跟踪窗自适应的Mean Shift目标跟踪算法

针对Mean Shift算法不能很好地跟踪尺度变化目标的缺点,提出一种将Mean Shift算法和目标几何特征相结合的目标跟踪算法。该方法在Mean Shift框架下提取目标的几何特征,根据目标的面积和型心坐标对跟踪窗的位置和大小进行修正,最后更新Mean Shift的目标模板。通过大量实验仿真证明,改进的算法能很好地跟踪尺度变化的目标,对目标的仿射变化和非刚性的形态变化具有有效性和鲁棒性。     

基于多智能体的电力软科学智能实验室研究

针对电力软科学研究的复杂性、不确定性,总结了电力软科学研究包括的类别,采用最新的信息集成标准、CORBA规范,基于多智能体技术,应用复杂适应系统理论与智能工程理论,提出了电力软科学智能实验室建设框架和开发思路,并详细讨论了其实现方式。该体系结构采用开放式信息集成技术,方便已有软件的集成和功能扩展,可以为其它行业的软科学实验平台的研究和实现提供参考。     

多用户正交频分复用系统中的自适应分配算法

提出了一种多用户正交频分复用系统中次最优的自适应载波、比特和能量分配算法．该算法依照最优化算法的分配思想，利用各子载波的瞬时特性，在保证各个用户服务质量(QOS)较好的前提下，通过优选适合发送的时频块，并根据信道状态信息，及时调整其调制等级，达到降低总的发射功率，提高误码性能的目的．仿真实验表明，该算法具有较好的性能．     

基于自适应滤波算法的FIR MIMO系统均衡

为了实现对多输入多输出(MIMO)系统的均衡,提出了一种基于自适应滤波算法的自适应均衡方法。应用判决反馈式均衡器(DFE)的结构,把MIMO信道均衡问题的模型建模成一个简化的滤波模型。这个滤波模型使MIMO系统均衡问题中均衡器的设计问题转化为自适应滤波中最优滤波器的设计问题。两种典型自适应滤波器设计算法——LMS算法和RLS算法被应用于该模型中进行仿真,仿真结果显示了算法的收敛性和均衡方法的可行性。这种自适应均衡方法不需要对信道进行辨识,具有较小的运算量,并且可以适应信道变化。     

含有输入动特性不确定飞控系统的自适应滑模控制

针对含有执行器动特性和严重不确定性的非线性飞控系统,提出一种非线性自适应滑模控制器. 该控制方案的主要特征是对系统不确定性没有匹配条件的限制. 控制器由两部分组成：一部分根据称为标称模型的已知非线性模型进行控制器设计,另一部分根据建模误差的估计参数设计自适应滑模控制器. 对某飞机的非线性6自由度未解耦模型进行仿真,验证了该方法对系统不确定性具有较强的鲁棒性,对期望输出有良好的跟踪精度.     

生存迁移算法

基于生物迁移的机理,提出了一种新算法--生存迁移算法.每个生物体都存在着生存极限,生存极限会随着时间不断演化,而生物体为了生存又会在空间上不断地迁移,当全部个体所在位置的生存状况都能满足生存极限时,就认为达到了最佳的生存位置.文章分析了算法的机理与过程,用其解决了四种类型的非线性最优化问题,并进行了比较分析,实验结果说明生存迁移算法具有较快的收敛性,能较好处理一些优化问题.     

基于改进遗传算法的磁流变阻尼半主动控制系统整体优化

为解决磁流变阻尼半主动控制系统中控制算法参数、阻尼器参数与布置位置优化问题,提出一种改进的自适应小生境遗传算法.该遗传算法在选择策略、交叉和变异操作、交叉概率和变异概率的自适应调整等方面作了改进,并同时采用预选择机制和共享机制这两种小生境技术.算例分析结果表明：改进的自适应小生境遗传算法和改进的基本遗传算法优化结果总体一致,表明前者分析结果是正确的;前者首次得到最优解耗费的机时比后者平均少32.7%,可见前者比后者收敛速度更快;30次优化分析结果表明,前者比后者稳定性更强;经前者优化的磁流变阻尼半主动控制系统取得良好减振效果,El Centro波、集集波、人工波输入时,半主动控制结构层间位移角和绝对加速度的最大值较无控时分别平均减小64.1%、54.7%、55.9%.算例表明了改进的自适应小生境遗传算法的有效性,实现了对磁流变阻尼半主动控制系统的整体优化.     

多策略集成的改进技能优化算法及应用

针对技能优化算法(Skill Optimization Algorithm,SOA)寻优精度不高、收敛速度慢等缺点,本研究提出一种多策略集成的改进技能优化算法(Multi Strategy integrated Skill Optimization Algorithm,MSSOA)。MSSOA采用佳点集策略初始化种群,提高初始种群在解空间内的分布质量;根据算法特点在全局搜索阶段采用自适应权重,改进个体行进的步长;根据不同个体采用不同的t-分布扰动方式,平衡全局搜索和局部搜寻的关系,增强算法后期局部搜寻能力。通过12个测试函数、2个工程应用问题对其性能进行测试,测试结果表明MSSOA有着理想的寻优精度和收敛速度,能够解决复杂的工程问题。     

基于抗差自适应滤波的高速列车融合测速算法

针对Kalman滤波在高速列车融合测速过程中因观测粗差和动力学模型误差而引起的融合精度下降问题,提出一种基于抗差自适应滤波的高速列车融合测速算法。首先,在Kalman滤波的基础上构建异常检测函数和误差判别统计量,用于检测和区分传感器异常观测导致的观测粗差和动力学模型误差;然后,针对观测粗差和动力学模型误差,分别采用三段式函数和指数函数构造抗差因子和自适应因子,通过2种因子合理调节观测信息和模型信息在状态估计中的权重,从而降低观测粗差和动力学模型误差对融合结果的影响;最后,通过2种运行场景以及算法对比,仿真验证抗差自适应滤波算法性能。仿真结果表明,与基于Kalman滤波的融合测速算法相比,所提出算法无论在观测粗差场景还是在动力学模型误差场景,均具有更高的精度和稳定性。     

基于两次Kalman滤波的观测噪声自适应调整算法

在实际的目标跟踪过程中,由于目标远近等各种客观因素的影响,观测噪声是随时变化的.但是在标准卡尔曼滤波中,如果将观测噪声协方差设为恒定值,必然造成跟踪结果不理想.针对这种情况,通过在任意时刻施行两次卡尔曼滤波的结果来自适应地调整观测噪声协方差,使卡尔曼滤波算法中的观测噪声协方差与实际值更加接近,从而提高对目标的跟踪精度.最后Monte Carlo仿真实验证明了本算法的有效性.