微波成像技术及其算法综述

介绍了微波成像技术的特点和优势,同时对微波成像的现存算法进行了总结概述,着重介绍了几种具有代表性的重构算法,如ω-k算法、局部形状函数算法、波恩近似算法、对比源算法、粒子群优化算法和非精确牛顿算法。文章通过对几种电磁逆散射算法进行比较,给出不同算法各自的原理、特点及使用范围,并对电磁逆散射算法的发展趋势做了展望。     

自适应蚁群算法在Job Shop调度问题中的研究

研究了Job Shop调度问题,分析了蚁群算法(ACA)与最大最小蚁群系统(MMAS)算法在解决Job Shop调度问题中的不足,提出了一种解决Job Shop调度问题的自适应蚁群算法(SACA)。此算法根据蚂蚁群体寻找路径的阶段性,使用了参数在各阶段自适应变化的策略和关键工序块邻域搜索策略,加快了蚁群算法的收敛速度,避免了早熟现象和陷入局部最优调度解,提高了蚁群算法的灵活性和鲁棒性。通过仿真实验验证了自适应蚁群算法在解决Job Shop调度问题中的性能优于蚁群算法和MMAS算法。     

基于免疫神经网络的数控机床故障诊断研究

针对BP神经网络在数控机床故障预测中出现的收敛速度慢和训练容易陷入局部极值问题,提出一种基于人工免疫算法优化BP神经网络(IMBP)的数据机床故障诊断算法。介绍了常见的数控机床故障类型和分类,阐述了人工免疫算法和BP神经网络以及人工免疫优化BP神经网络算法的工作流程。利用免疫算法的全局搜索性能先对神经网络权值和阈值进行全局优化,加快了BP算法训练过程的收敛速度,减少训练过程所需要的时间。通过仿真性能测试分析,结果表明:与BP、GABP和IMBP 3种算法对比,比BP神经网络算法的数控机床故障预测诊断提高了18.3%,比GABP神经网络算法提高了12.05%,提高了数控机床故障诊断精度。     

基于截止期价值度优先的CAN消息实时调度算法

为了保证CAN总线网络中实时性消息的截止期,同时减小紧迫性消息的传输延迟,综合考虑了CAN网络中实时消息的截止期和价值度两个参数,提出了截止期-价值度优先(Deadline-Value First)实时调度算法,简称DVF算法。给出了算法遵循原则和设计过程,对截止期因素进行分段线性处理的方法,使得算法在保证消息截止期的前提下尽量让关键性消息优先发送。以EDF算法和HVF(higest value first)算法为基准,从关键消息的相对延迟、丢帧率和丢失价值率这三个方面对DVF算法进行性能分析,实验表明DVF算法相比于EDF算法和HVF算法有很大改善。     

基于免疫蚁群优化算法的仓储任务调度北大核心

针对仓储机器人群的多目标任务分配问题,以最小距离成本为目标,建立了仓储机器人群调度方案的数学模型。以免疫算法为基础,提出了一种免疫蚁群优化算法。通过融合、改进免疫算法和蚁群算法,弥补了免疫算法因冗余信息多导致的迭代时间长、收敛速度慢以及蚁群算法初期信息素积累时间较长,速度慢的缺陷,提高了算法的效率。再多次进行对比实验,从算法运行时间,机器人群的距离成本角度验证了改进算法的可行性。     

基于量子风驱动优化算法的机器人路径规划

针对传统的算法在移动机器人路径规划中容易产生早熟现象和安全性差的问题,提出了量子风驱动优化算法。该算法将量子计算与风驱动算法相结合,在风驱动算法的基础上使用量子行为来解决优化问题,提高机器人运动路径的安全性。最后通过实验与仿真分析证明:与蚁群算法和免疫遗传算法相比,量子风驱动优化算法减少了机器人在运动中不必要的转弯,缩短了路径长度,提高了安全性,可以快速找出最优路径。     

