融合参数化模型与LightGBM的机床进给轴动态位置预测方法

实现进给轴动态位置的准确预测对于优化机床加工轨迹,补偿轮廓误差,进而提高加工精度具有重要意义。为此,提出了一种融合参数化模型与Light Gradient Boosting Machine(LightGBM)的进给轴动态位置预测方法,能够根据目标加工轨迹实现进给轴位置的高精度预测。首先,建立了包含伺服驱动系统和机械系统的进给轴参数化模型,作为位置预测的基础模型。然后,针对参数化模型预测存在的残差,引入集成学习策略,提出了基于LightGBM的残差补偿模型建模方法,提高补偿精度和训练效率。最后,实验结果表明,相比于传统的参数化模型,所提出的预测方法具有更高的精度。与多种典型数据驱动模型的对比实验表明,提出的基于LightGBM的残差补偿模型具有更高的精度与稳定性,平均误差和均方根误差均减小了40%以上。

基于IMM的大尺寸回转零件动态位置检测方法

为了解决大尺寸回转零件动态位置不易准确测量或测量成本较高等问题,提出了一种大尺寸回转零件动态位置实时检测的新方法。该方法根据大尺寸回转零件实际运动规律,构建了匀速运动模型和"当前"统计模型,进而给出了基于两种运动模型的交互多模(interacting multiple model,IMM)算法。该方法将多个光栅传感器检测的动态位置信息分别通过IMM算法计算得到融合值,然后运用滤波误差协方差阵对各融合值进行最优加权估计。仿真表明,基于IMM算法和最优加权估计算法的动态位置检测方法具有较小的位置误差。将该方法应用于某型火箭整流罩卧式铆接设备空心轴转角定位系统进行工程验证,实测结果表明该方法具有较高的位置检测精度和稳健性。

基于MSIF-AFKF算法的大直径回转体动态位置检测方法

大直径回转体类零件动态位置变量不易准确测得或测量成本较高,而动态位置的准确获取对关键回转体类零件运动控制有着重要的意义。提出一种大直径回转体动态位置实时检测新方法,该方法针对回转体匀速、匀加速及变加速的不同转动状态,在传统融合算法的基础上引入自适应渐消因子,建立多传感器自适应渐消Kalman滤波融合(Multisensor informationfusion based on adaptive fading Kalman filter,MSIF-AFKF)算法,融合多组光栅传感器信息,对回转体不同转动状态的位置参数进行联合估计。仿真表明,与基于传统融合算法的检测方法相比,基于MSIF-AFKF算法的检测方法具有更高精度的动态位置输出,将该方法应用于某型卧式铆接设备的床头床尾空心轴转角定位系统中,并进行试验验证,其结果与模拟仿真结果一致。

动态位置区分组寻呼策略研究

在低轨卫星通信系统中,位置区管理是移动性管理的重要组成部分。动态位置区相比于静态位置区能够降低移动性管理的系统开销,即当用户移动距离超过更新半径或者在位置区内的停留时间超过强制更新时间,则进行一次主动位置更新。分组寻呼是在广播寻呼和逐个寻呼之间的折中方案,优化了系统性能。文章基于动态位置区划分方案,根据用户的移动特性,提出了3种分组寻呼方案,研究了每种方案的开销和适用范围,并进行了分析和仿真比较。

基于ZigBee技术的人体单点动态位置监测系统

研究了一种基于Zig Bee无线技术的便携式生理信号监测系统,其适用于测量人体的单点动态位置信号,即X坐标、Y坐标的绝对向量及Z坐标的相对向量。试验结果表明,该系统能将人体单点动态位置信号稳定地传送到PC终端,在10 m范围内可以提供38.4 kbps的传输速率,在有障碍物的情况下也可以提供至少14.4 kbps的传输速率。

一种基于状态的动态位置管理方法

在蜂窝移动通信系统中 ,用户位置管理方法性能的好坏直接影响系统的服务质量 .本文提出了一种基于运动状态的动态位置管理方法 .系统根据用户不同的运动状态动态地决定其位置区的大小 .其性能较传统方法有显著提高 ,接近基于个体移动特征的方法 ;同时 ,它保持了传统算法实现简单的特点 ,不增加任何系统负担 ,不改变现有的信令流程 ,较好地兼顾了性能与工程实用性两方面的要求 ,适合 3G系统的应用要求 ,具有很好的工程应用前景 .

