金属增材制造负载均衡异构并行切片算法

增材制造模型的几何复杂程度和体积不断提高，模型切片所需时间大幅增加，极大影响了数据处理效率。提出了一种自适应负载均衡的异构并行切片算法，利用不断增长的GPU超强并行计算能力对传统切片算法进行了GPU并行化研究，利用模拟退火算法对切片任务进行负载均衡装箱，使各线程间的任务量一致。实验结果证明，该算法提高了模型的切片效率，尤其适合大型或超大型三维模型的快速切片任务。     

Flying-V型仓储布局下的拣货路径优化

为了提高现代仓库作业中的拣货作业这一核心环节的拣货效率,提出了一种以蚁群算法作为优化算法来解决仓库订单拣选的路径优化问题。这种算法采用正反馈机制,其使得搜索过程不断收敛,最终逼近最优解。而根据Flying-V型仓库布局的特点,建立了订单拣选优化路径模型,并通过仿真实验,对传统穿越策略,S形启发式算法,蚁群算法三种算法的性能进行了比较,比较结果表明蚁群算法优化拣货路径可以明显地缩短拣货距离,大大提高拣货效率,在实际运用中也具有良好的实用性。     

基于监控视频信号的电梯门运动轨迹识别算法

提出了一种基于监控视频信号的电梯门运动轨迹识别算法。首先,为了提高电梯门识别的准确度,将边缘检测、阈值分割两种思想相结合,提出了一种基于两者的电梯门识别算法,能够较为准确地识别电梯门的运动轨迹;然后,依据运动轨迹预测和跟踪的思想提出类高斯加权模型对原算法进行改进,提高了算法的鲁棒性。实验结果表明,该算法能够在复杂的环境下准确且稳定地对电梯门的运动轨迹进行识别和追踪。     

Flying-Ⅴ型仓储布局下的拣货路径优化

为了提高现代仓库作业中的拣货作业这一核心环节的拣货效率,提出了一种以蚁群算法作为优化算法来解决仓库订单拣选的路径优化问题.这种算法采用正反馈机制,其使得搜索过程不断收敛,最终逼近最优解.而根据Flying-Ⅴ型仓库布局的特点,建立了订单拣选优化路径模型,并通过仿真实验,对传统穿越策略,S形启发式算法,蚁群算法三种算法的性能进行了比较,比较结果表明蚁群算法优化拣货路径可以明显地缩短拣货距离,大大提高拣货效率,在实际运用中也具有良好的实用性.     

频率大范围变换下的电能计量

针对在频率不断变换的情况下对信号功率进行测量的问题,提出了一种可同时测量信号瞬时频率、基波有功功率和视在功率的算法。输入信号为已经滤除了直流和高次谐波的基波分量,通过自适应有限长单位冲击响应(FIR)数字滤波器测量了基波有功功率,通过Prony算法测量了信号的瞬时频率和视在功率,利用改进的最小加权二乘法(WLS)算法提高了功率的精确度。研究结果表明,在频率大量变化的情况下,该算法对信号频率、有功功率以及视在功率的测量的精确度可满足工程应用的需要。     

一种EZW编码的改进算法

介绍了一种基于EZW算法,对EZW零数结构和流程进行了改进而得到的一种新的压缩编码方法,新算法较原EZW算法在图像的压缩质量和编码效率上都有提高.     

基于机器学习的故障诊断方法研究综述

随着工业现代化的推进,现代机械的精密化、智能化程度不断提高。对设备进行有效的故障诊断十分重要。目前,机器学习算法的不断发展,在各个领域展现了优秀的性能。以机器学习算法为核心的故障诊断技术得到了广泛的应用。本文对常用的机器学习算法进行了系统的整理,介绍了5种常用的浅层机器学习模型,分析了各个模型的优缺点,并对机器学习未来的发展进行了展望,具有一定的指导借鉴意义。     

