基于栅格法的钢厂无人天车调度系统

为解决钢厂无人天车自动调度问题,利用栅格法建模。提出了一种改进的A*算法,对库房各路段和天车不同的移动方式赋予不同的移动代价,计算出总代价最小,并能规避障碍物的板坯调运线路;为了解决人工操作天车效率低的问题,设计了一套智能调运规则,可有效处理调运过程中可能出现的天车冲突、紧急不可用,以及天车之间、天车与平板车之间相互配合等问题,最终生成天车及相关设备的调运指令。仿真实验结果及现场应用表明了上述方法的可靠性和高效性。     

基于改进分层激励控制线的多阶段信息集结方法

针对时序动态综合评价问题，在分层激励方法的基础上，提出了3种改进的分层激励多阶段信息集结方法，即按比例分层的集结方法、按一维聚类分层的集结方法和按诱导变量分层的集结方法，并对其分层模式及信息集结过程进行了分析.改进后的分层方法对被评价对象评价值中包含的隐含信息的分析更为深入，且能够灵活地凸显决策者的激励意图.最后通过一个算例对方法的有效性进行了验证.在实际应用中，决策者可以根据实际问题选择适合的改进方法.     

基于改进遗传算法的多类测控资源调度方法

为了研究一类利用不同测控(telemetry, track and command, TT&C)网联合执行TT&C任务的多类TT&C资源联合调度问题, 首先对国有和商业TT&C网的不同特点进行归纳总结。其次，对问题中的约束条件进行分析和规范化描述, 并在满足所选约束的前提下, 建立问题的数学模型。进而根据问题特点, 以遗传算法为基础, 通过设计适当的编码方法和交叉、变异算子以及约束冲突处理方法, 提出一种改进遗传算法。最后，实例仿真表明, 引入的多类TT&C资源联合调度方法较传统未引入联合调度的方法能有效提高TT&C资源利用效率, 证明了所提算法求解此类TT&C调度问题具有较好的性能。     

改进A*算法的机器人能耗最优路径规划方法

为了降低移动机器人在运动过程中的能耗, 提高在能源补给有限时的任务执行率, 提出了一种改进A^*算法的机器人能耗最优路径规划方法。首先, 根据四轮差速驱动移动机器人的运动学约束, 建立了其运动的能耗模型。然后, 根据起始状态和目标状态约束求解生成运动基元, 采用能耗模型计算运动基元的能耗值, 构建了能耗运动基元集。其次, 基于传统A^*算法, 改进提出了一种能耗最优路径规划方法, 该方法在规划进程中以能耗运动基元集中定义的节点之间的连接关系进行节点扩展, 而以能耗值作为节点之间的通行成本, 从而保证获得一条全局能耗最优路径。最后, 离线地图仿真测试和机器人实验结果表明所生成的路径总能耗可降低约28.24%, 从而验证了算法的有效性。     

复杂背景下基于肤色检测的动态手势分割与识别

在类肤色的复杂背景下,基于肤色检测的动态手势识别会因肤色干扰导致识别效率较低。提出了一种基于YCbCr颜色空间的改进三帧差分法的动态手势识别方法。首先利用改进的三帧差分法对动态手势进行分割,有效去除类肤色背景;然后根据人体肤色在YCbCr颜色空间中的聚类效果,采用基于椭圆模型的肤色检测方法有效去除非肤色背景,分割出手势区域。通过双特征提取,有效去除大范围的肤色背景,最终得到完整的手势;最后利用BP神经网络较强的自学习能力,对分割的动态手势进行检测识别。实验结果表明,此方法在应对环境变化时具有较好的实时性和抗干扰能力,拥有较高的识别率。     

基于改进蚁群算法的室内移动机器人路径规划

路径规划是机器人室内导航需要攻克的关键技术之一。蚁群算法可以有效实现机器人在室内智能移动的路径规划的目标,但是也存在着停滞和收敛精度低等各种问题,针对这些问题,提出了一种改进蚁群算法可以使机器人在室内智能的完成路径规划的任务,融合了确定性选择与随机性选择策略的优点,在路径转移概率中引入一个启发性的因子,可以使状态转移概率动态进行调整,从而使算法避免了陷入停滞,并对蚁群算法中的信息素更新时的策略加以改进,引入了鸟群算法中的觅食行为。算法通过仿真验证,结果表明了该算法具有较好的室内路径规划能力,实现了路径寻优和花销最短时间效果。     

基于改进内点法的含双馈型风电场的电力系统无功优化研究

针对含双馈型风电场的电力系统无功补偿问题,建立了以有功网损最小、节点电压偏差最小为目标的无功优化模型;并考虑了风电场旋转备用的约束,提出了跟踪中心轨迹内点法实现无功优化。跟踪中心轨迹内点法在传统内点法基础上引入自适应压缩因子,利用自适应压缩因子的动态收敛性,提高算法的局部搜索能力,从而提高算法的效率。在IEEE14系统中进行了仿真测试。实验结果证明了提出的无功优化算法的有效性,算法能较好的减少有功网损;同时使其他目标函数值都得到了不同程度的改善。     

基于YOLO改进算法的远程塔台运动目标检测

远程塔台由于其低成本高时效远程实时控制技术正越来越受到民航业界的青睐,其中运动目标自动检测和显示是远程塔台的核心技术,作为增强现实技术更好地为管制员提供服务。本文在分析了远程塔台机场场面背景复杂、场面目标多为远场景、小目标等特点基础上,提出了一种改进的YOLO算法来实现远程塔台运动目标的检测,算法核心思想以Darknet-53为基础网络,多尺度预测边界框,以运动目标图像坐标（x,y）的偏移量作为边框长宽的线性变换来实现边框的回归,改善了传统YOLO算法损失函数不同大小的边框未做区分的问题,提高了检测准确性和速度。机场真实数据实验表明,该算法能快速、准确的检测出远程塔台的运动目标,并准确的回归运动目标边框及分类。     

利用改进SCE算法的锂离子电池参数辨识

针对传统参数辨识方法中存在的易陷入局部最优和精度低问题,提出一种改进洗牌复杂演化算法。首先,根据锂离子电池动态特性的二阶RC等效电路模型,确定待辨识参数。其次,通过本算法来寻找最优模型参数,以更好的模拟电池真实状态。最后,在马里兰大学先进寿命周期工程中心提供的锂离子电池动态工况数据集上进行验证,并对比本算法和其他优化算法的仿真结果。仿真结果表明, 该方法在辨识精度、泛化性能和可靠性方面具有优势。     

基于改进免疫遗传算法的骨折创伤断面生理刺激应力寻优方法

针对骨折愈合中创伤断面最佳生理刺激应力的寻优问题,以骨折治疗的Jorgensen理论为基础,建立了骨折创伤断面生理刺激应力的寻优模型.针对普通免疫遗传算法存在的问题,提出以抗体种群总体相似度替代单个抗体相似度作为判断标准以计算抗体浓度和亲和力,提出了动态变异概率的概念和确定方法.基于山羊骨折创伤断面的实测应力曲线族,采用改进的免疫遗传算法、普通免疫遗传算法和标准遗传算法分别对山羊骨折创伤断面的生理刺激应力进行了寻优.寻优结果表明,本文方法是可行的、有效的,具有较高的寻优精度.