基于自适应改进的遥感图像去雾算法研究

受到雾霾的影响,遥感图像的质量下降,影响遥感图像的应用。因此,对遥感图像进行去雾处理有着非常重要的意义。暗通道先验算法是常用的去雾算法,但遥感图像中雾霾分布是不均匀的,因此在对遥感图像进行去雾处理时,需要改进其自适应性。本文基于提高暗通道去雾的自适应能力的目的,通过提出一个“局部灰度比”的概念,在自适应能力方面改进了暗通道去雾算法,通过对7幅遥感图像进行试验,得出该方法对遥感图像去雾的能力提升了8.39%的结论。

电磁场有限元网格的自适应改进

介绍二维有限元自适应剖分软件（Ａｄａｐｔ－Ｍｅｓｈ），包括网格Ｄｅｌａｕｎａｙ调整和自适应加密技术等。它适用于各种后验误差估计的有限元算法。文章还给出了电机电磁场问题应用实例。

自适应改进遗传算法在土木工程优化设计中的应用

为了改进基本遗传算法的早熟收敛、随机漫游,验证改进后的算法在土木工程中的应用效果,提出4点改进措施,形成自适应遗传算法。利用混沌序列的"遍历性、随机性、规律性"的特点生成初始种群;引入适应度的指数尺度变换;提出自适应的交叉、变异概率公式;幅度系数调节交叉率、变异率。改进后的优化结果与基本遗传算法进行了对比,在进化时间、收敛精度上得到提高。通过土木工程中桁架结构非对称受荷的数值算例,证明自适应改进遗传算法是现实可行的。

有限元网格自动生成及自适应改进

本文介绍的〈Adapt-Mesh〉是有限元三角形网格自动生成及自适应改进软件,适用于各种误差估计算法,而且功能比较完备。本文着重介绍Adapt-Mesh软件的“对分法”网格自动生成原理和在此基础上的总体网格Delaunay优化调整过程,以及h-方式三角形网格自适应加密方法;同时还给出了一个具有典型结构的电磁场模型实例。

基于改进自适应遗传算法的小径短绳自动打捆机步进电机PID控制

为提高小径短绳自动打捆机步进电机的控制精度,在分析经典遗传算法和经典自适应遗传算法的基础上,引入进化代数和个体适应值排名来指导自适应交叉率和自适应变异率,设计了一个基于改进自适应遗传算法的PID控制器,以削弱进化过程中优良参数的退化现象。MATLAB仿真结果表明,改进的自适应遗传PID提高了收敛精度,并具有更快的收敛速度。针对步进电机的实际测试结果表明,与经典遗传算法相比,改进的自适应遗传PID调整时间更短、超调量更低。

改进无模型自适应迭代学习的直线电机滑模控制

二维直线电机具有非线性、多变量及强耦合等特点,其精确模型无法获得,同时,在实际过程中由于参数摄动及扰动而造成的运行不稳定现象,致使对其跟踪控制十分困难。针对以上问题,根据无模型自适应迭代学习控制不依赖被控系统精确数学模型的特点,及滑模控制具有可设计且与对象参数和扰动无关的滑动模态,提出一种改进无模型自适应迭代学习的滑模结构复合控制策略。在无模型自适应迭代学习控制方案的准则函数中加入误差变化率,并对其收敛性进行分析论证;然后在紧格式动态线性化基础上,设计指数趋近律滑模控制,使改进无模型自适应迭代学习的滑模控制复合策略能够克服不稳定现象并具有很强的鲁棒性,从而进一步提高系统响应速度和控制精度。最后通过仿真和实物验证,控制精度稳定在1μm范围内,并与其他控制方案相比,验证了所提方法的准确性和有效性。

锂离子电池模型参数辨识的改进自适应FFRLS算法研究

为了提高锂离子电池模型参数辨识的准确性和鲁棒性。以递归最小二乘法(FFRLS)为基础,采用了一种经过改进的自适应FFRLS算法,通过分数阶阶乘设计实现了对模型参数的逐步辨识。这种算法的特点在于其自适应性,能够更好地适应电池系统的非线性和复杂性。通过在不同工况下对锂离子电池模型进行参数辨识和研究得到了大量的实验数据。结果显示,相较于传统方法,改进的自适应FFRLS算法在处理电池系统的复杂性和非线性特性方面取得了显著的改进。通过优化算法,为电池管理系统提供了更为精确的模型。这对于改善对电池性能的监控和控制具有重要意义,有助于提高电池的使用寿命和安全性。

基于改进自适应趋近率的永磁同步电机无模型控制系统设计

传统的速度环控制在永磁同步电机负载突变时,会引起转速波动较大从而影响电机运行的稳定性,为了抑制转速波动,并实现电机转速的快速响应,采用了一种基于扩展滑模扰动观测器的改进型趋近率控制方法;新算法通过引入含有外部扰动的电机运动方程,并将扰动进行扩展分析,建立了扰动观测器的数学模型,增加扰动观测的准确性;为了减少滑模控制器的抖振,提高响应速度,提出了一种改进型的滑模趋近率,新控制器采用增益自适应、幂次自适应的方法,实现动态调节控制增益的目的;将新算法分别与基于传统指数趋近律的无模型算法和PI控制策略进行仿真对比,仿真结果验证了所提控制策略在提高系统响应速度以及抗干扰能力方面的优异性能。

