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。     

基于师生交流机制的改进类电磁机制算法

为有效解决约束优化问题,提出一种基于师生交流机制的改进类电磁机制算法(TLEM)。算法在继承了类电磁机制(EM)算法良好收敛性的基础上,简化了合力计算过程,引入了移动概率修正移动公式;结合教学优化算法(TLBO),提高了算法的局部搜索精度;改进了EM算法的电量计算公式,并采用一种可行域与支配规则来处理约束。TLEM算法与其他约束优化算法在13个标准测试函数上进行了仿真对比与分析,结果表明TLEM算法的求解能力和稳定性均优于其他算法。将该算法应用于压力容器、压缩弹簧及焊接梁设计问题,验证了TLEM算法在工程设计优化问题上的可行性和优越性。     

均匀粒子群蚁群融合算法的机器人路径规划

为了提高移动机器人点对点路径规划的性能,提出了均匀粒子群蚁群融合算法。首先分析了粒子群算法原理,找出了导致算法"早熟"的搜索机制缺陷,提出了均匀粒子群算法,此算法改进了粒子群算法的搜索机制,保证了在迭代过程中的粒子多样性,克服了算法"早熟"问题;介绍了蚂蚁系统和蚁群系统算法的区别,提出了均匀粒子群蚁群融合算法,首先使用均匀粒子群算法搜索次优路径,在此路径上撒播信息素,然后使用蚁群算法寻找最优路径。实验结果表明,融合算法规划出的路径最短,而且迭代效率高、容错能力强。     

改进ACO在移动机器人路径规划中的研究

针对基本蚁群算法(ACO)易陷入局部最优和收敛速度慢的特点,提出了一种在复杂静态环境下移动机器人路径规划的蚁群优化改进算法。该算法通过限制信息素的范围,扩大了搜索范围,避免了算法的过早收敛,同时还提出了一种自适应调节信息素挥发系数的改进蚁群算法方略,旨在通过自适应的调整信息素挥发系数来提高算法的全局性和算法的收敛速度。算法还利用粒子群优化算法对蚁群算法中的关键参数进行优化,从而避免了参数选择的随机性和盲目性,提高了最优路径的搜索效果。仿真结果显示,改进蚁群算法在移动机器人路径规划中的有效性和普遍应用性,在任意随机给定的环境中,算法能够迅速找出最优路径。     

基于时域的PID动态矩阵控制算法改进

在分析PID算法和DMC（动态矩阵控制）算法的基础上,推导了基于PID性能指标的PIDDMC算法。该算法既具有PID算法的优点,结构简单,参数调节方便,又具有预测功能。在时域内分析了PIDDMC控制器的参数选择对控制性能的影响,给出参数选取范围。通过仿真说明了PIDDMC算法比基本DMC算法具有更好的控制性能,最后给出在过程控制实验装置应用PIDDMC算法和其他算法控制效果对比分析。     

BP神经网络的双学习率自适应学习算法

在分析标准BP算法、学习率自适应算法和权值平衡算法优缺点的基础上,提出了一种融合学习率和权值平衡的新算法———双学习率自适应学习算法(DSALR算法)。仿真结果表明,该算法在计算速度和精度方面,明显优于标准BP算法、学习率自适应算法以及权值平衡算法。     

基于FPGA的FIR数字滤波器 算法的改进及仿真

为了减少FPGA综合时FIR滤波器硬件资源的占用,提高运算速度,在分析分布式算法基础上,提出分布式算法的改进算法,以解决分布式算法大量占用存储器空间的问题,提高硬件资源的使用率和运算速率。在QuartusII软件环境下,结合算法进行了仿真。验证了算法的正确性和有效性。     

面向客户定制产品开发的多目标优化算法设计

对多目标优化进化算法进行研究,设计了基于客户需求信息的产品多目标优化算法。针对进化算法优化效率低的缺点,提出了目标侧重度概念,使进化算法有选择地收敛,提高了算法的优化效率;针对进化算法容易陷入局部最优和解分布不均匀的缺点,提出了目标间距概念,避免算法在收敛过程中早熟,保证了最优解的多样性,降低了客户的选择压力。在MATLAB 7.0平台上对改进算法进行仿真实验,并与NSGA-2和SPEA-2两种进化算法进行对比分析,验证了改进算法的可行性、可靠性与优越性。     

基于栅格法与神经元的机器人全区域覆盖算法

为了提高移动机器人在全区域覆盖路径规划中的性能,提出了基于神经元激励神经网络的路径规划算法。介绍了栅格法环境建模原理,使用此方法得到了机器人工作环境的矩阵模型;分析了生物激励神经网络算法,在神经元活性值定义、机器人跳出"死区"两个方面对算法提出了改进,提出了神经元激励神经网络算法。使用此算法对设定的工作环境进行遍历并与生物激励算法进行比较可以看出,在遍历重叠率、路径长度、转弯次数等方面,神经元激励算法都优于生物激励算法,充分说明了改进算法在机器人遍历规划中的优越性。     

一种相干衍射重构算法模拟论证方法

近年来,相干衍射成像在材料学、生物学以及物理学上获得了广泛的应用,研究热度不断上涨。同时也出现了种类繁多的相干衍射重构算法,但是没有统一的标准来评判各种算法的性能以及适用范围,阻碍了很多算法的应用。提出了一整套相干衍射重构算法的模拟论证方法,研究了如何在频域添加泊松噪声,如何定义泊松噪声强度等技术细节,模拟了真实的实验过程,可以多个维度评判相干衍射重构算法的性能,从而得出不同相干衍射重构算法的适用范围,使算法能够在合适的情况下发挥最大的作用。并以HIO算法和OSS算法为例,对这2种算法的适用范围提出了指导性意见。     

