基于RRT^(*)-DR算法的机械臂避障路径规划

为使机械臂在障碍物环境下快速规划较优路径,提出了一种基于动态区域采样的改进RRT^(*)-DR路径规划算法,将整个规划过程分为快速探索路径和优化初始路径两个步骤。首先利用半目标导向扩展快速探索,找到连接起始点和目标点的路径。随后利用动态区域采样方法,始终在当前最优路径的周边范围内采样,优先密化当前最优路径附近的节点树,节省计算资源,使初始路径经过迭代快速向渐进最优路径收敛。同时,提出一种近障碍节点变步长机制,有选择性地缩短靠近障碍节点的扩展步长,可有效减少碰撞检测失败次数,提高算法效率。最后,在MATLAB和ROS系统下进行路径规划算法仿真,结果表明RRT^(*)-DR算法可在更短时间内实现路径规划,同时有效缩小路径代价。进一步通过实体机器人路径规划避障实验,验证了该算法的实用性和有效性。

一种混合多策略改进的麻雀搜索算法

针对麻雀搜索算法SSA求解目标函数最优解时具有过早收敛、在多峰条件下易陷入局部最优和在高维情况下求解精度不足等问题,提出了一种混合多策略改进的麻雀搜索算法MISSA。考虑到算法初始解的质量很大程度上会影响整个算法的收敛速度与精度,引入精英反向学习策略,扩大算法的搜索区域,提升初始种群的质量和多样性;对步长进行分阶段控制,以提高算法的求解精度;通过在跟随者的位置中加入Circle映射参数与余弦因子,提高算法的遍历性与搜索能力;采用自适应选择机制在麻雀个体位置更新中加入Lévy飞行,增强算法寻优和跳出局部最优的能力。将改进后的算法与麻雀搜索算法及其他算法在13个测试函数上进行对比,并进行Friedman检验。实验结果表明,改进后的麻雀搜索算法能够有效提高寻优精度与收敛速度,并在高维问题中也具备较高的稳定性。

基于动态模态分解-自适应变步长油浸式电力变压器绕组瞬态温升快速计算方法

为了改善当前油浸式电力变压器绕组瞬态温升计算过慢的问题,该文结合动态模态分解法和自适应变步长法提出了一种动态模态分解(DMD)-自适应变步长(ATS)快速计算方法。首先,该方法引入了动态模态分解算法,利用动态系统中前若干时步提取得到的变化特征,近似拟合其后一段时间内的系统变化,并通过选取主模态降低计算时间。其次,为了提高DMD算法性能,进一步提出结合ATS方法,通过自适应调整计算步长,提高瞬态计算效率;为了验证算法的计算精度和效率,建立了八分区分匝绕组数值传热模型并在此基础上将该文所提算法与仿真软件Fluent的计算结果进行对比,结果表明,在计算精度方面,二者结果几乎一致,计算误差最大不超过0.3 K;对于计算效率,该文算法的总计算时间为5.99 s,仅为Fluent总计算时间的1/89,且算法时间步数仅为Fluent的4.7%。最后,为了验证DMD-ATS算法的工程实用性,基于产品级油浸式电力变压器绕组结构搭建温升实验平台,并将所提算法计算结果与实验结果进行对比,结果表明所提算法在各测量线饼的误差均处在可接受的范围内,最大误差仅为4.57 K,且包含预处理时间在内的计算时间仅为69.14 s,计算时步仅需17步,较当前主流的计算方法效率有明显提高。综合算法的精度和效率,充分说明所提算法具有一定工程价值。

基于功率预测的自适应变步长MPPT算法研究

最大功率点跟踪技术(Maximum Power Point Tracking, MPPT)是光伏发电系统中关键技术研究的热点之一。针对传统扰动观察法跟踪速度和精度无法兼顾的问题,文中提出了一种以功率变化量为步长控制量的自适应变步长扰动观察法,通过判断功率变化趋势,对远离最大功率点,采用大步长逼近;靠近最大功率点,采用小步长逼近。建立太阳能光伏电池数学模型得到其输出特性曲线,再利用MATLAB/Simulink搭建基于Boost电路的MPPT仿真模型,最后经仿真验证了所提出算法的稳定性、快速性和准确性,它比传统算法具有更好的MPPT暂态性能。

