苹果采摘路径规划最优化算法与仿真实现

采摘路径规划对苹果采摘机器人的工作效率有很大的影响,为了提高苹果采摘机器人采摘效率,研究了采摘路径规划最优化方法。将苹果采摘的路径规划问题转化为三维的旅行商问题进行求解,结合图像识别得到的苹果位置特征,提出了有限域信息素自适应更新的改进蚁群算法,避免了基本蚁群算法求解过程中的早熟和局部收敛的问题,研究了三维模型的建模和驱动方法。试验结果表明将蚁群算法用于解决苹果采摘路径规划问题,当苹果数量达到250个时,改进蚁群算法迭代次数是基本算法的25.3%,而搜索到的最优路径是其94.3%,可见改进算法在搜索次数和最优结果上都有明显的优势。本研究为苹果采摘机器人采摘路径规划的提供理论参考。     

MATLAB优化工具箱及其应用

介绍了MATLAB优化工具箱及其使用方法,分析了常用的最优化算法。对于非线性约束最优化问题,初始点的选取直接影响优化结果,用MATLAB优化工具箱得到的往往是局部最优解。为获得全局最优解,提出了在可行域内随机循环给定初始点,采用MATLAB工具箱优化计算,在优化结果中二次搜索极小值的方法,经过少量循环即可求得全局最优解。通过实例确定了所使用方法的有效性。     

基于优化模糊C均值聚类算法的路面不平度识别

模糊C均值(fuzzy C-mean,FCM)聚类算法具有良好的抗噪声性能,但FCM是一种局部搜索算法,易陷入局部最优,而遗传算法则具有全局优化搜索的优点。基于此该文提出了一种改进的FCM算法与遗传算法结合的聚类方法,先运用遗传算法得到聚类中心,然后用改进的FCM聚类算法得到最优解。并基于真实采集的道路谱数据,利用该算法对路面不平度进行识别。试验结果表明,改进的FCM算法与遗传算法结合的聚类算法路面识别率为94.54%,比FCM聚类算法高出4.98个百分点,比改进FCM算法高出4.67个百分点,具有更好的处理噪声数据的能力,提高了聚类的准确率和路面的识别率。     

基于混沌免疫算法和遥感影像的土地利用分类

为提高利用遥感影像进行土地利用分类的精度，采用了基于混沌免疫算法(Chaos Immune Algorithm)的多光谱遥感影像分类方法。首先应用混沌免疫算法对样本进行自学习得到全局最优的聚类中心，然后通过得到的聚类中心对整幅影像进行分类。该方法利用混沌变量的遍历性，进行粗粒搜索，优化免疫算法的初始抗体群；通过克隆选择算子、变异算子、抗体的循环补充操作，避免陷入局部最优解，得到全局最优的聚类中心。在对淮南矿区采用TM影像进行的土地利用分类中，试验结果表明该方法分类总精度为89.9％，Kappa系数为0.8     

改进蚁群算法和生成树相结合的中压配电网架规划

由于涉及许多变量和约束,中压配电网规划是一个非常复杂的大规模组合优化问题。蚁群算法是一种具有正反馈特性的贪婪性、分布式的现代启发式搜索方法,适合于路径的寻优,但是易陷入局部最优。该文将蚁群算法和生成树算法结合起来,用于带有交叉点的中压配电网网架规划。针对基本蚁群算法易于陷入局部最优的问题,提出了动态设定待选路径信息素阀值和动态调整路径选择策略的方法,以便提高蚁群算法的全局搜索能力。在考虑中压配电网辐射状和连通性约束时,提出了带有交叉点的生成树方法,大大减少了在规划中不可行解的产生。算例仿真结果表明采用该方法求解中压配电网架规划方案是有效的。     

基于支持向量机的小流域水蚀预报模型研究

 土壤侵蚀过程复杂,很难直接应用土壤侵蚀预报方程进行定量计算。作为一种新的机器学习算法,支持向量机在样本有限的情况下,采用结构风险最小化准则,把学习问题转化为一个二次规划问题,从而得到唯一的全局最优解。首次尝试将最小二乘支持向量机技术用于土壤侵蚀预测,并与BP神经网络的方法进行了对比,取得了较好的预测精度。     

