基于无线传输的关口表数据动态提取与分析系统研究

针对目前关口表电量数据人工采集工作效率低,采集误差大的问题,设计了一种基于无线传输的关口表数据高效提取与分析系统。该系统利用移动设备,通过ZigBee无线传感器网络对各个变电站关口表电量数据进行采集,分析处理后发送给区域数据库,再通过GPRS网络传输技术将各区域统计的电量数据远程传送至无线采集终端的总控制中心。移动设备中具有传感器感应模块,自动进行收发数据,同时开发基于Android的自定义功能软件,实现电量数据的实时显示及结果分析。为提高电力系统数据采集的精准度、智能化程度,实现数据统计分析以及快速传输提供了一种重要的技术手段。     

基于改进蚁群算法的FMS工艺路线优化配置

针对基于CON模型的FMS工艺路线优化问题提出了一种改进的蚁群算法.蚁群算法的特点表明它适合于求解FMS工艺路线优化配置这类非线性约束复杂优化问题.本文充分利用了蚁群算法在求解该类问题方面的优势,通过融合了网格法的蚁群算法实现了将蚁群算法用于求解多变量连续函数优化问题.针对蚁群算法自身存在的容易陷入局部最优等问题,提出了引入交叉算子来改进算法的性能.     

数据点特征参数提取优化算法研究

提出了一种将蚁群算法应用在逆向工程特征参数提取中的新算法,该算法首先建立基于蚁群算法提取特征参数的数学模型,然后讨论了蚁群算法实现优化的原理、步骤和方法,通过设定蚁群优化参数运用Matlab程序实现优化,提取出特征参数值,完成曲面实体重建,最后通过实例验证了该算法的有效性.     

基于深度学习的无人机自主避障方法研究

为解决室外复杂环境下单一类型传感器无法满足自主避障需求的问题。本文以多旋翼无人机为研究对象,提出一种多种类型传感器复合使用的方式,以提升无人机避障防撞能力。将深度学习目标检测方法引入到障碍物识别中,通过彩色信息与深度信息相结合的方式,提升障碍物定位信息精度,并依据障碍物类别制定无人机飞行策略。结果表明:本文方法提升无人机在复杂环境下避障防撞能力,为无人机自主飞行研究提供理论依据和技术支撑。     

基于蚁群算法的工艺路线生成及优化

针对计算机辅助工艺规划中的工艺路线的决策问题,提出了一种基于蚁群算法的工艺路线生成及优化算法.该算法将被加工零件划分为若干特征元,并由各个特征元的加工链得到该零件的加工元;根据加工元的属性,用加权海明距离表示加工元之间的相似度;根据加工元之间的约束条件,确定其优先加工关系并得到各自的前趋加工元;对基本蚁群算法进行改进,在禁忌准则和约束条件的限制下对解空间进行搜索,从而得到优化的零件加工工艺路线.通过实例验证了该算法的可行性和有效性.     

基于小型无人机的高精度天线测试方法研究

天线测试对于天线辐射性能的检验至关重要。而当天线的尺寸较大或测试频率较低时,传统的天线测试方法难以满足测试需求。以大型天线测试为研究背景,研究了一种基于小型无人机的天线测试方法,根据测试信道模型获取被测天线的增益方向图。与传统的利用GPS作为无人机的导航信号相比,采用实时差分GPS作为无人机的导航信号,结合几何控制方法精确控制无人机的飞行轨迹,无人机的飞行轨迹偏差小于0. 1 m。对测试方法进行了试验验证,结果表明采用该方法可以较为准确地测量天线的方向图,增益测试误差小于1 d B,具有较高的工程应用价值。     

基于单目视觉的无人机自主跟踪降落研究

无人机对地面运动物体的跟踪研究一直是无人机自主控制领域重要的研究方向。以四旋翼无人机为平台,设计了无人机对地面目标的自主降落跟踪系统。在无人机上搭载单目相机获取地面移动机器人的图像信息,同时搭载的计算机实时计算获取地面移动机器人的运动状态数据,然后反馈给无人机运动控制系统,完成对地面移动机器人的跟踪。实验表明,该系统可以进行稳定的地面运动物体跟踪。     

基于差分GPS的无人机群小范围定位方法研究

为提高无人机群定位精度,减小飞行误差,增强避障能力,针对无人机飞行过程中精确定位受大气、卫星轨道、电磁等因素影响,引入差分GPS定位方法。利用差分GPS对无人机实现空间绝对定位,然后用短距无线通信实现多个无人机间的相互通信,达到相对定位的目的,最终将接收机站信号上传到上位机实现仿真验证。根据实验验证结果得出差分GPS定位在无人机群方面可提高定位精度。     

基于改进平衡优化算法的多无人机网络覆盖技术

针对通信受限区域网络覆盖优化问题,提出一种改进平衡优化算法,提高多无人机编队飞行网络覆盖率。分析无人机网络覆盖特性,对多无人机进行网络覆盖面积建模,完成无人机数量预估;采用随机反向学习机制生成平均初始种群个体,提高了平衡池候选解的样本分布;对候选解采用莱维飞行方法进行优化迭代,提高了算法的收敛速度;并引入非线性递减的变种群数量策略,动态调整平衡算法的粒子数量,有效地提升了算法的计算效率。设计算法仿真样例,仿真结果表明,所设计的改进型算法比传统的平衡优化算法迭代次数减小近50%,同时目标区域的网络覆盖率得到显著提升。     

基于熵理论的设计链优化研究

作为组织间产品设计和研发信息传递的一种特殊供应链,设计链是产品研发的发展趋势.利用信息熵理论,提出时间熵、质量熵和效用熵等概念.从优化设计链系统有序度角度,建立优化数学模型,并利用改进的蚁群算法求解.案例结果表明由实体组织构建的设计链不一定最优,以虚拟研发团队为单位,重新整合设计链中的研发活动是必要的、有效的.案例结果也证明了基于信息熵理论优化设计链的有效性.     

