共查询到20条相似文献,搜索用时 15 毫秒
1.
针对传统成组算法不能保证核元素为最优的缺点,提出了一种改进的成组算法,获得了最优的核元素,从而使每个分组中的元素最多,分组数达到最少。较之模糊聚类法,本算法更简单,运算速度更快,最终的分组数通过预先设定的相似度得到,更有利于处理未知信息。最后,采用刀具磨损实验中采集的振动信号对该方法进行验证,得到了比较理想的结果。 相似文献
2.
3.
4.
5.
针对目前基于栅格地图的路径规划算法,机器人导航无法同时满足实时性与精确性要求,以及原始Voronoi图算法生成的全局路径过于臃肿和现有骨架提取的方式生成的路线过于冗余,导致过多占用机器人存储量的问题,提出一种改进的骨架提取算法,先对已知先验信息的栅格地图进行二值化、腐蚀、膨胀预处理,再生成全新的精简骨架,之后对每一次导航规划的路径进行基于改进的三次样条平滑处理,在此基础之上结合局部路径规划器DWA算法,实现机器人导航。通过多次仿真试验和真实环境试验,结果表明,利用所设计的算法得到的精简骨架比原始Voronoi图以及现有骨架更为简洁,优化之后的路径也更加平滑,提高了移动机器人运动的稳定性及移动效率,并以最安全的方式指导机器人移动。 相似文献
6.
7.
8.
《制造业自动化》2019,(12)
在AGV同时定位和地图构建(SlAM)时,针对扩展卡尔曼滤波算法在大范围环境等特征数量较大的场合中计算复杂度高,并且生成的特征图准确性不足的问题,提出一种改进的扩展卡尔曼滤波(EKF)方法,其基本思想是将机器人的系统参数附加到EKF SlAM的状态向量中,在执行预测和更新EKFSlAM的状态时,对附加系统参数的状态向量进行估计,从而提高特征图的准确性,我们称之为增强扩展卡尔曼滤波(IEKF),并且提出了一些降低计算复杂度的方法和D*算法用于导航,使AGV即使在动态和非结构化的环境中也能够准确地跟踪路径。并采用MATlAB软件进行仿真,仿真结果表明所提出的增强扩展卡尔曼滤波算法对AGV的SlAM问题有效可行。 相似文献
9.
10.
11.
12.
13.
<正> 一、配料优化的改进算法任何配料,都是从多种原料中选定几种原料的用量,其约束条件不外乎下述四类: 1.双向不等式式中X_j——第j种原料的用量 相似文献
14.
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. 相似文献
15.
探讨了改进的MHT(多假设跟踪)算法在成像跟踪系统中的应用.根据成像跟踪系统中目标及背景的特点,通过对图像数据的预处理,利用改进的MHT算法实施目标的识别和跟踪,并在工程实践中用软件实现了算法,处理速度达到25c/s,取得了良好的应用效果. 相似文献
16.
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。 相似文献
17.
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。 相似文献
18.
一种基于改进蚁群算法的混合型调度算法 总被引:1,自引:0,他引:1
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. 相似文献
19.
针对模拟电路故障信号的非线性和非平稳性,提出了用局域均值分解(Local mean decomposition,LMD)和近似熵算法对模拟电路进行特征提取的方法。利用LMD算法把电路故障信号分解为一系列乘积函数(Product functions,PF),再选取前3个PF分量,求它们的近似熵,作为故障的特征向量。电路发生不同故障时,其输出响应信号的复杂度不同,经LMD分解后的PF分量的复杂度就更不相同,而近似熵可以表征时间序列的复杂度,故用LMD加近似熵可以有效提取故障电路的信息。在对故障进行分类判别时,使用核Fisher判别分析,得出各故障的诊断精度。仿真结果显示,本文的特征提取方法在改善故障电路特征的同时提高了诊断准确度,平均分类精度为97.86%。 相似文献
20.
针对粒子群算法容易陷入局部最优的缺点,在改变动态惯性权值的基础上,提出了一种动态迭代次数粒子群算法DIPSO(Dynamic Iterative Particle Swarm Optimization).该算法根据每个周期内达到收敛的迭代次数不同,在一个周期内,当其和累积小于某个值时,就对其重新进行初始化,从而使算法具有动态的自适应.通过对几种典型测试函数的优化,结果表明,DIPSO算法的收敛速度明显优于PSO算法,收敛精度也有所提高. 相似文献