改进蚁群PID-神经元解耦的CFB锅炉燃烧系统控制

床温和主汽压都是循环流化床锅炉生产运行中的重要参数,会直接影响机组的安全性和经济性。但由于这两者对象存在非线性、大时延、强耦合等特点,其现场控制效果一直不太理想。本文首先采用自适应神经元将床温和主汽压解耦,再利用具有分工特征的蚁群算法优化参数的PID控制器对两者进行独立控制。采用该算法优化常规PID控制参数,能够实现控制参数的快速寻优。该方案应用于循环流化床锅炉燃烧系统仿真,结果表明能有效实现系统解耦,且具有响应快、超调量小等优点,有效地提高了控制品质。     

改进路径规划算法在桥式起重机中的应用

原有的桥式起重机路径规划算法是以路径最短为目标函数,规划得到的路径存在多个拐点,在实际操作中由于起重机大车和小车的频繁起制动,使负载摆动较大且耗费了大量时间,严重影响了桥式起重机转载的效率;在分析桥式起重机自身结构和运行系统特点的基础上,通过改变原有替补栅格集合使大车和小车交替运行,同时将拐点的数量结合到路径规划算法的目标函数中,规划得到了无斜线,拐点少且路径短的最优路径;通过仿真与实验,对比得到在实际转载中改进算法得到的路径用时较短,证明了改进后的路径规划算法在实践上的可行性。     

基于果蝇算法和灰色神经网络的电子装备故障预测方法研究

针对电子装备故障数据小样本、非线性的特点,在相空间重构处理原始时间序列数据的基础上,基于k折交叉验证和果蝇算法优化灰色神经网络模型参数,从而提出一种基于果蝇算法和灰色神经网络的故障预测方法,并以某型雷达高压电源监测数据仿真结果为例验证其模型性能;实验结果表明,相比已有方法,该方法在全局优化、收敛速度、预测精度方面都具有一定优势。     

一种基于场景轮廓特征的三维地形重建方法

为了提升双目视觉系统三维重建的准确性和实时性,提出了一种基于区域分割和匹配的方法。针对实际场景中存在大面积灰度相近区域的现象以及稠密三维重建存在实时性差的问题,采用分水岭算法提取区域轮廓进行三维重建;针对轮廓边缘的误匹配问题,建立区域匹配和边缘点匹配的双重约束条件进行优化匹配;根据平行轴双目立体视觉模型进行三维重建。结果表明:采用轮廓特征进行匹配因其匹配点数大为减少,匹配用时提高了90%;由于采用了双重匹配策略,匹配和重建的准确性得到了保证。     

基于压缩感知的~(252)Cf源驱动核材料浓度识别技术研究

针对252Cf源驱动噪声分析测量法中核材料浓度识别问题,采用压缩感知理论,在K最近邻(KNN)识别算法基础上,研究了一种基于压缩采样的K最近邻(CSKNN)分类识别方法,进而研究并分析了CSKNN方法的识别概率。实验结果表明,CSKNN分类识别方法只需少量的观测值(观测比M/N≥0.1),即可达到分类识别的目的;当信噪比提高时,识别概率将会以更快的速度收敛至100%,且对K值的敏感程度也会随之降低。这样,不仅提高了核军控核查的实时性,而且还有效降低了采样成本,为核材料浓度的在线判读提供了一种新的理论基础和实现方法。     

高光谱成像技术的柚类品种鉴别研究

柚类种质和品种资源繁多,现有的柚类品种鉴别方法检测时间长,费用高。旨在利用高光谱成像技术探索主要柚类品种快速识别的可行性。试验选用4个具有代表性的柚类品种,利用高光谱成像技术,采集240个叶片样本(60个/品种)上表面和下表面的高光谱图像。高光谱图像标定后,提取样本感兴趣区域平均光谱信息作为样本的光谱进行分析。利用Kennard-Stone法将样本划分为校正集(192个)和验证集(48个)。采用多元散射校正(MSC)和标准正态变量变换(SNV)对原始光谱曲线进行预处理后,分别采用主成分分析 (PCA)和连续投影算法 (SPA )提取最佳主成分和有效波长,并将其作为最小二乘支持向量机(LS-SVM)的输入变量,建立基于叶片上表面和下表面光谱信息的PCA-LS-SVM和SPA-LS-SVM 模型。结果显示,基于叶片上表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM 模型对建模集样本的识别正确率分别为99.46%和98.44%,对预测集样本的识别正确率均为95.83%。基于叶片下表面光谱信息建立的PCA-LS-SVM和SPA-LS-SVM模型对建模集样本和预测集样本的识别正确率皆为100%。表明,利用高光谱成像技术结合PCA-LS-SVM和SPA-LS-SVM可实现柚类品种的快速鉴别,叶片下表面光谱信息鉴别效果优于叶片上表面。该研究为柚类的品种快速鉴别提供了一种新方法。     

