多障碍环境下巡检机器人路径规划优化研究

针对大规模、密集的障碍物分布,高效地搜索最佳路径是一个挑战,为规划出更短的巡检路线,并实现多障碍环境下的灵活避障,文中提出一种多障碍环境下巡检机器人路径规划优化方法。使用二维矩阵构建巡检环境模型,应用D*算法在巡检环境模型中进行巡检机器人路径规划,并将传统D*算法中的扩展步长方式改变为自适应扩展步长,使机器人在面积较大的巡检场地能够更快地完成巡检;将代价函数由欧氏距离替换为切比雪夫诺距离和曼哈顿距离融合的代价函数,并引入了平滑度函数优化线路规划结果,使规划的路径更为平滑,在遇到由于多种原因产生的新障碍物时可以重新规划路径。通过实验结果可知,无论是静态地图还是动态地图,该方法均可以快速准确地规划出一条最佳路线,并且在多种环境中应用该方法能够高效获取路径规划结果。

改进萤火虫算法的武器目标分配问题研究

武器目标分配(WTA)是指挥控制和任务规划领域的关键问题之一,萤火虫算法求解武器目标分配问题具有参数设置简单、执行效率高等优点。针对传统萤火虫算法易陷入局部极值,收敛速度和精度不高的弊端,从以下三个方面进行改进:初始化萤火虫序列编码时融入PWLCM混沌优化以提高全局搜索能力;设置受迭代次数控制的服从半高斯分布的非均匀步长因子以兼顾算法的搜索能力和收敛性;设计基于排序的萤火虫更新策略同时融入交叉变异操作以提高算法的效率和准确性。为验证改进算法的先进性,先利用其求解4种典型测试函数的最优解,再求解WTA问题,并与传统萤火虫算法进行对比,仿真实验结果表明,改进后算法的评价函数值提高了2.1%,迭代次数减少了52.9%,改善了传统算法易陷入局部极值的缺点,提高了收敛速度和精度,提升了武器目标分配的效果。

基于权重因子改进型tanh函数的光伏MPPT算法

根据光伏功率-电压曲线的特点,对最大功率点两侧采用不同的自适应步长扰动观察最大功率点跟踪算法:对右侧采用基于tanh函数的自适应步长算法,对左侧采用基于权重因子改进型tanh函数的自适应步长算法。通过仿真分析及硬件试验,验证所提出的基于权重因子改进型tanh函数的自适应步长扰动观察最大功率点跟踪算法的可行性和优越性。仿真分析和硬件试验结果表明:基于权重因子改进型tanh函数的自适应步长扰动观察最大功率点跟踪算法在辐照度和温度变化场景下均具有较好的跟踪速度和精度,能为光伏系统高效稳定的输出功率提供保障。

基于改进蚁群算法的智能车路径优化

用于自动泊车领域的AGV小车载质量大,对移动轨迹的平滑性与行走距离有更高要求。针对传统蚁群算法易死锁、囤余节点多与转向幅度不可控等问题,提出了一种改进蚁群算法。首先,在算法正式开始迭代前使用地图补偿函数对地图进行优化,降低死锁概率;其次,在对地图优化处理后,对地图进行了信息素浓度初始化,加快了算法收敛速度;最后,通过调整路径生成逻辑,实现算法自适应调整步长,提高了路径的平滑性,减少转向摆动。仿真结果表明:改进后的算法死锁现象减少,收敛速度更快,所生成的路径转向平滑,囤余节点数与总路径长度降低。

双曲正切函数的新型变步长LMS算法

针对自适应最小均方误差(Least Mean Square,LMS)滤波算法迭代步长在算法收敛速度、稳态误差间的折中问题,设计了一种基于双曲正切函数的新型变步长算法,算法以双曲正切函数为基础,建立步长因子μ(n)与误差信号e(n)的非线性函数关系,并引入参数α、β和m,设计了一种新的步长调整公式,使得在算法迭代初始阶段采用较大步长因子,达到更快的收敛速度,在接近收敛时采用较小的步长因子,获得更小的稳态误差。通过仿真分析了不同参数对算法性能的影响,与已有典型变步长算法相比,论文算法具有更快的收敛速度、更小的稳态误差和更优的追踪能力。

