三层媒质二维谱域Green函数的路径追踪算法

为了搜索三层媒质二维谱域Green函数中的全部模式极点,提出了一种路径追踪算法.该算法首先利用数学变换,将三层媒质二维谱域Green函数的特征方程替换为复平面上的4个超越方程;然后,应用路径追踪法和Newton-Raphson迭代法求解各超越方程的根,得到谱域Green函数的全部模式极点,即表面波极点、漏波极点和反常极点.该算法克服了围线积分法中积分路径穿过分支割线进入不同Riemann面时容易造成失根的缺点,可应用于离散复镜像方法和最陡下降路径积分法中,以实现三层媒质二维空域Green函数近场和远场的精确、快速计算.最后,利用数值算例验证了该算法的正确性和有效性.

求解P_*(k)线性互补问题的不可行路径追踪算法

提出了一种求解P*(k)线性互补问题的不可行路径追踪内点新的算法,此算法可以取任意正的初始点,并证明了算法的代数复杂度;最后通过数值试验说明了算法的有效性和稳定性.

基于广义路径追踪算法建立桂枝茯苓胶囊和天舒胶囊中间体水分的近红外光谱通用定量模型

目的以桂枝茯苓胶囊(Guizhi Fuling Capsules,GFC)和天舒胶囊(Tianshu Capsule,TC)为研究对象,将近红外光谱(near-infrared spectroscopy,NIRS)技术与机器学习算法结合,建立快速检测2种制剂中间体水分的方法。方法采集GFC总混颗粒和TC总混颗粒的NIRS,考察不同的预处理方法、变量筛选方法及算法对模型的影响,筛选最佳建模条件,并对2种中间体建立1个水分NIRS通用定量模型。结果对同一中间体建立定量模型时,广义路径追踪(generalized path seeker,GPS)算法均优于偏最小二乘(partial least square,PLS)算法;GPS通用模型与PLS通用模型相比,预测性能更高,验证集相对偏差(relative standard errors of prediction,RSEP)由3.17%降至3.03%,性能偏差比(ratio of performance to deviation,RPD)由4.83升至5.05,可用于水分的预测,且与独立模型的预测性能相差不大。结论GPS算法结合NIRS技术建立的通用定量模型,可快速、准确地检测2种制剂中间体的水分。

改进的稀疏度自适应多路径匹配追踪算法

在信号重构算法中,针对基于树的多路径匹配追踪深度优先算法计算量大和多路径匹配追踪信号稀疏度未知等问题,本文提出了一种改进的稀疏度自适应多路径匹配追踪算法。该算法将自适应思想引入多路径匹配追踪算法中,自适应选择支撑集原子个数,并利用剪枝技术选择原子匹配概率最大的路径,使算法搜索路径更为有效,且大大降低了计算量。该算法改进了内积匹配准则,能在测量矩阵中更准确高效地挑选与残差信号匹配的原子,并在迭代过程中采用支撑集原子回溯和指数变步长方法提高重构精度。与传统MMP算法相比,本文提出的算法运算时间短,重建精度高,更具有实际应用价值。

基于SVD和线调频小波路径追踪的转速波动齿轮箱故障诊断

针对转速波动齿轮箱振动信号的复杂性和非平稳性,提出了一种基于SVD和线调频小波路径追踪的转速波动齿轮箱故障诊断方法。该方法将齿轮箱振动信号经SVD预处理后得到一重组信号,再用线调频小波路径追踪算法分析该信号,得到齿轮啮合频率的估计,将估计得到的齿轮啮合频率经多项式拟合并除以齿轮齿数可得到其转速信号,根据转速信号对预处理后的信号进行等角度重采样,对重采样信号进行阶比分析,以完成齿轮箱的故障诊断。应用实例说明,该方法对转速波动齿轮箱的故障诊断具有有效性和优越性。

