基于机器视觉的二维码检测教学实验系统设计

设计了一套基于机器视觉的二维码检测教学实验系统。依次对该系统的总体方案、图像采集系统、运动控制系统、图像处理方法和人机交互界面进行了具体设计,进而制作了实验样机,并针对某包装印刷企业实际需求进行了二维码的检测实验。实验结果表明,所设计的系统最高二维码检测速度为7个/s,对错印、漏印和重码等缺陷问题的误检率≤0.05%,能够满足设计要求。该系统已应用于自动化专业的实践教学中,弥补了当前能够模拟真实工业场景的实践教学设备的不足。实践表明,所设计的系统可有效帮助学生提高机器视觉相关课程学习的系统性和连贯性,助力创新型自动化工程科技人才的培养。

实践能力驱动下的工程硕士研究生培养模式研究

学术学位与专业学位研究生的分类培养是高等教育回应社会多元化需求的必然选择,有助于精准对接国家对不同类型高层次人才的需求,提升研究生教育的整体质量和效益。本文通过深入分析两类研究生培养在定位、内容、过程及评价等方面的差异,揭示培养过程中同质化问题产生的原因,提出以实践能力为核心,融合课程体系、实践教学及产、学、研协同的创新培养模式,以培育具备独立思考和解决实际问题能力的专业人才。为保障培养模式的顺利实施,构建涵盖立德树人、需求导向、开放办学、分类深化及质量监控等维度的工程硕士研究生培养路径。本文旨在为解决两类研究生培养模式的趋同现象提供新思路,为提升工程硕士研究生的实践能力提供参考。

遗传算法初始种群与操作参数的均匀设计

通过对遗传算法初始种群与操作参数设定问题的研究,认为初始种群的分布状态与算子操作参数的选取直接关系遗传算法的全局收敛性与搜索效率,对初始种群与各操作参数进行合理设定是应用遗传算法进行寻优计算的重要问题.同时,遗传算法的初始种群必须科学地表征解空间的信息,操作参数也必须兼顾多样性与快速性相互协调设置.基于优化设计思想提出应用均匀设计方法同时确定遗传算法的初始种群及其他操作参数的方法.利用均匀设计的等价准则提出一种简化计算的近似获得均匀初始种群的方法,仿真实例验证了这种方法的可行性、有效性.

遗传算法在电力系统经济负荷分配中的应用

针对考虑阀点效应的电力系统经济负荷分配问题的特点,将遗传算法与传统基于梯度的数学优化方法相结合,提出一种求解电力系统经济负荷分配问题的混合遗传算法。通过极大熵理论将经济负荷分配问题近似为可导问题,并将SQP法引入遗传算法提出SQP算子,以提高遗传算法的寻优速度与局部搜索能力。基于优化设计理论应用均匀设计确定初始种群。同时,利用单纯形交叉算子的多点交叉特性使种群逐步趋近全局最优点。实例研究结果验证了方法的有效性。

基于改进遗传算法的电力系统经济负荷分配

针对电力系统经济负荷分配问题,分析了遗传算法与传统数学优化方法的不同优势与特性,提出一种求解电力系统经济负荷分配问题的改进遗传算法.利用极大熵理论将经济负荷分配问题转化为可微问题,将BFGS法引入遗传算法,提出了BFGS算子,以提高遗传算法的寻优速度与局部搜索能力.同时,应用单纯形交叉算子将种群逐步向最优点进行引导,实现算法的快速寻优.实例研究结果验证了所提出方法的有效性.