改进二维最大类间方差法及其在黄瓜目标分割中的应用

为了提高图像阈值分割算法的应用广适性和处理实时性,该文在二维最大类间方差分割算法的基础上,研究邻域模板尺寸对最佳阈值的影响,将图像的灰度值、邻域尺寸及邻域均值进行遗传基因编码,利用遗传算法得到阈值最优解的小范围,在此小范围内进行二次遗传算法运算寻求全局最优解。将此基于两级遗传算法的二维最大类间方差分割算法应用于黄瓜计算机视觉识别目标试验中,试验结果表明,在计算类间方差次数上,基于两级遗传算法的二维最大类间方差算法分别为二维最大类间方差耗时的0.18%和一维Otsu算法耗时的46.87%,耗时上也较传统二维最大类间方差算法和一维Otsu算法有很大缩短,分割效果也有了明显改善。同时该算法也为目标识别领域提供了一种新型的实时图像分割方法,具有一定的推广价值。     

基于热流量积分的混凝土温控水管冷却边界模拟算法

以往用冷却水管离散模型迭代计算混凝土温度场时,水管边界被近似认为是第三类边界条件,此类边界条件的参数获取要通过试验并进行反演,试验费用较大且有时候可靠性不高。针对该问题,在热量平衡条件的基础上提出由与水管接触混凝土的热流量、水管的导热系数、管壁厚度和水管内壁温度推算水管外壁温度的新算法,并对原有迭代方法进行改进,解决迭代次数多和迭代可能无法收敛的问题。对比算例中,采用传统算法,模型边界处的误差可达到1.67℃,而采用该新算法,误差仅为0.3℃。应用所提方法对某混凝土块施工期混凝土温度场进行了仿真计算,计算值与实测值吻合较好,且迭代收敛速度较快,一般的迭代方法,需要迭代15次,而采用改进的迭代方法,只需迭代7次即可以达到稳定值。该算法能明确通水冷却的边界条件,节省试验费用,提高计算效率,有较好的工程应用价值。     

封闭式养殖空调系统节能优化算法

在养殖空调系统节能问题中,为了解决自适应蚁群算法对多参量、非线性系统寻优求解时会发生系统局部最忧的问题,利用Metropolis准则下的模拟退火算法来改善全局优化能力,蚁群算法为模拟退火算法提供初始解,模拟退火算法对解进一步改善,蚁群算法再利用SA产生的新解进行并行搜索,结合两者的特点,形成了全局参数的自适应优化算法,并在封闭式养殖空调系统中进行了试验,结果表明应用该算法能使空调控制系统寻优能力增强,节能率达26.96%。     

基于改进卷积神经网络的多种植物叶片病害识别

针对训练收敛时间长,模型参数庞大的问题,该文将传统的卷积神经网络模型进行改进,提出一种批归一化与全局池化相结合的卷积神经网络识别模型.通过对卷积层的输入数据进行批归一化处理,以便加速网络收敛.进一步缩减特征图数目,并采用全局池化的方法减少特征数.通过设置不同尺寸的初始层卷积核和全局池化层类型,以及设置不同初始化类型和激活函数,得到8种改进模型,用于训练识别14种不同植物共26类病害并选出最优模型.改进后最优模型收敛时间小于传统卷积神经网络模型,仅经过3次训练迭代,就能达到90%以上的识别准确率;参数内存需求仅为2.6 MB,平均测试识别准确率达到99.56%,查全率和查准率的加权平均分数为99.41%.改进模型受叶片的空间位置的变换影响较小,能识别多种植物叶片的不同病害.该模型具有较高的识别准确率及较强的鲁棒性,该研究可为植物叶片病害的识别提供参考.     

