一种组合导航的自适应信息融合算法

以GPS/INS组合导航系统为应用背景,针对组合导航系统信息融合的精度与稳定性要求,将简化的Sage-Husa自适应滤波算法与指数加权衰减记忆滤波算法相结合,提出了一种改进的自适应信息融合算法.仿真表明,改进的自适应算法解决了噪声统计特性和模型参数不易确定的问题,能够有效的保证信息融合的精度和稳定性.在算法仿真的基础上,对在VC 6.0环境下算法进行了改进,给出了GPS/INS组合导航系统的结构及软件框架,通过实验验证了改进的自适应算法的实际应用价值.     

一种改进的故障检测算法在组合导航中的应用

为提高组合导航系统的容错性能,实时检测滤波器处理测量信息的有效性,针对组合导航系统突变故障的检测问题,提出了相应的改进算法. 该算法不仅对系统层面上进行故障探测,而且对故障进行定位和隔离,分析了作为假设检验量的标准化残差之间的相关性强弱对故障正确定位的影响,由此对基于标准化残差的故障检测与隔离算法进行了改进,实现子系统内部故障的正确定位与隔离. 实验结果表明,改进的算法能够更有效地利用多余观测量,从而提高组合导航系统的稳健性.      

基于改进的RSSI的车间移动节点MCL算法

针对蒙特卡罗定位（MCL）算法在无线传感网络定位精度和取样效率中存在的不足,提出了一种基于接收信号强度指示（RSSI）改进的MCL算法（R-MCL算法）,并对车间移动节点进行定位.通过分析车间移动资源的移动规律,引入RSSI模型测距预测,减少取样区域,从而提高了取样效率和定位精度.仿真结果表明,R-MCL算法在定位精度、收敛速度和计算量等方面的性能均有提升.     

基于测距权重的蒙特卡罗定位改进算法

针对传统蒙特卡罗定位算法采样效率低,对锚节点密度要求高的特点,本文基于蒙特卡罗定位算法MCL提出一种改进的移动传感器网络的节点定位算法IMCB.该算法利用历史锚节点信息和RSSI测距,以及运动模型的改进对待定位节点的位置采样范围进行了进一步限制,对有效采样点的权重进行了区分.仿真结果表明:该算法的定位精度相比MCB算法提高了16.6%.     

基于蚁群优化代理的移动Adhoc网络资源搜索研究

由于移动网络的动态拓扑结构,网络资源搜索过程又需要大量的信令分组和通信链路的支持,移动网络中 的资源搜索变得异常困难.通过分析移动网络中资源搜索的关键问题,提出了一种基于代理的网络架构,并在这种 架构上运用改进蚁群算法解决这些问题.该方法首先在移动网络中引入代理节点以确定网络拓扑,然后在这种引 入代理节点的网络架构中使用改进蚁群算法,同时利用全局和本地信息素来寻找资源.仿真比较了传统蚁群算法 和改进蚁群算法的资源搜索性能,仿真结果显示相对于传统蚁群算法,这种新算法在基于代理的移动网络中可以 大大提高移动网络资源搜索的效率.     

数据挖掘中改进的C4.5决策树分类算法

针对传统C4.5决策树分类算法需要进行多次扫描,导致运行效率低的缺陷,提出一种新的改进C4.5决策树分类算法.通过优化信息增益推导算法中相关的对数运算,以减少决策树分类算法的运行时间;将传统算法中连续属性的简单分裂属性改进为最优划分点分裂处理,以提高算法效率.实验结果表明,改进的C4.5决策树分类算法相比传统的C4.5决策树分类算法极大提高了执行效率,减小了需求空间.     

改进的非常快速模拟退火算法

在研究模拟退火机理分析的基础上，提出了一种改进的算法（MVFSA算法）的具体方案，目的是为了改进原算法（VFSA算法）中存在的缺陷，以提高算法的效率．在模型试验中，对改进后的算法与原算法的过程和结果进行了一系列的比较，发现改进后算法不仅保持了原算法全局寻优的优点，而且提高了算法的稳健性和效率．这就为模拟退火算法在更多方面的实际应用打下了良好的基础．     

