课程文献中心 更多>>

关键词： 路径规划   路径优化   白鹭群优化算法   坐标微调策略   正余弦算法  

摘要： 针对改进智能优化算法规划效率低、搜索时间长、路径较为曲折等问题,将白鹭群优化算法首次应用于移动机器人路径规划,并提出了一种基于改进白鹭群优化算法的移动机器人路径规划方法。该算法在探索阶段利用对立学习进行种群初始化,以降低路径搜索代价;采用正余弦算法和贪婪策略对白鹭个体位置更新予以改进,以平衡算法的局部开发和全局搜索能力;利用坐标微调策略以获得安全可靠的规划路径。在优化阶段采用垂距限值法和分段贝塞尔曲线对路径进行优化处理,以得到移动机器人的最终运动路径。仿真结果表明,该算法较对比算法路径规划效率显著提高,总体耗时更短,路径更优,能减少路径转弯次数,进而提升移动机器人的整体工作效率。

关键词： 离散粒子群算法   集群无人机   路径规划   人工势场   Voronoi图   适应度函数  

摘要： 飞行环境可能随时发生变化,如新的障碍物出现、天气条件变化等,导致集群无人机飞行路径规划难度上升。为此,提出一种基于离散粒子群算法的集群无人机飞行路径规划方法。根据人工势场理论与威胁类型绘制Voronoi图,从而确定Voronoi图弧权值。结合Voronoi图弧权值计算结果与无人机飞行航程、威胁、电池效能代价构建适应度函数,通过离散粒子群算法不断进行迭代寻优,得到集群无人机的最佳飞行路径。实验结果表明,所提方法在集群无人机路径规划中具有较高的执行效率和成功率,具有良好的实际应用前景。

关键词： 光场成像   透明物体   密度聚类   特征显著性   多视角图像匹配  

摘要： 透明物体检测是机器视觉领域的难点问题,利用多视角光场信息与极空间约束条件可快速地检测透明物体,但是此类算法往往因为特征点数量多、相似度高等因素,导致算法执行效率偏低。针对上述问题,提出了一种基于光场信息的透明物体快速检测算法,首先利用自适应密度聚类方法筛选特征点集与全局及局部特征显著性和运动一致性约束优化结合,确保特征匹配精确度并提升了算法的速度;然后利用特征信息在极空间域水平及垂直两个维度的斜率差异实现透明目标检测,减少了拟合过程,实现了透明物体的快速检测。通过多种光场数据集对算法验证测试,结果表明:相比于其他类似算法,提出的算法能够在保证检测精度的前提下,将运算速度提升5倍以上,对于推进机器视觉技术在自动驾驶、机器人导航等领域的应用具有重要意义。

关键词： 疵点检测   YOLOv8算法   GhostNet   坐标注意力   BiFPN  

摘要： 针对织物疵点检测中疵点形态各异,检测结果容易存在漏检或误检等问题,提出一种改进YOLOv8的织物疵点检测算法。首先将主干网络替换为GhostNet,该方法在减少对计算资源要求的同时,在保证网络结构质量的前提下,减轻了网络结构的重量。另外,该模型还利用了一系列有效的线性运算,减少了模型中的参数,获得更多的特征图谱,减少了算法的计算量,大大提高了模型的性能。其次引入CA注意力机制(coordinate attention),有效增强了网络的特征提取能力。最后引入BiFPN金字塔替换head层中的concat连接,将语义信息传递到不同的特征尺度上,从而增强特征融合。实验结果表明改进的算法在检测8类织物疵点时,mAP@0.5达到91.9%,mAP@0.5:0.95达到48.8%,相比原始的YOLOv8n算法分别提高了2.2%和1.1%,具备更高的检测精度,具有更少的漏检或误检情况。

关键词： 鸽群优化算法   模拟退火算法   Tent映射  

摘要： 针对鸽群优化算法容易陷入局部最优、求解精度低和局部搜索能力差的问题,提出了一种融合Tent映射和模拟退火的改进鸽群优化算法。首先,采用Tent映射初始化种群,使初始种群分布更为均匀。然后,在鸽群优化算法的地标算子运行后再加入模拟退火算法,利用模拟退火算法以一定的概率跳出局部最优解以及具有的渐进收敛性,提高了全局优化的能力。基于16个基准测试函数对算法性能进行了测试,实验结果表明,Tent-PIO-SA算法相比PIO、Tent-PIO算法,在收敛精度上平均提高了10个数量级,特别对于极难优化的Rosenbrock函数,Tent-PIO-SA算法相比最近的经典算法LECUSSA、SCASL、CML-WOA、APN-WOA在收敛精度上平均高出了6个数量级,比TLPSO、SCA-DE算法高出了7个数量级,证明了所提出的Tent-PIO-SA算法具有较强的寻优能力。