基于改进人工鱼群算法的三江平原投影寻踪旱情评价模型

针对现有的旱情评价方法容易出现评价等级离散和结果不易分辨等问题,提出了基于人工鱼群的投影寻踪旱情评价模型,利用人工鱼群算法优化投影指标函数寻求最佳投影方向,同时采用自适应人工鱼步长和拥挤度因子对人工鱼群算法进行改进,克服其易陷入局部最优等缺点,提高了全局搜索能力和收敛速度。以三江平原红兴隆分局为例,选用降雨距平百分率、Z指标和降水温度均一化指标3个指标综合计算投影值,建立了基于改进人工鱼群算法的三江平原投影寻踪旱情评价模型。结果表明,该模型有效避免了单项指标评价的不相容性,用于区域旱情评价是切实可行的,为旱情评价提供了参考。     

基于改进的粒子群多阈值算法的白色异性纤维检测

为了提高皮棉中白色异性纤维的识别精度,该文提出了一种基于改进混沌粒子群的白色异性纤维检测算法,该算法将图像的像素点按灰度值分为多类,把所有相邻类间方差看做一个粒子种群,以最大类间方差组作为种群适应度评价函数。通过滑动窗口技术判断算法是否陷入局部最优。有效克服了标准粒子群算法容易陷入局部最优的缺陷。通过试验验证,该文提出的算法对白色异性纤维的识别准确率达到98.6%。通过与标准二维Otsu算法的对比分割试验发现在分割较细小的白色异性纤维以及白色纤维与皮棉发生重叠的情况时,该算法的分割结果比标准二维Otsu算法更准确,噪声点更少。为皮棉异性纤维检测与剔除工艺的改善提供了技术依据。     

基于颜色系数反向粒子群模型的田间作物分割方法

针对复杂多变的农田环境下,田间作物分割既要保留农田作物完整外部形态信息,又要满足农田作业速度的要求,该文提出一种基于反向变异粒子群优化(reverse mutation-particle swarm optimization,RM-PSO)算法提取最优颜色系数的田间作物分割方法。该分割方法分为离线和在线2个部分,离线部分采用反向变异策略提高了初始粒子群群体质量及算法的搜索效率,避免算法早熟收敛,陷入局部最优,引入满意度函数对最优颜色系数进行评价,提取全局最优颜色系数。在线部分采用离线提取的最优颜色系数对作物图像灰度化,进而对灰度化后图像进行阈值分割得到最终的分割结果。试验结果表明,该文方法平均错分率(error distinguish rate)仅为4.8%,低于HSI算法、EXG法以及Mean-shift神经网络分割算法的11.3%、19.5%、5.7%;标准差值为3.1%,相较于HSI算法的7.2%、EXG法的14.7%、及传统PSO方法的7.9%,该文算法具有更高的稳定性;平均处理时间为0.311 s,而HSI方法为0.908 s,Mean-shift神经网络分割算法为1.942 s。该方法不仅能够保证不同光照及不同景物干扰下作物外部形态信息完整,同时处理速度快,鲁棒性好,具有较高的实际应用价值。     

基于改进RRT*算法的菠萝采收机导航路径规划

为了提高菠萝收获的机械化和自动化水平，该研究以菠萝采收机为研究对象，采用改进RRT*（Rapidly-exploring Random Trees Star）算法进行全局路径规划。首先在产生随机采样点时引入自启发式思想约束采样点的生成，在拓展新节点时借鉴人工势场引入方向权重对新节点拓展方向进行约束，同时计算权重wg合适的取值范围，采双向拓展加快迭代速度，后利用贪心算法修剪路径的冗余节点，并利用Cantmull-Rom插值函数对路径进行平滑处理。根据农田道路存在的复杂情况创建多障碍物、迷宫和狭窄通道3种仿真环境，分别对比RRT*算法、双向RRT*算法和改进后RRT*算法的性能进行测试。试验结果表明：3种环境下，本文算法的平均收敛时间是RRT*算法的17.97%，是双向RRT*算法的46.12%，平均规划速度是RRT*算法的4.7倍，是双向RRT*算法的2.2倍左右，平均拓展的节点数量比 RRT* 算法减少87.22%，比双向 RRT* 算法减少 52.52%，平均路径长度比 RRT* 算法减少 3.81%，比双向 RRT* 算法减少 6.08%。田间试验结果表明：本文算法的规划时间仅为RRT*算法的14.12%，为双向RRT*的20.34%，迭代次数比RRT*算法减少80.89%，比双向RRT*减少69.70%。另外，RRT*和双向RRT*算法规划出的路径上大于60°的转角分别是本文算法的1.56和2.06倍，大于100°的转角分别是本文算法的1.55和2.18倍，本文算法规划的路径更平滑。改进RRT*算法在农田里规划的路径符合菠萝采收机的路径导航需求，研究结果可为菠萝采收机的导航研究提供参考。     

