用改进的Paik型Boltzmann机实现图像复原

为解决传统的Boltzmann机方法不仅容易陷入局部最小点,而且收敛速度慢问题,对传统的Boltzmann机进行了改进.将Paik′s算法与Boltzmann机结合,使串行模式推广到并行模式以加快收敛速度;使用亚单位步长增进技术增加计算精度;最后,为折中收敛速度与收敛精度这一对矛盾,采用了自适应步长策略.对算法的改进进行了理论验证、收敛性分析并对残差变化进行了讨论.实验表明,该方法能够收敛到全局最优, 复原结果的峰值信噪比比改进的Boltzmann机法获得的峰值信噪比高0.5～0.8 dB, 且收敛速度仅为该方法的1/3,证明了本文提出的改进的Paik型Boltzmann机对图像复原是有效的.     

基于局部搜索策略的混合自适应布谷鸟算法

为了提高布谷鸟算法的搜索精度和全局收敛速度,提出一种基于局部搜索策略的混合自适应布谷鸟算法。在该改进算法中,每个当前解的周围随机产生一个局部种群,利用正余弦算子的局部寻优能力得到局部最优解,并用局部最优解替换当前解,以提高局部搜索精度;同时采用自适应发现概率和搜索步长替代布谷鸟算法中的固定发现概率和搜索步长,以提高算法的全局收敛速度。对25个经典高维基准函数进行实验表明,所提算法在收敛速度和求解精度上优于布谷鸟算法,通过将其应用于拉压弹簧、三杆桁架设计和0-1背包问题,验证了算法的有效性。     

基于多尺度小波变换的变步长LMS滤波算法

对LMS自适应算法、基于抽样函数的变步长LMS算法和基于多尺度小波变换的自适应滤波算法进行了研究,在此基础上把变步长LMS算法与多尺度小波变换相结合,产生了新算法。该算法一方面可以克服固定步长LMS算法在收敛速度与收敛精度方面与步长因子的矛盾;另一方面,小波变换的引入减少了输入向量自相关矩阵的条件数,提高了收敛速度、跟踪性能和稳定性。最后对算法的性能进行了计算机仿真比较,仿真结果表明:基于多尺度小波变换的变步长LMS滤波算法具有较快的收敛速度和更强的抑噪能力。     

改进变步长自适应分布式滤波算法

为提高传统LMS算法在分布式传感器网络自适应滤波中的收敛速度并保持较小的稳态误差,在扩散LMS算法基础上,提出一种基于Sigmoid函数改进变步长的分布式扩散LMS自适应滤波算法,算法通过Sigmoid函数变换构建步长因子与迭代误差之间非线性模型,并通过设置控制因子合理调整模型的步长曲线波型,使得算法在初期使用较大的步长以加快收敛速度,而在后期则采用平稳变化步长以保持较低的稳态误差,从而在在不失传统算法稳态精度的情况下,实现较快的收敛速度。实验结果表明:相比于已有算法,所提算法的估计性能更优。     

一种新的变步长LMS自适应滤波算法研究及其应用

变步长LMS自适应滤波算法克服了传统自适应滤波算法的不足,通过构造合适的变步长因子,在提高收敛速度的同时保证了较小的稳态误差,在实际中得到了广泛应用。为进一步改善算法性能,首先对传统的和现有改进的变步长LMS算法机理进行了深入分析,在此基础上,提出了一种新的变步长LMS自适应滤波算法。该算法通过建立一个新的步长因子与误差的非线性函数模型,使得算法在不失精度的情况下,具有较快的收敛速度。论文对新算法的机理进行了较为详尽的阐述,对算法中关键参数的选取对滤波性能的影响进行了深入分析,并给出了算法中关键参数的自适应确定方法。仿真实验表明,相对于其他自适应滤波算法,该算法在收敛速度方面有了很大的提高。将新算法应用于对实际龙口水位监测数据的滤波中,取得了良好效果。     

基于改进磷虾群优化支持向量机的短期负荷预测

针对支持向量机在短期负荷预测时,因受参数影响较大而导致预测精度不足和速度较慢的问题,提出了基于改进磷虾群算法对支持向量机进行参数选择的算法。阐述了支持向量机的原理与其参数的影响;分析了磷虾群算法并对其改进:加入模拟退火思想降低了算法陷入局部最优的概率,采用自适应迭代步长方法提高算法优化精度。建立预测模型并进行算例分析,实验结果表明改进磷虾群算法对支持向量机参数有较好的优化效果,可以有效地提高负荷预测精度和速度。     