经纬仪动态位置信息的计算机三维模拟实时显示

结合工程实际设计了经纬仪动态位置信息的三维实时显示的两个数学模型及模拟显示的实现方法。

基于陀螺稳定平台的动态位置环设计

介绍了陀螺稳定平台常用的速度补偿控制算法原理,指出了速度补偿控制算法存在的动态误差缺陷,并针对该缺陷提出了基于陀螺和编码器的动态位置环的控制方法。文中结合两轴陀螺稳定平台系统结构对算法进行了详细介绍,并对比测试了速度补偿控制算法和动态位置环控制算法在样机上的稳定精度,数据表明动态位置环控制算法能有效提高陀螺稳定平台的稳定精度。该算法已成功应用于动中通和光电吊舱项目中,设备运行稳定可靠。

考虑船舶动态位置的海底WSN节点能耗控制算法

由于海底环境并不具备连续稳定的电力供应,使得传感器节点通常依赖于有限的内部能量,而船舶在海底的动态位置会令节点密度布局变得更加复杂,从而导致WSN节点能量消耗不均衡。为此,提出考虑船舶动态位置的海底WSN节点能耗控制算法。建立海底WSN结构模型,利用多项式卡尔曼滤波器预测船舶轨迹;划分海底WSN簇结构,动态调整各簇的节点数量,控制海底WSN节点密度,建立船舶位置动态变化能耗模型,估算各簇节点在不同时间段的能耗需求,使其均衡消耗WSN节点能量,从而实现节点能耗控制。实验结果表明,本文算法应用后,有效平衡了节点能耗,保持连通性和覆盖性,提高海底WSN整体性能,稳定运行时间更长且失效节点增长较稳定。

逆向可变车道开口位置动态调整及信号配时优化方法研究

文中提出一种逆向可变车道开口位置动态调整策略及信号配时优化方法.以武汉市古田四路长丰大道交叉口为研究对象,利用短时交通流预测获取调整间隔内进口道左转直行交通需求数据,依据交叉口流向饱和度、开口控制效益与交通需求稳定性指标对动态调整进行严格判定,并提出相应的信号配时优化方案,借助Matlab、VISSIM等软件对优化方法进行验证.结果表明:在低峰期、平峰期以及高峰期等不同时段下,本文提出的开口位置动态调整优化方法的车均延误与固定开口的逆向可变车道动态信号控制模式相比分别减少了3.6%、4.3%和6.4%,相比定时信号控制模式则分别减少了8.4%、16.3%和18.1%.由仿真可知:随着流量的增大,文中提出的方法效果越佳,交叉口的整体运行效率改善程度越大.

宁波市动态位置大数据服务平台的探索与实践

宁波作为全国首批系统开展智慧城市建设的城市之一,积极引进阿里巴巴、百度等大数据企业,共同开展大数据产业基地建设。详细地介绍了宁波市动态位置大数据服务平台的构建思路、大数据服务能力及系统功能,探讨了项目成果在城市规划等领域的应用模式和前景。

基于互联网位置大数据空间可视化研究与应用分析

在互联网时代,依靠网络、虚拟化、物联网等大数据处理技术,带来了地理信息提供方式的巨大变革。本文通过介绍以阿里巴巴的大数据分析公司为代表的移动定位大数据分析,深入探讨了移动定位大数据分析和地理信息的结合方法,并着重探讨了移动定位大数据分析的清晰扩样、地域关系和旅行特征提取等新方法,并在此基础上通过Leaflet、DataV、ECharts等开源方法,建立了一个面向大数据分析可视化技术的新架构,研究了成果在城市规划、港区治理、动物疫病防治、森林消防等方面的具体应用方法与趋势。

基于动态目标位置的智能车辆控制研究

为了真实地模拟驾驶员在动态环境中变换车道、避让静态和动态障碍物的行为方式,提出了动态目标位置概念,并采用三次样条曲线作为车道变换的路径拟合曲线.本文以模糊逻辑为控制策略,以T-S模糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种智能车辆横向运动控制器,并通过计算机仿真实现.结果表明,基于动态目标位置概念的控制器设计具有较好的控制性能,能够较为理想地模拟实际交通环境中车辆横向运动的特性.

