车辆动态称重系统的补偿算法研究及其软件设计

车辆动态称重系统作为治理超限运输的主要工具,其测量精度一直是主要的研究课题.通过动态称重的实测数据,运用一元线性回归方法,建立以速度作为补偿因子的补偿模型,然后用该补偿模型对动态测量结果进行修正,并进行了相应的软件设计.实际应用表明该补偿算法具有一定的精度和实用价值.     

用神经网络算法降低车辆动态称重误差

为了提高车辆动态称重测量系统的精度,在对误差分析的基础上,本文引入了神经网络算法。通过确定神经网络的输入输出变量,建立了神经网络模型。然后在MATLAB软件上进行网络训练,建立函数关系,最终通过实验验证用神经网络算法提高车辆动态称重精度是确实可行的。     

公路车辆动态称重仪的研究与设计

研究了目前公路车辆动态称重的基本算法.利用Matlab软件,对大量的采集数据进行了分析和模拟运算,提出了一种工程实用的曲线拟合算法.最后运用线性最小二乘法,实现了该算法,并采用该算法设计了先进的动态称重仪.实验表明,该算法能够有效的降低工程计算量,提高动态称重的精度.     

动态称重算法的研究

称重测力是衡器工业的核心,随着现代工业的发展,人们常常希望在正常作业流程中完成称重。但在作业的过程中,货物的质量往往随着时间不断变化,为了保证动态称重的准确性,利用测量系统的数学模型以及合适的算法对于研究动态称重技术是非常必要的。本文主要简述动态称重技术中,国内外的一些算法及其发展趋势。     

优化改进RRT和人工势场法的路径规划算法

针对传统快速搜索随机数(RRT)算法在规划路径中随机性较大，搜索效率较低且规划的路径不利于机器人移动等缺点，从3个方向进行改进。首先，对于随机树扩展时随机性较大的问题，将传统的扩展方向加入改进人工势场法约束，使得随机树偏向目标点生长；其次，将改进RRT算法规划的路径进行关键点提取，并优化路径；最后，将优化后的路径按照关键点分段使用改进评价函数的动态窗口法。实验表明，优化改进RRT算法相较于传统A^*算法、传统RRT算法在路径长度、路径规划时间以及拐点等方面效果都更好，融合算法在复杂环境中规划出的路径能够很好地避开障碍物，路径更加平滑且更短。     

DSP在动态称重系统中的应用

介绍动态称重系统的设计原理;并提出了运用快速傅立叶算法同DSP微处理器相结合,使得实时在线监测的性能得以大大提高。     

改进遗传算法对实际Job Shop问题的解决

针对标准遗传算法收敛速度慢以及易陷入局部最优的问题,采用基于工序的编码和活动解码方式,采用自适应策略设计交叉算子和变异算子,并将极值优化算法作为一种新的变异算子对标准遗传算法进行了改进,最后通过实验验证了改进后算法的有效性.     

高低频噪声区分滤除的车辆载重动态测量方法

在车辆行驶过程中,为了精确测量车辆载重,提出了高低频噪声区分滤除的车辆载重动态测量方法。确定了车辆载重测量方案,分析了信号误差来源。对于发动机转动、环境温度变化引起的高频噪声,提出了具有可调节参数的改进阈值小波滤波,有效减弱了信号中的高频噪声;对于速度、加速度引起的低频噪声,提出使用BP神经网络拟合载重量与速度、加速度函数关系,以消除加速度、速度对载重测量的影响;为了解决BP算法易陷入局部极值问题,提出自适应鱼群算法搜索神经网络最优参数。经实验验证,改进阈值小波滤波可以有效去除高频噪声,提高了信号信噪比;提出的车辆载重测量平均误差为0.85%,最大误差为1.45%,平均误差比原始数据平均误差降低了约6倍。     

基于改进粒子群优化PID的矿用机电设备控制策略

针对矿用机电设备自动控制误差大、实时性差的问题，文中基于改进粒子群优化PID算法，设计了一种矿用机电设备优化控制策略。在矿产行业常用电机设备工作特点的基础上，推导了其定子电压、磁链方程和传递函数。使用模糊PID控制算法来改善PID算法超调严重问题，同时采用动态惯性权重对粒子群算法进行改进，改进后的粒子群算法被用来对PID控制参数进行优化，从而实现PID控制器的最佳性能。实验测试结果表明，所提控制策略的超调量为0.035%,过渡时间为0.35 s,相比于传统PID控制模型分别降低了0.015%和18.6%,证明该方案具有一定的工程应用价值。     

基于非线性规划的间歇反应过程动态优化算法

采用对数障碍法和外点法将实际间歇反应过程中的约束条件转化为惩罚项生成新的目标函数,将有约束优化问题转化为无约束优化问题;采用非线性规划算法中的操作变量参数化方法,将操作变量的最优解转化为操作变量子函数的线性组合,将无限维最优解问题转化为有限维权值向量的最优估计问题;同时应用Lyapunov理论设计一种动态迭代优化算法,重点讨论了采样时间的取值对优化算法收敛性的影响.最终用于解决靛蓝生产中碱熔间歇反应过程中过程参数的最优分布,从而提高目标产物的最终收率和降低生产成本等.通过碱熔间歇反应动态优化问题作为实例进行仿真试验,实验结果表明所述算法的有效性和可靠性.     