基于云计算环境的蚁群优化算法研究

介绍了基于云计算环境下的蚁群优化算法,给出了计算仿真平台的建立及体系架构,包含分布式处理、并行处理和网格计算等相关技术,并在该平台下采用蚁群算法得到任务调度的优化。通过在CloudSim平台进行仿真试验证明,该算法具有较强的寻优能力和实时计算能力,是一种实用和有效的算法,完全可以满足大部分互联网各终端的调用需要。     

基于蚁群算法的零件多工艺路线决策方法研究

为满足企业对工艺规划的新需求,提出了采用蚁群算法进行多工艺路线决策的方法。在几何和技术需求以及可用加工资源的基础上,零件所有特征的各个加工阶段的工序节点构成了工艺求解空间,把加工工序安排的基本原理作为决策加工顺序的约束。采用蚁群算法对工艺求解空间中的所有工序节点在搜索规则的约束作用下进行遍历,最终寻找到能够完全满足工序节点搜索规则的优化工序序列。最后,用实例验证了该方法的可行性,证明该方法可以搜索出可行的工艺路线。     

基于禁忌制造特征动态调整的STEP-NC工艺路线蚁群优化方法

针对STEP-NC制造特征的加工工艺路线生成与优化问题,提出了一种以机床、夹具及刀具更换率最低为目标函数的禁忌制造特征动态更新的工艺路线蚁群优化方法。首先,根据加工工艺对制造特征进行分解,将工艺路线优化问题转化为对制造特征的排序;然后根据制造特征在加工过程中存在的加工遮挡关系以及刚性工艺性约束,提出禁忌制造特征动态更新的工艺路线生成方法;最后将禁忌制造特征动态更新方法与Ant-Cycle模型的蚁群算法相结合,求解制造特征工艺路线的优化问题。实例应用表明,提出的方法能较好解决加工工艺路线优化过程中的刚性约束处理问题。     

基于蚁群算法的配送路径优化系统研究

充分考虑了路况、天气条件、交通条件等因素对配送的影响,在前人研究的基础上建立了包括车辆配送固定费用和其他相关费用,并带有时间窗约束的以运输费用最小为目标函数的数学模型.最后介绍了系统和数据库的设计思路,结合蚁群算法的基本原理,成功实现了该系统,提高了配送效率.     

基于蚁群算法的配送路径优化系统研究

充分考虑了路况、天气条件、交通条件等因素对配送的影响,在前人研究的基础上建立了包括车辆配送固定费用和其他相关费用,并带有时间窗约束的以运输费用最小为目标函数的数学模型。最后介绍了系统和数据库的设计思路,结合蚁群算法的基本原理,成功实现了该系统,提高了配送效率。     

基于改进蚁群算法的模糊控制器优化研究

作为智能控制的一种新技术,模糊控制不依赖于工业对象模型。它不是用数值变量而是用语言变量来描述系统特征。并依据系统的动态信息和模糊控制规则进行推理以获得合适的控制量。因而具有较强的鲁棒性。本文使用蚁群算法对模糊控制器进行优化实现模糊规则的自寻优。通过MATLAB进行仿真试验,系统阶跃响应表明经改进的蚁群算法寻优得到的模糊控制器具有良好的性能。     

基于GA-ACO优化BP算法的齿轮箱初期故障诊断研究

为提升BP算法处理精度及收敛效率,通过GA-ACO方法对BP算法进行优化,并诊断不同结构齿轮箱运行故障信号。利用GA算法进行寻优计算,获得BP算法的最优权值与阈值;对信息素分布实施初始化,使优化解路径上形成更高浓度的信息素,促使ACO搜索过程获得更快收敛速率并提升结果精度。研究结果表明：模型实际和期望输出形成了相近的故障诊断结果,误差为0.000 185,满足目标控制标准;对BP算法实施GA-ACO优化处理后,可以对齿轮箱故障达到很高的诊断准确率。相比较ACO优化BP算法,经GA-ACO优化BP算法达到很小误差,CPU处理时间更短,可以同时实现故障诊断精度与收敛速率的提升。该研究对机械传动设备的早期故障排查以及运行稳定性优化,具有很好的实际指导价值。     

基于蚁群算法的白车身焊接机器人路径优化研究

针对目前焊接机器人路径规划缺乏理论依据的现状,本文提出了将路径规划问题抽象为TSP问题的数学模型解决思路。文章分析研究了该数学模型的计算方法,运用蚁群算法作为计算引擎,编写了相应的Matlab优化程序。结果证明,该算法不仅有效,而且具有较快的计算速度。     

多子群社会群体优化算法的无人机航迹规划

为了规划出一条航程短且安全性高的航迹,提出了多子群社会群体优化算法的航迹规划方法。建立了威胁模型和航迹规划模型,将航迹规划问题转化为带约束优化问题;在社会群体算法基础上,将个体分为多个子群,通过制定多渠道信息获取方法和多样式学习方式,改进了算法的提高阶段和获得阶段;通过子群重组实现了子群间信息交流,达到提高算法种群多样性的目的。使用基本测试函数对算法性能进行测试可以看出,多子群算法提高了算法的种群多样性和寻优能力。同时使用多子群算法和传统社会群体算法对无人机航迹进行规划,多子群算法规划航迹的目标函数比传统算法减少了6.65%,说明多子群算法规划的航迹在航程和安全性综合评价上优于传统算法。