针对传统模糊C-均值聚类算法(FCM算法)初始聚类中心选择的随机性和距离向量公式应用的局限性,提出一种基于密度和马氏距离优化的模糊C-均值聚类算法(Fuzzy C-Means Based on Mahalanobis and Density,FCMBMD算法)。该算法通过计算样本...针对传统模糊C-均值聚类算法(FCM算法)初始聚类中心选择的随机性和距离向量公式应用的局限性,提出一种基于密度和马氏距离优化的模糊C-均值聚类算法(Fuzzy C-Means Based on Mahalanobis and Density,FCMBMD算法)。该算法通过计算样本点的密度来确定初始聚类中心,避免了初始聚类中心随机选取而产生的聚类结果的不稳定;采用马氏距离计算样本集的相似度,以满足不同度量单位数据的要求。实验结果表明,FCMBMD算法在聚类中心、收敛速度、迭代次数以及准确率等方面具有良好的效果。展开更多
多传感器建图与定位SLAM系统(simultaneous localization and mapping)在室外长距离跨度环境中,由于各传感器信息融合不正确、特征匹配错误,或传感器状态信息不可信,导致建图精度不足,轨迹漂移甚至建图崩溃。对此,提出一种基于因子图优...多传感器建图与定位SLAM系统(simultaneous localization and mapping)在室外长距离跨度环境中,由于各传感器信息融合不正确、特征匹配错误,或传感器状态信息不可信,导致建图精度不足,轨迹漂移甚至建图崩溃。对此,提出一种基于因子图优化的多传感器信息紧耦合算法(tightly-coupled lidar-visual-inertial odometry via smoothing,mapping and DBSCAN,LVI-SMAD),将前端点云和视觉信息联合的聚类结果作为因子图优化约束,以一种较低帧的约束形式加入到较高帧的点云地图输出中,加强了点云与视觉信息的紧耦合,解决了激光雷达与相机间信息匹配错误的问题,同时将该约束作为某一传感器信息不可信时的约束补充,减小了传感器信息不稳定情况下的定位漂移,提高了算法一致性。实验证明,在低坡度长跨度的工作环境中,LVI-SMAD与LVI-SAM对比,绝对轨迹误差降低了39.90%,与LIO-SAM对比降低了63.09%;在高坡度工作环境中,与LVI-SAM对比,绝对轨迹误差减少41.08%,与LIO-SAM对比减少64.87%,证明了算法的有效性与可行性。展开更多
文摘为了优化气隙磁通密度波形的幅值与正弦畸变率2个关键指标,提出了一种基于Kriging模型与差分进化算法(differential evolution algorithm,DEA)相结合的多目标优化方法。首先,通过对飞轮储能用永磁同步电机(permanent magnet synchronous motor for flywheel energy storage,FPMSM)有限元模型进行拉丁超立方体采样(Latin hypercube sampling,LHS),取得样本数据,并引入Kriging算法建立对应的替代模型;其次,利用DEA对影响气隙磁通密度波形的关键结构参数进行全局优化,给出Pareto最优解;最后,对Pareto最优解集的3种优化方案与原始方案进行对比分析和有限元验证。结果表明,所提FPMSM气隙磁通密度波形多目标优化方法能够使气隙磁通密度波形在幅值提高的同时,正弦畸变率显著降低。
文摘针对传统模糊C-均值聚类算法(FCM算法)初始聚类中心选择的随机性和距离向量公式应用的局限性,提出一种基于密度和马氏距离优化的模糊C-均值聚类算法(Fuzzy C-Means Based on Mahalanobis and Density,FCMBMD算法)。该算法通过计算样本点的密度来确定初始聚类中心,避免了初始聚类中心随机选取而产生的聚类结果的不稳定;采用马氏距离计算样本集的相似度,以满足不同度量单位数据的要求。实验结果表明,FCMBMD算法在聚类中心、收敛速度、迭代次数以及准确率等方面具有良好的效果。
文摘多传感器建图与定位SLAM系统(simultaneous localization and mapping)在室外长距离跨度环境中,由于各传感器信息融合不正确、特征匹配错误,或传感器状态信息不可信,导致建图精度不足,轨迹漂移甚至建图崩溃。对此,提出一种基于因子图优化的多传感器信息紧耦合算法(tightly-coupled lidar-visual-inertial odometry via smoothing,mapping and DBSCAN,LVI-SMAD),将前端点云和视觉信息联合的聚类结果作为因子图优化约束,以一种较低帧的约束形式加入到较高帧的点云地图输出中,加强了点云与视觉信息的紧耦合,解决了激光雷达与相机间信息匹配错误的问题,同时将该约束作为某一传感器信息不可信时的约束补充,减小了传感器信息不稳定情况下的定位漂移,提高了算法一致性。实验证明,在低坡度长跨度的工作环境中,LVI-SMAD与LVI-SAM对比,绝对轨迹误差降低了39.90%,与LIO-SAM对比降低了63.09%;在高坡度工作环境中,与LVI-SAM对比,绝对轨迹误差减少41.08%,与LIO-SAM对比减少64.87%,证明了算法的有效性与可行性。