贝塞尔函数的光伏模块最大功率跟踪系统

针对传统光伏模块最大功率跟踪系统建模复杂和响应时间慢的问题,提出了一种基于贝塞尔函数的光伏模块最大功率跟踪方法。采用二阶贝塞尔函数对光伏模块输出特性进行拟合,引入变步长扰动观察法,通过实时调整步长以改善最大功率跟踪的响应时间,构建基于Boost电路的实验平台,模拟和实验验证在不同工况和负载条件下的系统性能。结果表明,在工况和负载变化时,电压平均相对误差小于2.5%,跟踪时间缩短了61%。该研究证明了所提出的贝塞尔函数模型不仅简化了光伏模块的建模过程,而且提高了系统精度和响应速度。

一种可用于低信噪比环境的变步长LMS算法

论文研究了自适应最小均方误差(Least Mean Squares,LMS)滤波算法的步长选取问题。在分析现有算法的基础上,通过构造步长与误差信号之间的非线性函数,提出一种新的变步长LMS算法。新算法采用误差信号的自相关估计值控制步长,而不是直接利用瞬时误差控制步长,避免了噪声干扰,降低了稳态失调,可工作于低信噪比环境。同时新算法步长控制无记忆效应,提高了收敛速度。仿真表明,新算法的稳态失调和收敛速度均优于现有变步长LMS算法。

基于改进的双曲正切函数变步长LMS算法

为了改进现有的变步长最小均方误差(least mean square,LMS)算法在低信噪比时性能较差的缺陷,提出了一种基于改进的双曲正切函数的变步长LMS算法,从理论分析和仿真实验两方面讨论了引入参数对算法收敛性、跟踪性、稳定性的影响及算法的抗干扰性。理论分析和仿真实验表明该算法在高低信噪比时均具有较快的收敛速度和跟踪速度以及较小的稳态误差和稳态失调,并且在低信噪比时该算法的收敛性、跟踪性、稳态性均优于其他多种变步长算法。

FOG信号的变步长符号LMS自适应消噪方法

针对光纤陀螺输出信号的随机漂移,本文提出了变步长符号LMS自适应消噪方法。结合工程实际需要,该方法在常规最小均方算法(LMS)的基础上进行了两方面改进:一方面,从提高滤波精度和稳定性角度引入输入信号的归一化功率;另一方面,从减少计算复杂性、提高算法实时性角度引入误差符号函数;并通过收敛性分析确定了变步长符号LMS算法的步长参数。某型光纤陀螺的静态实验和转动实验结果表明变步长符号LMS算法不仅可以提前确定步长参数,且在滤波稳定性、滤波精度和实时性等综合性能方面具有优越性,适合工程应用。

稳健的仿射投影符号自适应滤波算法

非高斯的冲击噪声在现实世界广泛存在,严重影响了基于l2范数优化准则的自适应滤波算法的性能。在各类自适应滤波算法中仿射投影符号算法(APSA)结合了仿射投影算法(APA)良好的收敛特性和符号算法对非高斯冲击噪声干扰的抑制能力,因而其在非高斯冲击噪声条件下具有良好的性能。但是该算法的步长选择是固定的,且未考虑系统稀疏特性,因而在参数选择和收敛速度方面有一定的局限性。将变步长的方法和比例矩阵的思想融合到一起,引入步长函数,提出了一种稳健的仿射投影符号自适应滤波算法—变步长的改进比例仿射投影符号算法(VSS-IPAPSA)。该算法不仅可以缓解收敛速度与稳态失调之间的矛盾,同时也可以增加其对系统的不同稀疏特性和噪声特性的适应性。理论分析和仿真实验结果验证了其稳健性和有效性。

基于模糊神经网络控制的变步长盲均衡算法

文章提出了一种新的模糊神经网络(FNN:FuzzyNeuralNetwork)控制的变步长盲均衡算法,利用模糊神经网络控制盲均衡算法的迭代步长,以得到更好的均衡性能。该文设计出模糊神经网络控制器的结构并给出状态方程,提出了新的代价函数,推导出控制器参数的迭代公式。计算机仿真表明,该算法与传统恒模(CMA:ConstantModulusAlgorithm)盲均衡算法相比,具有稳定性好的优点。

基于双曲正切函数的智能天线变步长LMS算法

提出一种基于双曲正切函数的智能天线变步长最小均方(LMS)算法.通过建立步长因子与误差信号的双曲正切函数关系改进LMS算法,解决了固定步长时收敛速度和稳态误差间的矛盾.仿真结果表明,所提出的变步长最小均方算法比标准的最小均方算法有更快的收敛速度和更小的稳态误差.