基于Allan方差的改进自适应滤波SINS/GNSS导航算法

针对系统噪声和量测噪声均发生变化时,现有自适应卡尔曼滤波容易发散导致SINS/GNSS导航精度下降的问题,提出了一种基于Allan方差的改进自适应滤波SINS/GNSS导航算法。该方法在对自适应滤波进行改进的基础上,结合Allan方差估计法计算量测噪声协方差阵,克服了自适应滤波中噪声参数耦合以及高维度系统出现奇异性导致滤波发散问题,并利用残差χ2故障检测法对系统状态进行判断,对遗忘因子进行动态调整,对噪声特性跟踪效果更快速,相比其他改进方法简单易实现。仿真结果表明,与卡尔曼滤波,Sage-Husa自适应滤波相比,所提出的算法对噪声有较好的估计效果,且导航精度更高,滤波稳定性更好,速度均方误差平均可比传统Kalman滤波提高49.06%,较Sage-Husa自适应滤波提高27.19%;位置均方误差平均可比传统Kalman滤波提高41.12%,较Sage-Husa自适应滤波提高19.79%。

改进自适应遗传算法下余热锅炉过热蒸汽温度控制方法

余热锅炉过热蒸汽温度常受到多种干扰和不确定因素的影响,导致温度波动较大,难以实现稳定控制。为此,提出改进自适应遗传算法下余热锅炉过热蒸汽温度控制方法。利用过热蒸汽温度、锅炉负荷参数定义余热锅炉过热蒸汽温度控制方程,引入改进自适应遗传算法,通过自适应调整交叉和变异概率提升遗传算法的收敛速度,获取最优适应度函数,代入余热锅炉过热蒸汽温度控制方程中,实现蒸汽温度最优控制。通过对比实验验证得出,该方法的收敛性能好,对余热锅炉过热蒸汽温度控制的超调量为2.6℃,响应速度为1.8 s,证明该方法对余热锅炉过热蒸汽温度控制的稳定性及精度较好。

基于改进自适应粒子群优化的高压设备检修计划自适应优化

为了保证电网在高压设备检修过程中的稳定运行,提出基于改进自适应粒子群优化算法的高压设备检修计划自适应优化方法。采用模糊推理规则算法评估高压设备运行状态,依据评估结果确定电网运行风险最小化为高压设备检修优化的目标函数,并确定同时约束、检修资源约束等5个约束条件,采用改进自适应粒子群优化求解目标函数,输出优化后的高压设备检修计划结果。测试结果显示,该方法检修时电压最大和最小结果之间的差距为0.105 pu,较为平稳。

基于改进自适应滤波的广播电台信号非平稳干扰抑制研究

面对广播电台信号的非平稳干扰时,受到回波信号的时变性影响,导致干扰抑制效果不佳。为了解决该问题,提出了基于改进自适应滤波的广播电台信号非平稳干扰抑制方法。根据广播电台信号产生原理,计算脉冲重复周期内的广播回波信号,以此构建广播电台非平稳干扰信号。使用改进自适应滤波方法设计自适应信号分离器,从混合信号中分离出目标信号,有效提取有用信息。通过改进自适应滤波的差拍处理,分析移频量为0和不为0的2种情况,构建由差拍信号输入到干扰输出的改进自适应滤波响应函数,采用改进自适应滤波算法输出干扰抑制信号,计算带宽大小自适应步长。通过控制步长,抑制目标回波对广播电台信号的干扰。由实验结果可知,使用该方法抑制干扰信号时,当频率为3Hz时,频谱幅度值达到最大,为0.2d B,其余频率下的频谱幅度最大值为0.005d B,只与原始频谱幅度存在最大为0.005d B的误差,具有良好干扰抑制效果。

基于改进自适应加权的多传感器信息数据融合方法

多传感器采集的数据在数据特征和数据形式上存在较大差异,导致当前融合方法在加权过程中很难确定权值,融合效果差。文章提出一种基于改进自适应加权的多传感器信息数据融合方法,首先,进行多传感器信息数据的采集与预处理;其次,初始化每个传感器采样信息的权重;然后,根据调整后的权重对每个传感器的数据进行加权融合系数的自适应调整;最后,通过数据集合中同属性信息的聚类,实现对数据信息的融合处理。试验结果表明,所设计方法的实际应用效果更好,按照规范使用该方法进行多传感器信息数据融合,能够达到最优融合状态。