LEO卫星网络基于动态位置区的寻呼策略

针对LEO卫星网络中具有自主定位能力的用户终端,采用基于地理位置的动态位置区划分方案,根据用户移动速度设置位置区的大小。在动态位置区的基础上,对高速移动用户提出了一种基于时延限制的分组寻呼策略。仿真结果表明,对于低速移动用户,二次寻呼策略的时延和开销性能最佳;对于高速移动用户,基于时延限制的分组寻呼策略最佳。

基于动态目标位置的智能车辆动态避障控制研究

为了真实地模拟驾驶员在动态环境中避让动态障碍物的行为方式,提出了动态目标位置概念,并采用三次样条曲线作为动态避障的路径拟合曲线。以模糊逻辑为控制策略,以T-S模糊模型为控制结构,以自适应神经网络为隶属度函数的参数调整手段,设计出一种智能车辆横向运动控制器,并通过计算机仿真实现。结果表明,基于动态目标位置概念的控制器设计具有较好的控制性能,较为理想地模拟实际交通环境中车辆动态避障的特性。

矿山GIS中动态点位置的不确定性表达

空间、属性和时间是描述现实世界中地理实体和地理现象本身固有的特征 .在详细分析和描述地理信息动态性的基础上 ,建立了矿山GIS中动态点位置信息的表达模型 .然后 ,探讨了运动轨迹为已知和未知两种情形时动态点位置的不确定性 ,给出了相应地不确定性可视化表达途径 。

基于位置动态参数PSO算法的水库防洪调度研究

介绍了一种易于实现、参数少且收敛快的集群智能算法——粒子群算法。针对标准PSO算法的缺陷,提出了在位置进化方程中引进动态参数的方法,改进了标准粒子群算法的收敛速度。根据建立的水库优化调度数学模型,将改进的粒子群优化算法运用到水库优化调度计算中,并通过算例验证该算法的可行性和有效性。

基于动态目标位置的车辆弯道保持控制仿真

智能交通领域中,车辆的横向控制技术是智能车辆控制的关键技术.基于动态目标位置,提出车辆弯道保持的控制算法.利用三次曲线对车辆行驶路径进行规划,使用理想数据训练基于T-S模糊神经网络的控制器,进行计算机仿真.结果表明,该控制算法能够实现对车辆转向的平稳操作,较理想地实现了对车辆弯道保持的控制,合理地模拟了车辆实际转弯过程中的运动特性.

一种求解CVRP的动态图转换模型

带容量的车辆路径问题是组合最优化问题中的经典问题,多年以来一直被反复研究。最近,Transformer已经成为解决车辆路径问题的主流深度学习架构。然而,由于一个实例在模型不同构造步骤中会发生改变,相应的节点特征也需要更新,传统位置编码方法不适用于提取动态优化问题的位置信息。因此,现有方法在提高学习效率方面效果较差。以最小化路径长度为目标,提出一种动态图转换模型(DGTM)和动态位置编码(DPE)方法,并使用一种双重损失REINFORCE算法训练DGTM模型。此外,强化学习、图神经网络和Transformer架构相结合,提高了模型的训练效率,增强了神经网络对带约束路径问题信息的表征能力。实验结果表明,DGTM模型在此问题上的优化效果超越了目前基于深度强化学习的方法和部分传统算法,整体性能优于专业求解器的,且具有较好的泛化性能,为求解图上组合最优化问题提供了一种有效方法。

车辆动态目标位置跟踪的自适应预测控制研究

车辆在行驶过程中由于受车载、路况、车体运动状态、环境变化等因素影响,使得通过建立数学模型来精确描述车辆动态过程变得非常困难,导致传统基于模型的控制方法难以适应车辆行驶过程中复杂的动态变化因素。针对车辆的动态目标位置跟踪特点,通过构建车辆动态目标位置的运动学模型,采用自适应预测控制方法(Model-free Adaptive Predictive Control,简称MFAPC)研究车辆弯道保持系统中的动态目标位置跟踪问题,并基于MFAPC方法实现控制器的设计。控制仿真结果表明,相比PID控制方法,采用无模型自适应预测控制方法对车辆动态目标位置进行动态跟踪控制,其跟踪精度更高,控制过程更加平稳,从而使车辆驾驶过程具有更好的舒适性。