基于改进步长果蝇算法的冗余机器人逆运动学求解

为提高果蝇算法(FOA)在冗余机器人逆运动学求解中的精度,对其进行改进,提出改进步长果蝇算法(CSFOA)并用于冗余机器人逆运动学求解中.CSFOA将FOA中的固定步长变更为混沌步长,从而增强了算法的寻优能力,可以获得更优的冗余机器人逆运动学解的求解精度.实验结果表明,CSFOA在求解精度、求解速度和算法稳定性等方面相比于其它一些方法具有明显的优势,可有效用于冗余机器人的逆运动学求解中.     

一种改进的变步长LMS算法及其DSP实现

固定步长LMS(least mean square)算法自适应滤波器在收敛速度、时变跟踪能力与稳态误差上对步长因子的要求存在矛盾.变步长LMS算法的步长因子是变化的,能够有效地避免此矛盾.在分析了2种变步长LMS算法的基础上,提出了全新的变步长算法,并在MATLAB环境中进行仿真,之后应用SZ-EPP5402评估板对其进行了DSP实现.仿真结果与DSP实现都表明:变步长LMS算法在一定程度上改善了收敛速度与稳态误差间矛盾,具有更快收敛速度与更小稳态误差.     

面向主梁优化的改进果蝇优化算法研究

针对果蝇优化算法收敛速度慢、易陷入局部最优、收敛早熟等不足,引入了自适应步长、粒子群算法中的粒子速度,使得改进后的算法收敛性加强,收敛速度提高,改善了随机性,提高了寻优精度。将改进果蝇优化算法运用到桥式起重机主梁的轻量化中,并运用有限元软件对优化后的主梁进行力学分析,通过实例验证了算法的优越性;最后通过对比优化前后的结果,得出优化后的主梁质量减重效果明显且符合设计要求,对实际工程结构的设计有指导意义。     

一种新的自适应滤波算法

为了解决SVS_LMS算法中步长更新函数较为复杂的问题,提出一种改进的LMS自适应滤波算法。新的算法利用瞬时误差的幂函数对步长更新进行控制,同时根据MVSS_LMS算法中误差自相关估计补偿原理,采用当前步长因子和上一时刻步长的相关估计对步长因子进行补偿。通过仿真比较,新的算法相较于SVS_LMS和MVSS_LMS的改进算法具有更快的收敛速度及更小的稳态失调误差。     

基于Bootstrap方法的小子样试验评估方法研究

Bootstrap方法是一种小子样试验评估方法。该方法在产生随机样本方面有不足之处,即产生的随机样本受到原始样本范围限制。因此本文在研究了用指数分布函数、Boltzm ann函数和三次多项式函数拟合修正样本经验分布函数的可行性之后,讨论用修正的样本经验分布函数替换传统Bootstrap方法中的经验分布函数,提出了基于Bootstrap方法的小子样试验评估方法。结论表明:采用Boltzm ann和三次多项式函数拟合修正样本经验分布函数后可使产生的随机样本不受原始样本范围限制,提高试验评估结果的精度,并附有算例说明所提出的方法。     

机械手逆运动学神经网络算法研究

提出一种基于模糊遗传算法的机械手逆运动学神经网络建模方法。该方法采用3层前向神经网络建立机械手逆运动学模型，应用模糊遗传算法训练神经网络的权系数。此算法可根据种群进化情况，对交叉概率和变 异概率进行在线模糊控制，加快了算法的搜索过程，有效地避免了简单遗传算法中容易出现的初期收敛问题。仿真结果表明，本方法提高了求解精度和收敛速度，不但有效克服了简单遗传算法常出现的初期收敛和BP算法求解精度低、容易陷入局部极小等缺点，而且避免了计算Jacobian矩阵的伪逆，结构简单、容易实现。     

基于虚拟技术的形状误差数据处理方法

通过在虚拟空间中重构被测实际要素,依据对应项目形状公差带定义构造包容实际要素的理想要素,利用虚拟技术的碰撞检测理论使理想要素包容区域运次逼近对应形状误差的理论最小区域,从而得到精度在给定步长范围内的形状误差值;该方法符合最小条件原则,无需建立复杂的数学模型,计算结果精度已知,并可实现对所有的形状误差的计算,思想统一,便于理解与应用.     

