基于模拟退火算法优化给水管线造价公式研究

给水管线造价公式的精确性对工程经济分析与给水管网优化的科学性和经济性有重大影响。通过五个地区的铸铁管综合单价数据,采用最小二乘法对各组数据进行多项式一至十次的拟合,确定了给水管线造价公式的最佳拟合次数为三次;进一步采用模拟退火算法对拟合的多项式参数进行优化计算,求解给水管线造价公式。结果表明:凭借模拟退火算法随机全局搜索模式以及不受函数性质影响的优势,能够克服传统算法难以求解多阶导数的困难,提高公式拟合精度。     

基于机器视觉的蒜头最大横切面直径分级方法

针对中国蒜头分选率和分选精度较低而影响其商品价值等现状,设计了一套基于机器视觉技术的大蒜蒜头分选系统,以蒜头最大横切面直径作为分级标准,利用VC6.0编程实现上述分级模型的算法。试验选择3 2 0个金乡蒜头样本对其进行测试,该装置对蒜头总体筛选精度达到9 0.9 3 7 5%。试验结果表明:利用机器视觉技术可以对大蒜蒜头进行分级。     

基于改进蚁群算法的3-PPR并联机构位置正解研究

针对3-PPR并联机构位置正解问题,运用螺旋理论计算其自由度,并分析其运动特性,同时通过解析法构建该并联机构的完整运动学逆解。将并联机构运动学正解问题的求解转化为对目标函数优化问题的求解,并基于此建立该并联机构正解的目标函数优化模型。通过对基本蚁群算法进行有效的改进,构建了可用于求解连续优化问题的改进蚁群算法。运用该算法求解3-PPR并联机构的运动学正解并进行Matlab仿真分析,对比传统数值方法和改进蚁群算法,证实该算法具有良好的全局寻优能力,并能避免初值和局部最优值对计算结果的影响,可有效应用于求解并联机构的位置正解问题。     

基于随机森林回归算法的小麦叶片SPAD值遥感估算

使用机器学习中的随机森林(RF)回归算法构建小麦叶片SPAD值遥感反演模型。以2010—2013年江苏地区试验点稻茬小麦3个生育期(拔节、孕穗、开花)的叶片为材料,结合我国自主研发的环境减灾卫星HJ-1对研究区域进行同步监测,分析了各生育期叶片SPAD值与8种植被指数间的相关性;以0.01水平下显著相关的植被指数作为输入参数,使用RF回归算法构建了每个生育期的小麦SPAD反演算法模型,即RF-SPAD模型,以支持向量回归(SVR)和反向传播(BP)神经网络算法构建的SVR-SPAD模型和BP-SPAD模型作为比较模型,以R2和均方根误差(RMSE)为指标,分析了每个生育期3个模型的学习能力和回归预测能力,结果表明:RF-SPAD模型在3个生育期都表现出最强的学习能力,R2和RMSE在拔节期分别为0.89和1.54,孕穗期分别为0.85和1.49,开花期分别为0.80和1.71;RF-SPAD模型在3个生育期的回归预测能力都高于BP-SPAD模型,高于或接近于SVR-SPAD模型,R2和RMSE在拔节期分别为0.55和2.11,孕穗期分别为0.72和2.20,开花期分别为0.60和3.16。     

基于改进A *算法的电动车能耗最优路径规划

提出一种基于改进A*算法的电动车能耗最优路径规划方法。根据车辆运行时的能耗,考虑能量损失与回收等因素,建立了运行能耗函数。设计了新的启发式能耗预估代价对A*算法进行改进,证明了所提出的启发式能耗预估代价满足可采纳性和一致性,确保改进的A*算法可获得能耗最优路径。针对电动车的里程焦虑问题,基于改进的A*算法,建立了根据车载电池的剩余电量、充电站位置、终点位置来寻找可达的能耗最小路径方法。仿真实验表明,提出的方法可以找到起点到终点的能耗最小路径,当车载电池能量不足时,可以找到经过充电站的可行最小能耗路径,减少里程焦虑,验证了所提方法的合理性和可行性。     

一种有效的基于矩阵分析的传感器证据融合算法

针对传感器网络信息融合问题,运用D-S证据理论建立了一种有效的基于矩阵分析的传感器信息融合算法,该方法正确性通过了严格的数学证明,可大大提高了运算速度.     

基于粒子群优化算法的拖拉机动力匹配

为保证带悬挂系统的拖拉机在滑转率、耕作速度和耕作深度等主要因素改变的条件下获得最佳动力,建立了驱动牵引力数学模型,并参考耕作阻力模型,考察了驱动轮滑转率、耕作速度和耕作深度等主要因素的影响,利用约束优化问题粒子群优化算法,确定目标与约束条件,得出满足特定使用条件的驱动牵引力在9kN左右,对应的变量参数洌,nf,H,B的值分别为0.541,25.4,0.732,0.182,6.40.优化结果表明,变量参数值和目标值与拖拉机实际使用工况相符,解决了带悬挂系统拖拉机动力匹配问题,提出了有效的动力匹配优化方法.     

基于双次Otsu算法的野外荔枝多类色彩目标快速识别

针对目前野外环境下多类目标识别速度偏慢,导致机器人视觉定位精度低和工作效率不高的难题,以野外环境下成熟荔枝的多类色彩目标识别为例,提出了一种双次Otsu分割算法对多类色彩目标进行识别。首先为了提高算法的效率,改进了传统的Otsu算式;然后对目标色彩图像的背景、果梗、果实分别用改进的Otsu算法进行粗分割和细分割。最后通过与K-均值聚类(K-means)算法、模糊C均值聚类(FCM)算法、Otsu和K-means结合算法、Otsu和FCM结合算法这4种算法进行对比,双次Otsu算法从分割质量及其正确分割率、运行时间、稳定性3方面都优于其他4种算法。实验结果表明,双次Otsu算法对色彩目标的成熟荔枝识别的时间少于0.2 s。     

基于改进边缘分割算法的幼苗信息提取

优化特征空间和改进分割算法是利用面向对象技术准确获取幼苗信息的关键,也是高空间分辨率数据提取目标地物信息迫切需要解决的问题。研究了在多光谱影像进行去噪声处理基础上,采用改进的基于边缘的算法进行影像分割,同时选取纹理、形状、光谱特征构建特征空间,实现幼苗信息提取的方法。结果表明,该方法对幼苗信息提取的总精度达86%,比传统技术提高了12%,KAPPA系数达0.814 5,比传统技术提高了0.115 9。该方法可以对幼苗信息进行准确快速提取,能够为生产或管理部门进行准确监测和决策提供依据,对未来造林情况进行预测和评价有重要意义。     

无线传感器网络三维定位交叉粒子群算法

针对标准粒子群算法进化后期收敛速度慢、易陷入局部极小点、早熟收敛等问题,提出一种基于交叉粒子群的农业无线传感器网络三维定位算法。该方法主要包括汇聚节点选取、测量距离修正、节点定位3个阶段,通过借鉴遗传算法交叉操作的思想,增加粒子的多样性,减小测距误差、锚节点数量对定位结果的影响,有效提高定位算法全局搜索能力。仿真结果表明,该方法的稳定性和定位精度均优于标准粒子群算法。在测距误差和锚节点数量相同的条件下,与混合蛙跳定位算法进行性能比较,两种算法的最大定位误差分别为1.337 8 m、1.747 3 m,最小定位误差分别为0.258 3 m、0.561 5 m,平均定位误差分别为0.651 2 m、1.044 7 m。