一种基于改进蚁群算法的混合型调度算法

针对混合型制造业车间生产调度及时性、合理性、科学性及应用结合性上的不足,提出了一种基于改进蚁群算法的混合型调度算法,结合混合型生产的特点,首先给出了混合型生产调度问题细化模型,然后对传统生产调度模型中的蚁群算法进行了改进,最后通过在具备混合型生产特点的汽车玻璃制造企业测试应用后,验证了该算法的可行性及有效性。     

．NET框架下RSA算法的研究与实现

对目前在非对称加密系统中占主流地位的RSA算法进行分析研究,并利用微软的.NET Framework 2.0框架给出其具体的C#代码实现。     

粒子群算法解决置换流水车间调度问题方法综述

置换流水车间调度问题是典型的NP问题,近年来随着粒子群算法的出现和发展,用来解决车间生产调度问题的粒子群思想和方法也层出不穷。为了促进粒子群算法的进一步发展,更好地解决流水车间调度问题以及为设计更好的算法提供参考,对粒子群算法解决生产调度问题的各个步骤所采用的方法进行总结,分析了各种方法的适用范围,为设计更好的算法奠定了良好的基础;最后探讨了粒子群算法求解置换流水车间调度问题有待进一步研究的若干方向和内容。     

双通道式车辆事故自动呼救系统的触发算法设计

针对传统的车辆事故自动呼救系统在安全气囊的传感灰度区存在不触发的问题,设计一个独立于安全气囊点火信号的算法通道,以保证汽车发生碰撞后安全气囊未正常触发的情况下仍能发送呼救信号,让乘员及时得到救援,提高紧急呼救系统的安全可靠性.首先给出所设计的双通道式车辆事故自动呼救系统的决策过程,然后利用比功率算法和移动窗积分算法分别...     

一种基于GA-SA-TS算法的车间调度方法的研究

运用现代优化算法来解决车间调度这类NP完全问题是现在普遍使用的方法。本文将模拟退火算法和禁忌搜索算法的思想与遗传算法相结合,改善了传统遗传算法中单一的交叉和变异机制,提出了模拟退火-交叉机制和禁忌搜索-变异机制,最终形成了一种适用于解决车间调度方面问题的GA-SA-TS混合遗传算法。三种算法取长补短,避免了遗传算法局部搜索能力差和易早熟的缺点。同时运用GA-SA-TS算法,针对实际车间调度问题进行了仿真。通过该仿真结果可以看出,GA-SA-TS混合遗传算法对于解决车间调度问题是可行的,且在解的质量方面有所提高。     

金属材料屈服强度参数的多模型自适应求取算法

金属材料的性能主要由几个关键参数决定,国家新标准GB/T228-2002《金属材料室温拉伸试验方法》对参数定义与获取有明确规定。但在实际应用中,屈服点的自动判断与屈服强度参数的自动获取,一直受金属材料屈服特征不明显或不显现而无法理想实现。这里从分析屈服点的具体形态入手,提出了多模型自适应求取屈服点及其强度的算法,给出了应用实例,该算法具有找点准确性好、适应能力强等优点。     

Optimal design of nonlinear squeeze film damper using hybrid global optimization technique

The optimal design of the squeeze film damper (SFD) for rotor system has been studied in previous researches. However, these researches have not been considering jumping or nonlinear phenomena of a rotor system with SFD. This paper represents an optimization technique for linear and nonlinear response of a simple rotor system with SFDs by using a hybrid GA-SA algorithm which combined enhanced genetic algorithm (GA) with simulated annealing algorithm (SA). The damper design parameters are the radius, length and radial clearance of the damper. The objective function is to minimize the transmitted load between SFD and foundation at the operating and critical speeds of the rotor system with SFD which has linear and nonlinear unbalance responses. The numerical results show that the transmitted load of the SFD is greatly reduced in linear and nonlinear responses for the rotor system.     

Operation algorithm for a parallel hybrid electric vehicle with a relatively small electric motor

In this paper, operation algorithms for a parallel HEV equipped with a relatively small motor are investigated. For the HEV, the power assist and the equivalent fuel algorithms are proposed. In the power assist algorithm, an electric motor is used to assist the engine which provides the primary power source. In the equivalent fuel algorithm, the electric energy stored in the battery is considered to be an equivalent fuel, and an equivalent brake specific fuel consumption for the electric energy is proposed. From the equivalent fuel algorithm, distribution of the engine power and the motor power is determined to minimize the fuel consumption for a given battery state of charge (SOC) and a required vehicle power. It is found from the simulation results that the fuel economy and the final battery SOC depend on the motor discharge energy and it is the best way to charge the battery only by the regenerative braking, not by the engine to improve the overall fuel efficiency of the HEV with the relatively small motor.     

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法.通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变.试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性.     

遗传算法的单纯形交叉算子

提出一种新型的遗传算法交叉算子,即单纯形交叉算子。这种算子实现了遗传算法与单纯形算法之间的结合,它能加快遗传算法的寻优速度,提高遗传算法定位最优解的精度。通过动态调整该算子的调用概率,可以方便地控制它的使用。本文还提出了一种所谓的“淘汰选择”,这种操作使得操作算子生成的新解不再是简单地取代其亲生父代个体,而是取代父代群体中的劣质个体。测试的算例表明该算子效果显著。