基于分层的改进A＊算法在路径规划中的应用

智能交通中的路径诱导系统能够极大地提高人们的出行效率与出行体验。经典A＊算法只注重搜索精度而忽略了搜索效率,在城市道路网络分层的基础上,对高层道路使用的A＊算法进行了改进,对于道路网络中的不同节点,设置估价函数具有不同的权值,同时给定权值的一个上下限阈值,以平衡算法的搜索效率与搜索精度。实验表明,得到的最短路径虽然不是常规的距离最短却是实际行驶时间最优的。     

一种结合演示数据和演化优化的强化学习方法

强化学习研究智能体如何从与环境的交互中学习最优的策略,以最大化长期奖赏。由于环境反馈的滞后性,强化学习问题面临巨大的决策空间,进行有效的搜索是获得成功学习的关键。以往的研究从多个角度对策略的搜索进行了探索,在搜索算法方面,研究结果表明基于演化优化的直接策略搜索方法能够获得优于传统方法的性能;在引入外部信息方面,通过加入用户提供的演示,可以有效帮助强化学习提高性能。然而,这两种有效方法的结合却鲜有研究。对用户演示与演化优化的结合进行研究,提出iNEAT+Q算法,尝试将演示数据通过预训练神经网络和引导演化优化的适应值函数的方式与演化强化学习方法结合。初步实验表明,iNEAT+Q较不使用演示数据的演化强化学习方法NEAT+Q有明显的性能改善。     

使用新混合模糊聚类算法的模糊系统建模方法

为了进一步提高模糊系统建立模型的精度,提出一种新的模糊系统算法ANFIS-HC-QPSO：采用一种混合型模糊聚类算法来对模糊系统的输入空间进行划分,每一个聚类通过高斯函数的拟合产生一个隶属度函数,即完成ANFIS系统的前件参数--隶属度函数参数的初始识别,通过具有量子行为的粒子群算法QPSO与最小二乘法优化前件参数,直至达到停机条件,最终得到ANFIS的前件及后件参数,从而得到满意的模糊系统模型。实验表明,AN-FIS-HC-QPSO算法与传统算法相比,能在只需较少模糊规则的前提下就使模糊系统达到更高的精度。     

迭代立方攻击及其应用

由于种种原因,实际分析中立方攻击通常无法找到相当数量的密钥比特线性表达式,基于迭代的思想,提出了一种迭代立方攻击方法。将其应用于55轮KATAN32算法,实验结果表明较之前的方法,该方法具有更小的数据复杂度和计算复杂度,攻击效果明显。     

基于SOPC的高精度超声波温度计设计

根据在介质中超声波的传播速度随温度变化而变化的特点为设计原理,以基于Nios II处理器软核的可编程系统级芯片(SOPC)为控制核心,设计了高精度超声波温度计。在SOPC上同时实现了高频信号发生器模块、高速信号电路控制模块、信号自动采集控制模块以及Nios II软核处理器模块,缩小了体积,并降低了成本。传播时间的精确测量采用软件细分插补算法,经过理论分析和实验验证,该方法能够达到ns级超声波传播时间的测量,使设计的超声波温度计能够实现分辨率优于0.001℃的温度测量。     

基于虚拟仪器的传感器性能测试系统

为检测传感器性能是否符合需求,在傅里叶级数算法原理的基础上,结合虚拟仪器技术,开发设计了传感器性能测试系统。通过实验验证了该测试系统能有效地对传感器性能进行检测,误差约为0.004,同时测试系统还具有一定的可扩展性和通用性,用于实验传感器以外的其他传感器测试。     

基于和声搜索方法的无线传感器网络寿命优化算法

在无线传感器网络中,基站位置的动态调整可以提高网络的寿命,然而基站位置的最优化问题是NP完全问题。为了快速地更新基站的位置并减少数据的交互总量,提出了一种基于和声搜索方法的无线传感器网络寿命优化算法。首先,通过聚类方法将传感器节点分成若干组。其次,在每一个组中选出头节点,应用头节点对组中节点的数据进行压缩并与基站进行数据交互。最后,提出一种基于和声搜索方法的基站位置动态更新协议。实验表明:提出的协议与模糊聚类协议相比,传输数据总量更小,传感器节点的能量使用率更低,能更好地提高传感器网络的整体使用寿命。     

适用于智能传感器系统的SVM集成研究

以支持向量机(SVM)为代表的人工智能技术在智能传感器系统中得到了广泛的应用,但传统的SVM有"灾难性遗忘"现象,即会遗忘以前学过的知识,并且不能增量学习新的数据,这已无法满足智能传感器系统实时性的要求。而Learn++算法能够增量地学习新来的数据,即使新来数据属于新的类,也不会遗忘已经学习到的旧知识。为了解决上述问题,提出了一种基于壳向量算法的Learn++集成方法。实验结果表明:该算法不但具有增量学习的能力,而且在保证分类精度的同时,提高了训练速度,减小了存储规模,可以满足当下智能传感器系统在线学习的需求。     

高精密恒温系统在NDIR气体分析仪中的应用

当前基于非分光红外（NDIR）技术的气体分析仪设计过程中存在很多干扰源,这些干扰源对检测精度影响的轻重程度各有不同,其中,红外池中,温度的稳定性对气体的吸收影响大,此外,对于特定的吸收气体,恒温点同样重要。设计了一种基于增量式PID算法的高精度温控系统,选择对气体吸收影响最小的恒温点,并控温范围为±0.1℃,相比现有同类温控系统,精度提高近10倍。通过试验比较不控温情况下的结果和应用在本恒温系统中的测试结果表明：高精度恒温系统下,NDIR气体分析仪的信噪比得到了明显改善。该成果将直接应用到国家＂十二·五＂计划项目中。     

一种新变步长LMS算法及在自适应波束形成中的应用

LMS算法是智能天线自适应波束形成算法中的经典算法,由于其步长固定,造成收敛速度和稳态失调之间的矛盾。为了解决这一问题,提出一种新的变步长LMS算法,并在算法中引入误差信号的自相关估计,大大降低了噪声的干扰,对算法进行仿真,得到了最优的参数设置。利用蒙特卡罗方法对算法进行了性能评估,与传统的LMS算法、NLMS算法相比,新的变步长LMS算法具有更快的收敛速度和较小的稳态误差及优良的抗噪性能。