基于粒子滤波的烟雾羽流路径追踪算法

利用一个搭载激光计数烟雾传感器的机器人解决追踪烟雾羽流的问题.依据化学气味源定位算法,提出基于粒子滤波的烟雾羽流路径追踪算法.算法的流程包括机器人观察、烟雾羽流路径估计、粒子重采样、预设目标点评估和机器人移动.针对算法中的观察步骤,提出了可变阈值的方法将传感器数据二值化.使用机器人仿真软件Webots对算法性能进行了评估,对比了可变阈值方法与移动平均窗方法对算法性能的影响,以及机器人不同的初始位置对算法性能的影响.结果表明:所提出算法结合可变阈值法的成功率和效率均较高,且机器人的初始位置对算法性能影响较小.     

固发羽流流场及辐射特性随飞行状态的变化规律

为了探讨火箭不同飞行状态对发动机羽流流场结构及辐射特性的影响,对不同飞行高度、来流马赫数以及实际飞行轨迹进行了研究,分析了流场的温度分布以及辐射特性的规律.首先利用FLUENT模拟了不同飞行状态下固体火箭发动机羽流复燃流场,然后分别使用Mie理论和HI-TEMP数据库结合全光谱K分布模型计算了羽流的固相和气相辐射物性参数,最后通过广义源项有限体积法计算了不同飞行状态下固发羽流在波长范围为1.5～5.5 μm下的光谱辐射强度.结果 表明:在来流马赫数相同时,随着飞行高度的增加,羽流辐射强度也随之增加;而在同一飞行高度下,来流马赫数增加时,羽流辐射强度会随之减小;在模拟火箭的实际飞行过程中,随着时间的推移羽流辐射强度随之减小,达到一定飞行高度后,羽流复燃效应不明显,羽流辐射强度变化趋于平缓.     

基于改进灰狼优化算法的区域监测机器人路径规划

为了解决大任务量作业监测中机器人路径规划问题,提出了一种区域监测的机器人路径规划算法。模拟大任务量监测真实环境进行问题建模。针对传统灰狼优化算法求解模型时全局搜索能力差且易陷入局部最优解的问题,提出了一种改进的灰狼优化算法。引入Logistic混沌映射,以加强初始化种群的多样性;引入一种控制参数的自适应调整策略,以平衡灰狼优化算法的搜索能力和开发能力;引入静态加权平均权重策略,更新种群位置,加快收敛速度。将机器人载电量与路径长度短作为约束,引入K-means算法进行任务聚类,通过改进灰狼优化算法对模型进行离线求解以规划出路径,将大任务量监测作业自动转换成分时分步作业。实验结果表明:通过国际通用6个基准函数进行测试,改进的灰狼优化算法在收敛速度、搜索精度及稳定性上均有明显提高。通过50任务点与100任务点作业场景对机器人路径规划模型进行算法仿真,验证了算法的真实有效性,且任务量越大模型优越性越好,路径缩短比例越高。     

基于小波变换的主谐波源定位

准确定位主谐波源位置是采取合理措施抑制谐波污染的重要前提.由非正弦条件下的功率分解出发,基于IEEE Std.1459-2010功率标准定义的谐波视在功率,提出一种基于二进制小波变换与谐波视在功率相结合的主谐波源定位新方法 .通过比较畸变总量归一化大小以及最低级别细节有功功率正负,准确定位谐波源位置;利用MATLAB/Simulink仿真软件验证了该方法 在多谐波源存在情况下的有效性与正确性.     

