基于锚节点等边三角形分布的质心定位算法研究

针对正六边形网格定位算法定位误差不均匀和正方形网格定位算法冗余节点过多等问题,提出了一种新的基于锚节点等边三角形分布的质心定位算法.该算法运用网格划分理论,验证这种网格划分的合理性;通过实验,探索各项参数对于这种新算法的影响.仿真结果表明,该算法在结构简单、硬件投入和功耗相对较少的情况下,提高了节点定位的精确度.但该算法在锚节点数量和计算量上都有所增加,有待下一步改进.     

DV-Hop算法在节点定位中的应用

基于跳数和平均跳数距离求取节点间距离的DV-Hop算法是与信号衰减无关的节点定位算法,在网络成本、布局和信号衰减的角度具有较高的实用性。本文在详细介绍了DV-Hop算法的定位原理的基础上,分析了算法的主要误差来源于节点的跳数和平均跳数距离值的求取,并列举了目前针对于该算法在节点定位方面所提出的改进方案。在节点定位方面,通过本文的学习,可以为后续的优化定位算法提供一定的技术参考。     

改进的WKNN算法研究

在不同室内定位算法中,传统WKNN算法原理简单易于实现,但基于该算法的定位结果往往存在定位误差较大、精度不高等问题。为了克服这种不足,将改进的WKNN算法引入室内定位。此方法通过观测每项实测值与存储值的差异量,赋予修正权重值来减少错误信号强度值对整体指纹距离的影响,经实验结果表明,改进后的WKNN算法能够有效减小室内定位误差,优化室内定位精度。     

基于人工神经网络的室内定位算法研究

传统的UWB室内定位技术采用几何算法对标签进行解析定位,但复杂的室内环境和测距误差,可能导致方程组无解从而无法实现定位.针对上述问题,提出一种基于改进BP神经网络的UWB室内定位算法.将输出层输出的标签坐标与真实坐标的差值作为误差信号,利用梯度下降法修正网络的各个权值,使误差达到最小.以BP算法为基础,通过网络训练误差的变化趋势自适应调整学习率,提高收敛速率.通过与传统的定位技术和基于BP神经网络的定位算法进行对比实验,仿真实验结果表明,该算法的迭代次数和定位误差明显较小,输出轨迹与实际运动轨迹基本吻合,具有较高的定位精度.     

无线传感器网络中基于RSSI的室内节点定位改进算法

针对无线传感器网络中基于RSSI的室内定位精度不高的问题,提出一种基于动态路径衰落常数和距离误差修正的改进RSSI算法。实验结果表明改进后的算法使定位点的误差得到了减小,有效地提高了定位的准确度。     

基于PeerCast的P2P流媒体节点选择机制的研究与改进

针对Overcast系统的延迟性能较差和节点树的平衡性问题,对其带宽优先算法延迟性能进行改进并对其节点结构树予以平衡.仿真实验表明,该算法相比于原来的节点选择算法,性能得到了明显的改善.     

基于插值细分的自由曲面重建

细分曲面的差值算法对于曲面重建的精度起着重要的作用。在当前的细分曲面的研究基础上,提出了一种以三角形作为初始网格的递归插值计算方法。在边界网格节点上优化插值计算,并针对异常的网格节点选取合适的加权系数,从而改善了重建细分曲面的插值算法。在一个复杂的自由曲面上进行应用,并将计算结果与其他的曲面细分模式进行比较和误差分析。     

基于移动代理的无线传感器网络目标定位算法

利用移动代理将计算移动到数据的特性,设计了一种无线传感器网络目标定位算法.该算法让所有感应到目标的节点竞争移动代理,然后让移动代理对目标进行跟踪定位,竞争移动代理的规则由节点与目标之间的距离及其剩余能量值而定.实验证明,本算法不但能延长网络的寿命,还能提高目标定位的精确性.     

BP神经网络在无线传感网实时定位中的研究

本文提出了一种基于接收信号强度并结合BP神经网络算法的一种新型定位方法。该方法首先建立一个定位环境模型,用有限数量的参考节点先组建一个无线传感器网络。然后采集样本数据,读取RSSI和实测盲节点的位置坐标,把这些数据用作训练和测试BP神经网络模型。最后把得到的BP神经网络模型应用于具体问题并检测应用效果。经实践检验,该定位方法在短距离定位中比较可行,具有较好的定位性能。     

基于刚柔耦合制曲车间曲块搬运机器人定位精度的研究

针对制曲车间曲块搬运机器人对搬运精度有一定要求,所以对机器人定位精度进行研究。对初步设计的机器人进行刚柔耦合分析,得到的工作误差已经超过了用曲架孔轴配合的最小间隙确定的机械人定位精度的误差范围,通过运用对机器人关键构件进行结构优化的方法来提高定位精度。再对机器人进行刚柔耦合分析,并进行改进前后的刚柔耦合结果对比:改进前,曲架抓取定位误差为0.4 mm,曲架放置定位误差为1.1 mm;改进后,曲架抓取定位误差为0.35 mm,放置定位误差为0.70 mm。结果表明:改进后的机器人末端定位精度有明显的提高,该优化方法有效。     