关键词： 麻雀搜索算法   混沌映射   多策略   多尺度   变异策略池  

摘要： 针对麻雀搜索算法收敛速度慢的缺点,提出了一种基于多策略多尺度协同寻优的麻雀搜索算法。该算法首先将Sine混沌映射和Tent混沌映射相融合产生更好的初始解,然后借鉴简单而高效粒子群优化算法思想,并引入多尺度方法,修改了麻雀不同角色的位置更新公式,最后利用差分进化算法中变异操作,建立变异策略池,每只麻雀随机选择变异策略,保证种群了的多样性,提高了种群的可进化能力。通过16个测试函数进行实验比较,结果显示所提出的算法表现出较优性能,具有较快的收敛速度和较好的寻优能力。

关键词： 织物疵点检测   小目标检测   YOLOv7   加强特征提取   特征融合  

摘要： 针对纺织品疵点边缘特征弱以及极端长宽比导致检测困难的问题,提出基于YOLOv7的上下文信息多尺度特征融合织物疵点检测算法(CMFFD-YOLO)。首先,采用k均值聚类算法得到适应目标尺寸的更好锚框,并通过迁移学习引入主干权重;然后,重新设计主干网络,添加全局上下文信息(GC)模块,从而充分利用局部和全局上下文的信息增强小目标特征的提取能力;最后,设计一种基于多尺度特征融合网络的通道空间注意力渐近特征金字塔网络(CAFPN),采用渐近融合的方式使不同层次的语义信息联系更紧密,且在融合过程中能提取更多有用信息。在天池和ZJU-Leaper这2个纺织面料瑕疵数据集上的实验结果表明,所提算法的平均精度均值(mAP)分别达到了64.6%和61.7%,相较于原始YOLOv7分别提高了12.5和7.8个百分点,并且模型参数量比原始YOLOv7降低了5.013×106,具有更高的检测速度。可见,所提算法能满足企业织物疵点检测对检测精度和速度的需求。

关键词： 系统辨识   改进差分进化算法   超声换能器   传递函数模型  

摘要： 对于复杂控制系统,采用传统建模方法得到的被控对象模型,存在精度较低和收敛速度较慢等问题。针对该问题,提出了一种基于改进差分进化算法的系统辨识方法,通过采用变异率和交叉算子动态更新策略,并实时更新种群以及优化、进化终止条件,大幅度地提升了辨识模型的精度以及算法的收敛速度。与传统的最小二乘法、二阶加时滞模型法、差分进化算法以及遗传算法相比,提出的辨识方法在精度上分别提升了94.91%、40.11%、23.33%和8.48%。与传统遗传算法和差分进化算法相比,提出的方法在收敛速度上提升了近3.2倍。实验结果表明,提出的方法可以有效地克服干扰信号影响,得到精确的系统传递函数模型。

关键词： 超宽带   蓝牙低功耗技术   拓展卡尔曼滤波   数据融合   室内定位  

摘要： 针对室内定位精度低、易受多路径效应干扰、环境噪声大的问题,提出一种基于拓展卡尔曼滤波(EKF)的超宽带(UWB)+蓝牙低功耗技术(BLE)组合定位数据融合算法,首先推导了UWB双边双向测距(DS-TWR)模型、BLE对数距离路径衰减的测距模型和EKF融合UWB+BLE的数学模型,同时通过实验验证了新方法的可靠性和稳定性,实验数据表明:UWB+BLE的数据融合室内定位的精度优于单一UWB或BLE定位精度。使用UWB设备进行室内定位,定位最大误差、最小误差分别为30.76、6.44 cm,使用BLE设备进行室内定位,定位最大误差、最小误差分别为68.50、15.23 cm;与传统空间四点定位算法相比,EKF融合算法的定位结果在最大误差、最小误差、RMSE进度分别提升了46.63%、41.90%、42.00%。

关键词： 输电系统   配电系统   不确定性   风电   鲁棒优化   经济调度   列与约束生成   利普希兹动态规划   目标级联分析  

摘要： 随着风电以集中式和分布式的形式广泛接入输电系统和配电系统,如何在考虑风电出力不确定性的条件下对输配电系统进行协同经济调度以确保整个系统的经济性和安全性是新的挑战。文中首先建立了考虑风电出力不确定性的输配电系统鲁棒经济调度模型,并采用多面体不确定集描述风电出力的不确定性。然后,在列与约束生成(C&CG)算法框架下,分别针对C&CG主问题和C&CG子问题,提出基于利普希兹动态规划算法和目标级联分析法的分布式求解算法,以保证输电系统和配电系统信息的相对独立。最后,在小型输配电系统和某实际输配电系统上进行了仿真计算,其结果验证了所提算法的正确性和有效性。