基于改进势场蚁群算法的移动机器人最优路径规划

首先,针对传统人工势场算法存在死锁及局部路径欠优等问题,对其进行改进。利用障碍物检测算法识别出有效障碍物和有效路径中间点,通过引力场和边界条件规划出起点到中间点的局部路径,将中间点置为新的起点进行反复迭代,直至起点与目标点重合则规划完成。其次,针对蚁群算法容易陷入局部最优以及收敛速度较慢等问题,对其进行改进。以改进人工势场算法规划出的路径启发蚁群进行路径搜索,从而避免算法早期由于盲目搜索而导致的路径交叉及收敛速度慢等问题,同时以收敛次数构建负反馈通道,使全局信息素和局部信息素的更新速率跟随收敛次数的变化自适应调节,从而保证了算法全程中收敛速度与全局搜索能力的协调与统一。最后,在Matlab中对本文算法、基本蚁群算法以及文献[23]所述算法分别进行仿真实验。结果表明:在相同的环境模型下,本文算法的收敛速度和搜索能力均优于另两种算法;在给定的简单环境模型下进行路径规划时,本文算法的迭代次数为3次,运行时间为0. 892 s,最优路径长度为28. 627 m;在给定的复杂环境模型下进行路径规划时,本文算法的迭代次数为8次,运行时间为3. 376 s,最优路径长度为31. 556 m,所寻路径对环境的覆盖率为73. 63%。     

基于势场蚁群算法的移动机器人全局路径规划方法

针对移动机器人路径规划蚁群算法收敛速度慢和人工势场法易陷入局部最优的问题,提出一种以栅格地图为环境模型,在蚁群算法搜索过程中加入针对具体问题的人工势场局部搜索寻优算法,将人工势场法中力因素转换为局部扩散信息素,使蚁群倾向于具有高适应值的子空间搜索,减少了蚁群算法在盲目搜索路径过程中产生的局部交叉路径及蚂蚁"迷失"数量,提高了蚁群对障碍物的预避障能力。对不同参数组合下2种算法及其它改进算法仿真结果做了比较,验证了基于势场蚁群算法的全局路径规划能够加快寻优过程且具有较强的搜索能力,收敛速度提高近1倍。     

基于改进蚁群算法的蔬菜大田无人农机路径优化

推进蔬菜机械化与无人化种植能够保障优良的蔬菜规模化种植技术效益,有力保证蔬菜质量与品质,有利于蔬菜规模化生产种植技术产业体系的发展。利用无人拖拉机作业GPS定位点集将实际农业作业区域转化为规则矩形,在此基础上建立以无人拖拉机总转弯距离最短为优化模型,采用蚁群算法对无人拖拉机耕地作业路径序列进行搜索。同时考虑到传统蚁群算法易陷入局部最优、全局搜索能力不足等问题,提出一种基于和声搜索策略的改进蚁群算法,通过引入sigmoid函数与和声搜索机制改善路径搜索能力,得到高质量耕地作业路径序列。将传统蚁群算法(AC)、精英蚁群算法(ELAC)作为对比算法,将传统梭形、回形作业方法作为路径对比作业方法,针对不同耕地作业规模进行无人拖拉机作业路径搜索试验。结果表明,本文算法得到的总转弯距离较梭形耕法降低35.53%~43.08%、较回形耕法降低2498%~86.88%。精英蚁群算法在小规模作业区域中性能较优,但随着蔬菜大田规模扩大,改进和声蚁群算法优化效果更明显。     

复杂环境下农业机器人路径规划优化方法

针对在室外复杂环境下作业的农业机器人存在因能量受限导致工作完成率降低的问题,提出了一种基于改进的启发式搜索的ECA~*路径规划算法,该算法可以在资源受限的情况下完成能量损耗最优路径的规划。首先,通过建立机器人距离-能量损耗模型,计算机器人移动行进的路程和损耗的能量,并对未来的路径和能耗趋势进行评估。然后,在传统A~*算法的基础上,将距离-能量损耗模型代入启发代价函数,通过搜索扩展子节点寻找最优路径。在每次迭代过程中,通过对比剔除处于劣势的路径,以保证算法的高效性。最后,通过设计仿真实验,将改进的ECA~*算法与传统的A~*算法搜索到路径的能量损耗进行对比,并在之后的改进算法中添加相应的能量约束进行计算。仿真结果表明,改进算法减少14. 87%能量消耗,验证了ECA~*算法的有效性。     

基于改进粒子群算法的路径规划

传统粒子群算法存在收敛精度低、搜索停滞等缺点,导致机器人路径规划精度低。为了提高路径规划的精度,对传统的粒子群算法进行改进。首先在算法运行的各阶段对惯性权重因子和加速因子同时使用三角函数的变化方式自适应调整,使算法中的参数在算法运行各阶段的配合达到最佳,提高了算法的搜索能力;其次在算法中引入鸡群算法中的母鸡更新方程和小鸡更新方程对搜索停滞的粒子进行扰动,并在引进的方程中使用全局最优解使扰动后的粒子向全局最优解靠近;最后通过函数优化和路径规划两组对比实验,验证了改进算法在问题优化时具有寻优精度高、鲁棒性好的优点。     

