一个新的动态约束因子PSO算法

根据带约束因子PSO算法,推导出认知因子c1、社会因子c2和惯性权重w之间应满足的关系.提出新的DCF-PSO算法,随着其中的惯性权重非线性递减,动态调整c1和c2值.通过Benchmark验证了改进后算法的高效性能.实验结果表明,算法表现优异.     

引力势、物质运动与时空结构 宇宙演化概略与“暗能量”

将物质运动和宇宙引力势之间的相互作用关系用于解释大爆炸理论模型,推论了宇宙演化概略.分析了由各个层次的物质运动与宇宙引力势之间的相互作用所产生的后果及其在宇宙演化过程中所起的作用,讨论了宇宙由减速膨胀转变为加速膨胀的基本原因,澄清了"暗能量"的本质.     

捷联惯性组合在舰标定技术研究

文章研究了捷联惯性组合的在舰标定问题。对于陀螺仪提出以姿态误差角作为观测量,采用系统级标定法进行标定。在标定过程中将舰载主惯导给出的导航坐标系角速率ωnin引入到捷联惯性组合的姿态更新,实现了姿态误差与速度误差和位置误差的解耦,避免了由于所列状态量过多而造成的矩阵维数过大的问题。对于加速度计提出以舰载主惯导对比力矢量的测量值作为参考量,以捷联惯性组合对该矢量的测量误差作为观测量对其进行标定。计算机仿真结果表明,文中给出的方法可以有效地完成捷联惯性组合在舰标定,且标定精度较高,具有较强的实际意义。     

基于动力学与分形分析的絮凝控制新指标

针对以速度梯度为核心的传统絮凝工艺动力学研究存在的理论与应用上的不足,通过对湍流水体中絮凝体的受力分析,表明在絮凝工艺中特征尺度量级的涡旋起重要作用,其离心惯性效应是絮凝体碰撞凝聚的动力学致因;通过对絮凝工艺的动力学传质过程影响因素的分析,利用数学分析方法,确定了絮凝体密度正比于水流的剪切强度;通过对絮凝体的形态分析,确定了絮凝体强度反比于水体剪切强度.进而提出一个基于动力学与形态学分析的新絮凝控制指标Fr0,完善了传统絮凝控制理论,可望为工程设计提供新方法.     

基于主轴分析和团块特征提取的ISAR目标检测方法

传统的目标ISAR成像特征提取方法,对其能量分布、局部关键性质考虑不足。考虑到一般强散射点主要分布在目标主轴附近,文中提出了一种基于ISAR目标主轴分析的团块特征提取方法,首先通过强散射点坐标矩阵求得目标主轴方向及目标中心;在此基础上沿目标能量的主要分布范围对目标进行团块分割。提取到的团块特征,避免了强散射点对弱散射点几何结构表现能力的抑制,既可以反映目标直观特征,又可以较好反映目标的能量分布细节。仿真结果证明文中提出的方法是有效的。     

基于惯性测量单元的轮式机器人轨迹跟踪仿真

针对轮式机器人轨迹跟踪质量下降问题,提出基于惯性测量单元(IMU)的轮式移动机器人轨迹跟踪控制方法.通过两个惯性测量单元(IMU)来建立轮式机器人的速度、角速度计算模型,针对轮式移动机器人执行中的差动命令对轮式机器人实施闭环控制;设计轮式机器人工作轨迹参考量,结合动力学模型提出轮式机器人轨迹跟踪控制器,使轮式机器人可以在指定的轨迹上进行跟踪.实验结果表明,提出的方法能够使轮式移动机器人的轨迹跟踪误差更小,跟踪结果更精准.     

基于IMU与激光雷达紧耦合的混合匹配算法

针对线、面特征匹配的激光雷达测距与地图构建算法(Lightweight and Ground-Optimized Lidar Odometry And Mapping,LeGO-LOAM)在自动导引运输车(Automated Guided Vehicle,AGV)室内室外实时建图与定位时,易出现激光里程计累积误差大和旋转估计不准确等问题,本工作采用惯性测量单元(Inertial Measurement Unit,IMU)与激光雷达紧耦合的LeGO-LOAM算法,通过IMU为激光雷达提供的初始位姿信息,构建IMU与激光雷达联合误差函数,实现位姿共同迭代优化.其中,对于室外结构化信息较少时,在点对点的迭代最近点算法(Iterative Closest Point,ICP)较高定位精度的基础上,结合LeGO-LOAM算法和ICP算法互补性,进一步提出基于IMU与激光雷达紧耦合的混合匹配算法:当环境中结构信息较多时,激光里程计采用LeGO-LOAM算法,而当环境中结构化信息较少时采用ICP算法.实验结果表明,基于IMU与激光雷达紧耦合的混合匹配算法可有效降低激光里程计相对位姿误差和累积误差,提高AGV小车定位精度以消除部分地图重影.     

基于改进粒子群优化和极限学习机的网络安全态势预测

针对网络安全态势预测模型预测精度不高、收敛较慢等问题,提出了一种基于改进粒子群优化极限学习机（IPSO-ELM）算法的预测方法。首先,通过改进粒子群优化（PSO）算法中的惯性权重和学习因子来实现两种参数随着迭代次数增加的自适应调整,使PSO初期搜索范围大、速度高,后期收敛能力强、稳定。其次,针对PSO易陷入局部最优的问题,提出一种粒子停滞扰动策略,将陷入局部最优的粒子重新引导至全局最优飞行。改进粒子群优化（IPSO）算法既保证了全局寻优的能力,又对局部搜索能力有所增强。最后,将IPSO与极限学习机（ELM）结合来优化ELM的初始权值及阈值。与ELM相比,结合IPSO的ELM的预测精度提高了44.25%。实验结果表明,与PSO-ELM相比,IPSO-ELM的预测结果拟合度可达到0.99,收敛速度提升了47.43%。所提算法在预测精度和收敛速度等指标上明显优于对比算法。     

基于余弦相似度的改进蝴蝶优化算法

针对蝴蝶优化算法（BOA）容易陷入局部最优和收敛性差等问题,提出一种多策略改进的蝴蝶优化算法（MSBOA）。首先引入余弦相似度位置调整策略,通过旋转变化算子和伸缩变换算子进行位置更新,从而有效地保持BOA的种群多样性;其次引入动态切换概率,来平衡BOA局部阶段和全局阶段的转换;最后增加混合惯性权重策略,以提高BOA的收敛速度。使用16个基准测试函数、Wilcoxon检验以及部分CEC2014函数来验证MSBOA的有效性和鲁棒性。仿真实验结果表明,与BOA和其他改进策略BOA及其他群智能算法相比,MSBOA在收敛精度和收敛速度上有明显的提升。     

基于一阶惯性滤波的电喷发动机氧传感器老化模拟方法

为节省发动机电喷系统开发过程中的硬件成本,提高氧传感器信号老化性能的稳定性,在现有PCM硬件结构不作改动的前提下,提出通过软件算法进行氧传感器信号老化处理的方法,代替传统的专门硬件老化模拟装置。搭建氧传感器信号老化处理算法架构,设计算法能准确识别信号的跳变沿,并选择合理的时机介入和退出老化处理过程,使用一阶惯性滤波算法对信号进行老化处理。试验结果表明,本文方法能够达到与硬件模拟装置同样的老化效果,并满足国五车载诊断系统(OBD)法规的型式认证要求。