基于遗传-蚁群算法的矩形排料研究

针对矩形件排料问题,将遗传算法与蚁群算法进行融合,提出新的遗传-蚁群算法,并提出了最佳融合时机,最后给出实例证实了遗传-蚁群算法在解决矩形排料问题上的有效性.     

基于遗传算法的盘形零件不平衡校正研究

针对汽车发动机驱动盘总成零件的不平衡校正特点,建立整数规划模型,运用遗传算法进行求解,通过计算机计算结果,验证模型及算法的有效性。     

基于聚类的连续属性动态离散化算法

连续属性离散化是数据分析中重要的预处理过程，而基于粗糙集理论的数据分析要求离散化的结果能够最大程度的保持原信息系统的分辨关系。本文提出了一种新的离散化算法，此算法以决策信息系统中决策属性对条件属性集合的依赖度作为评价函数动态调整DBSCAN聚类算法的参数，直至离散化决策属性对条件属性集合的依赖度达到预先指定的阈值为止。算法分析和实验证明，本算法是切实可行的。     

改进连续蚁群算法及其在经济负荷分配问题中的应用

充分发展了连续蚁群算法ACOR,使之在与各种主流算法的比较中显示了较大的优越性,并将其应用于解决电力系统的经济负荷分配问题,取得了良好的效果.     

绘制Bezier曲线的算法研究

Bezier曲线表示一直是计算机图形学的一项重要基础内容,对Bezier曲线的研究也越来越多,本文从近年来Bezier曲线表示算法中找出具有代表性的三种算法分别进行讨论研究。三种算法依次是:逐点绘制参数曲线的双步算法,基于插值的Bernstein多项式复合算法,离散分割算法。     

基于神经网络的入侵检测方法研究

在传统BP算法的基础上，提出对BP算法的改进方法，并对KDDCup99数据集进行预处理，以达到提高检测效率、降低误检率的效果。利用决策树ID3算法在筛选属性方面的优势，对KDDCup99数据集属性进行筛选，并将结果进行标准化与归一化处理，使训练数据和测试数据更加符合网络训练的数值特征。最后通过Matlab进行编程，将结果与传统BP算法加以比较，证实了该方法的有效性。     

自动组卷系统的研究

本文对随机抽取算法,回溯试探算法,遗传算法,定性映射算法等几种流行的自动组卷算法的原理与实现方法进行了深入的研究与分析,阐述了各种算法的优缺点和适用场合,以便在实际应用中能够根据需要选择适当的组卷算法。     

一种改进的递归CORDIC算法结构

将CORDIC算法应用于数字信号处理算法的硬件实现中.在硬件算法设计中,浮点三角函数、指数函数及对数函数等操作是既费时又占用面积的操作,很难有效实现.采用CORDIC算法将许多复杂的算术运算化成简单的加法和移位操作,因此它在许多DSP算法的硬件实现中都有着极为重要的意义.并提出了一种改进行递归CORDIC算法结构.     

基于人工蜂群-自适应遗传算法的仓储机器人路径规划

为了规划出一条更加节能的拣选路径,针对基本遗传算法的性能依赖于初始种群的质量、遗传算子的选择、交叉和变异操作,提出一种适用于仓储机器人路径规划的人工蜂群-自适应遗传算法。首先通过人工蜂群算法初始化种群以增强种群多样性;将路径长度、转弯次数和机器人运行能耗作为适应度函数的评价指标;然后基于三角函数设计自适应策略调整的交叉、变异算子以提高算法的收敛速度。仿真实验表明,在20×20大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径能耗比基本遗传算法减少5.22%;而在40×40大小的栅格地图中,本文提出的人工蜂群-自适应遗传算法规划的路径能耗比基本遗传算法减少9.08%。最后实验表明,采用本文提出的人工蜂群-自适应遗传算法规划的能耗减少7.64%,且规划的路径更平滑,更加适用于仓储机器人的路径规划。     

改进的人工免疫算法在管子生产调度中的应用

造船企业管子加工生产的生产模式可以归结为一种混合流水生产线.本文针对这类管子混合流水生产线,采用一种改进的免疫算法对生产过程进行调度,通过引入免疫记忆因子,有效实现了优良抗体基因的保留和利用,从而提高了算法收敛性和鲁棒性.通过利用管子生产厂实际生产模型进行仿真后发现,利用该算法得到的序列进行调度确实能够有效缩短管子最大流程时间和提高实际生产效率.