基于改进人工势场法的通用航空路径规划

通用航空飞机在飞行过程除了要面对障碍物和天气系统的威胁,同时也受到飞行空域的限制,往往飞机只能在一块固定的空域或狭小的飞行走廊内飞行,一旦飞出限制空域,则有可能引发飞行冲突,甚至发生严重的安全事故。针对这些问题,在人工势场法斥力势场函数中添加航空器和目标点之间的相对距离函数,首先解决传统人工势场法存在的目标不可达问题和局部极小点问题,然后在算法中加入航路边界斥力影响因子,使飞机避障后在边界斥力的作用下重回航路中心。经过MATLAB仿真验证,试验结果表明,改进后的人工势场法能够实现主动避障和飞机航迹的规划。

移动心电监护系统QRS波的实时检测算法研究

针对移动心电监护系统对ECG信号实时分析的需要,提出了利用动态心电图的二阶差分极小值和一阶差分过零点来实现QRS波精确定位的实时检测算法。该算法能克服或抑止各类噪声对ECG信号的影响,并设计了具有自学习和自适应功能的信号检测门限。经过对正常人和临床病人的动态ECG信号进行测试验证,QRS波检测准确率可达99.8%以上,试验结果表明该算法适合于移动心电监护系统QRS波的实时检测和分析。

未知环境下势场法路径规划的局部极小问题研究

势场法路径规划的局部极小问题已经受到了多年关注,本文针对环境完全未知的情况为移动机器人设计了一种基于行为的解决方法.该方法通过合理设计各种行为间的转换条件以保证可靠性,并引入记忆信息以增强机器人对周边环境的认知能力,从而降低决策的盲目性,更准确地决定当前应采用的合适行为.本文方法对于凸形边界障碍物的有效性得到了证明.针对一些复杂的凹形边界障碍物,仿真结果表明,该方法相对于一些已有方法更加可靠.基于真实机器人的实验验证了该方法的可行性.

基于修改误差函数新的BP学习算法

通过分析隐层神经元饱和度对网络性能的影响,构造了新的误差函数,同时设计了一种自适应调节的放大误差信号方法,得到新的BP学习算法。该算法流程简单,不需要太大的计算复杂性。仿真实验结果表明新改进算法在收敛速度和避免误差函数陷入局部极小方面明显优于其它BP算法。

一维层状介质大地电磁模拟退火反演法

大地电磁模拟退火反演法是一种最优化的非线性反演方法，与传统的线性反演方法相比该方法具有：（１）不依赖于初始模型的选择；（２）能寻找全局最小点而不陷入局部极小；（３）在反演过程中不用计算雅可比偏导数矩阵等优点．通过对各种类型的大地电磁测深理论曲线试算，结果表明模拟退火法能准确地自动反演地电参数（地层电阻率、厚度）．最后对实际资料进行了处理，取得了较好的效果．

自适应扩展的简化粒子群优化算法

针对基本粒子群优化算法易于陷入局部最优的问题,提出了一种自适应扩展的简化粒子群优化算法。该算法采用去除速度项的简化算法结构,并用所有粒子个体极值的平均值代替每个粒子的个体极值,自适应动态调整加速系数。实验结果表明,算法能够有效避免早熟收敛问题,其全局收敛性能显著提高,收敛速度更快。

一种实时的动态心电图R波检测算法

提出了采用二阶差分极小值和一阶差分过零点来精确定位动态心电图R波的实时检测算法,包括ECG信号的四点平均滤波处理、心电信号二阶差分极小值的求解及其化简、R波的准确定位和具有自学习及自适应功能的信号检测门限的设计等。经过对正常人和临床病人的动态ECG信号进行测试验证,R波检测准确率可达99.8％以上。该算法具有多项式级的计算复杂度,已成功应用于移动式远程心电监护系统ECG信号的实时分析。

一种机器人逆运动学求解的神经网络方法

研究了机械手控制的逆运动学问题，提出了一种克服Ｈｏｐｆｉｅｌｄ网络的局部极值问题的网络参数扰动算法，通过数字模拟分析了该算法的性能，并将该算法成功地应用于机械手控制的逆运动学问题。计算机仿真表明，这种神经网络控制方法不仅具有较快的速度，而且大大提高了对机械手的控制精度。

基于人工势场法的路径规划方法研究及展望

人工势场方法因其简单、高效、生成路径平滑的特点,在机器人路径规划领域得到了广泛的应用。首先介绍了基于传统人工势场模型的路径规划基本原理,并对其存在的易陷入局部极小值的问题进行了详细分析;然后重点讨论和总结了针对目标不可达、易陷入徘徊抖动状态、动态环境规划能力不足等问题的改进策略;最后对基于人工势场的路径规划方法的发展方向进行了展望。

BP学习算法的改进与应用

目的 对 BP学习算法中存在的大量局部极小点以及收敛速度慢问题进行研究并提出相应的改进方案 .方法 采用类似模拟退火算法调整网络权值修改量 η和动量项 α以及对学习样本进行按类划分 .结果 使用改进后的 BP算法对 4 80个学习样本进行学习 ,识别率从 70 %提高到 95 %,学习时间从 4 h下降到 3 0 min左右 .结论 算法的改进提高了识别率并降低了学习时间 .

