改进A*算法的智能车路径规划研究

由于A*算法所规划的路径存在着转折次数多,路径不平滑,路径贴合障碍物和初始时刻转折角度过大等不符合车辆运动学的问题。为了解决上述问题,获得适用于智能车的优化路径,本文通过对车辆运动学建模得到车辆的约束,同时在估价函数中加入车身轮廓代价和障碍物距离代价,并将车辆约束加入到A*算法的启发函数和路径优化中,再使用贝塞尔曲线拟合转折点,使A*算法所生成的路径更加符合车辆的运动学。通过分析改进A*算法可知,改进后的算法所规划的路径更加平滑、合理且符合车辆的运动特性。     

基于熵特征的高速列车故障诊断方法

高速列车运行状态正常与否对列车系统的安全性和舒适度有重要影响,为分析高速列车运行状态,根据高速列车振动加速度信号的特点,提出了分割能量熵和奇异熵的故障诊断方法。首先,分析列车振动信号随速度变化的特点,对不同速度下的信号进行不同频率范围的分析;其次,对分析范围内信号分割成N个区间,计算分割能量熵和奇异熵,将分割能量熵特征和奇异熵组成特征向量;最后,利用支持向量机进行故障分类识别。实验数据仿真分析结果表明,车体中、后部横向加速度信号特征对四种典型工况在不同速度下分类识别率均较高,达到95%以上,说明该方法能有效识别出高速列车故障状态。     

基于多元集对分析的辐射源信号熵特征评价

针对雷达辐射源信号新特征选取问题,提出基于多元集对分析的熵特征评价方法。根据雷达辐射源信号香农熵、近似熵和范数熵特征的识别率、稳定性、灵敏性、时间复杂度和适用范围设计评价指标,采用多元集对分析对指标体系评价。仿真实验结果表明,多元集对分析能适应对不同属性重要度的要求,实现对雷达辐射源信号熵特征的评价,对雷达辐射源信号新特征选取有一定指导作用。     

启发式RRT算法的AGV路径规划

在实际应用中，B-RRT*算法规划的路径存在着转折次数多、路线不平滑、路线贴合障碍物和最大转角过大等不符合车辆运动学的问题。为了获得适用于自动导引小车（Automatic Guided Vehicle，AGV）的优化路径，通过使用Reeds-Shepp曲线进行预处理以解决车辆在目标点朝向的问题。此外，提出启发式滑动窗口采样减少B-RRT*算法随机采样所带来的误差，并将车辆运动学约束加入到重选父节点和重布随机树的过程，使用贝塞尔曲线对所规划的路径进行平滑处理。实验结果表明：在规划相同路径上，改进B-RRT*算法规划的路径能够有效地解决上述算法存在的最大转角不合理、路径靠近障碍物、路径不平滑和不符合车辆运动学等问题。     

改进遗传操作PSO算法及其在VRP中的应用

针对车辆路径问题(Vehicle Routing Problem,VRP)是物流系统调度中的关键环节,对车辆路径进行优化调度,可以提高物流经济效益,实现物流科学化.为优化路径,提高搜索效率,针对车辆路径优化问题的特殊性,提出一种改进信息循环利用机制的遗传操作微粒群算法,利用准连续编码算法对解窄间进行编码,引入一种信息保留机制,把所有粒子自身的信息保留为一个信息库,利用信息库对粒子进行重组,实现粒子的更新,从而提高算法搜索的效率.通过仿真表明,在VRP的求解上与遗传算法和双种群遗传算法进行对比研究,证明了微粒群算法是一个求解VRP的较好方案.     

基于多项式滤波算法的自适应稳态检测

提出一种基于多项式滤波的自适应稳态检测方法.该方法采用滑动窗口方法对当前窗口内的数据进行多项式滤波,根据滤波后的多项式的一次项系数的大小判断测量信号的稳态与非稳态,而滤波窗口长度可根据训练样本自适应地确定.与现有方法相比,基于多项式滤波的自适应稳态检测方法具有实现简单、运算速度快、适用于信号的在线自动稳态检测.通过非绝热连续反应釜的仿真验证了本方法的有效性.     

一种基于结构优化SRAMS的传感器故障诊断方法

针对基于具有最大敏感性结构化残差的传感器故障检测与诊断方法（SRAMS）在设计影响矩阵时只考虑故障编码的可分离性,而没有考虑故障诊断的快速性和灵敏性的缺点,给出了故障敏感度和故障诊断灵敏度等指标,并提出了两种影响矩阵的优化设计算法。将本文方法应用于催化裂化过程传感器故障检测与诊断,结果验证了故障诊断效果优于原有的SRAMS。     

基于特征子空间的KPCA及其在故障检测与诊断中的应用

针对标准KPCA(kernel principal component analysis)不适合大样本分析的缺点,提出了一种基于特征子空间的KPCA(FS_KPCA)及其故障检测与诊断方法,该方法通过构建具有较小维数的特征子空间上的正交基来简化核矩阵,从而降低KPCA的计算复杂性.与标准KPCA方法相比,FS_KPCA方法具有更高的计算效率且只需较小的计算机存储空间.通过非等温连续反应釜过程的故障检测与诊断的应用实例,说明了本算法的有效性.     

基于MAF的传感器故障检测与诊断

针对工业控制系统中变量之间既存在线性相关性,且在时间结构上呈现自相关的特点,提出了一种基于最小/最大自相关因子(min/max autocorrelation factors, MAF)分析的传感器故障检测与诊断方法。首先,利用正常工况下的历史数据进行自相关因子分析,获得强自相关因子和弱自相关因子;在此基础上构造故障检测统计量,由核密度估计方法获得故障检测控制限,根据贡献图进行传感器故障定位。将所提出的方法应用于连续反应釜仿真过程的传感器故障检测与诊断,与经典的多变量统计方法——主元分析方法相比,所提出的方法能避免虚警,更快地检测缓变故障,并能更好地诊断和解释复杂故障。     

基于光谱空间结合的非负稀疏保持嵌入的谱聚类

为了解决高光谱遥感影像的特征融合问题,针对高光谱数据的维数高、信息量繁杂冗余、非线性而且数据量庞大特点,利用图谱理论非负稀疏保持嵌入的降维方法,提出基于光谱空间结合的非负稀疏保持嵌入的谱聚类进行样本的标记算法,有效地利用空间信息和原有光谱信息,提高分类的精度.该算法在引入非负稀疏表示的同时,利用样本的光谱与空间相关信息构建Laplacian图,嵌入投影到低维的子空间,然后再用经典的K均值聚类算法进行分类.算法能够有效保持样本的几何稀疏结构,而且光谱空间信息的结合使得图像的边界像素点得到了更好的分类.