基于子循环自适应串行交错时间匹配算法的油浸式变压器绕组瞬态温升计算

针对传统算法存在的步长调整及耦合点选择问题,该文提出基于子循环自适应串行交错(SCAS)的时间匹配算法。首先,在步长调整方面,通过加入自适应(ATS)-启发式(HTS)混合变步长算法,解决步长无法实时调整的问题;然后,针对耦合点选择问题,该文在传统常规串行交错(CSS)时间匹配算法及现有改进方案子循环常规串行交错(SCSS)的基础上,提出SCAS时间匹配算法,采用自适应方案确定计算时间窗及预定耦合点,并引入指数平滑法对其精度进行保证;最后,该文基于110 kV油浸式电力变压器建立二维瞬态单分区分匝绕组模型,并将所提算法与其他传统方法进行对比分析。结果表明:在精度方面,与传统CSS算法相比SCAS算法的流场及温度场最大平均相对误差均不超过0.45%,在可接受误差范围内;在效率方面,SCAS算法总体计算效率较CSS算法提高了近20倍。同时,为了说明所提算法的工程价值,该文搭建基于110 kV变压器绕组模型的温升实验平台,将SCAS时间匹配算法应用于该模型中,实验结果表明:在精度方面,SCAS算法与实验达到稳态时最大绝对误差为2.7 K;在计算效率上,本文所提算法的计算效率较传统算法提升约46倍,计算步数约为传统的1/47,减少了计算冗余。

基于POD-αATS的油浸变压器瞬态温升降阶自适应变步长计算方法

针对油浸式电力变压器瞬态温升计算效率过低的问题,该文提出本征正交分解-αATS(proper orthogonal decomposition-adaptive time stepping based onαfactor,POD-αATS)降阶自适应变步长瞬态计算方法。首先,推导变压器绕组瞬态温升计算的有限元离散方程;其次,采用POD降阶算法改善传统瞬态计算中存在的条件数过大及方程阶数过高的问题;同时对于瞬态计算中的时间步长选择问题,提出适用于非线性问题的αATS变步长策略;然后,为验证方法的有效性,基于110 kV油浸式电力变压器绕组的基本结构建立二维八分区数值计算模型,同时将计算结果与基于110 kV绕组的温升实验结果进行对比。数值计算及实验结果表明,所提算法与全阶定步长算法在流场和温度场中的精度几乎相同,且流场计算效率提升约45倍,温度场计算效率提升约38倍,计算速度得到显著提高。这一点在温升实验中同样得到验证,说明该文所提算法的准确性、高效性及一定的工程实用性。

基于双向目标偏置APF-informed-RRT^(*)算法的机械臂路径规划

针对当前机械臂路径规划算法存在搜索随机性大、目标偏置性差和路径曲折等问题,提出了一种基于双向目标偏置的APF-informed-RRT^(∗)算法。首先在双向informed-RRT^(∗)基础上引入概率自适应的目标偏置策略,降低搜索的随机性,提高采样效率;其次针对路径扩展在双向搜索树中融入人工势场法,减少算法的迭代次数;同时在路径生长阶段,采用动态步长生长策略,即根据搜索树的扩展趋势动态调整步长,避免出现局部最优,并且加快路径搜索时间;最后针对冗余节点采用三角不等式原理进行去除,进而通过B样条曲线对路径进行平滑处理,得到最优规划路径。通过与双向RRT^(∗)、双向informed-RRT^(∗)和双向P-RRT^(∗)等算法在三维环境下进行了仿真对比实验验证,相较于双向RRT^(∗)在时间上节约了41%,在采样点数量上减少了63%;相较于双向informed-RRT∗在时间上节约了58%,在采样数量上减少了68%;相较于双向P-RRT^(∗)在时间上节约了30%,在采样数量上减少了60%。

