面向手眼标定的改进灰狼优化方法

为解决眼在手上的机器视觉智能机器人手眼标定精度较低的问题,提出了一种改进灰狼算法的手眼标定方法。首先建立了眼在手的机器视觉智能机器人的手眼标定数学模型,通过分析影响手眼标定误差的因素,提出一种用于降低手眼标定误差的拍照位姿生成方案。然后,融合维度学习和差分进化策略,利用改进的灰狼算法对经由传统手眼标定算法求得的解析解进行非线性优化,避免了传统优化算法在迭代过程中,容易提前收敛,陷入局部最优解等缺陷。最后利用实物设备进行手眼标定实验,实验结果证明了该方法对降低手眼标定误差的可行性和有效性。

基于RANSAC的单应性矩阵估计优化算法

图像特征匹配是机器视觉处理技术的关键环节。在图像特征匹配中,需要根据检测到的特征点及其相应的特征描述子进行特征点匹配。在众多匹配方法中,传统随机抽样一致性(RANSAC)算法因为能利用随机抽样从样本集中剔除误匹配点,再对单应性矩阵进行估计,而获得了广泛的应用,但其模型参数估计依然存在精度不高和效率较低的问题。本文用基于先验概率抽样的方法代替随机抽样方法,同时,使用二次匹配代替正向匹配来计算重投影误差,使用标准测试图集进行实验。实验结果表明:单应性矩阵的估计精度和效率分别提升了48.42%和53.57%。

一种改进灰狼算法优化LSSVR的混凝土泵车砼活塞剩余寿命预测方法研究

为了解决混凝土泵车砼活塞因无法及时更换导致设备停机的问题,提出一种改进灰狼算法优化最小二乘支持向量回归(LSSVR)的剩余寿命预测方法,该方法使用差分算法(DE)优化原始灰狼算法(GWO),解决了其容易陷入局部最优解的问题,提高了收敛速度,使用优化后的算法优化最小二乘支持向量回归的两个参数,建立剩余寿命预测模型。通过真实的砼活塞寿命监测数据,使用3种评估指标对比LSSVR、GWO-LSSVR、DE-GWO-LSSVR这3个模型的预测效果,并与相关研究的结果进行对比。实验表明,DE-GWO-LSSVR模型拥有最高的预测精度,可以为砼活塞的预测性更换以及机械零件的故障诊断提供指导意义。

基于Flink框架的K-means算法优化及并行计算策略

K-means算法因其原理简单和聚类效果尚佳的优点在机器学习和数据挖掘领域得到广泛使用,但其仍存在一些缺点:K-means算法需指定分类类别数K;K-means算法对于初始聚类中心的选取策略是随机选择,这可能会影响到最终聚类结果的准确率及计算速度。以上缺点都限制了K-means算法的计算效率的进一步提升。论文针对以上问题,提出了一种基于Flink并行化的K-means优化算法,该算法在传统K-means算法的基础上引入Canopy算法来完成初始聚类,得到类别数K,然后采用最大距离算法来计算初始聚类中心,并利用Flink框架的并行计算能力,对多个数据集进行聚类实验。实验结果表明,论文算法可以减少聚类过程迭代次数,并且在聚类准确率方面也有一定的提高,在大规模数据集环境下同样具有良好的计算效率。

基于激光雷达的隧道轮廓拟合方法研究

针对电气化铁路隧道轮廓顶部打孔和安装吊柱的作业需求,提出了一种基于激光雷达的铁路隧道轮廓拟合方法。采用激光雷达实时扫描隧道顶部轮廓,获得轮廓的点云数据,设计了以正交函数作基函数的最小二乘拟合算法与点云滤波算法,完成了隧道轮廓点云数据的拟合,得到了隧道轮廓的拟合曲线方程,对拟合误差进行了初步分析,并将拟合轮廓与真实轮廓进行对比。实验结果表明:该方法能较好地拟合出隧道轮廓,为电气化铁路隧道自动化施工作业提供一种新的方法。

基于模糊综合评判法的风机滤网健康状态评估

通过电气化动车组(Electric Multiple Units,EMU)牵引变压器冷却系统的高温油是利用风机组的强制通风来降低温度的,风机滤网的清洁程度极大地影响了风机组的散热效果。通过分析牵引变压器冷却系统风机滤网的故障预测与健康管理(Prognostics Health Management,PHM)状态监测数据和关联指标,建立风机滤网健康状态评估指标体系;分别使用熵权法和层次分析法求得各评价指标的权重,为了综合熵权法和层次分析法的优点,弥补二者的缺点,采用组合赋权法获得组合权重,然后用组合权重对滤网健康状态进行评估;最后使用某型动车某节车厢牵引变压器2020年度运行下的PHM状态监测数据进行验证。结果表明,该评估方法能较为准确地确定牵引变压器冷却系统风机滤网的健康状态,评估状态符合真实的结果,可以对牵引变压器冷却系统风机滤网的清理提供一定的指导意义。

多传感器融合的铁路隧道自动化作业研究

针对电气化铁路隧道顶部打孔、安装吊柱的作业需求,提出了一种将毫米波雷达、激光雷达和激光测距传感器融合的铁路隧道自动化作业方法。通过毫米波雷达探测作业车辆前方的障碍物,激光测距传感器检测车辆在隧道中的行驶状态,并实现自动驾驶,激光雷达扫描隧道顶部轮廓,定位打孔点的位置。实验结果表明:多传感器融合于作业车辆上,能够较为准确地定位打孔点的位置,车身偏离既定行驶路线时可及时纠正,探测到障碍物能及时停车,为铁路隧道施工自动化作业提供参考。