复杂多源注水系统变频调速优化改进遗传算法

为了对复杂多源注水系统变频调速控制进行更全面的优化,以水量、投资回收期等限制作为约束条件,建立了优化控制数学模型.采用实数编码改进遗传算法对模型进行求解,同时优化出变频调速数量、位置和所有泵的运行参数,给出了处理泵排量以及根据投资回收期确定变频调速数量和位置的方法,大大减少了不可行解的产生,通过调整适应函数,使改进遗传算法具有一定的自适应性,提高了算法的优化性能.通过算例证明了该优化方法的有效性与可行性.     

油井气液两相流全自动计量技术

为解决稠油计量的准确度、可靠性、耐久性及实时在线等问题,设计出一种通过分离伞和液位自动控制调节器来实现气液两相流计量的装置.采用翻斗式称质量机构计量油井产量,消除油中含气造成的假体积误差;采用G法补偿算法消除稠油残留造成的计量误差;采用以计算机控制电动机起停方式的单路导通多通阀实现全自动选井计量.现场实际应用证明,称质量式油井计量技术较好地解决了各类油井的实时在线计量问题,具有自动化程度高、计量精度高等特点.     

基于多信息融合的双进双出磨煤机料位检测

针对双进双出磨煤机料位检测难题,提出了一种基于多信息数据融合的双进双出磨煤机料位检测方法.该方法将粗糙集（RST）和径向基（RBF）神经网络相结合,利用粗糙集数据简约和规则抽取特性,有效地去除大量冗余数据.利用RBF神经网络函数逼近能力更强和收敛速度更快等优点,引入带遗忘因子的梯度下降算法来整定RBF神经网络参数,简化了神经网络结构,提高了神经网络的学习效率,同时拥有自学习和容错能力,从而有效地保证了数据融合的快速收敛性和稳定性.实验结果表明,在料位检测过程中,将两种智能算法相结合所构成的融合系统,能使双进双出磨煤机准确地完成复杂环境的料位检测任务.     

一种动态不确定环境下的机器人路径规划算法

为了提高机器人在动态不确定环境下的实时性和适应能力,提出了一种机器人实时路径规划新方法.采用环境信息处理算法,通过搜索实时局部环境信息特征信息的方式对环境信息进行分析和处理.该方法能够捕捉动态障碍物并对动态障碍物的运动规律进行预测,将特征信息及时更新给运动动作规划算法部分.运动动作规划算法是通过引入启发式思想选择双安全子目标点,完成规划运动动作并实现优化路径.在不同环境下进行仿真实验,检验了算法的有效性,证明算法在动态不确定环境下具有良好的实时性和适应性。     

基于改进遗传算法辨识空间机器人动力学参数

为了减小空间机器人动力学参数的误差,提高轨迹规划精度,根据空间机器人的角动量守恒方程,利用名义动力学参数估计角动量与真实角动量的差异,建立动力学参数辨识的误差模型,给出遗传算法的适应度函数.针对常规遗传算法容易出现"早熟"现象,采用小区间生成法、大变异策略和精英保留策略对其进行了改进.以六关节空间机器人为例进行的仿真结果表明,在参数复杂的情况下,采用改进后的遗传算法,计算效率和辨识精度均得到了提高。     

一次性求解多个SAT问题

在实际应用中通常需要求解对应CNF（ConjunctiveNormalForm）公式之间仅相差几个子句的一系列SAT（SatisfiabilityProblem）问题,但目前绝大多数SAT求解算法都是针对单一SAT问题设计的。为此,基于DPLL提出了nDPLL算法,并在随机问题上对该算法的效率进行测试。实验结果表明,nDPLL算法能一次性求解多个SAT问题,对于特定范围的CNF公式集具有较高的效率,CNF公式集的规模越大、相近因子越高、子句数和变量数的比值越大,则nDPLL算法的效率越高。     

改进的相控阵雷达信号检测方法

针对传统雷达信号检测方法对相控阵雷达信号检测概率较低的问题,提出了一种结合小波降噪和极值序列法的信号检测方法。该方法采用小波阈值降噪法对雷达信号进行预处理,以提高侦收信号的信噪比,利用极值序列法在高信噪比下检测精度较高的优势,完成对信号的准确检测和参数的精确估计。仿真结果表明,与传统检测方法相比,该方法在低信噪比下对相控阵雷达信号的检测概率平均提高21.8%。     

磁流变阻尼器S型滞环模型的改进及辨识

磁流变阻尼器控制系统的性能很大程度取决于阻尼器的数学模型,由于磁流变液在高速剪切速率下容易发生剪切稀化,因此,本文在原有S型滞环模型的基础上,引入了行为指数”从而改进了S型滞环模型。根据试验数据,并运用遗传算法和传统优化算法相结合求取全局最优解的方法,求解出了模型中的参数值。结果表明：改进后的S型滞环模型能够很好拟合高速区的速度-阻尼力试验特性曲线。     

相位差变化率定位法中缺失值精确填补研究

采用目标信号相位差和载频为观测量,利用相位差变化率定位算法对目标进行定位时,由于条件限制和外界干扰,侦察系统会丢失某些观测数据,导致定位精度迅速下降。为此,提出利用最小二乘多项式曲线拟合法填补观测数据的缺失值,再进行定位解算。该方法不仅具有较精确的填补能力,而且不受缺失值分布情况的限制,保证了测量值的完整性和准确性,实现了相位差变化率定位法的快速高精度定位。仿真结果表明,该方法在5s内的相对定位误差为2.14%。     

基于邻域风险最小化概率密度估计的自适应盲分离算法*

为实现由不同统计特性和概率分布平滑特性信号得到混合信号的盲分离,对基于支持向量机的邻域风险最小化概率密度估计算法进行研究,提出一种邻域函数的构造方法,将其与自然梯度批处理算法相结合,形成一种新的自适应盲分离算法;利用广义高斯模型分析了分离算法的精确度。通过仿真实验,验证了该算法能分离统计特性不同的混合信号,相比于基于经验风险最小化的方法,该方法在收敛速度和精度方面的性能有很大提高。