SVPWM变频空调永磁同步压缩机控制系统

针对目前轨道车辆变频空调控制器存储容量有限,不能支持列车通信,风速调节模式单一的问题,开发了一种以MN103SFE4G芯片为主要控制芯片,采用无速度传感器矢量控制方法对永磁同步压缩机进行控制的新型变频空调压缩机控制系统,提出了系统主电路、通讯电路、定子相电流检测和转子角速度估计的设计方案.选择id=0的速度电流双闭环矢量控制方法对永磁同步电机进行控制,基于MATLAB/SIMULINK软件平台搭建了永磁同步电机矢量控制的仿真模型,仿真结果证明了本文所设计的无速度传感器矢量控制系统模型的正确性和有效性,系统响应快速且平稳,具有超调量小,响应速度快等优点,为系统的硬件实现提供了理论依据.

粒子群与遗传算法优化支持向量机的应用

为了提高参数优化精度,研究将粒子群算法与支持向量机相结合,建立基于粒子群算法的支持向量机复杂过程系统稳态模型。在此基础上,为解决粒子群算法容易出现早熟收敛、搜索精度不高、在迭代的后期效率低、容易陷入局部极优点等问题,提出了引入遗传算法的改进粒子群算法。通过利用改进后的粒子群算法对支持向量机参数进行优化,并应用到青霉素发酵这一复杂工业系统。仿真结果表明,改进算法提高了工业产量,实现了对系统结果的优化。

基于深度相机的SLAM算法评测

针对3种典型的基于深度相机的同步定位与地图构建(SLAM)算法,包括RGB-D SLAM V2,RTAB-Map和DVO SLAM,介绍这3种SLAM算法的理论特点。采用两个公开的SLAM数据集,包括TUM数据集和ICL-NUIM数据集,进行SLAM算法的评测,评测指标包括SLAM算法的精确度、运行性能以及鲁棒性。评测的实验结果表明,在选择基于深度相机的SLAM算法时:如果考虑精确度和鲁棒性优先于运行性能,则选择RGB-D SLAM V2;如果考虑运行性能和鲁棒性优先于精确度,则选择DVO SLAM;如果考虑精确度和运行性能优先于鲁棒性,则选择RTAB-Map。

粒子群优化算法在多峰函数寻优上的应用

本文将模拟退火算法的思想引入到粒子群优化算法中,并且通过改变粒子群优化算法的惯性权值递减策略及更新位置的限制,来加速算法的收敛．算法经过对多峰函数的寻优测试,证明了这种改进算法与自适应粒子群优化算法相比较,不容易陷入局部最优,全局寻优能力更强,收敛速度更快．

基于模拟退火算法的模糊控制器优化设计

提出了一种解析规则模糊控制器的改进结构,引入了能够动态调整模糊控制规则的修正函数,并给出了模糊控制器输出控制量在稳态附近的局部连续化算法;同时,通过模拟退火算法,实现了模糊控制器控制参数的组合优化设计。结果表明,使用该方法设计的模糊控制器具有响应快、超调小、稳态精度高等优点,改善了模糊控制系统的性能。

一种密度聚类模糊神经网络的建模方法

针对仅依赖于输入输出样本数据的复杂系统建模问题,借鉴模式识别聚类分析的理论思想,提出了基于密度聚类提取样本数据模糊规则的理论和方法,通过密度聚类法提取样本数据输入输出变量间的内在规则,并根据密度聚类提取规则的特点,建立了基于密度聚类的模糊逻辑推理方法,确立了一种基于密度聚类的模糊神经网络(DFNN)模型结构。以石化过氧化氢异丙苯(CHP)分解反应过程为对象,进行了仿真建模比较分析,结果表明在模型精度和可靠性上,均优于基于C均值聚类提取规则的模糊神经网络(CFNN),验证了DFNN建模方法的有效性。

一种仿生机器鼠的跟踪与避障策略

针对一种新型仿生机器鼠平台的运动规划问题主要包括跟踪、避障等问题,依据仿生机器鼠的双目视觉系统以及多自由度的机械结构,根据驱动电机的特性,建立仿生机器鼠的扭腰、抬身、攀爬等动力学模型,采用"记忆"目标鼠的特征、"学习"最优避障路径、"推断"目标鼠的运动方向等方法,实现了仿生机器鼠的跟踪与避障行为,提出了一种基于仿生学原理的仿生机器鼠的跟踪与避障策略。在一种新型仿生机器鼠平台上的实验结果表明,相比与基于虚拟阻抗模型的控制方法,该跟踪与避障策略能够更好地实现仿生机器鼠的跟踪与避障行为,从而验证了策略的可行性与有效性。

基于禁忌搜索的混合粒子群优化算法

针对粒子群优化算法(PSO)易于陷入局部最优解并存在早熟收敛的问题,利用禁忌搜索算法较强的"爬山"能力,搜索时能够跳出局部最优解,转向解空间的其他区域的特点,提出了一种新的基于禁忌搜索(TS)的混合粒子群优化算法(TS-PSO),并选用两个函数进行测试.结果表明,TS-PSO比其他改进粒子群算法更能提高收敛速度,获得全局最优解.