基于灰狼优化算法的神经网络PMSM混沌同步控制

对永磁同步电动机(Permanent Magnet Synchronous Motor,PMSM)的混沌同步控制进行研究,引入灰狼优化算法(Grey Wolf Optimizer,GWO)和它的几个变体算法,提出一种基于灰狼优化算法的RBF-GWO网络混沌同步控制器.在RBF-GWO网络控制器中,以RBF神经网络结构为基础,其隐层中心矩阵、高斯均方根宽度向量和权值矩阵的组合为灰狼的位置向量,选择输出平均平方误差的一半作为优化目标函数,以网络实际输出与期望输出之间的差值作为更新灰狼位置向量的依据,每次迭代的最优参数值均保存在α灰狼位置向量中,且向网络返回α灰狼位置向量,直至迭代结束条件满足.通过PMSM混沌同构同步控制与异构同步控制实验,验证了RBF-GWO网络有效性,给出的基于一种变体GWO算法(即WGWO)的RBF-GWO网络控制器具有相对更强的自适应能力.     

基于改进灰狼优化的开关磁阻风力发电最大功率点跟踪控制策略

以中小型开关磁阻风力发电机为研究对象，针对发电过程中，在不同风速条件下最大功率点跟踪控制快速性和准确性的需求，提出一种基于自适应加权灰狼优化PID算法的最大功率点跟踪控制策略。当外界风速发生变化时，根据实时风速计算出风力机最佳转速，其与实际转速的差值作为加权自适应灰狼优化PID控制算法的输入，作为转速闭环的PID控制参数，从而输出电压脉宽调制的最优占空比，实现变风速下的最大功率点跟踪控制。仿真结果表明，与传统PID控制相比，自适应加权灰狼优化PID算法能够在风速变化情况下，更加快速准确地实现最大功率点跟踪控制。     

动态环境下基于SVR-PSO的多机器人气味源定位方法简

研究具有风速变化的动态环境下气味源定位问题,提出一种基于支持向量回归和微粒群优化的多机器人气味源定位方法。以当前时刻机器人的位置为输入,以机器人所测的气味浓度值为输出,利用支持向量回归,建立机器人所在位置气味浓度的预测模型;采用改进微粒群优化方法定位气味源时,以气味浓度最大的机器人所在的观测窗内,基于预测模型得到的气味浓度最大值的所在位置作为微粒的全局极值,以当前机器人的位置作为微粒的个体极值,完成微粒的更新;根据机器人所测的气味浓度值,定位气味源。将所提方法应用于2个气味源定位场景,实验结果表明所提方法能够在短时间内成功定位气味源。     

动态环境下基于SVR-PSO的多机器人气味源定位方法

研究具有风速变化的动态环境下气味源定位问题,提出一种基于支持向量回归和微粒群优化的多机器人气味源定位方法。以当前时刻机器人的位置为输入,以机器人所测的气味浓度值为输出,利用支持向量回归,建立机器人所在位置气味浓度的预测模型;采用改进微粒群优化方法定位气味源时,以气味浓度最大的机器人所在的观测窗内,基于预测模型得到的气味浓度最大值的所在位置作为微粒的全局极值,以当前机器人的位置作为微粒的个体极值,完成微粒的更新;根据机器人所测的气味浓度值,定位气味源。将所提方法应用于2个气味源定位场景,实验结果表明所提方法能够在短时间内成功定位气味源。     

基于改进灰狼优化算法的无人机三维航迹规划

为了解决三维复杂环境下的无人机航迹规划问题,提出一种基于改进灰狼优化算法的无人机三维航迹规划方法.模拟真实的地理环境,建立三维地形模型和禁飞区模型,构造合理的评价函数.在改进算法中,设计一种基于贪婪思想和变异策略的初始化方法,提升了初始种群的平均适应度值;将一种非线性递减函数引入距离控制参数,解决了灰狼优化算法开发能力不足的问题;设计一种动态加权平均和静态平均混合的位置更新策略,解决了灰狼优化算法位置更新策略不灵活的问题.仿真结果表明:该算法相比于其他几种相关算法,航迹代价较小、收敛速度较快且效果更稳定.     