智能油漆配色系统的改进BP算法

BP算法具有数学意义明确、学习规则简单等优点,是前向多次神经网络的典型学习算法。但是,BP算法在学习过程中容易陷入局部最小问题。针对这一问题,提出一种修正Sigmoid函数的改进BP算法。实验证明,改进BP算法可以有效克服局部最小,显著提高收敛速度。

随机技术在瞎子爬山法中的应用与实现

介绍了启发式搜索方法瞎子爬山算法及其缺陷，着重论述了随机技术与瞎子爬山算法的结合，对于目前的搜索策略，这是一种很大的改进。

复杂环境下解决势场法局部极小问题的路径规划方法

多年来势场法路径规划的局部极小问题就一直被广泛关注,针对人工势场法所固有的缺陷提出了一种改进的移动机器人路径规划方法.方法利用膨胀与腐蚀算法对机器人的工作空间进行预处理,来优化工作环境,并使用改进的势场法进行机器人导航,以改善其运动轨迹;另外通过设置子目标点使陷入局部极小的机器人快速"逃离"极小状态.仿真结果表明本文算法在复杂环境下解决机器人路径规划的局部极小问题是有效的.

基于荧光光谱的茶汤中拟除虫菊酯类农药的智能识别

基于三维荧光光谱和二维荧光相关光谱,对茶汤中两种拟除虫菊酯农药进行了识别。利用图像局部极值算法,分别提取出三维荧光光谱图和二维相关光谱图中的峰、谷位置信息,然后进行峰位匹配实现茶汤中农药组分的智能识别。结果表明,三维荧光光谱图受到荧光峰重叠的影响,不能对氰戊菊酯进行有效匹配。而利用二维相关光谱不仅可以克服这一缺点,而且不受混合物中农药组分浓度的影响。基于二维荧光相关光谱,对实际茶汤中氰戊菊酯和顺式氯氰菊酯进行了识别,识别率分别为80%和83%。

基于旋转曲面变换的粒子群优化方法

针对粒子群优化算法(PSO)应用于多极值点函数易陷入局部极小值,提出旋转曲面变换(RST)方法.该方法通过将被优化函数映射到一个同胚曲面上,使当前局部极小点变换为全局最大点,并保持被优化函数值在当前局部极小点以下部分的数值不变.当检测到陷入局部极小时,根据具体的优化函数,选择适当的变换参数,进行RST变换,从而得到问题的全局解.并对四个不同的测试函数进行了数值计算实验.结果表明,对于高维函数,当迭代步数相同时,旋转曲面变换粒子群优化算法与其他两种粒子群优化算法相比,具有稳定性要好,收敛速度快.

基于神经网络的仿真优化算法设计

为降低传统仿真优化方法所需的仿真次数,从而缩短仿真优化时间,提出了基于广义回归神经网络(generalized regression neural network,GRNN)的仿真优化算法设计。首先,利用仿真生成一定数量的样本集,利用GRNN进行训练,得到初始回归曲面,并在该曲面上利用模式搜索算法找出全部可能的局部极小,由于可能会找到一些假局部极小点——噪声点,设计了剔除噪声点的方法,得到全部局部极小;在各局部极小点周围增补少量仿真样本,再次利用GRNN进行训练,得到新的回归曲面。重复增补样本,直到得到仿真优化的最优解。实例表明,所提方法能够有效降低所需样本的数量,实现仿真优化问题的求解。

基于遗传神经网络的车辆导航路径规划

研究使用混合GA-BP神经网络算法来解决交通路径规划中的非线性问题.反向传播(Back-Propagation,BP)神经网络虽然能够很好地解决非线性问题,但它存在着容易陷入局部极小的不足,而遗传算法(GeneticAlgorithm,GA)具有很强的宏观搜索能力和良好的全局优化性能,可以弥补BP的不足.用A*算法快速粗算出的几条可选路径作为GA的初始种群,然后用混合的GA-BP神经网络算法进行路径规划精算.仿真结果显示混合GA-BP神经网络算法在寻找路径规划的全局最优解上具有一定的优势.

基于等效子午面与互信息量的医学图像配准

提出了一种新的基于等效子午面和互信息量的三维医学图像快速配准算法——EMP-MI算法.传统的互信息量的方法需要考虑整个三维数据的信息,计算复杂度大,无法满足临床需要.而本算法将三维数据的配准转化为二维数据的配准,在保证精度的前提下,减少了配准所需时间.文中创新点在于利用主成分分析计算出图像的等效子午面并将图像转化到标准坐标系下,从而将质心和等效子午面粗配准,精细配准时只需要对浮动图像进行微小的调整计算等效子午面的互信息量,这就大大提高了配准速度,减少了陷入局部极值的可能.实验结果表明这种先整体后局部的方法能准确、快速地处理图像刚性配准问题,特别适用于三维医学图像的配准.

基于人工力场的移动机器人路径规划研究

针对传统人工势场法中存在的一些局部极小点问题,文中提出了一种基于人工力场的移动机器人路径规划方法。该方法将机器人与目标的相对距离引入斥力函数,定义斥力的一个分力方向与障碍物的影响范围相切,另一个分力方向与引力方向一致,规定斥力向量与引力向量的内积始终大于等于零。这样,克服了传统人工势场法中存在的一些局部极小点问题,尤其是三个典型的、具有代表性的局部极小点问题。MATLAB仿真结果表明该人工力场法可以避开上述局部极小点,有效的规划出从起点到目标点的无碰路径。

一种神经网络参数扰动算法及其在机械手控制中的应用

基于Ｈｏｐｆｉｅｌｄ型网络的梯度收敛特性和Ｋｉｒｐａｔｒｉｃｋ等的模拟退火算法的思想，提出了一种克服Ｈｏｐｆｉｅｌｄ网络的局部极值问题的网络参数扰动算法，它具有类似ＳＡ算法的随机退火的特性．文中通过大量数字模拟分析了该算法的退火性能．最后成功地将该算法应用于机械手控制的逆运动学问题，给出了一种神经网络求解方法．数字仿真表明。