改进自适应渐进 II 型删失下 Chen 分布的贝叶斯分析

本文基于改进的自适应渐进 II 型删失,对 Chen 分布进行了贝叶斯分析。首先利用 EM 算法得 到了参数的极大似然估计。针对共轭和非共轭的四种信息先验,运用大方差和遗传算法确定了先 验的超参数。进而根据 Metropolis-Hastings 算法实现了后验分布样本的抽取。最后,通过真实 数据集对不同先验下的贝叶斯估计性能进行比较并得出了相应的结论。

基于改进自适应遗传算法的微电网负荷优化分配

主要研究了微电网负荷优化分配的问题,即在满足微电网安全运行约束和负荷需求的条件下,优化微电源的出力,使微电网的发电总成本最小。分析建立了微电网负荷优化分配的数学模型,考虑了微电网运行约束条件、负荷需求,微电源的燃料消耗、维护成本与起动成本,以及动态的网络损耗量和购电、售电价格等。研究了微电网分别处于孤网运行与联网运行时的经济性。并运用基于实数编码的改进自适应遗传算法对其进行数值求解。最后,通过算例验证了所提出的方法的有效性。

改进自适应变空间差分进化算法

在基本差分进化算法的基础上融入自适应变空间思想,提出自适应变空间差分进化算法,在进化代数达到预设周期整数倍时,按变空间算法自动扩展或收缩搜索空间,实现了自动寻找合适搜索空间、提高收敛速度和精度的目的.此外为了进一步的加快收敛速度,对原变空间算法进行了改造,对其上下限的变化规则进行了修改和添加,提出了改进的变空间算法.仿真结果表明改进方法在收敛精度、速度上优于基本差分进化算法和基于原变空间算法的差分进化算法.最后将其应用到热连轧机精轧机组负荷分配优化计算中,为其提供了一种有效的优化手段.

变分模态分解和改进的自适应共振技术在轴承故障特征提取中的应用

针对滚动轴承早期故障特征提取困难的问题,提出了基于变分模态分解(Variational Mode Decomposition,VMD)和改进的自适应共振技术的滚动轴承故障特征提取方法。针对轴承故障信号所在频带难以选择的问题,提出了基于改进的自适应共振技术(Improved Adaptive Resonance Technology,IART)的IMF选取方法。首先,确定模态数,提出了峭度最大值的模态数确定方法;然后,对原始振动信号进行VMD分解,获得既定数目的本征模态分量(Intrinsic Mode Function,IMF);其次,利用IART选取包含丰富故障信息的IMF分量;最后,(如有需要)对选取的IMF分量进行基于IART的带通滤波,并进行包络解调分析提取故障特征频率。将该方法应用到轴承仿真数据和实际数据中,能够实现轴承故障特征的精确诊断,证明了该方法的有效性。

基于激素调节机制改进型自适应粒子群算法在置换流水车间调度中的应用研究

研究以最小化最大流程时间为调度目标的离散型生产作业中的置换流水车间调度问题,将基于激素调节机制的改进型自适应粒子群算法应用到其中。在该算法中,粒子群算法的个体最优初始值不再是随机生成,而是由基于启发式信息的贪婪随机自适应算法得到的工件加工顺序转换而成,同时借鉴激素调节机制,引入激素调节因子,根据单个粒子周围的粒子的信息,对粒子的飞行方程进行改进,以提高搜索效率和搜索质量。对置换流水车间调度实例Rec系列基准问题进行测试,结果验证算法的有效性。

基于改进级联神经网络自适应电网谐波检测

为克服电网谐波检测快速性与稳定性矛盾,基于神经网络自适应原理提出了一种级联神经网络自适应电网谐波检测的改进系统。改进级联系统初级运用大步长常规LMS(Least Mean Square)自适应神经网络单元提高检测跟随性能,次级通过嵌入均值滤波环节平滑权值波动的策略构造新的自适应神经网络单元,保证次级神经网络单元具有良好的电网谐波检测稳态精度。运用传递函数Z域变换分析嵌入均值滤波环节的电网谐波检测自适应神经网络单元的稳定性能,运算推导新的级联次级神经网络自适应单元的步长约束条件,保证改进系统既能够有效地提高电网谐波检测的跟随性能同时又可以提高检测的稳态精度。仿真实验表明改进的级联神经网络自适应系统能有效提高电网谐波检测动态性与精确性。

融合改进遗传算法的电商物流末端多中心共同配送车辆路径优化研究

随着电商物流的快速发展,多中心的末端配送问题受到广泛关注。但目前的车辆配送问题一般是针对单个物流中心进行路径优化,并未考虑到资源调度更为复杂的多中心配送情况。研究对路径问题进行数学建模,并利用双层染色体编码模式的遗传算法对电商物流末端多中心配送车辆路径进行优化。研究过程中发现,传统遗传算法易陷于局部最优解,出现早熟现象。为解决此问题,对交叉概率与变异概率进行自适应调整,实现算法的改进。由此构建了融合遗传算法的配送车辆路径优化模型。通过实验分析可知,模型较其他模型优化结果减少路径长度11%以上,能够实现高质的路径优化,为物流配送节省成本与时间。