基于改进A算法的AGV路径规划研究

针对传统A?算法在AGV路径规划中存在遍历节点数和转弯次数较多问题,提出一种基于启发函数改进A?算法.该算法采用加权曼哈顿距离作为启发函数,使得距离估计成本更接近最短距离,以减少算法遍历节点数;另外,在算法启发函数中引入转弯修正代价参数,从而减少路径转弯次数.MATLAB软件仿真实验结果表明,较传统A?算法,基于启发函数改进A?算法在AGV路径规划中能有效减少遍历节点数和路径转弯次数,提高AGV路径规划中路径搜索效率和路径平滑性.     

汽车AMT数据采集与分析系统研究

数据采集与分析系统对AMT系统的开发有重要意义.本文介绍了基于串行通信与虚拟仪器技术的汽车AMT数据采集与分析系统,阐述了系统的工作原理以及软、硬件的设计.     

智能胎压监测系统的设计

在车辆上安装胎压监测系统可实时监测轮胎状态信息,并在异常情况下报警提示.接收显示模块采用嵌入式实时操作系统uCOS-Ⅱ,软件编制简单,可靠性高,该系统的应用为车辆的安全行驶提供了可靠保证.     

LabVIEW在汽车AMT数据采集系统中的应用

介绍了利用LabVIEW编写的汽车AMT数据采集系统的上位机软件设计.实践证明,LabVIEW强大的图形界面交互功能使得开发的系统更加直观、友好、易于操作,而图形化的编程语言也大大提升了编程效率.     

智能模糊自适应PID在化学反应釜温度控制系统中的应用

化学反应釜温度控制系统具有时变性、非线性、滞后性等特点,数学模型和参数难以精确得到,严重影响了温度控制的快速性和鲁棒性。为解决这些问题,设计了一种智能模糊自适应PID(Intelligent Fuzzy Adaptive PID,IFA-PID)控制算法,当误差较大时采用模糊控制,误差较小时采用微分独立模糊自适应PID(Fuzzy Adaptive PID,FA-PID)控制,通过切换函数实现两种控制方式的平滑切换,实现了2种控制方法的有机结合和优势互补。利用MATLAB的Simulink仿真工具箱建立模型,并做了传统PID、FA-PID以及IFA-PID在模型匹配及失配情况下的仿真对比实验。仿真结果表明,IFA-PID在超调量、调节时间等性能指标上都优于其他两种控制算法,具有更好的适应性和稳定性,能提高系统的品质特性和控制精度。该算法能够有效地克服模型失配和系统参数变化等情况,特别适合时变滞后非线性系统的控制。     

一种改进的DVB-T信道估计算法

针对传统DVB-T系统信道估计算法估计精度低或复杂度高的问题,为了提高信道估计算法整体性能,提出了一种改进的DVB-T信道估计算法;该算法首先采用最小二乘法估计离散导频处频率响应估计值;进而,利用连续导频对信噪比进行估计;最后,将得到的信噪比估计值与预先设定的信噪比阈值进行比较,若估计值小于阈值,则先经过卡尔曼滤波处理,再在时频二维方向上用高斯插值得到全部子载波的频率响应值,否则直接在时域和频域上进行插值;此方法在信道条件较好时关闭卡尔曼滤波过程,从而有效减少滤波次数,提高算法整体运行速度;仿真结果表明,该方法能有效提高系统整体性能,减少在噪声影响较大时的干扰,同时也兼顾了算法整体运行速度。     

一种改进多分量LFM信号时频分布估计方法

传统时频分布方法在估计多分量线性调频信号时,交叉项影响导致时频估计精度低。因此,提出建立信号调频斜率因子库,对时频分布核函数进行改进,使核函数能有效抑制由多分量信号引起的交叉项干扰。通过分析核函数与信号模糊函数交叉项及自身项的关系,将时频估计问题转化为求解最优调频斜率因子库来对核函数进行改进,使信号的广义模糊函数能量最大。以多分量线性调频信号为例进行仿真,结果证明与传统时频分布方法相比,改进的时频估计方法可以在有效抑制交叉项干扰的同时保留大部分自身项,提高了多分量信号时频估计的精度和抗噪声能力。     

IC卡自动加油管理系统的设计

本系统特为改善成品油销售管理而设计，介绍了IC卡自动加油管理系统的功能及特点，给出了IC卡加油控制器的硬件结构图及主要程序框图。     

离散型状态观测器的分离合并解耦算法

在工程中经常使用状态观测器来观测不可直接获取的状态量以实现系统的反馈或前馈控制。本文提出了用广义逆矩阵来设计离散型状态观测器,并建议了一种新的算法,即分离合并介耦算法来设计组合观测器。该法计算简单,便于实现。使用本算法对直流调速系统构成转速负载组合观测器,以实现转速反馈控制和扰动前馈补偿。实验证明该算法是合理可行的,系统性能得到明显地改善。     

电子鼻检测黄山毛峰茶贮藏时间方法研究

利用电子鼻对6个不同贮藏时间下5个等级黄山毛峰茶进行检测。首先获取反映茶叶香气的原始特征向量,再通过主成分分析法(PCA)提取出前5个主成分作为主特征向量,然后以主特征向量作为BP神经网络(BPNN)的输入,建立黄山毛峰茶贮藏时间预测模型(称为PCA-BPNN)。通过对75个测试样本(每等级15个)实验测试表明:PCA-BPNN对于贮藏0 d的茶叶,最大预测误差为7 d,5个(6.67%)样本预测误差超过10 d;对于贮藏60 d的茶叶,最大预测误差为10 d,4个(5.33%)样本预测误差超过10 d;对于贮藏120 d的茶叶,最大预测误差为16 d,7个(9.33%)样本预测误差超过10 d;对于贮藏180 d的茶叶,最大预测误差为19 d,8个(10.67%)样本预测误差超过10 d;对于贮藏240 d的茶叶,最大预测误差为21 d,8个(10.67%)样本预测误差超过10 d;对于贮藏300 d的茶叶,最大预测误差为14 d,6个(8.00%)样本预测误差超过10 d。验证了PCA-BPNN预测模型用于检测黄山毛峰茶贮藏时间的可行性,同时与以原始特征变量作为输入的BPNN预测模型相比,性能更好。