脉冲噪声下AUV水声通信盲均衡算法模拟仿真

针对存在琢稳定分布噪声的水声信道中传统常数模盲均衡算法(constant modulus algorithm,CMA)无法稳定收敛的问题,提出一种基于模拟退火粒子群算法优化的变步长分数低阶盲均衡算法(SAPSO-VSS-FLOSCMA),该算法将FLOSCMA的代价函数作为SAPSO算法的适应度函数,利用SAPSO算法搜索全局最优解代替盲均衡器的初始权向量,降低了FLOSCMA算法的稳态误差,并采用双曲正切函数调节FLOSCMA算法的步长因子加快算法的收敛速度。水声信道仿真结果表明,与CMA和FLOSCMA算法相比,SAPSO-VSS-FLOSCMA算法在收敛速度和稳态误差方面均得到提高,且误码率更低。

黄土地基阶梯型截面桩承载模型试验与计算

为研究黄土地基阶梯型截面桩的荷载传递机理,通过室内模型试验与有限元计算,分析阶梯型截面桩竖向静荷载下的桩身轴力、桩侧摩阻力、桩顶沉降和桩身不同深度荷载分担比,并探索了变径比对其工作性能的影响,并对其进行优化设计。结果表明:在相同荷载下,阶梯型截面桩的桩顶沉降明显小于等截面桩,当变径比在0.8~0.9时,沉降控制效果最佳,其材料利用率最高;若二者极限承载力相同时,阶梯型截面桩的最高材料利用率为等截面桩的1.06倍。阶梯型截面桩为摩擦型桩,变截面位置土体对桩体具有支承作用,其变径处底面土体能承担部分桩顶荷载。桩侧能够分担更多桩顶荷载,减轻桩端土体承载,当变径比在0.8~0.9时,侧摩阻力发挥程度更高。在桩体用料相同时,与等截面桩相比,阶梯型截面桩能大幅度提高承载能力。

向后微分公式在六角形几何物理-热工耦合上的应用

针对六角形几何物理-热工耦合求解问题,提出了一种二阶变步长向后微分公式,物理和热工采用相同的步长和时间离散格式,并利用变步长技巧,提高计算效率。物理-热工采用模块化方式耦合,物理模块采用基于六角形几何的节块法,热工采用子通道程序,2个模块之间的数据传递通过共享内存的方式实现,开发了基于向后微分公式的HEXCOB-BDF程序。利用两个VVER堆芯弹棒事故验证该方法在物理-热工耦合上的准确性和计算效率。计算结果表明,HEXCOB-BDF程序与KIKO3D,DYN3D,PARCS计算结果相符,同时计算时间约为隐式Euler法计算时间的1/4。表明本文算法具有较好的准确性和较高的计算效率,可为六角形几何物理-热工耦合求解提供参考。

基于改进APF-Informed-RRT^(*)的机械臂避障路径规划

针对Informed-RRT^(*)算法在避障路径规划中缺乏目的性和方向性,存在规划时间长、迭代效率低等问题,提出了结合人工势场法和Informed-RRT^(*)算法的避障规划算法。首先,针对传统人工势场法存在目标点不可达、易与障碍物碰撞的问题,提出了改进后的人工势场法,并将其融入Informed-RRT^(*)算法中,使随机树沿势场下降的方向生长,增强其方向性;其次,依据随机树与障碍物间的距离,提出了一种自适应生长步长策略,提高了对空间的探索能力;最后,引入贪心算法的思想,在生长时直接判断随机树能否直达目标点,提高了路径规划效率。在二维和三维环境下对改进后的算法与传统算法及其衍生算法进行对比实验,仿真结果表明改进后的Informed-RRT^(*)算法相较于原始算法规划的路径长度和规划耗时分别减少了17.42%和36.21%。

