基于RC522的RFID读卡器电路设计实现

设计一种基于MF RC522的射频读卡器,工作频率为13.56MHz。电路控制的核心部分采用STM32单片机实现,射频信号发送与接收采用集成射频读写芯片MF RC522完成,RS232串口实现了读卡器与上位机的通信连接,测量了周围无金属物时的最大读卡距离为60mm,高于MF RC522数据手册中给定的最大典型操作距离50mm,达到设计要求。     

基于干扰因子的QPSO算法改进

具有量子行为的粒子群优化算法(Quantum-Behaved Particle Swarm Optimization,QPSO)是一种新的基于群体智能的优化方法.与粒子群算法(Particle Swarm Optimization,PSO)相比,QPSO的全局收敛性能更好.但与其他进化算法一样,QPSO仍然不可避免地遇到早熟收敛的问题.因此在QPSO算法的基础上,引入干扰因子以避免算法的早熟现象.实验结果表明,改进后的QPSO算法具有更好的收敛性能.     

基于改进LSSVM的城市轨道交通供电故障诊断方法

小样本条件下供电系统故障快速诊断是保证城市轨道交通安全稳定运行的保证。文中提出了一种基于量子粒子群优化最小二乘支持向量机(LSSVM)的供电系统故障诊断方法。该方法首先基于主成分分析提取能够表征系统运行状态的特征参数,并降低数据维数。然后利用LSSVM构建小样本故障诊断模型,通过量子粒子群算法对LSSVM模型参数进行优化,设计了自适应检测机制和自适应扰动操作,提高优化算法的全局搜索能力。实验结果表明,该方法能够有效提取故障特征,具有更高的全局搜索能力,对供电系统故障的诊断正确率更高。     

FBG非均匀应变分布的动态粒子群算法重构研究

基于动态粒子群算法(DPSO)和传输矩阵法,提出了一种新的光纤布喇格光栅(FBG)轴向非均匀应变分布重构方法.利用光栅轴向采样点处的应变值作为粒子,让其在解空间中模拟鸟群行为进行搜索,算法的惯性权重ω根据不同粒子与当前种群中全局最优粒子距离的大小进行动态调整,加快了算法收敛到最优点的速度.采用DPSO对线性、二次、正弦、不连续等4种应变分布形式进行了应变重构,并与量子行为粒子群优化算法(QPSO)的重构结果进行了比较,仿真结果表明,DPSO优化算法可有效地进行光栅轴向菲均匀应变分布的重构,精度和迭代速度较QPSO法有显著提高.     

基于粒子群支持向量机的钢板损伤位置识别

基于光纤布拉格光栅(FBG)构建的传感器网络,将粒子群(PSO)算法与最小二乘支持向量机(LSSVM)相结合,应用于304钢板损伤识别研究中。以FBG中心波长变化量的信息特征为输入量,钢板结构损伤位置为输出量,构建基于LSSVM的损伤识别预测模型,并与相同条件下构建的反向传播(BP)神经网络预测模型进行对比验证。采用PSO算法优化LSSVM损伤识别模型的核函数参数σ和正则化参数γ,实现钢板结构的损伤位置识别。在300mm×300mm×1mm钢板实验区域,对34组样本进行了损伤位置识别测试。结果表明,33组损伤位置得到了准确识别,准确率达97.06%。这表明PSO优化后的LSSVM的损伤识别预测模型具有自诊断功能。     

基于QPSO优化算法的石化旋转设备故障诊断研究

针对现有石化旋转设备故障诊断算法去噪过程中阈值范围控制不准确、故障诊断误差偏高的不足,提出一种基于QPSO优化算法的故障诊断方法研究。为克服传统PSO算法无法实现全局收敛的弊端,QPSO优化算法利用波函数来表示粒子的状态,降低阈值范围识别的总体代价;在原始故障信号处理方面,基于小波阈值分解得到不同频段的信号系数,在QPSO算法优化下利用GCV函数准确确定出小波阈值滤波去噪中的最优阈值范围,进而也提高了小波信号重构的精度,实现对旋转设备故障信号的精确诊断。     

基于QPSO的模糊C均值聚类算法

针对模糊C均值(FCM)聚类算法存在的缺点,利用量子粒子群优化(QPSO)算法的全局搜索能力,提出了一种新的聚类算法——基于量子粒子群优化的FCM聚类算法(QPSOFCM).QPSOFCM算法先对随机初始点利用QPSO进行优化,然后利用产生的中心点进行聚类,重复上述两步操作直至结果满意为止.新算法可以降低FCM算法对初始点的敏感度,一定程度上避免了FCM算法易陷入局部极优的缺陷.几组数据实验结果表明,与FCM和PSOFCM算法相比,提出的QPSOFCM算法聚类结果更可靠.     

基才一种QPSO算法的阵列天线方向图综合

方向图综合技术是智能天线中的一项关键技术。由于采用普通粒子群算法存在着易于早熟和局部寻优能力不足等缺点．为此本文提出一种基于量子位概率幅编码QPSO算法的阵列天线方向图综合技术,即在方向图综合中,QPSO算法采用量子位对粒子当前位置进行编码,用量子旋转门实现对粒子最优位置的搜索,用量子非门实现粒子位置的变异以避免早熟。实际应用表明基于量子位概率福编码QPSO的方向图综合技术是切实可行的,在多零点和低旁瓣约束情况下均可以取得良好的优化效果,具有很好的推广能力。     

带钢表面缺陷的一种在线检测识别算法研究

为了有效提高在线带钢表面缺陷检测的识别率和 实时性,提出了一种优化的量子粒子群-径向基函数 (QPSO-RBF)网络的带钢缺陷分类识别算法。首先采用加权模糊C-均值聚类(WFCM)算法确定 RBF网络隐含层参 数,算法对带钢缺陷特征数据出现的团状分布与疏散分布问题能够达到很好的聚类划 分,避免对特征数据集等划分的趋势;然后采用QPSO算法对RBF网络的参 数编码成粒子个体,在全局空间中动态地搜索最优适应值的RBF网络参数,提高了网络的 学习性能,并建立了带钢缺陷分类识别的专家知识库。实验结果表明:本文算法可以自动获 得较 优的网络结构,收敛速度快,对带钢缺陷的平均识别率为94.63%,平 均误识率为3.0%,对测试 样本的识别时间为4ms,小于生产线上每张图片的采集周期 10ms,因此,可以为高速生产线上的带钢表面缺陷在线实时检测提供了有利条件。     

量子粒子群优化算法在各向异性含水层参数中的应用

基于抽水实验数据,利用泰斯公式建立模型,将量子粒子群优化算法（QPSO）应用到各向异性含水层参数求解中。实验结果表明,QPSO算法所得结果有一定的可靠性和稳定性,为各向异性含水层参数的确定提供了一种新方法。