基于GPU并行优化的BBPSO-PF算法

针对粒子滤波算法在重采样环节因粒子交互而不能充分并行处理的问题,提出了基于图形处理器(GPU)的并行骨干粒子群优化粒子滤波算法(BBPSO-PF).首先利用骨干粒子群算法具有易并行的特点优化粒子滤波算法重采样环节,从算法结构上提高粒子滤波算法的并行度.然后利用GPU的多线程架构并行处理每个粒子群的数据,每个线程负责一个粒子群,使粒子群之间得到并行化处理,解决粒子滤波重采样因粒子交互而不能充分并行的缺点.最后利用GPU中对齐与合并的内存访问原则,给粒子群设计高效的数据存储结构,降低内存访问事务,提高粒子群的数据存取速度,进一步提高算法实时性.该方法在保证算法精度前提下明显提高了算法的实时性.     

基于鲸鱼算法的巷道掘进爆破参数优化与应用

合理的巷道掘进爆破参数组合是提高生产效率和改善掘进生产环境的重要因素。建立巷道爆破掘进经济数学模型,对在综合成本最少的前提下优化巷道掘进爆破参数。以钻孔、爆破、铲装、运输等工程技术环节为基础,建立巷道爆破掘进的综合成本为目的经济数学模型,形成目标函数。鲸鱼算法较传统的智能优化算法有着收敛速度快、稳定性好和操作简单的优势。利用鲸鱼算法对目标函数进行优化,最终得到最佳的爆破参数组合,即周边孔抵抗线为0.78 m,周边孔间距为0.64 m,崩落孔抵抗线0.95 m,崩落孔孔间距为0.90 m,炸药单耗1.21 kg/m3,并得到了矿山的爆破掘进最佳综合成本在29.9元/m3左右,可以为矿山爆破掘进的爆破成本控制提供参考。     

基于优化RBPF的同时定位与地图构建

以优化的Rao-Blackwellized粒子滤波器(RBPF)为基础,实现了室内移动机器人同时定位与地图构建(SLAM).结合移动机器人的运动模型和观测模型,设计一种基于退火参数优化混合提议分布的RBPF算法,以退火参数调控两者在混合提议分布中的比例,使改进的提议分布更加接近真实状态;针对重采样后粒子退化效应,提出一种基于等级的自适应局部重采样(APRR)算法.在机器人操作系统(ROS)平台上,使用配有URG激光器的Pioneer3-DX机器人对改进算法进行实验验证,结果表明:改进算法能减少所需粒子数,保持粒子多样性,降低计算复杂度,在不同环境下在线创建高精度的2-D栅格地图.     

基于插补算法的大型喷浆机器人轨迹规划

针对施工现场及机器人的实际情况，介绍了大型喷浆机器人在自动控制方式下基于插补算法的轨迹规划。实际应用表明，用该方法对机器人进行轨迹规划完全能满足喷浆工艺的要求。     

基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法

在当前机器人导航和环境感知领域,室外大尺度场景下的三维激光SLAM一直是一个挑战性问题。由于GPS信号在某些环境下的不稳定性和激光SLAM的误差累积特性,传统算法在大尺度场景下表现不佳。针对室外大尺度场景下三维激光SLAM（同步定位和地图构建）存在的误差累积严重问题,本文提出了一种基于迭代卡尔曼滤波器的GPS-激光-IMU融合建图算法。该算法通过利用惯性测量单元（IMU）数据对机器人状态进行预测,同时以激光和全球定位系统（GPS）数据作为观测,更新机器人状态,推导出观测方程和雅可比矩阵,显著提高了建图的精度和鲁棒性。里程计中融合GPS数据的绝对位置信息以解决长时间运行中的误差累积问题。在特征稀疏的环境中,由于约束不足可能导致算法崩溃,GPS数据的引入可以提高系统的鲁棒性。此外,重力对于IMU数据预测机器人状态起到关键的作用。虽然重力是三维向量,但在不发生区域变化的情况下,其模长是不变的,因此被视为二自由度向量。通过将重力的优化转化为旋转矩阵群上的优化,成功避免了重力过参数化的问题,提高了算法的精度。在室外场景下与其他算法进行了性能测试对比并且验证了在大尺度场景下的鲁棒性和精度,结果表明...     

粒子滤波算法重采样门限值研究

目标跟踪算法的目的是对目标进行跟踪,跟踪滤波算法的好坏直接决定了能否及时地跟踪上目标。在粒子滤波算法中,重采样是很重要的一步,很多介绍粒子滤波的文献都提到了在重采样前设置一个采样门限,以此来判断在粒子滤波算法中是否进行重采样。采用实际仿真的方法研究了采样门限取值对跟踪效果包括跟踪时间以及跟踪精度的影响,采用了最经典常用的跟踪模型进行了仿真研究。     

基于权值优化的粒子滤波算法研究

为解决粒子滤波算法中存在的权值退化和实时性差的问题,提出了一种改进的权值优化组合粒子滤波算法(impWOPF),该算法通过对粒子权值设定门限Thershold,剔除权重小于Thershold的粒子,减少不必要的粒子运算,然后对小于粒子群权值均值的粒子进行权值优化组合,以增大小权值粒子的权值,保持了粒子多样性,提高了算法的实时性。仿真结果表明,该算法能够在保证估计精度的同时,有效降低重采样过程中的计算量,有利于实时信号的处理。     

采用特征预处理ICP算法的机器人运动环境建图

针对机器人运动环境建图中迭代最近点(ICP)算法的扫描配准过程存在关联点对对应困难、迭代初值要求高的问题,首先,提出一种特征预处理的粗配准方法,以保证配准过程的迭代初值较小;然后,基于扫描点过滤思想对粗配准后存在较大误差的数据进行过滤,剔除测量噪声,提高点对关联准确率.结果表明:经过特征预处理的粗配准及噪声剔除后的改进ICP算法能够有效地进行扫描配准,解决机器人运动环境建图存在的问题.     

