基于改进AKIMA算法的等高线山顶点提取

山顶点是重要的地形特征点之一,其自动提取是数字地形分析的重要内容之一。研究从等高线数据中提取山顶点的角度出发,采用AKIMA算法的改进方法——三点求导分段三次多项式插值方法,将其应用于等高线山顶点提取及其高程插值,并分别以等高线数据和DEM数据作为源数据进行山顶点提取实验。研究结果表明:与邻域分析方法相比,本方法具有更高的算法效率的同时还能保证更高的正确率,且提取的山顶点高程精度符合要求。

Akima算法及最小二乘法在动态称重系统中的应用

装载机动态称重装置是依据对现有装载机数学模型的分析及装载机油压和重量在特定区间具有线性对应关系的特点来完成的.硬件电路选用ARM处理器,AD7730高精度的A\D转换芯片;软件上使用Akima插值算法及最小二乘曲线拟合方法实现了对实测数据的滤波、插值计算、数据平移补偿等功能,通过实验验证该装置满足装载机动态称重系统的控制要求.

基于Akima-LMD和GRNN的短期负荷预测

传统局域均值分解(LMD)对极值点采用了滑动平均值处理得到局域均值函数和局域包络函数,易造成分解的分量过平滑而影响精度。为了减小过平滑影响,采用Akima插值法代替滑动平均值法处理局域函数来改进LMD算法,针对电力系统负荷序列的非平稳性和非线性,利用改进LMD算法进行序列分解得到若干分量,再利用广义回归神经网络(GRNN)预测各个分量的趋势,叠加各分量趋势得到负荷序列总趋势。GRNN神经网络较传统神经网络训练速度快、精度高,能很好地预测非线性序列。算例分析表明,改进LMD结合GRNN的方法较经验模态分解(EMD)结合GRNN的方法在短期电力负荷预测中有更高的预测精度。

基于弧长参数的Akima刀位轨迹拟合算法研究

在数控加工中,通常用小线段表达刀位轨迹,往往会导致刀位点庞大且轨迹不平滑。基于Akima曲线具有光顺连接且端点连接处保证G1以上连续等特点,将刀位点拟合成Akima样条曲线,提出了基于弧长参数的保凸Akima拟合刀位轨迹算法。该算法分为刀位点搜索和拟合两个阶段:首先利用拟合刀位轨迹的误差测试(双弦误差测试和弦切误差测试)约束,获得该段的首末刀位点;然后在该段内根据首末刀位点计算切线矢量,用弧长信息对刀位点参数化,生成一段Akima样条。利用UG软件生成了内含75个刀位点的鞋底模型,通过MATLAB编程和仿真实验,设置不同测试阈值,对比了弧长参数化Akima曲线与节点参数化Akima曲线、NURBS曲线之间的拟合效果,验证了算法的有效性。

锂离子电池全生命周期剩余使用寿命预测

为确保新能源汽车在整个使用期间的安全性,需要对锂离子电池进行全生命周期的健康监测。针对基于神经网络构建的剩余寿命预测模型训练数据集容量较小导致学习率较低,以及极限学习机方法具有复共性的问题,提出一种扩增训练数据集的方法,并基于改进极限学习机构建锂离子电池全生命周期剩余寿命预测模型。首先,提取电池早期运行数据构建健康因子,利用Akima插补法进行训练数据量的扩增;然后,使用樽海鞘群优化算法对极限学习机网络进行改进,建立锂电池全生命周期剩余寿命预测模型;最后,利用NASA电池数据集对模型进行验证。实验结果表明:所提出的训练数据容量扩增的方法有效,全生命周期剩余寿命预测模型容量跟踪能力强,预测误差小。