基于混沌粒子群优化算法的三轴气浮台平台优化设计

将混沌搜索引入到粒子群优化方法中,并将改进的算法应用在三轴气浮台平台优化设计中。该算法既保持了粒子群算法结构简单、快速收敛的特点,又利用了混沌算法易于逃离局部极小值的特点。测试及应用结果表明该方法改善了算法的全局搜优性能,提高了算法的收敛速度和计算精度。     

扫描式激光测径技术的算法新探

为了提高激光扫描测径技术的测量精度和测量稳定性，在研究了传统的激光扫描法测径的原理和算法后，提出了一种激光扫描测径的新算法。新算法充分利用了扫描光路的几何关系和数值计算技术。在产品生产过程中，新算法的应用提高了测量精度，降低了产品成本。     

数控加工预控优化算法的实现

提出了一系列算法，比如点提取算法，光顺算法和匀化算法等等，使刀具轨迹预控优化算法成为可以应用于实际工程的算法，从而获得最优的刀位轨迹，大大提高了加工效率。     

一种实用钣金CAD排样算法

将人工智能领域中的遗传算法和模拟退火算法相结合,成功地应用到LFB算法中,利用遗传模拟退火混合算法的全局优化搜索能力,得到了较LFB算法更优的排样结果。同时对混合算法中的几个影响参数进行了简单的讨论,为钣金件排样系统的开发提供一种实用的算法。     

融合模拟退火策略的萤火虫优化算法

萤火虫算法是群智能领域近年出现的一个新的研究方向,该算法虽已在复杂函数优化方面取得了成功,但也存在着易于陷入局部最优且进化后期收敛速度慢等问题,而模拟退火机制具有很强的全局搜索能力,结合两者的优缺点,提出一种融合模拟退火策略的萤火虫优化算法。改进后的算法在萤火虫算法全局搜索过程中融入模拟退火搜索机制,在局部搜索过程中采用了回火策略,改善寻优精度,改进了萤火虫算法的全局搜索性能和局部搜索性能。仿真实验结果表明：改进后的算法在收敛速度和解的精度方面有了显著地提高,证明了算法改进的可行性和有效性。     

慢刀伺服车削刀具补偿算法优化

目的 优化刀具补偿算法,从而提高复杂曲面慢刀伺服车削加工的表面质量。方法 针对法向补偿算法容易导致X轴动态性能降低以及Z向补偿算法存在较大插值误差等问题,提出了一种基于坐标变换的几何补偿算法。通过坐标变换提高求解精度并简化算法,利用几何变换关系将X轴的补偿分量集中于Z轴,保证X轴的动态性能,并降低插值误差。以环曲面为例,对刀具补偿算法进行仿真分析和试验验证。结果 仿真结果显示,在法向补偿算法下X轴速度波动较大,而在本文提出的算法下X轴可以保持匀速运动;在刀具补偿环节,与本文提出的算法相比,Z向补偿算法产生的插值误差较大,最大插值误差达到了0.015mm以上。试验结果显示,在法向补偿算法下环曲面的表面粗糙度值最大（Ra=0.112μm）,且远大于Z向补偿算法和本文提出的算法;而在Z向补偿算法和本文提出的算法下,环曲面的表面粗糙度值相差不大（分别是Ra=0.066μm和Ra=0.062μm）。在法向补偿算法、Z向补偿算法和本文提出的算法下得到的PV值分别为16.9、13.8、8.8μm。结论 在保证X轴动态性能的前提下,刀具补偿算法对表面粗糙度影响不大。与法向补偿算法和Z向补偿算法相比,本...     