采用LWD-QPSO-SOMBP神经网络的拖拉机柴油机故障诊断

针对目前拖拉机柴油机故障诊断中单BP（Back Propagation）神经网络模型的局限性,该研究提出一种LWD-QPSO-SOMBP（Linear Weight Decrease-Quantum Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络的拖拉机柴油机故障诊断模型。首先,将SOM（Self Organizing Maps）神经网络和BP神经网络结合,重置网络结构并利用LWD-QPSO（Linear Weight Decrease-Quantum Particle Swarm Optimization）算法对网络的权值和阈值进行优化;然后,分析拖拉机柴油机的故障机理,确定反映故障发生的数据信号;最后,确定LWD-QPSO-SOMBP神经网络模型的结构参数,基于CAN（Controller Area Network）总线技术采集潍柴WP6型拖拉机柴油机传感器信号数据对LWD-QPSO-SOMBP神经网络的性能进行测试,并将测试结果与BP神经网络、SOMBP（Self Organizing Maps Back Propagation）神经网络、PSO-SOMBP（Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络、LWD-PSO-SOMBP（Linear Weight Decrease-Particle Swarm Optimization-Self Organizing Maps Back Propagation）神经网络及改进量子粒子群（Improved Quantum Particle Swarm Optimization,IQPSO）算法优化后的SOMBP神经网络的测试结果进行对比。试验结果表明, LWD-QPSO-SOMBP神经网络输出总误差为0.111 8、平均相对误差为0.005 8、均方误差为0.000 3,相比于其他5种神经网络均为最低。LWD-QPSO-SOMBP神经网络充分发挥并有效综合了SOM神经网络在数据预处理及PSO算法在优化BP神经网络初始权值阈值方面的优势,实现了拖拉机柴油机的高精度故障诊断。LWD-QPSO-SOMBP神经网络由于使用SOM神经网络结构对输入数据进行预处理,网络收敛速度大幅度提升,相比单BP神经网络,迭代次数由2 431次降为63次,下降了97.40%;同时采取LWD-QPSO算法对BP神经网络的初始权值阈值进行优化,降低了传统PSO算法的粒子适应度,进一步提高了网络的收敛精度和收敛速度,相比传统PSO算法,粒子适应度从0.15降为0.11,下降了26.67%,网络训练误差由0.004降为0.000 6,下降了85.00%;LWD-QPSO-SOMBP神经网络的故障诊断准确率大幅度提升,相比于单BP神经网络,输出总准确率由85.00%上升至99.44%。研究结果可为高精度拖拉机柴油机故障诊断提供参考。     