基于自适应步长选择的NCC图像匹配算法

在基于灰度相关的图像匹配算法中，归一化互相关（Ncc）匹配算法是常用的匹配算法，但算法复杂、匹配时间长是制约其应用的主要原因。本文提出一种基于自适应步长选择的NCC匹配算法，根据归一化互相关系数自适应地选择搜索步长，加快了匹配速度；改进归一化互相关系数算子，增加了步长选择阈值的区分度，提高了自适应选取步长的精确度，实现了匹配时间和匹配精度的合理分配。实验表明，该算法在保证匹配精度的同时，匹配时间缩短为传统NCC算法的10％～50％。

一种新的变步长LMS自适应滤波算法及性能分析

研究了自适应最小均方误差(least mean squares,LMS)滤波算法的步长选取问题。在详细分析现有变步长LMS算法的基础上,给出一种以双曲正切函数的改进形式为变步长的LMS算法。讨论了步长参数的选取原则及其对算法收敛性、抗干扰性和稳态误差的影响。该算法不但具有较快的收敛速度和跟踪速度,而且能获得更小的稳态失调。理论分析和仿真结果表明,该算法具有更好的稳态性能。

一种改进变步长的自适应谐波检测算法

在有源电力滤波器(APF)谐波电流检测自适应滤波算法中,改进变步长自适应滤波系数调整方法。算法根据稳态谐波零均值的特点,利用系统历史积累误差均值估计代替单步误差更新步长因子,由滑动指数加权窗方式,提取出单纯的滤波器跟踪误差,步长更新的大小只取决于滤波器跟踪误差,不受谐波本身影响。通过步长因子与系统误差均值估计的类Sigmoid函数关系,动态控制类Sigmoid函数参数的变化,由此克服了类Sigmoid函数参数固定引起的稳态阶段误差偏大的缺陷。改进算法的复杂度有所增加,但能够保证较快的收敛速度、较高的检测精度和动态跟踪效果。通过对稳态和跃变的负载电流的仿真,结果证明了算法的有效性。

一种新的变步长ICA自适应算法

结合互信息极小的优化判据,基于估计函数期望平方准则、外点法和最速下降法的思想,本文导出了一种新的变步长独立分量分析(ICA)自适应算法。该算法克服了固定步长在分离矩阵推导过程中出现的稳态失调问题,比基于模拟退火步长的ICA算法有更快的初始收敛速度和较高的分离精度。同时,该算法还具有较好的时变系统跟踪能力。理论分析和仿真计算结果证实了其可以有效地提高ICA的自适应性,更准确地完成盲信号分离。

一种基于Lorentzian函数的变步长LMS自适应滤波算法

为了改善传统的LMS类算法存在的缺点,提高算法的收敛速度和跟踪性能,提出了一种基于Lorentzian函数的变步长LMS自适应滤波算法。该算法采用Lorentzian函数来建立估计误差e(n)和步长因子μ(n)之间的非线性关系,以达到提高收敛速度和改善跟踪性能的目的。计算机仿真表明,该算法与其他LMS类自适应滤波算法相比,在收敛速度和跟踪性能上都有较大的提升。

基于对数正态误差函数的变步长盲均衡新算法

为了克服常数模算法(CMA)收敛速度慢,收敛后均方误差大的不足,定义了对数正态误差函数和新变步长,提出了基于对数正态误差函数的变步长盲均衡新算法。通过调整对数正态误差函数的均值与方差及变步长特性参数来加快该算法的收敛速度并减小收敛后的均方误差。用深海声道轴信道,对该算法的性能进行了仿真研究。结果表明:该算法收敛速度快、收敛后均方误差小,较好地克服了CMA的缺陷。

基于双曲函数的变步长LMS算法及其分析

提出一种基于双曲函数的变步长最小均方(LMS)算法。通过对双曲余弦函数进行数学变换,建立起误差信号与步长因子的LMS算法,根据误差信号的变化来自动调节步长的大小。仿真结果证明:所提出的LMS算法比标准的LMS算法有着更快的收敛速度等优点。

LMS自适应滤波算法的改进及性能分析

关于研究自适应滤波器算法优化问题,为了改善数字传输系统抗干扰能力,提高稳定性,减小误差,引入了自适应滤波算法,并详细分析了算法步长因子与失调误差e(n)之间关系对算法性能的影响。采用了改进的双曲正切函数为变步长,对传统的LMS算法进行了改进。分析了参数α、β、m对算法性能的影响。算法不但收敛速度快、稳态误差小,而且克服了变步长LMS算法达稳态时,步长变化太快的缺陷。利用MATLAB仿真结果与理论分析相一致,表明了算法具有良好的性能特性,可广泛应用于各种数字通信中。