改进的APF算法在采摘机械手运动规划中的应用

针对六连杆采摘机械手运动规划的实时性，基于传统的人工势场(APF)算法，提出改进的人工势场(IAPF)优化算法。采用初等变换序列方法对机械手进行运动学建模，运用该模型可方便地得到机械手上各点相对于基底坐标系的雅可比矩阵。IAPF算法在APF算法原有的引力势场计算模型的基础上，加入了Sigmoid函数，以使得路径规划算法收敛，在斥力势场中引入了反S的Sigmoid函数，防止出现斥力爆炸现象。IAPF算法避免了传统算法的局部最小缺陷和目标不可达问题，同时有效地减少机械手运动规划的计算时间和关节误差。并通过实验验证了所提优化算法在采摘机械手避障运动规划中的实时性和准确性。     

基于混合算法的项目型产品装配作业调度研究

针对项目型产品装配作业计划的排序和工人资源的配置问题,以最小项目总工期为优化目标,建立了项目型产品装配作业调度的数学模型,并提出了一种基于离散粒子群和禁忌搜索的混合算法。该算法分为两阶段,离散粒子群进行全局搜索,禁忌搜索用于完善局部搜索能力。将文章提出的算法与文献中已有的粒子群算法、禁忌搜索算法、遗传算法进行了比较,结果表明文中算法得到的解要显著优于文献中已有算法。     

量子傅里叶变换在齿轮模式识别中的应用

量子傅里叶变换是量子算法的基础,也是指数式效率的关键。提出了一种基于量子傅里叶变换的特征提取算法,该算法搭建了量子计算的运行路线;构建了实施量子傅里叶变换的特征提取步骤,并构造了峰值评价函数,用于评价提取出的特征值;利用该算法对齿轮的正常、齿面磨损、齿根裂纹和断齿等状态进行模式识别。实验结果验证了该算法的有效性和实用性。     

遗传模拟退火算法在矩形优化排样系统中的应用

研究了一种遗传算法和模拟退火算法的结合算法,并且把它应用于现实生产的矩形优化排样系统中。首先建立了该系统的通用数学模型。然后给出了求解该问题的遗传模拟退火算法。最后实际算例的结果表明该算法是一种行之有效的方法。     

配电网线路技术降损与配变组合优化研究

文章首先分析了降损的基本原理与模型、评估指标与方法。阐述了传统优化算法和启发式算法的应用,提出了基于智能算法的配变组合优化模型与算法及协同优化框架与方法,权衡了降损与优化目标的策略,并探讨了系统运行与管理策略。最后进行了降损和优化算法的对比实验,并对结果进行了分析和讨论,为配电网的可持续发展和智能化管理提供了新的解决思路和方法。     

谈数控冲剪复合机编程排样问题

本文给出了一种求解无限制板材下料问题的动态规划解法。对该算法的计算复杂度进行了分析。并针对算法的特点提出了改进方案,通过理论分析得到改进方案的适用范围并实现了这一改进动态规划算法的应用。通过实际表明该算法可以缩筒传统动态规划算法的计算时间和空间,同样得到解的最优值。     

基于改进乌燕鸥算法的移动机器人路径规划

为克服传统智能算法在解决复杂环境下移动机器人路径规划问题中存在的搜索效率慢和寻优精度低等不足,提出改进乌燕鸥优化算法（ISTOA）。以乌燕鸥算法（STOA）为基础,引入Circle混沌映射机制保证初始种群的质量,提升算法初期搜索效率。同时,提出旋转式翻筋斗搜索策略,对算法的扑食位置进行更新,提高了算法的局部寻优能力。在迁徙过程中,混合正弦控制非碰撞因子和自适应Lévy飞行策略平衡了算法的全局搜索和局部搜索。通过3种不同环境下移动机器人路径规划案例验证了改进乌燕鸥优化算法的有效性。结果表明：改进乌燕鸥优化算法可快速且稳定获得全局最优路径,整体寻优能力优于其他算法,有效地解决了移动机器人在复杂环境中的最优路径规划问题。     

基于AdaBoost算法的液压系统故障诊断研究

主要研究了AdaBoost算法在液压系统故障诊断中的应用。为了解决"一对一"算法和"一对余"算法的分类速度随着训练样本数或类别数的增多而变慢的问题,提出了基于决策树的AdaBoost算法。利用CART算法构造决策树,建立AdaBoost分类器,并根据样本数据的分布情况,使得在决策树中每一个节点的最可分类别尽可能分开。将该算法应用于某型装甲车辆液压系统故障诊断,结果表明:该算法的性能优于其他两个算法,具有更高的通用性。