一种基于ACO的RBF神经网络训练方法

针对k平均聚类径向基(Radial Basis Function简称RBF)网络算法的聚类结果易受初始参数选取的影响,并常收敛于局部极小值的问题,提出一种将蚁群优化算法用于径向基神经网络训练过程,优化径向基函数的中心点,建立相应优化模型的算法.实验结果表明,该算法精确度高于k平均聚类径向基神经网络算法,且函数的拟合程度也得到了改善.

基于K-均值聚类的免疫粒子群优化算法

在解决复杂函数优化问题时,免疫粒子群优化算法在疫苗提取操作中,通常把最佳粒子作为有效特征信息,没有从根本上解决"趋同性"问题,影响算法的收敛速度和收敛精度。针对该问题,提出了一种基于K-均值聚类的免疫粒子群优化算法(KIPSO),将K-均值聚类算法用于免疫疫苗的提取,确定最高平均适应值的聚类中心及其最大邻域,得到符合具有最优个体特征的疫苗集,并以自适应方式确定疫苗集进行疫苗更新,提高算法的收敛性。仿真结果表明,与免疫粒子群优化算法相比,该算法提高了收敛速度和收敛精度。

一种引入随机摄动操作的新型复合粒子群优化算法

针对传统粒子群优化算法不能根据实际问题自行选择参数,搜索后期容易陷入局部最优的缺点,提出了一种基于随机摄动的复合粒子群优化算法.该算法在利用简单遗传算法优选粒子群三个参数的基础上,根据粒子种群间的相互独立性,引入随机摄动操作,提高了解的精确度和算法的搜索效率,同时通过对种群中的最差粒子重新进行初始化来保持种群的多样性,以避免陷入局部最优解.

改进的协同粒子群优化算法

针对协同粒子群优化算法存在停滞,不能保证收敛到局部或全局最优值的问题,提出一种改进的协同粒子群优化算法(CCPSO-Hk),该算法将混沌理论引入协同粒子群算法(Chaos PSO)中,利用混沌运动的随机性、遍历性和规律性等改善了协同粒子群算法(Cooperate Particle Swarm Optimization)的性能.通过仿真验证算法的有效性.

RBF神经网络的异丙苯氧化系统建模与仿真

针对径向基函数(RBF)神经网络隐含层节点中心难确定的问题,提出了一种RBF网络学习的新算法,将引入修剪技术的相减聚类算法(PTSC)和最近邻聚类算法相结合的算法,并对异丙苯氧化系统进行建模.仿真结果表明,该算法提高了网络的学习速度,有较强的泛化能力.

光伏聚光发电随动系统研究

为了提高光伏电池转换效率,采用八面光漏斗聚光器将太阳光进行会聚叠加,使相同的光伏组件能够产生更多的电能,从而减少单瓦光伏发电的成本.将带有定时功能的自动跟踪装置与新型太阳能发电聚光器相配合,设计了自动跟踪聚光器的光信号检测装置、跟踪控制电路、驱动电路以及调整装置,通过选用效率高且功耗低的PIC16F916和LMD18245分别作为控制芯片和驱动芯片,极大的提升了系统性能,达到了自动跟踪太阳运行轨迹,提高光伏电池转换效率的目的.

考虑上下游的LSTM短时交通流量预测

使用基于LSTM循环神经网络的短时交通流量预测模型分析了不同输入配置对交通流量预测精度的影响。首先,比较了同一车辆检测站点处交通流量、速度和占有率数据的不同组合对短时交通流量预测的影响。实验结果表明,在模型输入中包含速度/占有率信息整体来说可以增强模型的预测性能。为了在模型中引入空间信息,我们进一步考虑了目标车辆检测站点上下游的交通流量状况,分别测试了包含目标车辆检测站点和上下游6个车辆检测站点在内的16种不同的输入组合。实验结果表明,在模型中引入上下游交通信息可以显著提高短时交通流量预测的精度。

基于GR64的无线数据传输模块的实现

提出了一种无线数据传输模块的单片式解决方案,核心硬件采用GR64无线CPU,利用其开放的ARM9 CPU和存储器资源,结合集成开发环境M2mpower IDE内丰富的功能库函数,编制了内嵌式脚本控制程序,完成IP连接和数据传送.给出了部分硬件电路和脚本程序及实验方法.

嵌入式Linux操作系统实时性的分析与研究

通过分析嵌入式Linux在实时应用中的不足,从软中断模拟技术、可抢占式内核机制和实时调度策略等方面给出了改善系统实时性能的方法,同时提出了宏观调度结构,拓展了实时系统的应用范围。

粗糙集理论在智能信息处理中的研究与应用

针对现代信息处理中存在的信息不完整性、不确定性和复杂性等问题,采用粗糙集理论的原理和方法,分析了粗糙集理论在智能信息处理领域中的研究和应用,并指出了其目前的研究和发展趋势,为智能信息处理技术提供了一些方法和途径。

嵌入式Linux优先级反向问题的研究

针对进程调度中出现的优先级反向问题,通过对Linux内核进程调度的研究,分析了优先级反向产生的原因、基于信号量的互斥锁结构,并在对互斥锁进行修改的基础上实现了优先级继承协议.结果证明:互斥锁的优先级继承协议降低了内核调度延迟时间,提高了系统的实时性.

基于Linux的进程调度研究

通过对Linux进程调度函数源码的分析,深入剖析了kernel核进程调度流程、调度时机、进程PCB和进程调度的依据.针对进程调度中出现的优先级反向问题,给出了基本优先级继承协议和优先级上限继承协议两种解决方法.