改进免疫克隆选择算法的多目标轨迹优化

针对机械臂的时间最短、轨迹最平滑、能量消耗最小等多目标下的轨迹优化问题,提出一种改进免疫克隆选择的多目标轨迹优化的方法。改进的算法采用tent混沌序列初始化种群,提高初始化群体的多样性和均匀性;引入自适应变异,改善算法的全局搜索能力和局部搜索能力;增加模拟二进制交叉操作,增强种群中个体之间的信息交流;采用递减消亡操作,既保证种群的多样性,避免出现局部最优,又避免在最终解集中出现不可行解。以PUMA560为仿真对象进行实验仿真,结果表明该改进算法可以得到分布均匀性较好的Pareto最优解集,是一种有效的多目标轨迹优化的方法。     

混合粒子群算法优化支持向量机电路故障诊断

为寻求支持向量机(SVM)中的核函数与惩罚函数的组合最优来提高电路故障诊断的准确率,提出一种混合粒子群算法与支持向量机相结合的电路故障诊断的方法。鉴于传统的粒子群优化(PSO)算法在参数寻优中容易陷入局部最优中,因此将模拟退火机制与自适应粒子变异引入到基本粒子群算法中。混合粒子群算法选用带压缩因子的粒子群优化算法来保证算法的收敛性,采用轮盘赌输策略与粒子自适应变异来避免局部最优,最终寻求到全局最优解。实验结果显示,将chebyshe滤波电路的故障诊断的准确率提高到了96%,且具有普遍性与实用性。     

改进WMIL的实时人脸检测与跟踪

针对WMIL在光照突变或者全部遮挡的的情况下会出现跟踪失败以及在跟踪错误情况下无法自动恢复跟踪的问题,提出了一种基于改进WMIL算法和AdaBoost的实时人脸检测和跟踪算法。利用AdaBoost的方法检测人脸信息,然后在改进WMIL算法的框架下,对人脸图像进行多尺度表示,采用压缩感知的方法来提取样本特征。最后,利用改进WMIL算法建立分类器对人脸进行跟踪,自适应调整跟踪窗口的大小,并实时更新。实验结果表明,改善了WMIL存在的不足,有效解决了在人脸外观变化,姿态改变、快速运动等情况下,能稳定准确地实现目标的实时跟踪。     

机器人逆运动学差分自适应混沌粒子群求解

采用D-H法通过连杆坐标系变换矩阵建立机械臂运动控制模型,该模型呈现非常严重的非线性特性,传统方法难以求解。由于动态差分算法具有很强的全局搜索能力,而粒子群算法具有精确的局部搜索能力的特点,融合改进的动态差分算法和粒子群算法,并引入混沌映射初始种群和粒子群学习因子与惯性权重的自适应算法,提出多子群分层差分自适应混沌粒子群算法。该算法采用的多子群分层结构能提升个体共享群体信息的能力,底层利用动态差分算法进行全局搜索,顶层精英群利用改进的粒子群算法进行局部搜索。仿真试验和实际应用表明该算法在稳定性、搜索成功率以及收敛精度有显著提高,能有效解决机器人逆运动学模型的求解。