处方农作车载嵌入式信息处理系统的研制

针对智能化精细处方农作系统田间作业机组对车载信息采集和处理的需要,以ARM(adanced RISC machines)工控系统和嵌入式GIS为核心,集成DGPS(differential global positioning system)系统和机组作业速度检测装置等,研制了一套处方农作车载嵌入式信息处理系统。该系统通过RS-232接口获取DGPS系统的动态GPS定位信息,通过USB接口输出农田信息分布图或输入作业处方图,通过CAN总线采用iCAN协议与农田信息采集系统和变量农作控制器互联。嵌入式GIS由eSupermap 6.0开发而成,运行于ARM工控系统的Windows CE 5.0操作系统;可通过网格划分和属性编辑实现GPS定位信息与农田信息的融合,生成农田信息分布图;还可通过坐标匹配进行机组当前作业位置在工作空间图中的网格识别,实现处方图的解译。模拟测试试验结果表明:该系统信息处理功能正常,能够完成农田信息分布图的生成和处方图的解译,机组作业速度检测绝对误差≤0.1km/h、处方图解译最大延迟时间≤1s、3km/h作业速度下的网格判别误差约为-0.5～0.6m,适合各种智能化处方农作系统田间作业机组的车载信息处理应用。     

内燃泵工作过程的不动点迭代法仿真

为了使内燃泵（ICP）工作过程仿真更真实、全面、深入,提出了不动点迭代法,即以实际需要的工况转速为不动点,根据仿真转速和需要转速之差不断调整曲轴端扭矩,使ICP仿真收敛到需要转速并按实际工况运转。基于计算机辅助设计软件Solidworks和计算机辅助工程软件Adams建立了三缸ICP的虚拟样机,阐述了不动点迭代法的原理、流程和应用。标定工况下,ICP经过13个工作循环即可收敛,运转不均匀度为3.62%,满足使用要求;此时曲轴角速度计算精度比传统方法提高了2.13%。     

一种横磁通风力发电机的建模及参数优化设计

在横磁通风力发电机的设计与测试研究中,高质量的输出电压对风电机组背靠背变流器的可靠运行具有重要的影响作用。该文将正交设计、支持向量机非线性回归分析以及粒子群智能优化算法相结合,提出了一种以输出电压谐波最小为优化目标的横磁通发电机优化设计方法。首先,在基于标量磁位求解的三维有限元模型基础上,确定对发电机空载反电势敏感度较高的设计参数作为优化变量;其次,通过正交试验建立参数样本空间,并运用最小二乘支持向量机实现电机电磁模型的非线性回归建模,为电机优化所需的大规模迭代运算提供高效的计算模型;最后利用粒子群算法良好的全局优化特性进行寻优操作。通过一台1.5kW聚磁式横磁通永磁同步发电机设计,优化方案的空载输出电压谐波含量为14.36%,比初始方案有所降低,证明了建模和优化方案的正确性和工程实用价值。     

Spatial modeling of wind speed around windbreaks

This paper presents a model to integrate windbreak shelter effects into a Geographic Information System (GIS). The GIS procedure incorporates the 1999 version windbreak sub-model of the Wind Erosion Prediction System (WEPS). Windbreak shelter is modeled in terms of friction velocity reduction, which is a function of wind speed and direction, distance from the barrier, windbreak height, porosity, width, and orientation. A first application of the model was conducted at a study area with an extensive windbreak network in England (Thetford, East Anglia). Windbreak characteristics (windbreak type, height, width, porosity, and location) were recorded. Porosity was estimated from digitized B/W silhouettes. To evaluate the network effectiveness, a windbreak network shelter index (SI) was proposed in terms of average reduction of friction velocity over the area due to network shelter. The network was found to give good protection, but the windbreak distribution was not optimal in relation to the wind vector distribution.     

基于二分法的鸡蛋图像边缘快速检测方法

机器视觉技术广泛应用于鸡蛋感官品质无损检测研究中,快速得到鸡蛋图像边缘有助于高效识别鸡蛋的几何特征参数。借鉴计算机二分法快速解方程的算法,提出用二分法快速检测图像边缘,把对图像的整体研究转换到具体的行图像来研究,利用行图像信息构建了满足二分法求解条件的方程,并把对边缘的检测构造成对方程的求解问题,从而建立了二分法求解鸡蛋图像边缘的理论基础,最后在应用部分给出了详细的程序实现步骤。试验结果表明：该方法可以检测鸡蛋图像边缘,检测效率提高了约20倍,大大加快了检测速度,可为鸡蛋自动化检测提供更高的效率。