改进粒子群优化算法的移动机器人路径规划

针对单一智能优化算法求解机器人路径规划时易陷入局部误区的问题,提出改进粒子群优化算法(GB_PSO)用于机器人路径规划。该算法以粒子群优化算法(particle swarm optimization,PSO)为主体,由于遗传算法(genetic algorithm,GA)和细菌觅食算法(bacterial foraging optimization algorithm,BFO)更新策略所受环境影响的不同,拟合两种环境参数;然后计算粒子与不同环境参数之间的相关性将粒子群划分为两类,分别通过GA的选择、交叉、变异算子和BFO的趋化操作并行加强局部优化;最后通过改进的粒子群更新公式对粒子进行更新,实现机器人全局和局部路径的优化。实验结果表明,改进粒子群优化算法进行路径规划提高了局部和整体的搜索能力,路径规划速度快且路径距离短,同时具备更强的鲁棒性。

基于A2O工艺的精确曝气系统研究

针对西南片区某污水处理厂A2O工艺中曝气采用“曝2停2”式间歇曝气依赖人工经验、增加人工成本,并且产生较大能耗的问题,提出精确曝气系统改进策略。一是控制改进,控制系统采用三级串联结构;二是优化改进,新增在线监测仪表,通过算法模型控制PLC子站,从而调节曝气阀门。文章通过对水质和能耗进行分析,结果表明提出的精确曝气改进在确保出水水质达标的情况下能有效降低厂区能耗。

排水企业综合生产运管平台构建与应用

利用大数据、物联网、移动互联网等技术,构建集运营分析、现场监控、运行管理、报表管理、能耗分析、出水预测等功能为一体的综合生产运管系统平台。平台动态掌握了污水厂的实时运行状态和人员的巡检情况,能够定制生成报表,为管理人员提供高效快捷的查看方式和管理模式,提升企业管理和运行的安全性,实现节能降耗的目的。

基于CNN多层特征加权融合的闭环检测算法

针对深度学习用于闭环检测中存在空间细节特征丢失的问题,提出基于卷积神经网络(CNN)多层特征加权融合(CNN-F)的闭环检测算法.首先,采用预训练的CNN模型作为特征提取器,从网络中提取输入图像的浅层几何特征和深层语义特征;然后,调整特征图数据进行加权融合,将融合的特征图进行主成分分析(PCA)降维处理后,计算相似性得分用于闭环检测;最后,将算法在数据集New College和City Centre上进行测试.实验结果表明:CNN-F可以有效改善图像特征描述效果,相比于直接使用CNN的闭环检测算法,该算法有更好的准确性和鲁棒性.