基于粒子群优化的同步定位与地图构建

针对基本FastSLAM算法的样本枯竭、估计精度下降等问题,提出了一种基于多样性启发因子的粒子群优化FastSLAM算法.利用粒子群搜索寻优重新分配粒子,使粒子的表示更加接近于真实的后验概率分布,并且采用粒子集多样性测度作为启发因子,引导粒子优化搜索过程,确保群体多样性水平最优,减轻粒子退化现象,驱动粒子集向后验概率较高的区域运动.对所提出的算法进行了仿真实验,验证了算法的可行性和有效性.仿真结果表明,该算法能够改进样本枯竭问题,并能够获得较高的定位精度、地图构建精度及较好的滤波估计稳定性.     

一种新的交叉粒子群算法

针对标准粒子群优化算法（SPSO）在处理高维复杂问题极易陷入局部最优的不足,文章在研究标准粒子群优化算法理论基础上,提出了一种带交叉因子的改进粒子群优化算法（MyPSO）,减小了算法陷入局部极值的可能。仿真实验表明,该算法（MyPSO）提高了全局搜索能力,但同时增加了搜索时间。     

一种改进的无线传感器网络优化定位算法

节点定位是无线传感器网络实际应用需要解决的关键问题。为了在提高定位精度的同时降低成本,提出了一种改进的粒子群优化定位算法。该算法首先提出前摄估计思想,完成未知节点的区域估计,缩小并限制可行解空间,以此加快粒子群的搜索速度;然后给出了竞争进化思想的数学模型,使用该模型和自适应权重在进一步加快收敛速度的同时增强了算法的全局和局部搜索能力。仿真结果表明,对比同类算法,该算法能更有效地利用锚节点信息,降低网络成本,在计算量显著减少的同时明显提高了定位精度,并且具有对测距误差鲁棒性强的优点。     

一种基于校正因子的自适应简化粒子群优化算法

针对已有粒子群算法中全局搜索和局部搜索存在盲目性和滞后性以及粒子的早熟收敛等问题,提出了一种基于校正因子的自适应简化粒子群优化算法。该算法在简化粒子群算法基础上,以粒子间平均粒距大小作为触发条件,对惯性权重、平均个体极值和全局极值进行自适应扰动。校正因子可以根据当前粒子群个体信息和全局信息自适应调整,从而完成对当前粒子状态及时准确的更新,最终使粒子可以准确而快速的找到全局最优解。对3种典型测试函数的测试结果表明该算法具有较高的全局和局部搜索能力、能够有效地避免算法陷入局部极值,是一种实用且高效的粒子群改进算法。     

基于模拟退火PSO的电力系统无功优化

对粒子群优化算法方法进行改进,把模拟退火机制引入到粒子群优化算法方法中,提出了基于模拟退火粒子群优化PSOSA(PSO with Simulated Annealing)算法,通过适当选择种群大小、调整惯性权重系数ω和退火系数C,以温度的缓慢下降来控制粒子的寻优过程,提高了粒子群优化算法的全局收敛性,改善了粒子的局部搜索能力.建立了以网损最小为目标的电力系统无功优化模型.通过对IEEE-30系统的无功优化计算,结果表明,PSOSA算法具有更好的全局收敛性和良好的搜索能力.     

基于Lagrange乘子法的一种新型改进粒子群优化算法

社会和生产实践中抽象出来的模型一般为非线性约束优化,而约束优化一般很难直接求解.首先,我们通过引进增广lagrange乘子法,将约束优化转化为有界约束优化,然后引入粒子群优化算法来进行求解,并且我们提出来一种嵌入了最速下降法的改进粒子群优化算法,以此来解决标准粒子群算法中收敛速度慢和精度低的问题,提高了搜索的效率,特别是局部搜索的效率.改进算法有效地结合了粒子群优化算法比较强的全局搜索能力和最速下降法的精细快速的局部搜索能力,相比于标准粒子群优化算法,克服了收敛速度慢的特点.数值实验表明,通过改进的粒子群优化算法可以找到所求优化问题的全局最优解.     

