多关节测量臂的小生境混沌优化校准

多关节测量臂是一种便携式的坐标测量设备,它由一系列的旋转关节组成。为了提高多关节测量臂的测量精度和可重复性水平,必须对其运动学参数进行校准。首先,利用小生境的混沌优化算法提出了一种新的运动学校准方法以及一种混合目标的运动学校准函数,它考虑了诸如单点测量实验、容积性测量实验等多种性能测量实验的实验结果,然后,采用Levenberg Marquardt(L-M)算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。实验结果表明:使用NCOA算法校准后,测量误差的标准差始终优于LMA算法,并且校准前后多关节测量臂的测量精度提高了40倍。采用L-M算法和小生境混沌优化算法应用于运动学参数校准。小生境混沌优化算法显示出了优于L-M算法的性能。

基于小生境混沌遗传算法的水资源优化调度

水资源调度具有多目标、大规模和不确定性等特点,利用混沌遗传算法求解水资源调度问题,在一定程度上避免了局部优化并提高了求解速度,但由于损坏了种群多样性导致求解精度较低.为此提出了基于小生境的混沌遗传算法(NCGA),该算法通过小生境技术保留源中心个体的方法保护了种群多样性,同时利用混沌的随机性、遍历性及规律性与遗传算法的快速收敛性相结合,从而使该算法提高了求解速度和求解精度.将该算法应用到水资源优化调度模型中,仿真结果验证了该算法比混沌遗传算法能更合理高效地分配水资源,达到了综合效益最大化.

一种基于调节因子的小生境粒子群优化算法

针对混沌变异的小生境粒子群优化算法(NCPSO)进化中收敛速度慢、搜索精度低的缺点,提出一种基于调节因子的NCPSO改进算法(NCPSO-FLV)。通过引入速度调节因子,对收敛速度做出判断,改变粒子速度帮助粒子跳出局部最优值,使种群多样性得到加强,收敛速度和搜索精度得到提高。实验结果表明,与基于惯性权重的基本粒子群算法和NCPSO算法相比,NCPSO-FLV算法的精度更高,适用于生产任务分配的工业优化计算。

基于混沌粒子群优化的Contourlet域红外图像自适应增强

为进一步增强红外图像的对比度、提高清晰度并抑制噪声,提出了一种基于混沌粒子群优化(PSO)的Contourlet域红外图像自适应增强方法。首先对红外图像进行Contourlet变换,调整低通图像和细节图像在原始图像中的比例,并经灰度线性拉伸增强图像对比度;然后通过非线性增益函数调整含噪带通方向子带系数;利用兼顾对比度、清晰度和信噪比3个指标的定量综合评价函数作为混沌PSO的适应度,寻找基于Contourlet的空间域增强和带通方向子带系数调整的非线性增益函数所涉及的最优参数。大量实验结果表明:与近年提出的4种图像增强方法相比,该方法能使红外图像的对比度和清晰度提高,噪声降低,整体视觉效果更佳。

基于混沌粒子群优化的倒数熵阈值选取方法

基于信息熵的方法是一类重要的阈值选取方法,但现有的最大熵方法存在无定义值问题。为此,提出了基于倒数熵的阈值选取方法。首先给出了倒数熵的定义及一维阈值选取方法,导出了基于二维直方图区域直分及区域斜分的倒数熵阈值选取算法公式;然后考虑到二维倒数熵分割运算量较大,提出利用混沌小生境粒子群算法来寻找最优阈值,避免了算法早熟,提高了搜索精度和算法效率。实验结果表明:二维倒数熵阈值选取的斜分方法在抗噪性和运算时间上优于直分方法;而与基于粒子群优化的二维最大熵方法相比,本文提出的基于混沌小生境粒子群优化的二维倒数熵斜分法在运行时间上降低了约40%,分割效果更佳。

灰度熵和混沌粒子群的图像多阈值选取

最大Shannon熵阈值选取方法仅仅依赖于图像灰度直方图的概率信息,而没有直接考虑类内灰度级的均匀性.为此提出了最大灰度熵的阈值选取方法.首先给出了灰度熵的定义及其单阈值选取方法,该灰度熵与现有的仅基于直方图分布的最大Shannon熵不同,直接反映了类内灰度级的均匀性;其次导出了量化图像直方图的灰度熵单阈值选取公式;最后将灰度熵单阈值选取推广到多阈值选取,提出了相应的快速递推算法,并进一步采用混沌小生境粒子群优化算法寻找最佳多阈值.实验结果表明,与最大Shannon熵单阈值选取和基于粒子群的最大Shannon熵多阈值选取方法相比,所提出方法的分割图像边缘、纹理更为准确,视觉效果明显改善.