基于ZigBee的织造车间空调控制系统

针对纺织厂空调监控系统实时性的要求,提出基于ZigBee技术的纺织厂织造车间空调运行监控系统,给出监控系统的结构。选用西门子的S7-300PLC作为系统的主控制器,使用基于ZigBee技术的芯片CC2430组成空调系统的环境数据采集与传输、设备运行控制的控制器。给出车间环境数据采集节点、监控网络主节点和设备控制节点电路,设计了以二次加权融合的传感器数据处理算法和系统控制流程,提高了系统检测与控制精度。运行结果表明,该系统稳定可靠,抗干扰,能耗低,体积小,成本低。     

三维服装表面模型的离散 Marching Cubes算法

对三维服装表面模型的重构简化算法进行了研究。在三维表面模型和化简方面采用了离散 Marching Cubes（DiscMC）算法,将离散的思想应用到三角面片的化简中,耗时插值计算量被降至最低,使得原有系统在重构效率和效果上都有了极大的改善。位于同一平面且相邻的三角面片都进行合并,可以达到很高的简化比,算法效率很高,同时保持有限的精度损失,保持服装表面模型细微结构不会被 DiscMC 的简化过程所破坏,DiscMC 优于其他算法。另外,从算法描述实验知,DiscMC 仅限于原始体数据的密度值都在网格点上,并且简化是一次性的,不会反复进行简化,因此,非常适应于服装系统的三维表面模型简化。     

基于智能优化型径向基神经网络的板形模式识别研究

针对传统基于神经网络的板形模式识别方法具有网络精度较低、在线识别速度慢和网络模型建模复杂等技术问题,提出了一种基于智能优化型径向基神经网络的板形模式识别方法.在基于训练数据进行神经网络建模过程中,采用一种改进的粒子群优化控制算法进行网络架构节点数目和网络参数值的离线优化,因而所得方法具有网络结构简单、泛化能力强等优点.仿真实验结果表明,该方法是一种有效板形模式识别方法,有利于提高板形控制精度.     

基于非完全信息算法的牛肉大理石花纹提取方法

提出一种基于非完全信息算法的牛肉大理石花纹提取方法。首先,在遍历理论和对象有效性相关原理的基础上构建了非完全信息算法。然后,结合加权平均值灰度化算法、自适应最佳阈值算法和改进的自适应模糊多级中值滤波算法实现上述方法。研究表明,该方法能够准确有效地反映出牛肉大理石花纹的真实情况。     

新型电动阀门的速度曲线算法研究

中高速卫生纸机的上浆流量大,对纸浆浓度的调节精度要求高,普通的电动调节阀门难以胜任,因此,本课题组开发了一种基于直流无刷电机驱动的新型电动阀门。研究了梯形、S形速度曲线的运动规律,得出了能满足定位精度要求的五段S形速度曲线,并在控制器中内置速度控制算法。实例验证表明,该算法能够将电动阀门的最小操作步长由0.9°缩短至0.069°,操作步数由100步提升到1300步。现场应用表明,该算法能够将电动阀门的浓度调节误差由6.32%降低至2.89%,实现了更精细的流量调节。     

基于改进蚁群算法的旅游路线优化

蚁群算法是按照邻近节点路径最短的原理选取下一个节点,因此在全局路径中不一定是最优选择.针对这一缺点,文中采用两步节点最短路径策略选取下一个节点的方法,对蚁群算法路径选择进行改进,并对禁忌表中节点顺序进行调整.然后采用TSPLIB中的Benchmark31、Att48、kroA100、Pr136、tsp225问题,对旅游路线进行优化和仿真,所得改进蚁群算法比基本蚁群算法搜寻结果更优.将Att48、Eil51问题运行结果与其他算法进行比较,结果表明,改进蚁群算法得到了较优路径.     

模糊权值网络最短路问题的数学模型及算法

模糊权值网络的最短路问题是一类重要的网络优化问题.针对边权值为三角模糊数的模糊权值网络的最短路问题,基于模糊数的结构元加权序,将其模糊线性规划模型等价转化为经典的线性规划模型,并提出一种改进的权矩阵算法来求解该问题,算法证明和应用实例表明新算法的正确性和有效性.此外对于边权值为其他形式模糊数的模糊权值网络的最短路问题,文中模型和算法同样有效.     

改进蝙蝠算法在多目标优化中的应用

在模拟退火的高斯扰动蝙蝠优化算法（SAGBA）的基础上,结合解决多目标优化问题的算法技术,探讨了2种改进的多目标蝙蝠算法——基于动态加权的SAGBA算法（DWASAGBA）和基于向量估计的SAGBA算（VESAGBA）,并对算法进行了仿真实验．结果表明,SAGBA算法所得到的解集分布均匀,能够得到测试函数较为准确的Pareto曲线。