喷头位置对羽流火焰高度影响的数值模拟研究

目的研究喷头位置对窗口羽流火焰高度的影响,揭示羽流火焰高度和喷头位置之间的变化规律,为高层建筑多火焰融合作用下的外部防控技术提供理论依据.方法采用火灾动态模拟软件PyroSim对房间不同位置放置喷头的火灾模型进行数值模拟,通过对所设置工况的模拟研究,分析窗口温度曲线及温度等温线,并引入危险温度T、T_1及T_2.结果喷头位置明显影响窗口羽流火焰高度,喷头分别放置在距窗口2 m、3 m处和距火源中心2 m、3 m处与放置在距窗口1 m处相比,窗口羽流火焰T的高度提高了0.38～1 m,T_1的高度提高了0.2～0.38 m,T_2的高度提高了0.21～0.32 m.结论随着喷头位置距窗口和火源中心的距离增大,羽流火焰高度明显提高,但由于火源位置的随机性,实际安装中无法预知火源位置,故建议选择喷头位置距窗口1 m处,即易于安装,又能有效降低羽流火焰高度.     

基于改进灰狼算法的并网交流微电网经济优化调度

为了提高微电网的日运转经济效益,本文构建了并网模式下交流微电网运转结构图,建立了并网模式下交流微电网日优化经济调度数学模型,该模型包含有多个子目标函数、多个约束条件。针对传统灰狼优化算法无法很好均衡算法的全局寻优能力和局部寻优能力,寻优精度差的问题,引进一种基于非线性变化的收敛因子均衡算法的全局寻优能力和局部寻优能力,从而提高灰狼算法的寻优精度。采用改进的灰狼算法和原始灰狼算法对四个基准测试函数进行仿真,实验结果表明改进灰狼算法相较于原始灰狼算法能够获得更优解,初步证实了改进灰狼算法的可行性及优越性,再将改进灰狼算法和原始灰狼算法分别应用于并网模式下交流微电网日优化数学模型求解,通过对仿真结果对比分析,证实了改进灰狼算法的确能够更好的提高并网模式下交流微电网的日运转经济效益。     

基于灰狼优化聚类算法的读者行为分析

通过分析国内外读者行为分析算法的优缺点,提出了一种基于灰狼优化聚类算法的读者行为分析算法.首先,通过灰狼优化算法自动寻优找到模糊C均值聚类算法的最佳初始聚类中心点,再对该初始聚类中心点进行迭代计算,得到最终聚类结果.读者借阅行为数据实验分析结果验证了灰狼优化聚类算法要优于普通的聚类算法.     

快速开关型故障限流器多目标优化配置研究

为使快速开关型故障限流器(fast switch fault current limiter, FSFCL)在系统应用中发挥其最大优势,提出一种配置FSFCL多目标优化新方法。首先,针对FSFCL配置组合方案多、算法搜索范围大、寻优效率低下问题,提出基于超标节点短路电流变化总量的灵敏度法。其次,计及加装FSFCL后对系统所有节点短路电流的综合影响,提出一种权衡局部与全局限流效果的衡量指标,并在此基础上兼顾经济成本,建立FSFCL优化配置模型。最后,采用灰狼算法进行求解,并在传统灰狼算法上引入非线性余弦型收敛因子,通过对IEEE30案例进行仿真验证,表明基于改进灰狼算法的pareto最优解集分布更加均匀且跨度更大,设计者可根据实际需求从中选取配置方案。     

实时视频定位的麦克风阵列参数初始化算法

针对移动机器人近场声源定位中,需要实时获取声源目标与麦克风阵列中心相对位置和角度的问题,提出一种基于视频定位的室内声源位置测量算法,实时地为麦克风阵列提供初始化参数,为移动机器人快速建立室内近场声源环境认知实现辅助功能。该方法利用A4纸打印的位置定位板,通过摄像头采集视频数据,逐帧寻找角点后搜索定位板中心点和顶点,以此计算出麦克风阵列到声源的实际距离和方位角度。经仿真实验分析,该算法能够在室内环境中实时快速地测量声源目标位置,为机器人后续语音定位、识别与跟踪提供辅助与校准功能,具有较强的工程实用价值。     

