基于遗传算法的Stewart并联机器人位置正解分析

充分利用Stewart并联机器人位置反解容易获得这一特性,把较难的Stewart并联机器人位置正解问题转化为一个优化问题,考虑到遗传算法的全局优化特性,提出了基于遗传算法的Stewart并联机器人位置正解方法. 仿真实例证明了所提方法具有很高的计算精度,彻底克服了采用数值解法求解Stewart并联机器人位置正解时,解的精度受初值影响较大的缺点.     

LNG工厂天然气水合物防治与处理

在LNG(液化天然气)工艺生产过程是利用低温冷冻技术将常压下气态的天然气冷却至-162℃,使之凝结成液体。低温下形成的天然气水合物在管道中发生低温冻堵现象,影响装置生产。文中分析了水合物的生成原因,并实施了有效的处理方法,解决了管道中低温冻堵现象。     

基于GA的遥感图像目标SVM自动识别

为了高效合理地确定支持矢量机(SVM)的参数,使其对复杂的二值遥感图像目标进行自动识别,采用实值编码遗传算法来实现SVM模型参数的自动选择.与穷举搜索的留一法及随机试凑法相比,采用遗传算法的SVM模型参数选择更简单、更易于实现,并使SVM具有更好的推广能力.二值遥感图像目标的分类识别结果表明,该方法不但可以提高分类识别率,而且显著地缩短了SVM的训练时间.     

基于人脸识别的智能安防监控系统的设计与实现

安防监控系统是保护人民群众生命财产安全和侦破各类刑事案件的首要技术保障。本文提出的基于人脸识别的智能安防监控系统,主要由非法入侵实时报警系统、智能门禁系统、智能巡更系统组成。非法入侵实时报警系统可以准确识别非法人员的人脸信息并实时推送给相关人员进行报警;智能门禁系统可以有效防范人脸攻击;智能巡更系统可以通过巡更区域布控的监控设备实时采集并识别巡更人员信息,并实时绘制巡更轨迹,极大地提高了巡更管理的效率。     

连续不确定XML的Top-k查询算法研究

为了解决连续不确定XML高效的top-k查询,提出CProTJFast算法.该算法基于P-文档模型,扩展PEDewey(probabilistic extended Dewey)编码支持连续分布类型节点的编码,采用路径概率下限值进行节点过滤,并针对连续概率密度函数制定过滤策略,从而在计算连续节点概率之前过滤掉不参与结果的节点.实验结果表明,采用连续节点过滤策略的CProTJFast算法有效地提高了连续不确定XML的top-k查询效率.     

机器人系统全局渐近稳定非线性ＰＤ＋轨迹跟踪控制

采用一类具有“小误差放大、大误差饱和”功能的非线性饱和函数来改进常用的线性比例 微分加（ＰＤ＋）机器人系统动力学控制,以形成非线性ＰＤ＋（ＮＰＤ＋）控制,从而获得更快的响应速度和轨迹跟踪精度．应用Ｌｙａｐｕｎｏｖ直接稳定性理论和ＬａＳａｌｌｅ不变性原理证明了闭环系统的全局渐近稳定性．两自由度机器人系统数值仿真结果表明
了所提出的ＮＰＤ＋控制具有良好的控制品质．

     

高效的连续不确定XML数据Top-k查询算法

目前,不确定XML数据的top-k查询算法中都没有处理连续不确定数据,本文提出SPCProTJFast算法,该算法改进了传统的归并算法,并结合连续不确定数据的过滤方法,实现了连续不确定XML的Top-k查询。为了避免概率下限值过小对过滤效果的影响,又提出HPCProTJFast算法,该算法推迟了对连续节点的处理,只有在获得满足概率条件的整枝路径时才对连续节点进行访问。实验表明,在执行时间以及过滤效率上,同直接处理连续不确定数据的ProTJFast算法相比,这两种算法都要更高效,并且HPCProTJFast算法的效率更高。     

一种快速模糊图像边缘检测算法

针对传统模糊方法处理速度慢的弱点,该文建立了一种新的快速图像处理算法,包括模糊图像增强、模糊平滑和模糊边缘检测,该方法利用相应算法建立快速查找表,通过简单的查表运算,大大提高了图像处理速度。所提方法的快速性和有效性在B-超图像应用后得以证明,并取得了比其他处理方法好的效果,为这种新的快速模糊图像边缘检测算法在B-超临床应用打下基础。     

三元复合式消色差λ/4波片的优化设计

复合消色差波片，因其延迟量在一定波长范围内不随波长变化，克服了常规延迟片只能用于单一波长的缺点而被广泛应用到通信、生物、地质、航空、航天、海洋等领域。根据复合波片理论，完成了同种材料三元复合式消色差λ／4波片的设计理论；推导出消色差延迟片延迟量随波长变化的理论曲线；进而在平板型三元复合式消色差λ／4波片的设计基础上提出了一种优化设计方案。理论证明，依据此方案根据具体的使用要求，通过精确调整复合角度，可使波片的消色差范围在相同延迟偏差下拓宽130～140nm，消色差精度也能得到相应的提高。为进一步拓宽消色差范围、提高复合波片的消色差性能奠定了很好的理论基础，而且技术操作简练可行，具有一定的实用价值。     

基于启发式遗传算法的SVM模型自动选择

支撑矢量机(SVM)模型的自动选择是其实际应用的关键.常用的基于穷举搜索的留一法(LOO)很繁杂且效率很低.到目前为止,大多数的算法并不能有效地实现模型自动选择.本文利用实值编码的启发式遗传算法实现基于高斯核函数的SVM模型自动选择.在重点分析了SVM超参数对其性能的影响和两种SVM性能估计的基础上,确定了合适的遗传算法适应度函数.人造数据及实际数据的仿真结果表明了所提方法的可行性和高效性.