一种适用于复杂电网下的高精度锁相环

针对现有并网逆变器在电网电压谐波复杂的情况下难以精确锁定电压频率和相位的问题,结合传统锁相环结构与自适应算法的理论提出一种高精度的锁相方法。依据对传统锁相环在复杂电网下的弊端分析,确定了锁相环采用传统低通滤波器、带通滤波器时的滤波效果与延时的矛盾关系。根据最小均方算法的高自适应特性与快速跟踪特点,结合锁相环中坐标变换公式,确定算法的输入输出以及权重矩阵,构建基于派克变换的最小均方算法矩阵模型。通过将所需的电压正序分量设置为不断更新的权重矩阵来进行高精度的滤波,同时通过引入均方瞬时误差和自相关估计均值来进行变步长控制,提高滤波更新速度,以适用于复杂程度不确定的电网电压进行自适应滤波锁相。对仿真和样机实验的结果表明:采用基于派克变换的最小均方算法的改进型双二阶广义积分锁相方法,可以在不降低动态响应速度的前提下,提高锁相环的滤波效果,进而提高并网逆变器在电网畸变严重场景下锁定电压频率和相位的跟踪精度。

基于模糊逻辑的光伏系统变步长P&O MPPT算法

为解决光伏发电系统中最大功率点跟踪(MPPT)关键难题,提出一种改进的扰动观察(P&O)最大功率点跟踪算法,该算法使用基于模糊逻辑的可变步长扰动观测MPPT算法(FP&O)来克服与传统P&O MPPT跟踪方法相关的无法兼顾跟踪速度和稳态精度的限制,从而改善瞬态响应并降低稳态端电压振荡。所提出的MPPT算法通过MATLAB仿真验证其有效性和可行性。仿真结果表明,基于模糊逻辑的变步长P&O MPPT算法相比传统MPPT算法兼顾了跟踪速度和稳态精度,系统响应速度更快,平均输出功率更高且功率振荡范围更小,改善了光伏系统的动、静态工作性能。

柔性机械爪力控的变步长自适应滤波算法

机械爪工作中,由于电源和机械震动会导致电流有波动,将测得的电流数据通过滤波,减少电流的波动,从而让力控的准确度更高。传统的自适应算法无法满足在快速收敛的同时,实现较高鲁棒性和较小稳态误差的要求。针对上述问题,文中提出一种新的自适应滤波算法。首先,建立基于双曲正切函数的变步长模型,实现更新步长因子的动态变值,其次,将滤波器权向量差及可变因子引入更新权值迭代算法中,以达到快速收敛和减少稳态误差的目的。通过实验证明,文中算法实现了快速收敛,并具有较小的稳态误差,提高了系统的鲁棒性。

融合三维螺旋运动和混合反向学习策略的改进鹈鹕优化算法

针对鹈鹕优化算法收敛速度较慢、初始化过程随机产生初始种群导致种群多样性差,在后期易陷入局部最优等问题,提出了一种融合三维螺旋飞行和混合反向学习策略的鹈鹕优化算法。首先使用Gauss映射初始化种群,提高种群多样性;其次利用三维螺旋飞行和混合最优最差反向学习策略,加强算法跳出局部最优的能力;最后,引入自适应平衡因子与自适应步长,提出鹈鹕坠落策略,以模拟捕食过程中群体的微小变化。最后,通过12个基准函数和实际案例对IPOA(improved pelican optimization algorithm)进行测试,并与8个仿生算法进行对比,测试结果与Wilcoxon符号秩和检验结果均表明IPOA收敛精度与稳定性等各项性能都有所提升,具有明显优势。

复杂地形寻迹机器人变步长全局避障仿真

以往的复杂地形寻迹机器人变步长全局避障仿真方法对寻迹机器人在运行过程中的受力分析不够准确,导致避障效果不佳。因此,文章设计了复杂地形寻迹机器人变步长全局避障仿真方法。根据寻迹机器人的运动状态,构建寻迹机器人运动状态数学模型,并对其进行坐标转换,得到在复杂环境下的运动状态模型,通过构建复杂地形信息模型,分别计算寻迹机器人的斥力和引力,由此计算出对应的合力和运动方向,设计寻迹机器人的避障路径,通过调整寻迹机器人的步长和转向角度,实现对寻迹机器人变步长的全局避障。通过上述设计,完成对复杂地形寻迹机器人变步长全局避障仿真方法的设计。在仿真实验中,和以往的复杂地形寻迹机器人变步长全局避障仿真方法相比,设计的复杂地形寻迹机器人变步长全局避障仿真方法在实际应用中避障成功率更高,避障效果更好。

数值微分中步长的选取

数值微分是求解微分方程数值解的关键,通过多个实例分析了数值微分中步长的选取原则.为了避免由两个相近的数作减法运算而带来误差,在实际计算数值微分时,取适当的步长便可以得到较好的近似结果.