基于改进人工蜂群算法的水电站水库优化调度研究

首先建立了水电站水库优化调度模型。在对人工蜂群算法描述的基础上,为有效避免标准人工蜂群算法局部搜索能力差等缺点,提高寻优能力,本文设计了一种以反向学习策略搜寻初始解、以自适应比例选择策略代替轮盘赌法、以基于指数分布突变策略更新蜜源位置的改进人工蜂群算法。应用MATLAB软件将改进后的人工蜂群算法应用于新安江电站水库优化调度中。仿真结果表明,改进人工蜂群算法具有更好的全局搜索能力,调度结果显著优于人工蜂群算法和粒子群算法。     

分析抽水试验数据的单纯形差分进化混合算法

分别以无限含水层和有直线隔水边界含水层情况下的解析解为基础,应用提出的单纯形差分进化混合优化算法求解分析2种条件下的抽水试验数据,确定含水层参数的函数优化问题.将具有全局搜索能力强、原理简单、受控参数少、而局部搜索能力弱等特点的差分进化算法与具有局部搜索能力强、运算速度快、而对参数初值的选取依赖性较强和易于陷入局部极值等特点的单纯形优化算法进行结合,构成了一种混合优化算法,即单纯形差分混合优化算法.这种混合算法同时具有确定性运算和随机性搜索所具有的共同优点,能够较好地平衡全局搜索能力和局部搜索能力.数值实验结果表明,单纯形差分混合优化算法能够有效地应用于分析抽水试验数据,识别含水层参数;与其他方法相比较,其具有运算速度快、效率高和计算结果精度高等优点.     

动态蚁群算法在梯级水库优化调度中的应用

针对蚁群算法缺乏全局搜索与局部寻优之间的动态调整,蚁群难以保持较好的多样性,算法极易陷入局部最优的问题,以余弦递减的策略动态调整启发式因子的变化,从而平衡算法的全局搜索和局部寻优。同时,利用混沌搜索的随机性和遍历性,对蚁群每次迭代找到的路径进行混沌扰动,从而提高算法跳出局部最优的能力,避免算法早熟收敛。将改进的蚁群算法应用于梯级水库的联合优化调度,模拟计算结果表明了算法的有效性。将其结果与逐步优化法和标准蚁群算法的计算结果进行对比,体现了算法在求解速度和求解精度上的优势。     

基于改进蚁群算法的雅砻江流域梯级联合优化调度研究

提出一种改进蚁群算法(IACO,Improved ant colony optimization algorithm)求解梯级水库群优化调度问题,算法的改进主要包括嵌入邻域搜索和禁忌搜索,初始解生成技术和基于可行性的目标函数比较规则。论文以雅砻江流域梯级五级电站联合运行为背景,对蚁群算法和改进蚁群算法的求解质量和收敛性进行比较,实例验证表明,改进蚁群算法可以获得较好的优化调度结果。     

基于PSO-EACO的农业机器人路径规划仿真研究

针对农业机器人在完成采摘、质量检测、信息采集等作业中路径规划低效问题,采用粒子群(PSO)和改进蚁群(EACO)融合算法对路径规划进行改进。该融合算法先通过带有惯性权重的粒子群算法找到初始路径,然后将该种群看作蚁群算法的初始信息素来分布,从而进行精密搜索,避免盲目搜索带来的低效,提高搜索速度。结果表明:融合后的PSOEACO算法得出的路径长度比改进的EACO算法缩短2.5%,完成任务用时缩短5.1%。本算法能够规划出最优行走路径,提高农业机器人的工作效率。     

融合新词发现和改进TextRank的农业领域关键词提取算法

针对农业领域文本中专业术语类关键词提取困难的问题，本文提出了一种融合新词发现和改进TextRank算法的农业领域关键词提取方法，该算法通过信息熵对文本中的词进行成词概率计算，以此发现领域专有名词和新词，通过人工审核扩充分词字典；同时，在分词字典基础上，改进TextRank算法在词图构建中节点值的计算方法，添加词语位置和词性权重，利用词语综合权重提取文本关键词。通过实验对比，本研究的算法在F值上比传统的TF-IDF算法平均提高了7.5%，比TextRank算法平均提高了9.8%，具有一定的实用性。     

BP神经网络快速收敛算法研究

以标准BP算法为基础，应用Levenberg—Marquardt优化算法，提出了一种快速收敛的BP算法——LMBP算法。仿真结果表明，与标准BP算法及其他改进形式比较，LMBP算法收敛速度大大提高，稳定性并未降低，这为BP神经网络应用于实时性要求高的场合(如在线检测)提供了算法基础。该算法的缺点是计算量大，所需计算机内存大，不适合大型网络的计算。     