一种基于新型查表方法的统一计算设备架构并行计算全息算法

为解决点源法计算全息速度较慢的问题,提出了一种新的查表算法,命名为三角函数查表法(T-LUT算法)。该算法是基于点源法基本的数学公式,通过一系列数学近似与恒等变换,生成了一种纯相位查找表,该查找表具有三维特性,并具有生成速度快、精度高、占用内存少等特点,克服了点源法重复计算相位的缺点。同时采用统一计算设备架构(CUDA)并行计算在图形处理器(GPU)上加以实现,并进行了三次并行优化。在算法的验证与对比实验中,采用单显卡(GPU显卡)实现T-LUT算法,在不牺牲全息图再现像质量的前提下,成功地将点源法计算全息的速度大幅度提升。实验发现在不同的物空间采样点数量的情况下,速度相对于点源法GPU运算提升30倍至近千倍不等。     

基于模拟退火-粒子群算法的卤素灯阵列照度均匀性研究

光照均匀性问题是太阳模拟器照明系统的主要问题。针对目前卤素灯作为光源进行灯阵光照均匀性的阵列设计多采用理论计算的方法,复杂繁琐,不易施行的缺点,将数值优化方法应用于卤素灯阵列结构设计中,与单一的算法不同,模拟退火算法与粒子群算法相结合的方式,突破了单一算法的局限性,得到的结果更加良好,均匀性更佳。通过编程优化灯阵中每个灯的坐标,将最优结果导入光学仿真软件进行照度分析,实验数据显示,3种灯阵下的光照均匀度分别为91%、87%和91%,同等条件下的六边形灯阵的光照均匀度要比圆形的均匀度好,采用最优化方法,可使实验更加简单可行。     

迭代加权质心法机理及多星定位误差特性研究

提高星敏感器星点定位精度是高精度星敏感器关键技术之一。常规质心法和高斯拟合法定位最小均方误差在0.1 pixel左右,难以满足未来高精度定位需求。在自适应光学领域,为研究Shack-Hartmann传感器波前定位而提出的迭代加权质心算法(IWCOG),其定位误差优于前两种算法,但目前该算法的定位机理及多星定位误差特性未知。从Meanshift理论角度推出该算法定位机制,证明算法的收敛性;每个仿真采用蒙特卡罗方法随机生成10000个星点样本,通过分析星点参数、信噪比与定位误差的关系研究IWCOG算法在星敏感器多星定位的特点。模拟结果显示,在信噪比R=40下,IWCOG法星点提取误差低于0.02 pixel的样本占44%,低于0.04 pixel的占72%,远高于质心法的0.8%和1.9%,基本满足甚高精度星敏感器的定位要求。     

用区域分解算法结合蒙特卡罗法求坦克温度场和红外辐射出射度

本文将区域分解算法和蒙特卡罗法相结合，求坦克温度场和红外辐射出射度．采用蒙特卡罗法计算辐射传递系数，可以考虑界面的复杂辐射特性，如：镜反射、各向异性发射、各向异性反射等；可直接考虑界面的复杂几何特性，如:相互遮挡、太阳入射方向上的投影面积等．引入辐射传递系数，分离了计算的难点，使得在时间域（计算步骤）上能把整个问题分解为若干个子问题并行处理、在空间域（计算区域）上将坦克分解为若干个子区域，缩小计算规模，并可使用多个处理器并行计算；同时减轻了蒙特卡罗法编程的难度，缩短了计算时间．