基于小波变换的有源噪声控制算法研究

在传统的有源噪声控制系统中,原始噪声信号是获得参考噪声信号的必要条件,当原始噪声信号的信息不可获知时,有源噪声控制系统失效。为解决该问题,设计基于小波变换的有源噪声控制系统,利用小波阈值法对含噪语音信号进行处理,得到与原始噪声信号相关的参考噪声信号。在此基础上,对传统的有源噪声控制算法LMS进行改进,提出基于Sigmoid函数的γSLMS算法和C-γSLMS凸组合算法,解决LMS算法无法同时兼顾收敛速度和稳态误差的问题,为解决有源噪声控制问题提供新的解决方案。

基于sigmoid-sinh分段函数的变步长FxLMS算法

为改善滤波-x最小均方(filtered-x least mean square,FxLMS)算法在噪声主动控制时无法兼顾收敛速度和稳态误差的问题,提出了基于sigmoid-sinh分段函数的FxLMS(SSFxLMS)算法,并引入蚁狮算法对SFxLMS(sigmoid filtered-x least mean square)、ShFxLMS(sinh filtered-x least mean square)、SSFxLMS算法的参数进行优化。分别采用高斯白噪声和实测簇绒地毯织机噪声为输入信号,采用FxLMS、SFxLMS、ShFxLMS、SSFxLMS算法进行噪声主动控制仿真,对比分析这4种算法的性能。结果表明:与其他3种算法相比,采用SSFxLMS算法对高斯白噪声和簇绒地毯织机噪声进行控制时,误差信号的平均绝对值更小,平均降噪量与收敛速度也有大幅度提升。由此可知,SSFxLMS算法有效改善了FxLMS算法无法兼顾收敛速度和稳态误差的问题,研究结果为噪声主动控制算法设计提供了一定的参考。

基于采样点光谱信息窗口尺度优化的土壤含水率无人机多光谱遥感反演

针对空间异质性导致的土壤含水率反演误差较大的问题,分别以玉米灌浆期和小麦苗期的土壤含水率反演为例,利用无人机多光谱遥感技术获取喷灌和畦灌灌溉方式下的正射影像。将34组光谱特征变量按照滑动窗口法提取不同空间尺度的光谱信息平均值,通过极端梯度提升(Extreme gradient boosting, XGBoost)、支持向量机回归(Support vector machine regression, SVR)以及偏最小二乘回归(Partial least squares regression, PLSR)3种机器学习模型确定采样点光谱信息最优窗口尺度;然后,采用皮尔逊相关系数特征变量筛选法(Pearson correlation coefficient feature variable screening method, R)结合XGBoost和SVR模型对提取的34组光谱特征变量进行筛选,选取与土壤含水率敏感的特征变量;最后,估算土壤含水率。结果表明:喷灌方式下所选择的采样点最优光谱信息窗口尺度比畦灌小,其最优窗口尺度范围分别为11×11~21×21和15×15~29×29;采用皮尔逊相关系数特征变量筛选方法结合机器学习模型可有效提高土壤含水率反演精度;5种机器学习模型(R_XGBoost、R_SVR、XGBoost、SVR、PLSR)中R_XGBoost模型估算土壤含水率精度最优,在喷灌和畦灌方式下玉米灌浆期R_XGBoost模型的测试集决定系数R2分别为0.80、0.83,均方根误差(Root mean square error, RMSE)分别为1.27%和0.98%,小麦苗期R2分别为0.76、0.79,RMSE分别为1.68%和0.85%;土壤含水率反演模型在畦灌条件下的精度优于喷灌条件下。该研究可为基于无人机多光谱影像分析的信息挖掘和土壤水分监测提供参考。