基于最优邻居引导萤火虫移动的粒子滤波算法

针对重采样算法导致粒子种类减少影响粒子滤波估计精度的问题,将萤火虫算法引入到粒子滤波过程中,提出了一种改进的粒子滤波算法.改进算法在萤火虫个体相对亮度的计算中引入最新时刻的观测值,同时为避免迭代后期粒子在最优值附近震荡,引入递减函数更新吸引度的大小.为减少算法的复杂度,利用最优邻居引导萤火虫个体移动并控制搜寻的范围.最...     

基于BB-BC的粒子滤波算法研究

粒子滤波是目前解决非线性、非高斯系统问题的主流方法,为克服粒子退化对粒子滤波性能的影响,提出了一种基于大爆炸-大坍塌(BB-BC)优化算法的智能化粒子滤波算法。将大爆炸-大坍塌优化算法应用于重采样,以迭代机制设计解决粒子退化问题。仿真结果表明,该算法与标准粒子滤波算法相比计算简单,滤波效果优于标准粒子滤波算法。     

优化人工蜂群算法的跨域虚拟网络映射算法

针对跨域虚拟网络映射问题,提出一种基于优化人工蜂群算法的跨域虚拟网络映射算法.该算法采用集中管理、分布控制的方式实现物理网络资源的有效利用,并就人工蜂群算法收敛速度慢、局部最优缺点,提出寻优能力更强的优化人工蜂群算法进行域间映射请求的划分.实验结果表明:与LID-MVNE算法、Policy-MVNE算法、GA-MVNE算法相比,所提算法能够以更小的额外开销、更少的划分时间实现更高的接受率.     

基于改进遗传算法的三角剖分优化算法研究

以三角剖分原理和传统基因遗传算法为基础,提出了一种优化三角剖分的改进基因遗传算法．该算法采用下三角矩阵表示三角剖分问题,并设计出相应的适应度函数、改进的算子以及控制参数,以弥补传统基因遗传算法的不足,提高了执行速度和进化效率．     

机器鼠走迷宫的优化路径算法及实践

提出了对树型迷宫的优化路径算法,用坐标法解决了“死胡同”的处理和最短路径的判断与选择问题,用PIC16F877单片机完成电路的设计与制作。     

基于物联网的资源映射算法研究

在物联网环境下,大量物品通过各种传感技术加入到网络中。如何有效地组织和管理日益增加的物理资源,如何满足多样化的物联网应用需求,将成为物联网发展中一个非常重要的问题。网络虚拟化技术通过有效地管理虚拟用户请求到物理资源的映射来达到充分共享物理资源的目的,在解决该物联网问题时体现出它的优势。在现有互联网虚拟网络映射算法的基础上,针对物联网环境中物理节点所呈现的异构性特点,提出了一种基于物联网的虚拟网络到物理网络的资源映射算法。     

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.     

基于灰狼优化算法的机器人羽流追踪方法

针对在室内扩散环境无法获得可靠的羽流流向/流速信息的情况下,解决寻源机器人源定位效率低、成功率低的问题,提出了一种基于灰狼优化算法的机器人羽流追踪方法.该方法以气体浓度值作为个体适应度,在不搭载羽流流速/流向传感器的情况下,通过寻源机器人模拟灰狼种群的社会机制与狩猎行为进行位置更新,使寻源机器人能高效地追踪羽流并定位源位置.分别将灰狼优化算法、粒子群算法、遗传算法、Z字形搜索策略进行四组机器人羽流追踪仿真实验,基于灰狼优化算法的寻源机器人的定位成功率分别为92％、94％、94％、94％.实验结果表明,基于灰狼优化算法的寻源机器人的定位成功率分别为95％、90％、90％,验证了基于灰狼优化算法的机器人羽流追踪方法的可行性和有效性.     

基于优化遗传算法的灰色-RBF神经网络预测模型研究

根据灰色系统、RBF神经网络的模型及遗传算法原理,提出了一种基于灰色系统与改进的遗传算法RBF神经网络的系统预测模型,采用改进的遗传算法对该模型进行全局优化,最后用实验验证了模型的有效性,对比分析了单独使用GM(1,1)和RBF神经网络模型的预测结果.结果证明,优化后的预测模型的预测精度高于另外两种模型的预测结果.     

基于粒子群优化的核函数参数选优

核主元分析的性能受本身核函数参数的影响,为了优化核函数参数,提高核主元分析的性能,在研究粒子群优化算法的基础上,提出了基于粒子群优化的核函数参数选优方法,有效地提高了核函数参数的优化,减少了其设置的盲目性。该方法综合考虑样本的类内离散度和类间距离,建立核函数参数优化的数学模型,应用粒子群优化算法对其寻优,通过仿真验证了该方法的有效性。     

一种基于FPGA的DDS算法的简化实现

在分析了传统的DDS算法的基础上,提出了一种改进方案,使得系统的复杂度降低,更趋于模块化,产生的波形频率更准确.输出采用一个周期8个采样点的定点输出,系统时钟频率为80MHz,信号的谐波小于70dB.输出信号的范围为DC到10MHz,信号频率的步长为0.1Hz,相应的转换速度为12.5ns.