基于压缩感知的一种可见光系统信道估计算法

为了解决室内可见光在非视距链路下通信误码率较高的问题,利用压缩感知技术,提出了改进型稀疏度自适应多路径匹配追踪信道估计算法,该算法既实现了在信道先验信息未知情况下的信道估计,又避免了局部最优化问题;同时将该算法结合改进型树状随机导频搜索方法,对导频位置进行优化,保持导频数目较低,增加子载波的数目,仿真结果显示:算法对稀疏信道的估计效果优越,进一步降低了系统的误码率,大大提高了可见光系统在非视距链路下通信的性能。

基于ROS的智能割草机器人导航控制系统设计

为提高传统割草机的智能化水平,本文设计了差速驱动底盘的割草机器人导航控制系统。基于机器人操作系统ROS,实现了底盘驱动、GNSS数据采集、IMU数据采集等功能。针对系统的定位精度和定位频率较低的问题,采用扩展卡尔曼滤波算法将低成本的GNSS和IMU的定位信息进行融合,提高了定位精度与定位频率。采用基于预瞄准的纯路径追踪算法,实现了底盘运行轨迹的自主追踪。通过搭建智能割草机器人导航控制系统平台开展实验验证,结果表明导航控制系统运行稳定可靠,轨迹追踪精度平均为0.11m,满足作业要求。

基于不同算法对桂枝茯苓胶囊内容物吸湿性预测建模研究

目的比较不同算法对桂枝茯苓胶囊内容物吸湿性预测模型性能的影响,确定最优建模算法。方法以54个物理性质参数为输入,胶囊内容物吸湿性为输出,对比偏最小二乘算法(partial least squares,PLS)、决策树算法(classification and regression tree,CART)、多元自适应回归样条算法(multivariate adaptive regression splines,MARS)和广义路径追踪算法(generalized path seeker,GPS)对建立吸湿性预测模型性能的影响。结果MARS算法建立的预测模型性能最佳,预测能力最强,模型的校正集决定系数(R2c)为0.843,预测集决定系数(R2p)为0.808,校正集均方根误差(root mean square error of calibration,RMSEC)为0.391,预测集均方根误差(root mean square error of prediction,RMSEP)为0.472,平均相对预测误差为2.69%,小于5%。结论MARS算法建立的吸湿性预测模型更适合桂枝茯苓胶囊的生产应用,该算法可嵌入在线控制系统,为生产过程的质量控制智能化提供技术支持。

基于网络图的地基激光雷达复杂树木点云枝叶分离方法

地基激光雷达树木点云数据的枝叶分离是精确计算地上生物量和叶面积指数的重要前提,也是树木三维建模的重要步骤。然而,山地复杂树木冠幅大且结构复杂,从而造成树叶与枝干之间的相互遮挡,因此很难获取高质量的点云数据,目前对其实现枝叶分离依然存在较大的困难。利用地基激光雷达FARO Focus3DX330获取三维激光点云数据,提出了一种基于网络图的树木点云枝叶分离方法。首先,采用LeWos模型对点云进行初步的枝叶分离,分离出枝干和叶片点云。在此基础上,针对枝干和叶片混合点云通过路径追踪检测算法来精细分离枝干和叶片。随着路径长度从10增加到100,枝干点不断增加,叶片点不断减少,枝叶分离精确度、枝干F分数、叶片F分数、Kappa系数均先增加后减少。综合这4项精度评价指标,选取各个树木最优路径长度执行路径追踪检测算法。通过与LeWos模型、Tlseparation模型和高斯混合模型等主流枝叶分离方法比较发现,该方法精度更优,精确度为91.97%。而且,该方法的枝干F分数和叶片F分数均大于85%,这表明该方法具有很好的平衡性。该方法仅使用路径长度,不考虑几何特征,因此极大地提高了针叶树木的枝叶分离精度。同时,该方法对不同树种、不同密度点云枝叶分离效果均较好,鲁棒性强。精确的树木点云枝叶分离对森林资源管理和生物多样性研究等具有重要意义。