基于粒子群算法的涡旋体三坐标仪检测数据处理方法研究

粒子群算法是一种新出现的进化算法,相对其它进化算法,它收敛速度快、规则简单、编程易于实现.本文提出了一种利用三坐标测量仪检测涡旋型线的数据,基于粒子群优化算法技术来评价型线轮廓度误差的数据处理方法.该方法优点在于在涡旋型线轮廓度误差评定过程中能自动实现加工基准与测量基准的适应性调整,以此分离加工基准与测量基准之间的位置误差,消除位置误差对轮廓度误差评定结果的影响.经实际应用证实,该方法简便、合理,为科学地评价涡旋型线轮廓度提供了依据.     

单纯形微粒群算法在确定路堤安全系数中的应用

在公路设计中,对于路堤的堤身稳定性、路堤和地基的整体稳定性评价,按规范要求一般采用简化Bishop算法来确定公路边坡最危险滑动弧面及其对应的最小安全系数.工程上常采用的枚举法要求给出搜索范围,计算速度慢.传统的优化算法如步长加速法等存在容易陷入局部极值等缺点.在微粒群算法(PSO)基础上,运用了一种用单纯形法和微粒群法结合的优化搜索算法(SM-PSO),并与PSO方法在优化效率和优化性能方面作了比较.该方法在收敛速度、适应性等方面较PSO方法也有明显改进,与传统枚举算法相比计算精度满足要求.     

复杂多关节机械臂建模及逆运动学比较分析

针对含多种关节类型的复杂机械臂的建模问题, 在 D鄄H 参数法中引入虚拟关节建立运动学模型。 考虑机械臂逆运动学存在多解、 精度和实时性的问题, 通过4 种不同的 PSO(Particle Swarm Optimization)优化算法: 线性递减权重的粒子群(LPSO: Linear Decreasing Weight Particle Swarm Optimization)、 基于杂交的粒子群优化(CBPSO: Crossbreed Particle Swarm Optimization)、 基于模拟退火的粒子群(SAPSO: Simulated Annealing Particle Swarm Optimization)和混沌粒子群优化(CPSO: Choas Particle Swarm Optimization)进行计算。 随机选取工作空间的位置点, 验证优化算法能有效计算机械臂逆运动学解, 并对执行时间、 位置误差等方面进行了比较分析。 实验结果表明, 改进的 CBPSO 算法能有效计算复杂多关节机械臂的逆运动学解, 同时满足实际作业中对实时控制的要求。     

基于粒子群-支持向量机的时间序列分类诊断模型

构建一种基于粒子群算法-支持向量机(PSO-SVM)的磁共振功能成像(fMRI)时间序列分类诊断模型,通过针对脑区多维时间序列数据的深层次分析实现病症患者和健康者的准确判断与区分,为面向fMRI时间序列数据的病症诊断和预测提供有效科学依据.该方法在以下4个方面不同于其他已有相关研究工作:(1)构建基于自回归模型的脑区多维时间序列数据特征表示;(2)构建基于支持向量机模型的脑区多维时间序列数据分类机制;(3)构建基于粒子群算法的分类学习参数寻优策略;(4)建立融合上述特征表示、优化分类与参数优选模式的fMRI时间序列数据分类诊断模型.通过以精神抑郁症作为实证分析的具体案例,所提出分类诊断模型已取得良好实验效果,展示出其有效性与合理性.     

一种混合优化的匹配追踪生态声音识别方法

针对生态自然环境中噪声对声音识别产生干扰的问题,提出利用混合优化的匹配追踪(MP)进行生态声音识别的方法.首先,使用萤火虫算法(GSO)和粒子群算法(PSO)对匹配追踪算法进行混合优化,加快匹配追踪有限次稀疏分解的速度并重构声音信号,保留高相关成分,滤除低相关噪声;其次,根据所选最优原子的时频信息结合MFCCs提取复合抗噪特征;最后,结合支持向量机(SVM)对40种生态声音在不同背景噪声与信噪比的情境下进行分类与识别.实验表明,优化后的匹配追踪算法去噪性能优于谱减法和小波去噪法.与常用的MFCCs方法相比,本方法对生态声音在不同信噪比下的识别性能有不同程度的改善,并且具有较好抗噪性.     

耦合共振无线电能传输系统最大效率跟踪控制

耦合共振无线电能传输系统发射端与接收端距离小于某一特定值时,共振频率将发生变化,传输效率将大大降低.为了保持接收端实时以最大效率运行,本文提出一种耦合共振无线电能传输最大效率跟踪控制方法.该方法根据耦合共振无线电能传输效率特点引入粒子群优化策略(PSO),通过迭代求解粒子适应度函数,获得全局最优解,实现系统最大效率跟踪控制.研究表明,所提方法能够找到不同距离下最大传输效率对应的系统谐振频率,使无线电能传输系统电能接收端以最大效率运行.     

期权定价中最优投资问题与算法

最优投资是期权定价中投资者面对的关键问题,投资者如何选择合适的执行价格和期权的有效期限,以使期权到期日的价格最高,是一个复杂的非线性连续优化问题;文章引入进化计算中的粒子群算法来解决这一问题,提出了一种基于粒子群的期权定价最优投资算法,为投资者提供有效的决策支持;针对Black-Scholes模型进行了算法的设计和实现,并以一个典型算例说明了该算法的有效性。     

氧乐果合成过程的PSO-回归BP网络建模方法

为了提高模型效率,更好地反映实际系统的动态特性,根据氧乐果合成过程特点确定了PSO-回归BP网络结构.采用惯性权重动态调整的粒子群算法进行初始寻优,并基于改进的BP算法对优化的网络权阈值进一步精确优化,建立了氧乐果合成过程的PSO-回归BP网络模型.仿真结果表明,所建模型误差小、收敛速度快、网络泛化能力强,能更好地反映实际对象特点.     

基于粒子群优化算法的像素级图像融合

多传感器的像素级图像融合中，如果对源图像进行线性运算以得到融合图像，源图像的置信度取值一般只能由经验和个人主观感觉来确定，并不能得到令人满意的融合效果．本文针对这一问题提出了一种基于粒子群优化算法的像素级图像融合的算法．该算法可以根据融合的目的采用不同的融合指标，应用粒子群优化算法得到比较满意的融合图像．实验结果表明该算法优于其它的几种像素级图像融合算法．     

基于粒子群算法的FBG横向受力反射谱的研究

应用光纤光栅(FBG)测量横向作用力时,由于系统误差、器件损耗以及一些不易测得参数的影响,引起FBG的反射谱发生畸变,导致特征信息提取困难.为此提出了基于粒子群优化算法的FBG横向受力反射谱的分析方法,建立了FBG横向受力和粒子群算法模型,通过确立分析所用的目标函数,对FBG横向受力进行实验和寻优,在FBG横向受力反射谱中提取了特征信息.实验结果表明,粒子群算法在FBG反射谱分析中提取特征信息及测量一些不易测得的参数十分有效,并且精度高、稳定性好、收敛速度快,在FBG传感器高精度测量方面非常实用.