多传感器数据采集系统中的数据融合研究

针对多传感器数据采集系统的准确性与可靠性的要求,提出了单传感器分批估计融合与模糊理论中的相关性函数与加权自适应算法相结合的数据融合方法。首先,对每一只传感器进行分批估计融合,得到了较为可靠的局部决策值。然后,利用模糊理论中的相关性函数,计算出每只传感器与其它传感器的相关程度,并剔除掉那些相关程度较低的传感器的局部决策值。最后,在权的最优分配原则下,利用加权自适应算法对剩下的局部决策值进行数据融合。该方法能在数据先验知识未知的情况下,客观地反映各个传感器的可靠程度。数据分析结果表明:与同类融合方法相比,该方法具有更高的精度。     

随机时变路网下的城市应急服务车辆路径分析

针对城市应急服务车辆（110、119、120等）的最优路径选择问题及路网的随机性与时变性,利用鲁棒优化理论,考虑路网在最坏情况下的行程时间,建立了随机时变条件下的应急车辆路径选择模型,并对 Dijkstra算法进行改进,将算法的路阻矩阵进行实时更新,以在时变条件下实现对路径选择模型的求解。经算例分析表明,该模型能有效解决随机时变路网环境下的应急车辆最优路径问题,与基于概率分布的期望行程时间最短的方法相比,该模型拥有更高的鲁棒性和易操作性。     

基于空间几何方法的乒乓球机器人最优姿态求取

首先分析了仿人机器人手臂的空间几何构型,特别是针对在给定任务下末端执行器的姿态约束不完整的情况.并在此基础上,以机器人手臂的整体动能最小为目标,优化球拍绕其法线方向的旋转角.同时从整个机器人手臂动能的方面对机器人手臂的末端执行器姿态进行优化分析,并确定最优条件,即手臂所构成的平面与球拍运动速度向量所形成的平面互相垂直,然后根据最优条件及各连杆间的关系建立方程,求解出最优的末端姿态角,以减少机器人手臂运动所引起的振动.最后,通过仿真结果从动能求取和轨迹规划等方面验证了提出的方法的有效性.     

基于次最优模型降阶的自整定PID控制器

针对过程工业中含有振荡环节和大滞后环节较难控制的被控对象,设计了一种基于频域辨识的自整定PID控制器.该控制器采用次最优模型降阶算法,辨识出二阶加纯滞后的模型;然后基于给定的相位裕度和幅值裕度,整定出PID参数.并通过仿真实验表明对于不同的被控对象,自整定得到的PID参数均能取得较好的控制效果.     

基于组合赋权的湖泊健康评价物元分析模型

湖泊生态系统的健康是人与自然和谐相处及可持续发展理念的重要体现。通过建立湖泊健康评价物元分析模型,并改进其指标权重的计算,以离差平方和准则将层次分析法、熵值法及主成分分析法3种赋权方法取得的权重结合得到最优组合赋权,应用到某地5个湖泊进行湖泊健康评价。根据当地湖泊具体情况,选取12个详细指标建立评价体系与评价标准,通过模型计算得出结果显示5个湖泊中4个湖泊评价结果为优,一个评价结果为良,湖泊总体健康状况良好。因此该模型用于湖泊健康评价是非常有效的。     

一种基于改进蚁群算法的港内寻跺应用

如何寻找最优路径是港区内交通诱导系统研究解决的核心问题。本文就如何寻找最优路径引入了基于群体仿生理念的改进的自适应蚁群算法,通过对信息浓度更新规则加以改进来加快收敛,不但能够降低蚁群算法的时间复杂度,还能克服寻找最优路径的难题,为进入港区的外来车辆顺利到达目的地提供了技术保障。     

粒子群优化算法在Web服务选择中的应用

粒子群优化(Particle Swarm Optimization,PSO)算法从随机解出发,通过不断迭代寻找局部最优解,然后根据局部最优解来寻找全局最优解。该算法实现容易、精度高、收敛快。Web服务是一种发展迅速的新型分布式计算模式,把不同服务商提供的服务整合起来,提供组合服务。用粒子群算法优化Web服务的服务质量参数,可以有效地产生一组满足约束条件的最优解,可以减少获得最优解的运算时间。     

正交试验法寻求除盐设备最优工况

水处理设备运行的经济与否直接关系到发电厂的经济效益。作者利用正交试验法原理，对除盐设备再生过程进行调整试验，以得出最佳经济运行控制参数。     

分布式多输入系统的自律鲁棒自适应分散控制

为了实现一类分布式多输入系统的分散鲁棒自适应控制, 基于状态扩张和反演干扰抑制控制, 提出一种自律鲁棒自适应分散控制的新方法. 结合直接反馈线性化和最优控制, 给出了自律最优鲁棒自适应分散控制的设计方法. 仿真结果表明, 所提出方法能够有效实现各子系统的自律鲁棒稳定、全系统整体鲁棒稳定和不确定参数自适应, 同时通过求解LMI, 具备了最优干扰抑制的功能.

     

基于前向预测策略的块正交匹配追踪算法研究

在块正交匹配追踪算法中,候选集匹配原子块的选择策略对信号重建具有重要作用,但是该算法在迭代选择原子块的过程中,每次选择当次最优迭代的原子块,并不能保证最终迭代性能是最优的。为此,提出一个基于前向预测的最优匹配原子块选择策略的块正交匹配追踪算法,通过预测原子块在未来迭代过程中的性能选择最优匹配的原子块。实验结果表明,与块正交匹配追踪算法相比,该算法的重建误差随前向预测参数的增大而减小。