Akima刀位轨迹的递推式拟合算法研究

在数控加工中,通常用小线段表达刀位轨迹,会导致刀位点庞大且轨迹不平滑。基于Akima曲线具有光顺连接且端点连接处保证G1以上连续,将刀位点拟合成Akima样条曲线,提出了Akima刀位轨迹的递推式拟合算法。该算法可概述为:在刀位点数大于三个的前提下拟合首段Akima样条曲线,保留并延用段末刀位点的切线矢量以保证拟合曲线的凸凹性,然后以该段段末点为下一段的起点,在相邻刀位点间利用弧长参数化计算下一个刀位点的切线矢量,进而生成一段Akima样条。同样延用该段段末刀位点的切线矢量并作为下一段的起点,在相邻刀位点间以递推式拟合生成Akima样条曲线,以此循环至终点。利用UG软件生成了内含388个刀位点的文字模型,通过Matlab编程和仿真实验,以拟合曲线总弧长为评价参数,验证了算法的有效性。

基于视觉引导的直角坐标机器人轨迹规划研究

针对机器人在笛卡尔平面坐标系下的轨迹规划问题,提出一种基于视觉引导的轨迹规划算法。通过双弦与弦切误差约束条件筛选视觉获取的轨迹离散点,以修正弦长的弧长参数化Akima曲线拟合运动轨迹方程,基于改进的5段式S型速度规划实现任意给定轨迹的插补算法轨迹规划。在自主设计的直角坐标型机器人平台进行实验验证,结果表明:基于视觉引导的弧长参数化Akima轨迹曲线拟合程度高,误差波动小;改进的5段式S型速度规划,满足路径长度与运动速度约束条件,能够自动调整加加速度以缩短运动时间;验证了视觉引导轨迹规划算法的可行性,有效提高了轨迹质量。

基于阿克玛插值过程神经元网络的油水层判别研究

针对复杂储层存在测井油水层识别困难的问题,建立了基于过程神经元网络的油水层综合判别模型。提出了一种基于阿克玛插值的新的过程神经元网络学习算法并给出算法推导过程。实验结果表明,该判别方法避免了预先建立复杂的数学或物理模型来提取小层测井曲线形态模式特征的过程,有效改善了网络的运算速度和对实际数据的抗扰性,具有较好的稳定性和识别推广能力。

基于改进的LMD和GRNN组合风速预测

传统局域均值分解(LMD)算法采用滑动平均法计算局域均值函数和局域包络函数,易造成过平滑,影响分解精度。文章提出采用Akima插值法分别计算上下极值点包络线,进而求出局域均值函数和局域包络函数,对LMD方法进行改进;针对风速的非线性和非平稳性,提出基于改进LMD和广义神经网络(GRNN)的组合预测模型,用改进LMD算法分解风速,然后用GRNN对各分量分别建模预测,最后将预测结果叠加得出最终预测值。算例结果表明,LMD分解预处理可以提高预测精度,相对于现有LMD算法,改进算法分解结果更为精确,相对于GRNN及LMD-GRNN模型,改进后LMD-GRNN组合模型预测精度更高。

面向逆向工程的二维轮廓曲线重构方法研究

针对逆向工程中零件二维轮廓曲线的重构问题,在考虑异常数据及各项测量误差的基础上,提出了基于局部加权回归散点平滑(Locally Weighted Scatterplot Smoothing,LOWESS)法和移动平均平滑(Moving Average Smoothing,MAS)法的联合光顺策略。利用Akima插值算法对离散修复数据进行了拟合。以某汽车轮毂轮廓曲线修复为应用实例,运用基于稀疏模型的评判准则对重构轮廓曲线的光顺性进行了定量分析,不仅保证了曲线的重构精度,而且提高了其光顺性。研究结果表明所采用的曲线在线重构方法具有实用性与有效性。

基于基数样条曲线算法快速绘制原煤可选性曲线

为了提高原煤可选性曲线的绘制速度和查询数据的准确性,提出了一种快速实现曲线绘制的方法,其核心是依据密度已知点的变化趋势,通过Akima spline自动插值,再采用C#基数样条曲线算法编程实现原煤可选性曲线的可视化和自动读值。大量应用实例表明:该方法处理效率高,曲线拟合效果好,且自动读值可为后续数据分析提供准确参考。

测试系统曲线显示算法设计

本文对三种类型曲线显示的核心算法进行了研究,引进了阿克玛算法来进行平滑曲线的绘制,并给出了效果分析。该算法对实际工业测控系统有着重大的意义,并取得了很好的效果。