一种无线传感器网络中的进化定位机制

为了对无线传感器网络中随机分布的节点进行更精确的定位,提出了一种基于改进粒子群算法和增强定位机制的新型定位算法。新算法先提出竞争进化思想和自适应权重,使得改进后的粒子群算法在加快收敛速度的同时增强了算法的全局和局部搜索能力;增强定位机制使得算法对锚节点信息的使用更加充分,而且极大缩小可行解空间,进一步加快了算法的搜索速度。仿真结果表明:所提定位算法具有更低的定位成本和更高的定位精度,同时具有对测距误差鲁棒性强的优点。     

应用混合粒子群优化的检查点全局优化算法

针对容错实时系统存在的局部最优检查点间隔为单次故障情况下的最优检查点间隔及局部最优检查点间隔并不是任务集全局最优检查点间隔的缺陷,首先给出检查点间隔全局优化问题的多目标优化模型,然后基于混合粒子群优化算法,提出检查点间隔全局优化算法.该算法通过混合粒子群优化算法的交叉和变异操作,避免算法陷入局部极值的困境,且增强了算法搜索全局近优检查点间隔的能力.实验表明,与其他检查点间隔优化算法相比,本算法可进一步提升系统容错能力.检查点间隔全局优化能在故障多次发生情况下,对任务集的检查点间隔进行全局搜索,以减小检查点设置次数和故障检测次数、高优先级任务抢占时间及故障恢复时间,提高系统可调度性.     

利用膜粒子群优化的条件随机域特征选择

提出了一种新的基于膜粒子群优化的特征选择方法．该方法利用了膜系统的分层结构和消息传递机制,将粒子群优化算法作为区域子算法部署到各个区域中．不同于传统粒子群优化算法,该方法将粒子群优化的搜索速率分解为局部搜索速率和全局搜索速率．膜系统的所有外层区域采用局部搜索速率,搜索局部最优解;最内层区域采用全局搜索速率,搜索全局最优解．所有外部区域将最优解传递给相邻内部区域,内部区域将最差解传递给相邻外部区域,最内区域向相邻外部区域传递最差解．当各个区域之间的解传递在一段时间内停止时,或者算法迭代次数达到限定次数时,算法收敛,取最内层区域的最优解为最终解．以条件随机域模型的最大似然估计函数为目标函数,利用膜粒子群优化计算各个特征权重系数,最后剔除那些权重系数小于阈值的特征．实验结果表明,在进行生物文本的基因名称识别时,利用该方法对条件随机域的特征进行选择后,可以消除冗余特征的干扰,能获得更高的准确度．     

基于QPSO优化ELM算法的井下快速定位方法研究

近年来,基于WiFi的井下人员定位算法受到了广泛关注,为进一步提高定位算法的速度和精度,提出了一种基于量子粒子群(QPSO)优化极限学习机(ELM)算法的井下人员快速定位方法。首先将优化的K均值聚类算法(K-means)引入定位流程,通过对位置指纹库进行聚类划分,降低单次识别需要的时间;其次利用QPSO算法优越的优化能力,提高ELM算法的定位精度,最终实现对井下人员的高效、准确定位。仿真实验结果表明,提出的基于量子粒子群优化极限学习机的井下快速定位方法,能够提高定位的精度和效率,具有较高的实用价值和工程意义。     

一种室内高动态环境的机器人定位方法

该文提出一种能让机器人在室内动态环境中进行长时间稳定定位的方法。该方法既能实现对高动态物体的过滤又能实现半静态物体的更新,在去除动态物体对定位性能影响的同时还能利用半静态物体中提供的定位信息提高定位性能。把动态物体的处理分为高动态物体的滤除和半静态物体的更新两部分。对于高动态物体滤除,考虑到定位系统的特性,提出延迟对比法和跟踪法相结合的动态物体检测方法;对于半静态物体的更新,采用位姿图优化加栅格地图覆盖的方式实现地图的动态更新。两种方法的结合让机器人能实现在动态环境中的长时间稳定定位。经过一系列实验和一年的实际运行表明:该方法能实现机器人在动态环境中的长时间定位,克服高动态物体的影响,同时让机器人的地图始终保持和当前环境一致。     

Design of dead reckoning system for mobile robot

A dead reckoning system for a wheeled mobile robot was designed, and the method for robot＇s pose estimation in the 3D environments was presented on the basis of its rigid-body kinematic equations. After analyzing the locomotion architecture of mobile robot and the principle of proprioceptive sensors, the kinematics model of mobile robot was built to realize the relative localization. Considering that the research on dead reckoning of mobile robot was confined to the 2 dimensional planes, the locomotion of mobile robot in the 3 coordinate axis direction was thought over in order to estimate its pose on uneven terrain. Because the computing method in a plane is rather mature, the calculation in height direction is emphatically represented as a key issue. With experimental results obtained by simulation program and robot platform, the position of mobile robot can be reliably estimated and the localization precision can be effectively improved, so the effectiveness of this dead reckoning system is demonstrated.     

Rao-Blackwellized滤波器实现机器人同时定位和地图创建

为了实现移动机器人仅依靠单目视觉和里程计创建可靠地图,本文提出了基于Rao-Blackwellized粒子滤波器的同时定位和地图创建方法.文中建立了鲁棒的运动模型和感知模型;通过有效的尺度不变特征变换方法提取环境特征,并采用基于KD-Tree的高维特征点最近邻快速搜索算法实现特征匹配;通过对匹配对的三维重建创建了密集的空间三维自然路标.实际实验表明本文方法能创建较高精度的地图.     