异构网下基于速度的自适应垂直切换算法研究

在异构网络垂直切换中一直存在着乒乓效应、网络利用率低和丢包率严重等问题．以往的算法虽然提出了改进的方法,但是没有考虑移动节点速度不同对切换效率的影响,在此提出了一种自适应主动预测的垂直切换算法．采用代价函数对可接入网络进行评估和选择;根据稳定周期、移动节点运动的速度和所处位置来自动调整切换执行时间,使移动节点能自适应的进行切换抉择．仿真结果表明,该算法可以有效地减少切换延时、分组丢失以及切换次数,能够有效地提高系统的切换性能。     

适于车辆路径规划的改进型粒子群优化算法

路径规划在车辆导航系统中具有举足轻重的作用,是配送车辆导航系统中的一个重要模块.为解决物流配送车辆导航中的路径规划问题,文章以点对点模型为基础,对基本粒子群优化算法在初始种群的产生方法和种群的进化策略进行改进,提出适于配送车辆导航中路径规划点到点模型的改进型粒子群优化算法,并通过仿真试验验证了算法的有效性和快速运算能力.     

一种新型的自适应蚁群聚类算法

提出了一种新型的自适应蚂蚁聚类算法.该算法将每个待聚类模式看作一只蚂蚁,采用蚂蚁移动模型实现模式的聚类.为了改善蚂蚁移动的随机性,提高运行效率,提出了一种局部最近邻运动原则来指导蚂蚁的移动;并且提出了一种自适应调整蚂蚁移动阈值的方法以简化参数的选取.通过数据的聚类对该算法和已有算法进行了比较.结果表明,该算法具有运行效率高、参数选取简单及自适应性等优点.     

基于北斗卫星的油田管网巡检系统的设计与实现

为提高油田管网巡检效率, 降低管道传输事故, 提出了基于北斗卫星的油田管网巡检系统的设计方法,给出了系统开发总体设计方案, 详细阐述了基础数据处理与关键功能的实现方法。该系统通过使用北斗短报文技术进行通信, 取代传统管网巡检系统自建基站及使用GPRS(General Packet Radio Service)的通信方式,解决了当前巡检系统在没有无线公网覆盖区无法通信的问题, 同时确立了更适合油区野外作业环境的Dijkstra算法代替传统的A*算法建立路径导航模型。通过两种算法的实际运行比较结果表明, 该软件的路径导航处理效率较同类A*算法模型提高了30%以上。该油田管网巡检系统可较好地提高油田管网巡检效率, 降低管网传输事故率。     

煤矿井下无线导航系统的设计与模拟

为了增强煤矿井下安全生产、抢险救灾的能力和提高管理效率,基于数字矿山综合无线局域网络系统设计了煤矿井下无线导航系统。通过利用井下接入点设备(Access Point,AP)的基本服务集识别码和导航设备接收到的信号强度指示进行导航系统内人员与设备的定位。利用嵌入式地理信息系统eSuperMap开发平台和WinCE嵌入式操作系统,在定位的基础上实现对煤矿井下作业人员和流动设备的导航。开发了电子地图操作、信息查询、路径分析、导航等功能,并在Pocket PC 2003模拟器上进行了模拟演示,表明了该系统的可行性。这些工作为煤矿井下无线导航系统的进一步开发打下了重要技术基础。     

移动机器人的自学习导航策略

针对标准Q学习收敛较慢的缺点,采用多步Q学习算法,为解决连续过程的学习问题,采用CMAC神经网络对连续状态空间进行泛化,讨论了基于CMAC的多步Q学习算法应用于导航系统的实现方法,并与其他方法进行仿真比较,结果了表明了该算法的有效性。     

基于改进ACS算法的移动机器人路径规划研究

针对蚁群系统(Ant Colony System,ACS)算法存在收敛速度慢、路径不平滑、易陷入局部最优等缺点,提出了一种基于万有引力搜索策略的ACS算法.为了解决算法初期由于地图信息匮乏,导致蚁群寻路盲目性较大的问题,提出了简化ACS算法对初始信息素浓度进行更新.引入万有引力算法搜索策略,提升了算法收敛速度,且有效解决了局部最优问题.对每次迭代获取到的最优路径进行优化,减少了路径的转折点数量、提升了路径平滑性.仿真试验表明,改进算法能够有效提升算法的收敛速度、路径平滑性.将改进算法应用到实际的移动机器人导航试验中,试验结果表明,改进算法能够有效解决移动机器人的路径规划问题,且有效提升移动机器人的导航效率.     