逐点比较法直线插补算法的研究

插补算法是数控系统的核心技术也是关键性技术,为了能够提高数控机床的性能,人们一直在探求一种速度快、精度高的插补算法。该文针对传统逐点比较法存在的不足,提出了一种新型插补算法,对新型插补算法作了详细的阐述,并对两种算法的具体插补实例进行分析。分析结果表明,改进算法的插补速度、精度都要高于传统算法,将改进算法应用于数控系统中有利于提高数控机床的性能。     

基于模型转换的通信协议自动分析

针对目前网络通信相关领域中协议分析程序复用程度不高且算法需要随协议版本变化不断修正的情况,在模型转换技术基础上设计了一种有限自动机模型到UML模型的转换算法,根据此算法开发了一个协议自动分析程序,能够实现使用一套程序同时进行多种类型的通信协议分析,且算法不会随协议版本变化而变化。研究结果表明,该算法提高了协议分析程序的复用性,在GPS通信系统实例中得到了应用。     

基于元胞蝙蝠算法的复合式贴片机贴装调度优化

为了提高复合式贴片机的工作效率,研究了复合式贴片机的贴装过程优化问题,提出一种元胞蝙蝠算法。算法中提出一种分段的整数编码方法,并将元胞自动机理论融入蝙蝠算法中,以研究蝙蝠种群的交流结构和信息传递机制。采用多交叉算子自适应交叉的策略来提高算法的鲁棒性,设置精英文档来提高算法的收敛速度和维持种群的多样性,引入迭代互换操作来执行局部搜索以提高算法的收敛精度。通过对不同规模的实例进行计算,得到的结果表明,该算法能更快、更精确地收敛于全局最优值,能有效地实现复合式贴片机贴装过程优化,从而提高贴装效率。     

多目标拆卸线平衡问题的Pareto人工鱼群算法

针对拆卸线平衡问题的复杂性,提出了一种改进的基于Pareto解集的多目标人工鱼群算法进行求解。为提高人工鱼觅食时的寻优能力,引入遗传算法的随机交叉操作,指导人工鱼向全局最优拆卸方向觅食。通过拥挤距离不断筛选人工鱼觅食、聚群和追尾过程中的非劣解,实现了各行为结果的多样性。采用精英保留策略,将外部档案中的非劣解添加到算法下次迭代的种群中,加快了算法的收敛。通过对不同规模的拆卸实例进行求解,并将其与已有算法进行对比,验证了所提算法的有效性和优越性。     

慢衰落信道下MMSE-VBLAST检测算法

多入多出(M IMO)系统在无线通信中能提高系统的数据传输效率。在M IMO系统中VBLAST是一种低复杂度、易于实现的结构。研究了M IMO系统中MMSE-VBLAST算法的性能,仿真比较和分析了慢衰落信道下3种MMSE-VBLAST算法的误码率性能,以及排序的抑制和删除干扰的MMSE-VBLAST算法与天线对数对系统的影响。仿真表明排序的抑制和删除干扰的MMSE-VBLAST算法是一种较优的检测算法,对提高下行链路中接收机的性能、系统容量和覆盖有很好的指导作用。     

改进的混沌蚂蚁群算法

混沌蚂蚁群算法是受自然界真实蚂蚁的混沌行为和自组织行为启发而产生的一种基于群智能理论的优化算法.介绍了该算法的基本原理,并在对其进行算法分析的基础之上,提出了一种改进的混沌蚂蚁群算法,该改进算法采用全面学习策略和一种简单的精细搜索策略以提高算法的性能.数值实验表明,该改进算法的收敛精度和结果稳定性优于混沌蚂蚁群算法.在此基础上,将其应用于对PID 控制器参数的优化,仿真显示其结果优于混沌蚂蚁群算法.     