遗传算法在离散变量优化问题中的应用研究

针对实际应用中大量存在的离散变量优化设计问题,研究了利用一般连续变量方法进行离散变量优化设计的不足。结合离散变量优化问题与遗传算法的特点,提出离散交叉算子和离散变异算子,使遗传算子真正在离散空间中进行搜索。基于线性搜索思想提出离散引导算子以提高遗传算法的局部寻优能力,将种群逐步向离散极值点进行引导,实现算法的快速离散寻优。通过对两个实际离散变量优化设计问题的应用研究,验证了本方法解决离散变量优化设计问题的有效性。

基于均匀设计的遗传算法参数设定

在应用遗传算法进行优化计算时,各操作参数既有各自的功能又相互作用,彼此关系较为复杂,而各参数设定的好坏直接影响算法的性能,所以,各参数的设定是应用遗传算法进行寻优计算的重要问题·通过对遗传算法各操作参数作用与意义的分析,认为可以将遗传算法的参数设定描述为一个多因素多水平优化设计问题·为使遗传算法在应用中发挥最佳的寻优性能,同时考虑到参数设定方法的可行性,提出应用解决多因素多水平优化设计问题的均匀设计方法设定遗传算法的操作参数,实例应用仿真结果验证了这种方法的可行性、有效性·

改进的遗传算法在优化设计中的应用

针对实际机械优化设计中大量的非线性规划问题,提出一种改进的遗传算法.在对单纯形搜索与算术交叉思想进行分析的基础上,将二者相结合,提出了改进的交叉算子以提高遗传算法的局部寻优能力,将种群逐步向极值点引导,实现算法的快速寻优.同时,为了更好地引导非可行个体趋近可行域,改善解的可行性,将惩罚策略与修复策略相结合提出修复算子,对不可行解进行修复操作,加快个体趋近可行域的速度,提高算法搜索效率以及对非线性约束的处理能力,从而达到改善算法整体性能的目的.实际机械工程优化设计问题的应用研究验证了这种方法的有效性.

一种提高遗传算法全局收敛性的方法

通过对遗传算法过早收敛原因的分析,认为遗传算法出现过早收敛主要与问题解的分布状况、种群个体的分布情况及遗传算子的应用有关,提高算法全局收敛性能的核心就是如何使算法科学地处理种群多样性及识别个体对全局收敛性能的作用·提出几类与遗传算法全局收敛性能关系较大的个体,并结合小生境进化共享函数思想,形成一种旨在提高遗传算法全局收敛性、求解全局最优解的遗传算法,仿真结果验证了这种算法良好的全局收敛性能·

离散非线性规划问题的改进遗传算法

针对实际离散非线性规划问题,分析了离散与连续变量优化问题和求解方法的不同及特性.根据离散变量与遗传算法的特点,将单纯形搜索与算术交叉思想相结合,提出离散单纯形交叉算子以提高遗传算法的局部寻优能力,将种群逐步向离散极值点进行引导,实现算法的快速离散寻优.同时,设计了离散变异算子,使遗传算子真正在离散空间中进行搜索.基于梯度下降思想提出离散修复算子,提高算法对非线性约束的处理能力.实际离散非线性规划问题的应用研究验证了方法的有效性.

基于单纯形算子的混合遗传算法

通过遗传算法 (GA)与传统单纯形搜索法相结合 ,并基于对遗传算法算子计算结构的调整 ,提出一种针对非线性规划问题的新算法——基于单纯形算子的混合遗传算法 (HGA) ,仿真结果验证了这种新算法的有效性和合理性 .

基于可进化性的快速遗传算法

给出三类可进化性较强的个体的定义 ,提出充分重视个体的可进化性并对可进化性强的个体加以引导 ,来提高遗传算法搜索效率的思想·同时考虑算法全局收敛性能而采用一种并行群体进化结构 ,设计了旨在提高遗传算法寻优效率的基于可进化性的快速遗传算法 。

遗传算法在电力系统经济负荷分配中的应用

针对电力系统经济负荷分配问题的特点,应用极大熵理论将经济负荷分配问题转化为可微问题·在分析了遗传算法与传统数学优化方法的不同优势与特性的基础上,将遗传算法与传统数学优化方法相结合引入局部搜索算子实现快速搜索,提出了一种求解电力系统经济负荷分配问题的改进遗传算法·同时,应用多点均匀交叉算子提高遗传算法的全局收敛性能,将种群逐步向最优点进行引导·实例研究结果验证了方法的有效性·

