IMU姿态解算的卡尔曼滤波方法比较

【目的】利用惯性定位技术在非开挖时直接测定电缆通道的三维坐标。在惯性定位中，姿态算法对整个系统精度的影响最大，对扩展卡尔曼滤波（EKF）和误差状态卡尔曼滤波（ESKF）两种常用的姿态解算法进行评估。【方法】以四元数和陀螺输出误差为状态向量、磁力计和加速度计为观测向量，基于四元数姿态模型，分别用EKF和ESKF进行姿态解算。【结果】试验结果表明：在计算效率方面，ESKF的计算效率要高于EKF,ESKF的计算耗时约为EKF的80%；在计算精度方面，EKF的均方根误差相对于ESKF有35.6%的改善。【结论】由于地下管线惯性定位主要考虑定位精度，因此EKF具有更好的应用价值。     

电网PMU优化配置中IGASA算法的研究

在函数的全局优化算法中,模拟退火算法和遗传算法的结合可较好地改善算法的性能．基于这个思想将适合全局搜索的遗传算法（GA）和适合局部搜索的模拟退火算法（SA）相结合,提出改进的遗传模拟退火混合算法（IGASA）来解决电力系统PMU优化配置问题．该算法用于遗传算法中选择概率的计算以增强算法的收敛性,在交叉和变异概率的选取上也进行了改进,以进一步改善算法的稳定性和收敛性,并提高了收敛速度和防止种群早熟现象．5个仿真试验验证了该算法的可行性和有效性．     

基于Relief-PGS优化算法的数据分类

【目的】在选取图像特征对图像进行分类时,选取的特征属性是否冗余会影响到图像分类的正确率。为提高分类的准确率,使用Relief-PGS优化算法对特征子集和支持向量机参数同步进行优化。【方法】首先使用Relief算法对特征数据集进行筛选,其次将筛选出的特征子集数目和支持向量机参数一起编码到粒子群-遗传算法中进行同步优化,最后对处理后的数据集进行分类,能有效提高分类的准确率。【结果】选取UCI数据库中的5种数据集进行分类,与传统的SVM算法、PGS算法和Relief-SVM算法相比,Relief-PGS优化算法对图像分类的准确率分别提高了22.53%、6.05%和11.16%。【结论】研究结果表明,Relief-PGS算法在去掉不重要特征的同时,对支持向量机参数进行优化,能有效提高分类的准确率。     

基于遗传算法的机组优化组合研究

为降低发电机发电成本,采用改进的遗传算法研究发电机组优化问题。首先将爬山法应用于遗传算法,使得改进后的遗传算法不仅具有搜索速度快、鲁棒性强等优点,而且收敛迅速,精度高;然后将改进算法应用于发电机机组优化。模拟仿真表明,该算法收敛性好,适应性强,具有很好的实用价值。     

一种改进的kalman滤波器盲自适应多用户检测

基于奇异值分解提出了一种改进的 kalman 滤波盲自适应多用户检测算法．理论分析和数值仿真表明,在异步 CDMA 系统中,与现有的基于 RLS 算法盲自适应多用户检测方法相比,该方法具有收敛速度快、跟踪性能好、数值稳定性高的优点．     

基于遗传禁忌混合算法的静态电压稳定裕度计算

提出一种基于遗传禁忌混合算法的静态电压稳定裕度计算的新方法．该方法将全局搜索能力强的遗传算法和局部搜索能力强的禁忌搜索算法结合在一起，通过改进的连续潮流法计算，可快速而准确地获取系统最大静态电压稳定裕度，并在一定程度上弥补遗传算法和禁忌搜索算法单独使用的不足．应用该混合算法对IEEE14节点系统进行仿真计算，验证了该方法可行且有效．     

基于LS的梯度迭代最陡下降算法GISDA

提出了一种基于LS准则、利用梯度迭代的最陡下降算法GISDA（Gradient Iteration Steepest Descent Algorithm，GISDA）．该算法在梯度计算上比LMS精确．新算法与传统的最陡下降算法相比，具有运算量小、容易实现等优点．GISDA算法比LMS算法收敛速度快、稳定性更好．并给出了GISDA算法和LMS算法性能比较的计算机仿真结果和结论．     

改进的概率权重随机模拟算法

提出了一种改进的概率权重随机模拟算法（IPWSSA），该算法自适应地确定权重因子，对反应率常数跨度很大的系统的化学反应动力学的随机模拟更为有效、实用。文中以两个化学反应系统为例，分别使用原始的和改进的概率权重随机模拟算法对其进行模拟。结果表明，改进的概率权重随机模拟算法可以明显地减少模拟生化反应系统所需的时间，且提高了精度。     

一种稳健的目标提取与跟踪算法

融合了GVF-Snakes算法与基于细粒度的遗传算法,提出了一种稳健的目标轮廓提取与跟踪算法.该算法通过使用边界约束替代能量计算改进了GVF-Snakes算法,降低了算法计算复杂度,提高了它的搜索速度;另外,通过引用细粒度遗传算法来筛选控制点序列,提高了算法对极端凹陷边缘和噪声干扰轮廓的提取能力.通过合成和自然图像的目标轮廓提取和跟踪实验,证明了本文提出的算法具有鲁棒性和精确性.     

