L_1$正则化算子局部不可微的缺陷,在曲线不光滑点的邻域内进行光滑处理,并在此基础上构建SCN的光滑误差函数,提出增量计算权值的算法,进而以交替方向乘子法为基础给出权值的全局优化算法,并且在理论上分析算法的收敛性.与$L_1$正则化的稀疏性和$L_2$正则化均匀减小参数的特点相比,所提出方法按重要程度保留数据的全部特征,使参数既保持在较小的范围内又具有层次分明的分布,从而使网络具有更好的泛化能力.最后,通过数值仿真实验验证了所提出方法的可行性和有效性. 相似文献
3.
根据柔性作业车间调度问题的特点,针对不同生产效率的并行设备,以完工时间最小化为目标建立优化模型,提出了混合果蝇优化算法和遗传算法的两阶段组合算法(FOA-GA). 在嗅觉阶段,通过局部路径搜索技术进行生产路径寻优;在视觉阶段,结合遗传算法的交叉和竞争机制,进行个体间的信息交换,利用寻优变异算子和常规变异算子进行两部分变异,再引入自适应动态转移算子进行调整以加快收敛速度. 在生产实例中,将FOA-GA算法与果蝇优化算法和遗传算法的结果进行比较,证明了其可行性和有效性. 相似文献
4.
建立以最小化提前和拖期时间、最小化炉重偏差为目标的混合整数线性规划模型, 解决磁性材料成型-烧结两阶段生产调度问题. 提出一种混合粒子群优化算法(HPSO)进行模型的求解,该算法采用基于订单的编码方式. 针对粒子群算法易陷入局部最优, 在迭代过程中引入模拟退火思想. 改进粒子群算法的全局极值和个体极值选取方式, 使算法尽快收敛到非劣最优解. 生产现场实际数据仿真结果表明: 该混合粒子群算法无论在求解精度, 还是求解速度上均优于普通粒子群算法和遗传算法. 相似文献
5.
6.
提出一种基于数模打点、阵列粘贴、迭代法建立坐标系、改进最小二乘法运算的复杂曲面检测方法。给出了六点迭代法建立复杂曲面检测坐标系的算法步骤,再结合3-2-1法进行了坐标系的创建。提出利用阵列粘贴等方法进行检测点的快速生成并对复杂曲面进行检测,并采用本文给出的改进最小二乘法进行计算机数据处理。本文检测方法有效克服了传统方法测量时,测头易发生干涉,同时存在检测项目多、检测效率低等缺点,能有效提高复杂曲面检测的精度并缩短检测时间。通过多次的检测分析,结果表明本文提出的方法易于编程,测量迅速,测量结果准确、可靠。借助于本文方法可以解决从事检测行业及相关人员在三维检测中的短板,提高检测的效率和解决问题的能力。 相似文献
7.
为提高配电网的规划水平,实现配电网的合理规划与改造,以有效提高供电质量和效益。针对配电网空间负荷预测,设计了一种新型的电网负荷密度预测算法,在算法中将支持向量机引入到基于灰色关联度分析的负荷预测模型。通过灰色关联度分析法筛选出更符合要求的样本并进行训练,同时,引入了混沌粒子群算法(PSO)对此模型进行优化,以提高算法的精度。通过实际数据对这种算法的性能进行实例分析,依据分析结果表明,提出的算法与其他方法相比对配电网空间负荷预测的精度有显著差异,本文方法可以有效的提高配电网负荷密度预测的精度。 相似文献
8.
9.
轮毂作为车辆行驶状况的重要保证,其复杂的形状结构为其尺寸检测带来困难。本文提出一种对关键特征打点建模的方法对轮毂的主要尺寸进行检测。给出了通过打点建立特征图形的方法,利用面-圆-圆的方法建立坐标系的具体策略,给出轮毂主要尺寸测量和数据分析的步骤,提出解决测量数据误差的方法,以提高测量的准确性和科学性。通过多次试验分析,实现了轮毂宽度、直径、PCD及螺栓孔直径、中心孔直径、偏距、行位误差等主要参数的测量。本文所提出的测量方法简单易行、测量效率高、结果准确,可以提高轮毂在生产过程中的检测效率和精度,对轮毂的生产具有重要意义。 相似文献
10.