An improved potential field method for mobile robot navigation

In order to overcome the inherent oscillation problem of potential field methods ( PFMs) for au-tonomous mobile robots in the presence of obstacles and in narrow passages, an enhanced potential field method that integrates Levenberg-Marquardt ( L-M ) algorithm and k-trajectory algorithm into the basic PFMs is proposed and simulated.At first, the mobile robot navigation function based on the basic PFMs is established by choosing Gaussian model.Then, the oscillation problem of the nav-igation function is investigated when a mobile robot nears obstacles and passes through a long and narrow passage, which can cause large computation cost and system instability.At last, the L-M al-gorithm is adopted to modify the search direction of the navigation function for alleviating the oscilla-tion, while the k-trajectory algorithm is applied to further smooth trajectories.By a series of compar-ative experiments, the use of the L-M algorithm and k-trajectory algorithm can greatly improve the system performance with the advantages of reducing task completion time and achieving smooth traj-ectories.     

一种无先验地图的移动机器人导航方法

为了提高移动机器人在复杂环境下的无先验地图导航算法模型训练速度及导航成功率,提出一种基于深度确定性策略梯度(deep deterministic policy gradient,DDPG)的移动机器人导航方法。利用2D激光雷达的均匀分布测距信息,降低环境噪声的干扰及高维度环境信息的计算量;采用人工势场法构建移动机器人从初始位置到目标点过程的奖励函数;通过Actor-Critic网络结构提高模型训练的稳定性和泛化能力。实验结果表明,提出的方法具有模型训练速度快、导航成功率高及泛化能力强等优点。     

基于Sarsa学习的基站休眠策略研究

在异构Macro-femto蜂窝网络中,随着日益增长的用户数量使得基站能耗问题变得更加严峻,提升整个移动系统能效的有效方式就是进行基站休眠。根据无模型理论提出一种基于Sarsa学习的动态基站休眠算法,算法通过基站学习环境中的用户流量,制定合理的休眠机制。仿真结果表明,提出的基于Sarsa学习的基站休眠算法能够有效提升系统能效     

采用改进神经网络PID控制的移动机器人轨迹追踪控制研究

为了提高双轮移动机器人运动轨迹追踪精度,采用改进粒子群算法优化BP神经网络PID控制器,并对控制效果进行仿真验证。创建双轮移动机器人模型简图,给出运动轨迹误差方程式。在传统PID控制基础上增加BP神经网络结构,引用粒子群算法并对其进行改进,采用改进粒子群算法优化BP神经网络PID控制调整参数,给出双轮移动机器人PID控制参数优化流程。采用数学软件MATLAB对双轮移动机器人轨迹追踪误差进行仿真验证,并与传统PID控制追踪误差进行对比。仿真曲线显示:在理想环境中,双轮移动机器人采用两种控制方法都能较好地实现轨迹追踪,追踪误差较小;在干扰波形环境中,传统PID控制双轮移动机器人追踪误差较大,而改进PID控制双轮移动机器人追踪误差较小。采用改进粒子群算法优化BP神经网络PID控制器,可以提高移动机器人运动轨迹追踪精度。     

基于多目标优化的移动机器人避障算法

针对移动机器人自主导航过程中由于过多寻求当前时刻最优路径或最优解而产生死锁或震荡现象,提出了一种动态变化权重的移动机器人行为融合避障算法.该算法利用多目标优化方法获得移动机器人最有效解,并把指定目标的移动机器人避障导航过程分解为3个子行为避障系统.通过动态改变子行为函数的权重和优先级,实时获得当前时刻最满意路径或最有效路径.实验结果表明,该算法可在确保避障过程鲁棒性前提下,有效地改善避障导航的安全性和平滑性。     

虚拟漫游的混合碰撞检测算法

为了提高虚拟漫游中碰撞检测的效率,提出一种混合碰撞检测算法。分析了虚拟场景漫游的特点,给出了算法实现的基本流程。该方法综合运用空间分解法、包围盒层次法和投影技术,显著降低了计算的复杂度。并通过与经典的OBB算法和k-dops算法的性能进行比较,证明了这种混合碰撞检测算法能有效的提高虚拟漫游的碰撞检测效率。