基于ILC算法的飞机主动侧杆位置控制研究

针对飞机主动侧杆系统中现有比例控制算法的低精度问题,提出了一种结合比例控制与迭代学习控制的算法,该方法可以不断学习调节转子实际位置与期望位置的差值,对电机转动速度和交轴给定电流进行在线补偿,使侧杆位置不断向期望位置逼近。通过仿真实验对基于ILC算法的侧杆位置伺服系统进行了验证,结果表明,所提出的算法相对于传统的PID控制算法,可以有效地提升系统稳态跟踪精度,并具有较好的动态响应性能。     

Chord路由算法的改进

资源的定位是点对点（P2P）系统的关键技术之一。Chord提供了一种有效的路由算法。算法的性能很大程度上取决于用于路由的fingertable。Fingertable提供了大量其他节点的信息以加快搜索速度。但是在原协议中,它的表项冗余严重,关于其他节点的有效信息相应减少;同时,被fingertable保存信息的节点之间的距离不断增大,使搜索的稳定性不够。在此基础上提出了一种对Chord路由的改进算法,极大地降低了路由表的冗余,同时叉使其搜索的稳定性有很大提高。     

基于支持度变化的关联规则重挖掘技术

当使用关联规则进行数据挖掘时,使用者为了达到一定的挖掘效果,经常需要不断地改变关联规则的支持度阈值(support)。在这篇文章中我们提出了一种从大型数据库中挖掘关联规则的快速算法,该算法以经典的Apriori算法为基础,可以在提出新的支持度后直接在首次挖掘的基础上进行再一次挖掘。结果表明,它较Apriori算法的实现速度有明显的提高。     

基于某种生物启发式算法的无人机航迹规划

无人机航迹规划问题是无人机实现自主飞行的重点和难点,本文提出了一种基于海洋生物启发式的算法,并将其应用于无人机航迹规划中。首先对飞行过程中的约束条件与威胁环境进行分析与建模,使用合适的规划空间方法,将种群初始化,根据位置更新策略不断进行种群迭代,使种群逐渐向最优解进化。仿真实验表明,该算法可有效提高全局搜索能力,避免陷入局部最优解,算法具有快速收敛和可靠性的特点,为无人机航迹规划研究提供了新思路。     

基于模糊神经网络PID的液位串级控制的研究

利用PID算法对液位串级系统进行控制虽然是一种有效的控制方法,但由于它的精确数学模型难以确定,使得参数整定困难、控制效果不理想。该文将PID算法、模糊控制算法以及神经网络算法相结合,形成了一种智能控制算法——模糊神经网络PID算法。将该算法运用到液位串级控制系统中,实现了PID参数的自整定,并且提高了控制质量。实验结果表明,模糊神经网络PID算法与PID算法的控制效果相比,在鲁棒性和响应时间等方面有了较大的提高,具有一定的应用前景。     

多关节测量臂的小生境混沌优化校准

多关节测量臂是一种便携式的坐标测量设备,它由一系列的旋转关节组成。为了提高多关节测量臂的测量精度和可重复性水平,必须对其运动学参数进行校准。首先,利用小生境的混沌优化算法提出了一种新的运动学校准方法以及一种混合目标的运动学校准函数,它考虑了诸如单点测量实验、容积性测量实验等多种性能测量实验的实验结果,然后,采用Levenberg Marquardt(L-M)算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。实验结果表明:使用NCOA算法校准后,测量误差的标准差始终优于LMA算法,并且校准前后多关节测量臂的测量精度提高了40倍。采用L-M算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。     

改进的粒子群算法在电力经济调度中的应用

电力系统经济调度(ELD)是一种多约束性和非线性的问题,提出使用改进粒子群优化算法IPSO来优化ELD问题。一方面,通过重组的方式改变粒子的运行方向和速度,提高种群多样性,防止算法早熟收敛。另一方面,提出一种凹函数模型的动态惯性权重ω,并对学习因子c1和c2加以改进,以提高算法的全局搜索能力。将改进的算法应用于8种ELD案例中进行仿真实验,并与其他三种算法进行对比。结果显示,对于8种案例,只有IPSO能全部搜索到最小的燃料成本值,并且IPSO体现出更优越的收敛性和稳定性,能跳出局部最优,因此IPSO是一种高效的解决ELD问题的方法。