基于虚拟真实拓扑结构宇宙算法的图像分解研究

针对图像分解中的问题,提出基于虚拟真实拓扑结构宇宙算法。首先确定宇宙群和宇宙个体,基于虚拟真实拓扑结构整个宇宙在动态变化交换信息,建立虚拟拓扑结构使原来的真实拓扑结构即刻失效;接着基于小生境混沌对宇宙进化,整体宇宙不是一个群变化,而是群与群之间信息变化。通过游离状态下,形成新的宇宙群;通过欧式距离防止宇宙个体将向边界转移形成宇宙爆炸。最后给出了图像分解算法流程。实验仿真显示算法分解彻底,信噪比较高。

基于Krawtchouk矩和支持向量机的火焰状态识别

监测炉膛火焰燃烧状态对防止锅炉爆管起着重要作用。为了进一步提高火焰图像特征提取的准确度和燃烧状态的识别率,文中将Krawtchouk矩引入火焰特征提取,提出了一种将Krawtchouk矩不变量与小波支持向量机相结合的火焰燃烧状态识别方法。首先计算火焰图像的Krawtchouk矩及Krawtchouk矩不变量,以此构造火焰图像的特征向量;然后根据训练样本的特征向量构造支持向量机,对火焰图像进行状态识别,并采用混沌小生境粒子群算法优化支持向量机中的核函数参数与惩罚因子,使其识别性能最优。大量实验结果表明:与基于Hu矩和支持向量机的方法、基于Zernike矩和支持向量机的方法相比,采用Krawtchouk矩不变量作为火焰图像的特征能更好地对火焰图像燃烧状态进行识别,识别率大大提高,且结果与实际情况相符。

基于NCPSO的微网群优化调度策略研究

传统的粒子群优化(PSO)算法因在微网优化中不易达到全局最优而导致微网运行成本过高,该文采用小生境混沌粒子群优化(NCPSO)算法对混合微网群的运行策略进行协同优化,以实现区域微网经济性最优、环境治理成本最低、风光等可再生能源利用率高等目的。根据所提出的调度策略,建立的优化调度模型包括动态电价下的负荷模型、经济收益模型以及成本模型等,使用NCPSO算法得到多微网在一个周期内的最佳运行状态,实现微网群系统综合能源的互动调控、空间互补。通过分析微网群的功率交互动态、可控能源的发电以及储能电池的荷电状态等,验证微网群的电力负荷响应动态电价,表明了NCPSO算法优化微网群运行的优越性、有效性。

基于灰度-梯度二维对称Tsallis交叉熵的阈值分割

针对灰度级-平均灰度级直方图的二维Tsallis交叉熵阈值分割法存在错分、计算复杂度较高问题,提出一种基于灰度-梯度二维对称Tsallis交叉熵的阈值分割方法。构建新的灰度-梯度二维直方图,更加全面地考虑目标点和背景点;导出基于该直方图区域划分的对称Tsallis交叉熵阈值选取公式;采用基于tent映射的混沌小生境粒子群优化算法搜寻二维最佳阈值向量,并引入快速递推算法降低其适应度函数的计算复杂度。实验结果表明,与基于灰度级-平均灰度级直方图的二维Tsallis交叉熵阈值分割法相比,该方法能够使分割后的图像边缘更加准确,类内灰度更加均匀,且实时性提高了30倍。

基于多尺度Retinex的非下采样Contourlet域图像增强

针对部分遥感图像和高光谱图像中存在的对比度不足、整体偏暗等问题,提出了一种基于多尺度Retinex(MSR)和混沌小生境粒子群优化(NCPSO)的非下采样Contourlet变换(NSCT)域图像增强方法,用于改善图像质量。对图像进行NSCT分解,得到一个低频分量和多个不同方向的高频分量;在低频分量上进行混合灰度函数的多尺度Retinex增强;同时利用非线性增益函数调整高频分量系数,将兼顾对比度和信息熵的定量综合评价函数作为NCPSO的适应度,寻找非线性增益函数所涉及的最优参数。大量实验结果表明,与双向直方图均衡方法、NSCT方法、多尺度Retinex方法、平稳小波变换和Retinex方法等4种增强方法相比,提出的方法能更有效地提高图像的对比度和信息熵,增强图像的整体视觉效果。