循环流化床烟气脱硫效率的研究

基于对气固传质、气固反应模型、浆滴蒸发等理论,从物料循环对热力学参数、传质过程和化学参数的影响几个方面对物料循环的作用过程进行研究。通过对循环流化床烟气脱硫物料循环过程的研究与分析,提出物料循环对脱硫效率的贡献由新鲜吸收剂脱硫效率的提高和循环物料中未完全反应的吸收剂参与脱硫反应产生的脱硫效率两个部分组成,还提出了物料循环对热力学、传质以及化学等参数影响的模拟计算方法。实验验证了方法的可行性与有效性。

并行启发式进化遗传算法

本文通过对遗传算法 (GA)的过早收敛问题及其解决方法的探讨 ,结合种群分布、多种群进化、迁徙及并行启发式结构等思想 ,提出一种求解全局最优解的并行启发式进化遗传算法 (PHGA) 。

基于多最小二乘支持向量机的草酸钴粒度软测量

提出了一种基于改进的鲁棒学习方法(improved robust learning algorithm,IRLA)的多最小二乘支持向量机(multipleleast squares support vector machine,Multi-LSSVM)建模方法,用以解决非线性系统建模问题。该方法通过Bootstrap算法复制出训练集样本空间上的多个样本子空间,训练出多个成员最小二乘支持向量机模型,然后应用改进的鲁棒学习方法对成员最小二乘支持向量机模型的权重进行优化融合,从而使多最小二乘支持向量机模型具有较高的准确率和泛化能力。通过仿真实验,验证了方法的有效性;并将其应用于湿法冶金合成过程草酸钴粒度软测量建模问题,获得了比单个最小二乘支持向量机模型方法更高的预测精度。

基于最小二乘支持向量机的发酵过程混合建模

提出了一种综合先验知识与最小二乘支持向量机的发酵过程建模方法,并且采用遗传算法进行最小二乘支持向量机的参数优化选取。该模型应用到一个具体发酵过程状态变量的预估中,仿真结果表明基于最小二乘支持向量机的混合模型具有很高的精度与范化能力,同时也表明了最小二乘支持向量机是软测量建模的一种有效方法。

在线鲁棒最小二乘支持向量机回归建模

鉴于工业过程的时变特性以及现场采集的数据通常具有非线性特性且包含离群点,利用最小二乘支持向量机回归(least squares support vector regression,LSSVR)建模易受离群点的影响.针对这一问题,结合鲁棒学习算法(robust learning algorithm,RLA),本文提出了一种在线鲁棒最小二乘支持向量机回归建模方法.该方法首先利用LSSVR模型对过程输出进行预测,与真实输出相比较得到预测误差;然后利用RLA方法训练LSSVR模型的权值,建立鲁棒LSSVR模型;最后应用增量学习方法在线更新鲁棒LSSVR模型,从而得到在线鲁棒LSSVR模型.仿真研究验证了所提方法的有效性.

基于支持向量机与遗传算法的发酵过程软测量建模

提出了基于支持向量机的生物量浓度在线估计软测量建模方法,采用遗传算法进行模型输入的选择与支持向量机参数的选取,目的是找到对模型估计结果贡献最大的输入特征变量,降低了输入空间维数,缩小了求解问题的规模,从而减低计算方面的难度,减少了训练实际,同时又通过参数的调整,得到更好的决策函数,提高支持向量机的性能.模型的训练与验证数据都是取自实际的实验过程——诺西肽发酵.结果表明采用遗传算法进行优化的支持向量机软测量模型对生物量质量浓度具有好的预估性能.

钢管水压试验机主液压系统建模与仿真

以钢管水压试验机液压系统为研究对象,阐述了水压试验机的工作流程和主液压系统工作原理,选择AMESim作为软件环境,建立了该系统基于AMESim的主要元件子模型,并搭建成完整的某钢厂3号线水压试验机主液压系统模型,设置了模型中的主要参数,实现了该液压系统动态性能仿真。仿真结果表明,应用AMESim软件可以有效地对钢管水压试验机主液压系统进行模拟,取得了较好的结果,为进一步的深入研究奠定了坚实的基础。