Scan matching using line segment relationships for map-based localization of mobile robot

A new scan matching method for mobile robot localization is presented, which takes line segment as the feature and matches the real scans in the given reference map by relationships of the directional-defined line segments. The alignment was done by hierarchically identifying the multiple relationships and the result was recorded in a correspondence matrix, where the best match is defined and selected for localization. It is indicated that the searching algorithm of the best match can find the ambiguities and get rid of them. This method with less computational cost works well in occluded environment, and can correct the error in pose estimation without the need for the estimation itself. The efficiency, accuracy and robustness of this method were verified by experiments of localization in an occluded environment and a long-distance indoor navigation.     

非平坦地形下移动机器人航迹推测方法研究

精确可靠的航迹推测是实现移动机器人自主导航的一个极为关键的环节.针对一个3 摇杆6驱动轮的移动机器人实验平台,本文提出了其在非平坦地形下的航迹推测方法.通过运动机构的分析,获得了移动机器人自身的位姿及运动参数.基于非平坦地形下运动机构间的刚体约束,建立了机器人的运动学模型.采用编码器、光纤陀螺仪和倾角传感器等测量机器人的动态参数信息,依据其运动学模型实现非平坦地形下的航迹推测、仿真,并分析验证了航迹推测方法的有效性,从而提高了移动机器人自主导航的定位精度.     

非平坦地形下移动机器人航迹推测方法研究

精确可靠的航迹推测是实现移动机器人自主导航的一个极为关键的环节.针对一个3摇杆6驱动轮的移动机器人实验平台,本文提出了其在非平坦地形下的航迹推测方法.通过运动机构的分析,获得了移动机器人自身的位姿及运动参数.基于非平坦地形下运动机构间的刚体约束,建立了机器人的运动学模型.采用编码器、光纤陀螺仪和倾角传感器等测量机器人的动态参数信息,依据其运动学模型实现非平坦地形下的航迹推测、仿真,并分析验证了航迹推测方法的有效性,从而提高了移动机器人自主导航的定位精度.     

基于Kinect传感器的机器人室内环境检测方法

针对移动机器人室内环境检测问题,提出了一种基于Kinect传感器的目标物体检测方法.利用Kinect传感器采集的视频图像和深度数据来实现对机器人工作环境中已知特征目标物体和完全未知目标物体的检测及定位.对于已知特征目标通过颜色特征分析来完成检测,而对于完全未知的物体则通过深度地面消除算法和提取深度图像的轮廓来进行检测.利用传感器成像模型对检测出的目标区域进行三维空间定位,从而获取目标物相对于机器人的空间位置信息.基于移动机器人平台进行实验,结果表明,该方法能够有效地实现室内环境信息的检测及定位.     

基于双目光束法平差的机器人定位与地形拼接

为了实现自主移动机器人完成复杂智能任务,如路径规划和避障等,针对移动机器人在复杂未知环境中精确定位并对周围环境进行致密地形构建问题,提出一种基于双目光束法平差的机器人定位与致密地形拼接算法.利用安装在移动机器人上的立体相机获取图像序列,跟踪前后帧图像序列中的对应特征点,基于双目光束法平差优化(BBA)精确估计机器人位置姿态.对左右相机采集图像对进行立体匹配获取致密三维地形信息,结合定位时获取的旋转平移姿态,实现了地形的构建与拼接.实验结果表明,该算法具有较好的实时性和鲁棒性.     

下一代移动通信系统中的无线协同定位技术

为了解决传统无线定位技术中定位精度不高的问题,针对下一代移动通信系统,提出利用移动台(MS)之间的协同通信对目标MS进行协同定位,并利用非线性最优化理论解决MS协同定位问题,将该问题转化为线性最小二乘问题,最终利用Gauss-Newton算法估计目标MS的位置.仿真结果表明,Gauss-Newton算法在解决协同定位问题时,几乎都能收敛,收敛速度快,平均迭代数为2～3次.当2个或2个以上的参考终端(RT)参与定位,且RT的测距标准差小于50 m时,协同定位均方根误差可控制在100 m内.     

基于一种改进PSO的移动机器人路径规划

提出了基于一种改进微粒群优化算法的移动机器人在已知环境信息下的路径规划方法。通过对算法中微粒的速度进化方式的改进，使算法能有效地对搜索空间进行搜索，避免陷入过早收敛，此外还将边界约束、静态避障和最短路径这3个条件表示成一个简单的适应度函数，使整个优化过程满足路径规划的任务要求。最后，通过仿真取得了很好的效果，证实了方法的可行性和有效性。