基于动态反馈A*蚁群算法的平滑路径规划方法

针对移动机器人提出了一种基于动态反馈A~*蚁群算法的平滑路径规划方法。首先,为了克服蚁群算法收敛速度慢的缺点,提出了简化A~*算法来优化初始信息素设置以解决初次搜索的盲目性,并借鉴多策略进化机制加强算法的全局搜索能力。其次,为了进一步提高算法在路径规划中的适应能力,解决陷入局部极小和停滞问题,引入闭环反馈思想来实现参数的动态自适应调节。最后,结合三次B样条曲线对所规划的路径进行平滑处理,以满足移动机器人实际运动路径的要求。通过仿真表明:与原蚁群算法相比,动态反馈A~*蚁群算法平均可减少10.4%的路径成本和65.8%的计算时长。同时,该算法在动态和静态环境中,均能快速规划出一条光滑优质路径。     

基于图像特征融合的苹果在线分级方法

苹果在线分级是提升苹果商品化价值的重要环节,需要同时满足分级准确度和速度要求。为进一步提高苹果在线分级效率,该文借助机器视觉技术动态采集苹果传输过程中的实时图像,提出改进的三层Canny边缘检测算法来提取苹果轮廓以克服采集图像中的光线噪声影响,通过分析苹果分级指标,采用判别树对苹果的果径、缺陷面积、色泽等特征进行初步分级判断,并采用粒子群参数优化的支持向量机对果形、果面纹理、颜色分布等特征进行模型构建与分级,最后,通过将两种分级判断结果进行决策融合来实现样本精确分级。同时,采取图像压缩和特征降维方法提高实时性。试验结果表明,基于图像特征决策融合的苹果分级准确率可达到95%,平均分级速率可达到4个/s。研究结果为水果的在线分级提供参考。     

基于多策略差分布谷鸟算法的粒子滤波方法

为了提高标准布谷鸟算法的种群多样性和全局搜索效率,将多策略差分变异过程引入布谷鸟算法中。在布谷鸟的宿主发现过程中借助多策略差分操作来提高种群的多样性,同时,改进的布谷鸟在算法新解选择中增加排队优选机制,与贪心算法相结合以减少局部极值的不良吸引,加快搜索进程。将改进的布谷鸟算法应用到粒子滤波中,用布谷鸟的鸟巢来表征粒子,通过模拟布谷鸟群体搜索巢穴位置的过程来优化粒子分布。实验表明,改进的智能优化粒子滤波算法有效提高了粒子多样性和非线性系统状态的预测精度,并能在粒子数减少的情况下保持稳定估计。