基于灰狼算法优化深度学习网络的网络流量预测

针对深度学习网络在网络流量预测建模过程中的参数优化难题, 以改善网络流量预测结果为目标, 提出一种基于改进灰狼算法优化深度学习网络的网络流量预测模型. 首先, 收集网络流量历史数据, 并对数据进行相空间重构、 归一化等预处理; 其次, 引入灰狼算法快速搜索到全局最优深度学习网络的相关参数, 并根据最优参数对预处理后的网络流量历史数据进行学习, 建立能挖掘网络流量历史数据变化规律的预测模型; 最后, 与其他算法优化深度学习网络的网络流量预测模型进行对比分析. 实验结果表明, 基于改进灰狼算法优化深度学习网络的网络流量预测精度超过90%, 远高于其他对比模型, 且预测建模过程的建模时间少于对比模型, 可满足网络流量管理的高精度和实时性要求.     

改进的灰狼算法在电动汽车充电调度中的应用

针对灰狼优化算法（grey wolf opotimizer, GWO）易早熟收敛和陷入局部最优的缺点,提出一种基于精英反向学习的混合灰狼算法（grey wolf optimizer based on particle swarm optimizer,PSO-GWO）。首先,利用精英反向学习机制初始化种群,使种群保持多样性;然后提出一种非线性控制因子策略,增加算法的搜索能力,提高算法的收敛速度;最后基于差分进化和粒子群思想更新了位置方程,从而提升算法的收敛性能。采取10个基准测试函数将本文提出的改进的算法与差分进化算法、粒子群算法、传统灰狼算法、其他学者提出的改进灰狼优化算法进行对比。实验结果表明,本文提出的算法与其他算法相比,在求解多峰函数问题上效果显著,可以搜索到最优解0,同时求解最优非0解函数的效果也体现地较优越;同时运用改进的算法在实际电动汽车充电调度上进行了对比分析,发现也取得了不错的效果。     

Mobile Robot Positioning and Tracking Based on Ultra-wideband Technology

To solve the precision self-positioning problem for mobile robot, a positioning program based on ultra-wideband technology was proposed. Ultra-wideband pulse has very high bandwidth; ranging accuracy can achieve centimeter-level theoretically. The mobile robot obtained the distance to the reference node by sending uitra-wideband pulse. According to the geometric relations among the References and the robot, establish equations to calculate the position coordinates.Then Kalman filter algorithm was applied for mobile robot tracking.Simulation results show that robot positioning and tracking based on ultra-wideband technology can achieve indoor and outdoor seamless docking.     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题, 提出一种基于Harris-Hist的快速特征匹配及目标定位算法. 首先, 采用Harris检测算法提取图像特征点; 然后, 提出一种新的特征点描述子定义方法, 计算特征点圆形邻域内像素点灰度直方图刻画特征点, 通过计算两幅图像中各特征点描述子间的距离实 现特征匹配; 最后, 根据匹配结果, 估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高, 能满足机器人伺服定位抓取中定位精度和实时性的要求.     

基于改进导航圆算法的光伏阵列清扫机器人路径跟踪控制

为解决光伏阵列清扫机器人行进时易受组件间边框和光滑组件表面的影响,出现偏移原轨迹的问题,首先给出针对光伏阵列清扫机器人的运动学模型和超宽带定位系统,之后通过仿真分析原导航圆算法机器人调节距离较长的问题,提出一种基于改进导航圆算法的光伏阵列清扫机器人路径跟踪算法,对原导航圆算法的纠偏角重新修正,然后对修正后的纠偏角进行调节,直至机器人回到目标路径上。试验结果表明,该控制方法相对于原导航圆算法,调节距离缩减50%以上,有效地提升了调整效率。