平面点集凸壳的快速近似算法

提出并实现了平面点集凸壳的一种新的近似算法——多方向极值法。该算法首先根据用户输入的控制参数,顺序生成一系列极值方向,每个方向有对应的极值表达式;然后扫描平面点集中的点,依每个点的坐标更新各方向上的极值点信息;最后按照一定的顺序装配各极值点并去重,得到该平面点集的一个近似凸壳。实验表明,该算法执行效率高,不但可以单独应用在一些对时间要求比较苛刻而对精度要求不高的场合,而且可以作为快速凸壳算法的一个预处理过程。     

基于免疫的多峰极值遗传搜索算法

寻找多极值点是一个具有广泛应用价值的问题。在传统遗传算法基础上,引入免疫算子用来搜索多峰函数的极值点,其中免疫算子依次通过疫苗提取、接种疫苗和免疫选择三个步骤来完成。实验测试结果表明,该算法对一元函数和多元函数都有很好的效果。     

一种MIMO复杂过程的模糊建模新方法

针对难于建立精确数学模型的MIMO复杂过程,提出一种基于过程输入输出数据变化关系的模糊建模方法。即首先将一个MIMO系统分解成多个MISO子系统,对每一个MISO子系统按过程输出随输入变量变化的剧烈程度对输入变量论域进行划分。在此划分的基础上确定出MIMO复杂过程模糊模型的规则总数和前件参数;然后,由于要建立的模糊模型可以表示为一个前馈模糊神经网络,因此利用BP学习算法求得过程模型模型的后件参数。仿真举例验证了所述模糊建模方法的有效性。     

基于高斯曲率极值点的散乱点云数据特征点提取

提出了一种快速提取散乱点云数据特征点方法,首先求出空间一点邻域内的曲面片模型,在此基础上利用梯度法搜索曲面上的高斯曲率极值点。然后再以该点作为搜索曲率极值点的初始点,根据判定准则搜索该点附近的曲率极值点。曲率极值点的搜索方法是边拟合局部曲面边搜索高斯曲率极值点,在搜索曲率极值点时,只需计算高斯曲率极值点附近点的曲率值。避免了传统算法中由于需要求出所有测量点的曲率值,然后进行比较求得曲率极值点而耗时间的缺点,从而提高了搜索效率。     

基于多维极值参数的飞行风险量化评估方法

数具有和试验数据相同的分布形式,并构建了飞行风险发生的判定条件。在对一维极值参数符合广义极值分布的假设进行证明的基础上,提出了三维极值参数的四参数变权重(four adaptive weight parameters, FAWP),Copula模型利用自适应粒子群算法对一维和三维目标函数中的未知参数进行了辨识,对多种Copula辨识出的三维极值分布进行了拟合优度检验,结果表明FAWP Copula对三维极值参数分布形式的描述最为精确。利用FAWP Copula模型对尾流遭遇情形下的飞行风险概率进行了量化计算,所得指标可用来研究尾流场内的风险规避策略及算法。     

基于Modelica的流体点胶过程仿真技术研究

Modelica是为解决复杂物理系统建模与仿真问题而提出的一种统一建模语言,目前尚未发展出一般性的偏微分方程建模方法。流体点胶则是一种微量流体精确成型技术,需要对流体流动过程进行建模。在Modelica语言的框架下,实现了点胶过程中的流体流动过程建模仿真。实现方法采用了Legendre多项式为基函数,通过对过程方程的谱方法近似求解得到,具有物理上准确、数学上简洁的特点,为Modelica语言在分布式参数系统仿真领域的应用提供了一种新的解决思路。     

模糊值函数的极值问题

在模糊值函数的解析表达方法未解决之前,模糊值函数的极值问题一直没有被透彻地研究. 在模糊值函数结构元表达的基础上,通过定义模糊数的一种结构序,提出了模糊值函数的伴随函数概念,并证明了在结构序下的模糊值函数极值问题可以转化为其伴随函数的普通极值问题. 同时,提出了模糊值函数的广义极值问题,给出了结构元表述下的模糊值函数广义极值与广义极值点的求解方法. 研究结果不仅丰富了模糊优化理论与方法的研究内容,也为研究模糊运筹学中的优化问题提供了合理且有用的分析工具.     

基于负曲率极值点的零件识别与检测技术研究

在机器人柔性自动装配中,零件的识别与定位是一项极为重要的技术。提出了一种新的基于点到弦的距离累积算法,以实现零件轮廓曲线上负曲率极值点的检测,并在此基础上利用短切规则实现目标轮廓的分解与特征参数的提取。首先,用平面几何区域的面积来近似平面点到弦的距离累积积分,得出了距离累积积分与曲线曲率之间的关系,利用距离累积积分来检测平面离散曲线的负曲率极值点。然后,利用短切规则对零件轮廓进行分解,获取零件的几何特征,实现零件的识别与检测。试验和仿真结果说明了该方法的有效性。     

一种基于最优化的极值分布建模方法

为提高极值分布中样本数据序列分布拟合精度,对改进的综合模型采用遗传算法实现分布参数的寻优。建立了灾难性事件的样本极值分布数学模型。采用非线性回归方法导出样本极值与累积概率之间的映射关系,考虑样本极值的上限和拟合的误差,建立了极值分布的综合模型。采用改进遗传算法,将模拟退火算法应用到遗传算法中,以模型误差为目标函数进行优化,从而确定函数模型中的分布参数,实现了拟合精度的提高。     

基于粒子群优化技术的点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数，通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数，利用粒子群优化算法求解变换参数，实验表明，该算法适用于点匹配，具有操作方便、可靠性好、不易陷入局部极值等优点。