共查询到20条相似文献,搜索用时 46 毫秒
1.
2.
3.
4.
针对数字电路中非鲁棒路径时滞故障测试时间长、故障覆盖率较低的问题,提出了人工蜂群优化的测试生成算法。该算法首先应用电路转换法则把数字电路转换成为其等效电路,然后用Hopfield神经网络构建等效电路单固定故障的约束电路,并得到能量函数;再应用人工蜂群优化算法计算能量函数的最小值以得到等效电路单固定故障的测试矢量,最后根据对应关系得到原电路非鲁棒路径时滞故障的测试矢量对。在ISCAS’85国际标准电路上的实验结果表明:该算法故障覆盖率能够达到98%,并且平均测试生成时间小于0.8 s。 相似文献
5.
针对数字电路中非鲁棒路径时滞故障测试时间长,故障覆盖率较低的问题,提出了人工蜂群优化的测试生成算法。该算法首先应用电路转换法则把数字电路转换成为其等效电路,然后用Hopfield神经网络构建等效电路单固定故障的约束电路,并得到能量函数,再应用人工蜂群优化算法计算能量函数的最小值以得到等效电路单固定故障的测试矢量,最后根据对应关系得到原电路非鲁棒路径时滞故障的测试矢量对。在ISCAS’85国际标准电路上的实验结果表明该算法故障覆盖率能够达到98%,并且平均测试生成时间明显减小。 相似文献
6.
7.
针对6DOF工业机器人逆运动学求解存在计算量大、通用性差、有奇异性等问题,提出一种基于思维进化算法(MEA)优化BP神经网络的工业机器人逆运动学求解方法。在机器人工作范围内,随机生成若干组关节角度值,通过正运动学方程获得机器人末端连杆位置和姿态,以末端连杆位置和姿态作为模型输入,关节角度作为模型输出,通过对样本数据的训练确定模型参数。使用该模型进行机器人逆运动学求解,并与传统的基于BP和RBF神经网络的求解方法进行比较,结果表明:该求解方法精度高、泛化能力强。 相似文献
8.
9.
10.
为解决风电叶片全尺寸双点疲劳测试中两激振器振动不同步问题,采用GA-Adam-BP神经网络与传统PID混合控制策略,并引入切换边界值判断控制权的归属。基于遗传算法的全局搜索能力对BP神经网络进行权值和阈值的初始化筛选,该方法利用适应度选择、交叉和变异遗传操作,从初始种群中筛选出高质量的个体作为网络的初始权值和阈值,避免神经网络陷入局部最优解。引入Adam算法计算参数的指数加权移动平均值,实现神经网络学习率的动态更新,避免了梯度集中与消失问题,有效减少学习路线的震荡,使收敛时间缩短。仿真与试验结果表明,相比BP神经网络,混合控制下的电机转速误差在3%以下,主-从激振器相位差范围为±1.3°,实现了叶片双点疲劳测试激振器间更优的同步控制。 相似文献
11.
12.
13.
14.
15.
蚁群算法在解决旅行商等著名问题时得到了富有成效的应用,但当解决大规模问题时,其收敛速度较慢且耗时较长。同样,郭涛算法解决复杂优化问题时取得了良好效果,但会产生大量无为的冗余迭代,求解效率低。文章汲取蚁群算法和郭涛算法的优点,提出混合蚁群算法,以带有容量约束的车辆路径问题,建立了混合蚁群算法数学模型,得到时间效率和求解效率都比较好的一种新的启发式方法。 相似文献
16.
在分析传统的Bresenham画线算法及直线扫描转换的具体要求后,为避开传统算法对整条线段逐点计算、判别的弊端,提出以Bresenham算法为基础,充分利用直线的对称性、方向性和扫描转换的分段性,设计了一种更具一般性、高效率的直线生成集成算法,提高了各类直线的生成速度. 相似文献
17.
18.
19.