传感器动态建模算法的仿真研究

研究传感器动态优化建模,传感器存在不同程度的相位滞后和惯性等动态特性,当被测参数随时间迅速变化时,动态测试误差较大,严重影响控制精度,对传感器的这种动态性能进行描述是提高检测精度和控制准确度的重要手段.为了提高传感器系统控制精度,减少传感器建模误差,提出一种基于支持向量机的传感器动态建模算法.采用非线性支持向量机对传感器进行动态建模,描述传感器动态、滞后特性,并采用混沌粒子群算法对模型参数进行优化,进一步提高控制精度.仿真结果表明,改进方法能提高传感器系统控制精度,可以很好的应用于现代工业生产过程中,为传感器动态建模提供了一种新的方法.     

改进的退避算法在战术业务流中应用研究

研究战术的网络业务流问题。针对传统的网络退避算法由于网络信道访问频率过大,容易造成节点缓存队列拥塞等问题,特别是退避算法中的参数选择问题严重影响网络性能传输。提出了一种改进的退避算法应用于战术网络业务流中。改进的算法首先为结点引入适当的竞争系数,使得对于信道的访问可以根据当前网络的突发状态合理分派,同时根据网络状态和冲突节点发生情况,对竞争窗口大小分别采用线性和多重下降等方式进行动态调整,有效地改善网络的性能。仿真结果表明,改进后的退避算法具有较好的性能,有效降低了网络信道访问冲突发生概率,提高了网络系统的吞吐量。     

基于传感器网络节点配置优化仿真研究

研究无线传感网络节点配置覆盖优化问题。由于无线传感网络存在着热区问题,对网络的覆盖性能造成严重的影响,同时影响网络配置优化。为了有效的提高无线传感网络的覆盖率,提出了一种改进的粒子群算法优化无线网络节点覆盖。针对粒子群算法存在易陷入局部极值和早熟的缺陷,引入遗传算法中的交叉算子和变异算子,优化传感网络节点的混合粒子群算法,在严格确保无线传感器网络连通性的条件下,传感器节点配置数目达到要求的覆盖度,并进行仿真。仿真结果表明混合粒子群算法能快速收敛到更精确的解,使网络节点配置达到覆盖的优化要求。     

人工蜂群算法在移动机器人路径规划中的应用

研究机器人路径规划优化问题,机器人工作环境复杂,运动路径上存在许多障碍物.针对提高机器人安全导航性能问题,传统群智能算法存在早熟、搜索效率低等难题,难以获得全局最优路径.为了获得最优机器人运动路径,避免碰撞的发生,提出了一种人工蜂群算法的机器人路径规划方法.首先采用栅格法对机器人工作环境进行建模,然后机器人路径规划目标点作为蜜源,最后蜂群之间信息交换、协作搜索最优机器人运动路径.结果表明,人工蜂群算法解决了传统群智能算法存在的难题,加快了机器人路径规划求解速度,以较短时间找到最短机器人运动路径.     

模拟电路故障诊断的仿真研究

研究模拟电路故障诊断优化问题,模拟电路故障特征和故障诊断器之间密切相关,然而传统算法忽略两者之间的联系,无法获取最优故障诊断器,导致故障诊断正确率低.为了提高了模拟电路故障诊断正确率,提出一种特征和故障诊断器联合优化的模拟电路故障诊断算法.首先利用故障特征选择和分类器参数间的相互联系,建立故障诊断数学模型,然后采用遗传算法对模型进行求解,最后对具体电路故障进行仿真测试.测试结果表明,联合优化算法有效提高了模拟电路故障诊断正确率,为模拟电路故障诊断提供了一种新的工具.     

遗传算法在智能车控制器参数寻优中的应用

研究智能车控制器优化设计问题,由于控制器参数不准确,引起控制误差.为解决上述问题,根据智能车的运动学模型,设计出智能车轨迹跟踪控制律.采用遗传算法对控制律参数寻优,利用逆推(Backstepping)方法,在搜索空间里获得全局最优解.最后利用提出的遗传算法对控制律参数优化方法,通过智能车对圆周轨迹的跟踪仿真,证明了智能车在遗传算法对该控制律参数寻优下,能够实现对给定轨迹的全局渐近跟踪,获得了较好的控制效果.验证了遗传算法对智能车控制器参数寻优的可行性和有效性.     

鸟体动力学本构模型参数反演的并行优化技术

研究鸟体本构模型的动力学过程,是飞行器抗鸟撞,保证飞行安全的重要问题。由于鸟体模型参数难确定,为得到准确而合理的鸟体参数,在已知鸟体本构模型的前提下,采用并行优化技术对本构参数进行反演。将鸟撞平板的试验结果与数值仿真结果的相对误差平方和最小作为目标函数,将待反演的鸟体参数作为设计变量,在同一撞击速度范围内,将鸟撞不同靶板分为不同工况构造并行优化反演模型。把反演得到的鸟体参数代回到鸟撞平板仿真模型中检验,经与试验结果对比,效果较好,表明采用的并行优化技术是有效的、可靠的。并行优化反演技术的实现为更准确的获取鸟体参数提供了新的思路和方法,也为提高飞行器抗鸟撞设计研究提供有益参考。     

空间绳系机器人的多次推力逼近策略研究

针对空间绳系机器人近距离逼近问题,提出了基于时间最优的一般N次推力机动策略及算法,由演化得到的等时间N次机动模式和等速度增量N次推力机动模式,能够将多次推力机动策略中复杂的多时间变量求值问题转化为有非线性约束的最小机动时间问题,并利用基于罚函数法的遗传算法进行求解,对空间绳系机器人的近距离逼近问题进行了仿真。仿真表明:一般N次推力机动策略及算法能够很好解决此类多时间变量求值问题;且不需要进行初始速度脉冲修正,相对于基于"时间倒流法"的N次推力策略和连续推力具有较小的机动时间,并在某些情形下相较于后两者以及双冲量机动具有较少的能耗或者较小的最大视界角,为绳系机器人推动逼近设计提供了依据。     

废热式温差发电器性能仿真

研究温差发电优化控制问题,温差发电技术是用回收废热转化为电能的转换器,使得温差发电运行稳定,产生大功率效能。温差发电技术涉及三大基本效应,导致其温度分布模型不清,难以实现上述目的。为了探究温差发电器的运行规律,指导温差发电器处于较大输出功率下运行,采用温差发电原理以及传热学理论,建立了一种用以求解温差发电器内部温度分布的数学模型。并以输出功率为目标函数,通过仿真计算得到温差发电器在不同工作条件下的性能特性。仿真比较发现,增强冷端散热能力是提高温差发电器输出功率的有效途径,且水冷效果相比空冷效果优势明显。实验结果可为优化温差发电器工作条件和提高其输出功率提供有价值的理论指导。     

小生境网格进化算法在电力系统控制中的应用

研究电力系统自动控制的准确性.电力系统的供电输出需要满足多条线路目标的最优状态输出,即在电力系统的自动控制中就存在多目标优化问题,并且实际的电力系统输出线路需电量不均衡,使得多目标优化的解集存在非均匀分布的情况,造成电力系统稳定性和可靠性受到影响.传统的多目标优化算法不能有效处理解集非均匀分布的问题.为了提高优化解集接近真实解的程度,提出一种小生境网格进化算法来解决电力系统中的多目标优化解集非均匀问题.采用小生境技术在算法中设置排挤因子,利用个体间的进化排挤作用形成小的个体环境,可维持个体解集的分布多样性.实验表明,改进方法能够有效解决电力系统多目标优化的解集非均匀问题,保证了电力系统自动控制的准确性.