基于改进YOLOv5s的车辆检测研究

【目的】针对目标检测算法在车辆检测领域中应用时存在模型复杂、检测精度较低的问题,基于改进YOLOv5s算法开展车辆检测研究。【方法】以Ghost模块来替换YOLOv5s中的主干网络,以达到模型剪枝的目的,改进后的网络模型复杂度有所降低,从而解决了网络模型较大的问题。同时,可引入挤压—激励注意力机制来提取更重要的特征信息,达到提高检测精度的目的。本研究所用到的数据集均为汽车图像,车辆检测数据集共有12 786张图片,将该数据集按照8∶1∶1的比例进行划分。其中,训练集为10 228张,测试集和验证集均为1 279张,采用对比试验法进行研究。【结果】试验结果表明,与原有的YOLOv5s相比,改进后的网络模型在车辆检测数据集上的平均准确率均值提升3%,查准率和召回率分别提升1.9%和3.2%,模型大小下降42%。【结论】改进后的网络模型有效降低了模型的复杂度,提高了检测精度,并节约成本。     

基于改进SSA-VMD的列车门丝杠机构故障诊断技术研究

【目的】为解决地铁运行时因列车门噪声过大而导致故障诊断难的问题,以列车门为研究对象,提出一种基于改进麻雀搜索（SSA）算法的变分模态分解（VMD）振动信号降噪法,并通过支持向量机来对故障进行诊断。【方法】首先,利用Hénon混沌映射来初始化种群,将非线性权重因子引入群体行为阶段,并通过Levy飞行策略及柯西变异对位置进行更新。其次,通过改进的麻雀搜索算法对变分模态分解算法中的惩罚因子α和模态分解数K进行全局寻优,确定参数分解并重构,得到降噪信号。最后,使用主成分分析法（PCA）来提取特征,并利用支持向量机（SVM）来诊断故障。【结果】试验结果表明,该方法对振动信号的降噪效果明显,故障诊断准确率达91%,验证了该方法的有效性。【结论】该方法能有效克服传统VMD去噪参数难以选取的问题,对列车门故障诊断研究具有一定的参考价值。     

一种改进的蚁群算法在垃圾运输问题中的应用

针对基本蚁群算法收敛速度慢、易陷于局部最优解等缺陷,将量子算法中的态矢量和量子旋转门引入到蚁群算法中,并分别表示和更新信息素,提出一种改进的蚁群算法--量子蚁群算法(QACA),使算法具有更好的种群多样性和全局寻优能力.结合垃圾运输问题,从数值计算上探索了改进的蚁群算法的优化能力,并与遗传算法和基本蚁群算法进行了对比,测试结果表明,改进算法获得的结果比遗传算法和基本蚁群算法更优,表明该算法是求解垃圾运输问题的一种有效算法.     

机压滴灌管网优化设计与应用

传统滴灌工程设计过度依赖设计人员经验，滴灌系统成本和能耗较高。为了降低管网建设及运行成本，提出了机压滴灌系统管网的优化方法，以骨干管网中干管、分干管管径和水泵扬程为控制变量，以管网年费用最小为目标，建立优化设计模型，应用改进的萤火虫算法求解，实现骨干管网的管径组合优化。该算法针对标准萤火虫算法存在的内部缺陷，对萤火虫的初始位置、步长因子及最优位置进行了改进。4个测试函数的仿真实验结果表明，改进萤火虫算法较标准萤火虫算法和遗传算法在寻优精度和收敛速度方面更具优势，适合求解复杂优化问题。将改进算法应用到实际滴灌项目中，改进算法能够快速有效地得到符合工程实际的设计方案，骨干管网年费用较传统经济流速法设计降低了43.71%,节省投资效果明显。     

