改进型神经网络在木件打磨机器人中的应用

针对木件机械打磨加工效率低、产品质量差等问题,提出一种打磨轨迹跟踪算法,该算法是对模糊算法和神经网络算法的结合及改进。阐述了打磨机器人的系统结构,并针对两关节机器人建立动力学模型,基于打磨轨迹跟踪算法设计了模糊神经网络控制器。利用Simulink软件对打磨轨迹跟踪算法进行仿真试验,结果表明:改进型神经网络与传统神经网络算法相比,0时刻开始,跟踪误差均在±0.01 mm范围内,系统很好地完成了启动控制,并且打磨机器人在1 s时即可以实现极小误差的曲线打磨轨迹跟踪。该算法可有效控制打磨机器人的运动轨迹,工作时机器人运行稳定可靠,加工效率高。

基于ZigBee技术的停车场区域导引系统设计

针对当前大型公共停车场内部出现的区域拥堵、争抢车位问题,在提出新的停车场区域划分和车位引导策略的基础上,设计了一套智能停车场区域导引系统。主要对系统结构以及电源和ZigBee网关的软硬件设计进行了介绍。该系统在某地下停车场安装应用中取得了良好的引导效果,用户的满意度较高,有效缓解了区域拥堵现象。

一种改进的K-means算法在智能用电数据分析上的应用

传统的K-means算法是迭代型算法,它在解决问题的过程中经常得到的是局部的最优解而不是全局的最优解。本文针对这一问题对K-means算法进行改进,改进后的K-means算法对初始点不敏感,且聚类效果好。同时本文将改进后的K-means算法应用到智能用电的数据分析上,通过MATLAB建立了房屋面积、家庭成员、用电量等数据模型,使用改进的K-means算法进行数据挖掘实验,实验结果证明提出的算法稳定可行,且能挖掘出用电数据的潜在的有价值的信息。