基于MPSO-BP算法的摄像机标定的应用研究

摄像机标定在光学应用系统中是一个必不可少的步骤,大量的直接信息都来源于图像。为获得精确的摄像头内外参数,提出一种利用改进粒子群算法训练小波神经网络进行摄像机标定的方法。该算法中引入随机粒子群机制,可以有效地克服传统算法收敛速度慢、易陷于局部极小值等缺点。标定实例仿真和分析表明,该算法在收敛速度、计算精度和平均收敛性能方面都有较大改进,可有效确定摄像机的内外参数。     

Straightness and flatness evaluation using data envelopment analysis

In today's world of precision engineering, robustness and accuracy in the evaluation of the form tolerances are considered as competitive advantages for manufacturing enterprises. Amongst various methods for accurate and robust evaluation, which have been studied, nonlinear optimization methods based on operational research have proved to be successful as far as they can ensure unique and global convergence in practical applications. However, it is well known that ensuring the convergence is the most difficult thing to deal with for a nonlinear optimization technique because the performance is in general highly sensitive to parameter setting. Therefore, this paper introduces a robust linear programming formulation-based algorithm in which the performance is not dependent on the quality of parameters. Interestingly, in this algorithm, the data envelopment analysis technique is used to form a convex hull that decides the minimum enclosed zone in a robust manner. From the computational experiments, it is shown that the proposed algorithm can be a promising alternative to the traditional nonlinear optimization method for straightness and flatness evaluation.     

基于变复杂度近似模型的汽车安全性和轻量化优化

针对汽车安全性优化过程中考虑冲压效应的计算复杂性特点,采用最优拉丁方实验设计,利用较少样本点数据在传统模型和高精度模型间建立一个差值补偿响应面模型,再通过传统模型和差值补偿响应面模型构造新的实验样本点,在此基础上建立Kriging响应面模型,应用多目标粒子群优化算法对此响应面模型进行优化求解,进行了整车正面碰撞和轻量化多目标优化设计。结果表明,该方法能够在保证响应面精度的前提下,快速收敛于优化解。     

一种改进变步长LMS算法及其在系统辨识中的应用

在分析传统LMS算法及变步长LMS的基础上，本文提出了一种改进的变步长LMS算法并应用于系统辨识。新算法利用瞬时误差的四次方和遗忘因子共同来调整步长，进一步解决了收敛时间和稳态误差的矛盾。将新算法应用到系统辨识中时，与传统LMS算法和变步长LMS算法相比，仿真表明新算法有更快的收敛速率。     

浮点数编码改进遗传算法在平面度误差评定中的研究

随着智能制造系统的迅猛发展,应用元启发模式计算方法快速、准确地求解平面度误差值凸显出重大现实意义。为进一步提高平面度误差计算精度,研究了一种基于浮点数编码的改进遗传算法,在原有遗传算法的交叉变异基础之上,引入模拟退火思想,建立最小包容区域法的数学模型,通过计算机仿真获得了最佳适应度收敛曲线和平均适应度收敛曲线,优化结果表明相比传统遗传算法,平面度误差计算精度提高了33.67%。本算法采用浮点数编码、三段式交叉、转轮式选择和最优保存策略,借助模拟退火算法的局部搜索优势,提升了算法的整体性能,且更便于计算机编程,可进一步推广应用到智能测量仪器的其他高精度形位尺寸计算问题领域。     

微小型零件边缘光学特征和识别技术

分析了非相干光照明条件下微小型零件的边缘光学特征,传统的边缘检测方法没有考虑微小型零件的边缘光学特征,不能满足显微视觉测量方法的精度要求。针对微小型零件边缘检测的问题,提出一种基于最小二乘拟合的亚像素边缘检测方法。首先找出边缘区域灰度值最大和最小的点,根据灰度值最大和最小的点计算出阈值,然后将灰度值最大和最小点之间的点用直线方程回归,根据阈值的大小求出微小型零件的尺寸。试验结果表明,这种新的方法能够准确地识别出微小型零件的边缘,满足显微视觉测量精度的要求。