机压滴灌管网优化设计与应用

传统滴灌工程设计过度依赖设计人员经验，滴灌系统成本和能耗较高。为了降低管网建设及运行成本，提出了机压滴灌系统管网的优化方法，以骨干管网中干管、分干管管径和水泵扬程为控制变量，以管网年费用最小为目标，建立优化设计模型，应用改进的萤火虫算法求解，实现骨干管网的管径组合优化。该算法针对标准萤火虫算法存在的内部缺陷，对萤火虫的初始位置、步长因子及最优位置进行了改进。4个测试函数的仿真实验结果表明，改进萤火虫算法较标准萤火虫算法和遗传算法在寻优精度和收敛速度方面更具优势，适合求解复杂优化问题。将改进算法应用到实际滴灌项目中，改进算法能够快速有效地得到符合工程实际的设计方案，骨干管网年费用较传统经济流速法设计降低了43.71%,节省投资效果明显。     

改进的Canny算法在工业机器人视觉系统中的应用

【目的】随着制造业对新型方式需求的提升，用机器视觉技术来提升机器人的抓取精度成为行业的研究重点。在机器人视觉图像处理过程中，传统的Canny算子存在人为设定高斯滤波及高低双阈值参数误差大等问题，需提高机器视觉的精度。【方法】本研究采用中值滤波和迭代法阈值选择算法得到阈值的方法，通过改进传统Canny算子中需设定高斯滤波及高低双阈值参数不足的问题。【结果】由试验结果可知，改进的Canny算子绝对误差值减小25%，相对误差值减小12.5%，可实现机器人视觉的精准定位。【结论】本研究基于改进Canny算子的机器人视觉技术，可完成精准、复杂的抓取任务，能满足工业柔性生产的需求。     

基于车载图像的里程桩牌检测及桩牌号识别

【目的】为解决当前道路定位误差大、里程桩定位困难等问题,对道路里程实现高效定位。【方法】采用CLAHE来增强路牌与背景对比度,用MSER和HOG来提取里程桩牌,并用SVM对百米桩和公里桩进行分类。用改进的CRAFT算法来识别公里桩,用Hough圆检测来定位百米桩,再用字符聚类网络来识别牌号。对识别失败而未录入的百米桩牌号的GPS信息,可用贝塞尔曲线和等距离插值法进行补缺。【结果】通过现场测试,里程桩分类的准确度达到93.29%,定位精度为0.938 m。【结论】该方法符合交通行业里程桩测量定位标准,且定位速度快、定位精度高。     

基于套索与优化算法的矿山岩质边坡可靠度研究

【目的】为解决拟合边坡极限状态方程时存在的过拟合与共线性等问题,且为获得更符合实际的安全系数,在考虑剪胀角的基础上,建立基于LASSO-GA-PSO的矿山岩质边坡可靠度分析模型。【方法】通过将Slide与FLAC3D相结合的方法,计算考虑剪胀角变化的边坡安全系数;采用LASSO对数据进行拟合,获得相应的极限状态方程;编写用遗传算法与LHS优化的自适应粒子群算法程序,建立基于LASSO-GA-PSO的边坡可靠度分析模型,进而确定边坡的可靠度指标。【结果】二次带交叉项的LASSO-GA-PSO模型所得的可靠度指标为2.325 7,略小于LASSOMonte-Carlo的2.387 9,误差为2.6%。【结论】模型具有较好的优化结果,可为类似工程提供参考。     

解非线性方程的一种新方法

研究了一种求解非线性方程的新方法,提出并证明了该算法的收敛性定理,给出了该算法的应用实例.计算机仿真结果表明:对于随机给定的初始点,该算法都能稳定收敛到它的一个实根,而且计算精度可控,因此,该算法是有效的.与传统的计算方法相比,该算法不仅具有收敛速度快,而且计算精度可控以及初始点随机给定集中优点.     

运用神经网络代数算法的陀螺仪非线性误差补偿

为了提高陀螺仪的测量精度,基于神经网络代数算法提出一种新的非线性误差补偿模型.由于该算法将复杂非线性优化问题转化为线性代数方程组问题,所以该模犁具有速度快、实时性好和能实现样本空间精确映射的优点.通过实验对比证明该模型比曲线拟合精度要高,多次重复性实验证明该模型能够将误差限制在0.1(°)/s以内,满足实际控制要求.     

改进的τ-leap算法在生化反应系统随机模拟中的应用

提出了一种丁一选择策略,有效地反映了生化反应系统中分子数日的改变.并由此提出了改进的τ-leap(improved τ-leap)算法,该算法对生化反应系统的随机模拟更为有效和实用.并以两个生化反应系统模型为例,分别用精确的SSA算法、改进的τ-leaping算法以及已有的修正的τ-leap(modified tau-leap)算法进行了模拟计算.仿真实验结果表明:在具有同等计算复杂度的情况下,改进的τ-1ap算法较修正的τ-leap明显地提高了模拟精度.