微粒群算法的参数选择及收敛性分析

微粒群算法是相对较新颖的优化算法,已经成功应用于许多优化问题。然而算法的参数选择及收敛性分析研究不足,为此首先认真研究了现有微粒群算法粒子轨迹及其收敛性的文献,在此基础上,根据递减惯性权重和递增惯性权重微粒群算法各自的特点,结合算法的收敛区间,提出了一种具有先增后减惯性权重的新的微粒群算法,既保留了具有递增和递减惯性权重的优点,也克服了它们的缺点,取得了比较好的效果。     

基于正反馈遗传算法的机器人全局路径规划

应用遗传算法进行机器人全局路径规划,针对该算法,目前常用的建模方法均存在一定缺陷,如链接图法过程复杂,栅格法栅格粒度难以控制,且随栅格数增加,算法复杂度急剧增加等等。论文采用了一种新颖的建模方法,该方法根据机器人出发点、目标点的位置建立起新的坐标空间,染色体各基因位于机器人出发点及目标点连线的各等分点垂线上,这样,可行解的基因可以单值表示,使算法简化。算法还借鉴蚁群算法思想,在交叉、变异算子中引入了正反馈机制,以提高算法的收敛速度。仿真试验显示了在复杂的环境中机器人仍能够以较快的速度找到一条最优路径。     

用单片机实现几何量检测分析的研究

作者研制成功“QDA 型加工质量检测分析仪”。这是一种以片机为核心的智能几何量检测分析仪器,用以代替千分表或测微仪在车间现场检测多种尺寸误差及某些形位误差,并能自动采集、处理数据,进行统计分析和作图等。本文还对应用情况作了简要说明。     

一种智能光纤位移传感器

介绍一种用神经网络实现无级查表功能的光纤位移传感器。其非线性误差小于0．3％FS。具体介绍了硬件原理和使用神经网络的方法。     

基于文化的连续蚂蚁优化算法的研究*

针对蚂蚁优化算法在求解连续空间问题方面的缺陷,提出一种基于文化的连续蚂蚁优化算法。该算法将蚂蚁优化算法纳入文化算法的框架,组成基于蚂蚁优化算法的主群体和信念的两大空间。在知识和群体层面使用双重进化机制支持问题的求解和知识的提取,从而充分利用精英蚂蚁所携带的特征信息,在很大程度上提高了收敛速度,增强了搜索的多样性。实验结果表明,该算法求解速度快、寻优成功率高,是一种提高蚂蚁优化算法性能的有效算法。     

新型智能量块检定仪的研究

本文介绍了一种按新的量块检定标准研制的以８０３１单片机为核心的智能检定仪，它具有自动超差报警、自动定等定位、自动量程转换及精度高等特点，文中详细阐述了硬软件原理及其设计，并介绍了主要技术指标及数据处理方法。     

采用微机技术实现精密流量测量与控制

以椭圆齿轮流量变送器和微机接口实现甘油自动精密计量为例，阐明用微机实现流量测控控的原理，分析了引起流量计量误差的主要原因，重点介绍用微机实现误差修正的方法，最后对应用情况作简要说明。     

动态环境下基于多人工鱼群算法和避碰规则库的机器人路径规划

为了提高机器人路径规划的速度、环境适应能力和高效动态避碰问题,提出了一种基于多人工鱼群的机器人路径规划算法和基于避碰规则库的动态避障算法.该算法中,人工鱼以其与目标点的距离为食物浓度,两个邻近栅格的距离为步长,其觅食行作为默认行为,在一定条件下执行聚群或追尾动作,并采用两鱼群双向搜索机制在静态环境下规划出较优路径.在此基础上,机器人查询动态避障规则库获得避碰方法,从而实现与动态障碍的避碰.大量仿真实验结果表明,该方法具有较高的收敛速度和较强的搜索能力,能在非常复杂的动静态障碍环境中,迅速规划出一条安全避碰的优化路径.     

非线性函数的自适应分区多神经网络学习及仿真实验

根据BP神经网络学习非线性函数的精度与所学函数的区间大小及变化率等有关，提出了一种非线性函数的自适应分区多神经网络学习方法，这种方法根据学习精度的要求，自适应地把所学函数分成若干区间，分别用一个BP神经网络去学习，从而使学习精度大大提高，最后，给出了学习一维函数和多维函数的仿真实例，其结果表明分区学习的精度可提高10倍以上。     

基于T-S逻辑的新型模糊神经网络模型

模糊神经网络是神经网络与模糊逻辑系统的有机结合,具有强大的自学习和自整定功能.针对目前模糊逻辑与神经网络技术在融合中存在的问题,根据模糊逻辑与神经网络的本质和内在联系,提出了一种新型的结构优化的模糊神经网络,用模糊系统理论中的Stone-W eirstrass定理证明了该网络能以任意精度逼近任意一个定义在致密集上的实连续函数.仿真实验表明该网络模型算法是可行且有效的.