改进微粒群算法及其在水库优化调

介绍了一种新的集群智能算法—微粒群算法（PSO），该算法具有实现简单、参数少且收敛快的特点。针对其易于陷入局部最优的缺陷，文中通过引入遗传算法中的“杂交”算子，并采用自适应的惯性权重，对原算法进行了改进，并将其应用于水库长期优化调度问题。文中用实际算例验证了该算法的有效性，从而为水库优化调度问题提供了一种新的求解途径。     

基于层推进法的混合网格生成算法研究

对于复杂几何外形的离心泵，在层推进法生成混合三棱柱/四面体网格时，很难生成高质量的贴体三棱柱网格，且层推进法生成三棱柱时可能违背流形的可视化条件，针对这一问题，本文在层推进法的基础上，采用一种新的层推进矢量计算方法生成三棱柱网格，并对影响整体网格质量的棱柱层数及棱柱层之间的比例系数进行研究，同时对生成的网格进行数值模拟，并与已有算法生成的网格的数值计算结果及实验结果进行对比，结果表明，三棱柱层数越少，网格质量越高；比例系数越小，网格质量越高，但比例系数减小会使网格数增加，因此，基于计算精度和计算效率考虑，推荐层数为3，比例系数为1。通过对比不同算法生成的混合网格结果表明，在网格数量基本相同情况下，本文算法质量高于已有算法，且计算精度更高。     

基于计算机视觉的萝卜幼苗自动识别技术

为实现萝卜幼苗间苗作业的自动化，提出并探讨了适于萝卜幼苗自动间苗的播种方式，通过对萝卜幼苗彩色图像的分析，提出了由突出绿色方法和亮度组合的灰度化方法、最大方差自动取阈法及快速区域标记等构成的自动识别算法。对从田地中拍摄的250幅萝卜幼苗图像的识别处理结果表明，该算法能够识别出图像中的各株萝卜幼苗。     

基于视觉的甜瓜形态信息的无损获取

以甜瓜果实的直径微变测量为目标,提出了基于数学形态学和改进的spline插值的图像处理算法,开发了基于视觉的高分辨无损检测系统,实现了甜瓜面积和纵横径等表征形态信息的高精度非接触提取。该算法运算简单,相比传统边缘检测算法更易于提取出较为理想的边缘信息,为揭示甜瓜形态与关键环境因子间的组合响应关系和时空变化特征提供了理论依据。     

供水管网故障诊断的流量监测点遗传优化布置

针对供水管网爆管故障诊断中流量监测点的布置问题,建立了考虑流量敏度的监测点优化布置模型,并采用整数编码遗传算法进行优化求解。针对遗传染色体在初始生成以及交叉、变异等遗传操作中易产生编码重复的问题,提出了新的改进算法。实例分析结果表明：基于本文方法布置优化后的监测点流量信息的诊断效果较为理想,在漏水量较小的条件下,基于优化的流量监测点信息对爆管管段的正确检出率较高,优于基于水压监测点信息的诊断结果。     

小波神经网络故障诊断系统的设计与应用

采用能量分布特征提取方法和优化BP算法，提出了一种基于小波变换和BP神经网络的故障诊断系统。利用该系统对汽车变速箱三挡齿轮磨损程度进行估计，诊断结果与实际完全吻合，表明该小波神经网络故障诊断系统的有效性。由于小波分析特别适用于非平稳信号的处理，因此该小波神经网络诊断系统对复杂机械设备的故障诊断有着广阔的应用前景。     

基于改进RBF神经网络的水轮发电机组故障诊断

由于水轮发电机组受到水力、机械、电气等多方面因素的影响,导致其产生的故障非常复杂,且多种故障类型相互耦合,综合分析了减聚类、模糊 K-Prototypes算法以及改进的粒子群优化（PSO）算法,提出了改进的径向基函数(RBF)神经网络算法,构建了一种新的RBF神经网络模型,并将该模型应用于水轮发电机组的故障诊断中。仿真试验的结果表明,该模型的分类准确率更高,稳定性更好。     

基于改进Floodfill算法的田垄视觉导航系统

探索在环境多变的田垄中进行视觉导航的方法,针对传统田垄视觉导航方法计算量大且导航效果较一般的问题,为林果作业机器人自主作业能力提供基础,本文提出一种基于机器视觉的田垄导航方法:使用改进的Floodfill算法分割路径信息,通过十字法进行路况分类,进而采用与路况相对应的算法进行导航计算。使用多张路径图片和模拟环境对算法的分割性能和导航能力进行测试,在试验测试中,道路偏移值保持在6 cm内。试验表明,改进Floodfill算法与分类导航法结合的视觉导航方法具有可行性,可为低算力田垄视觉导航方法的探索提供新的方法和思路。