基于EKF-SLAM算法的水下膨胀弯测量技术

水下计量技术普遍应用于海管法兰之间相对空间位置和方位角的测量,其结果直接关系到水下膨胀弯的设计和预制是否准确。文章阐述了基于EKF-SLAM算法,融合水下声学定位、惯性导航、多普勒计程仪、压力计、声速计等数据的水下声学惯导计量技术,它能够实现厘米级的测量精度,而且作业方式简单,不受水深和能见度的限制,可有效提高海上工作效率,节约海上施工成本。

结合多维泰勒网策略优化EKF-SLAM算法一致性的新方法研究

本文旨在非线性SLAM系统中设计一种改进的EKF-SLAM算法进行状态估计和构建一致性地图。通过引入多维泰勒网和第一估计雅可比矩阵方法,我们提出了一种新颖的估计算法,旨在提高系统的鲁棒性和构建地图的一致性。本研究首先介绍了多维泰勒网的基本原理,数学模型和EKF-SLAM算法的可观性分析,然后详细描述了改进的EKF-SLAM算法的设计和实现过程。我们通过仿真实验验证了该改进算法在非线性SLAM系统中的有效性和优越性,结果表明,该改进算法在对系统状态估计和构建一致地图方面有着很好的效果。

一种基于观测范围约束的改进EKF-SLAM算法

针对EKF-SLAM算法在大规模复杂环境下存在的计算量大、运行效率低和定位精度不高等问题,采用对传感器观测范围添加约束条件的方法对该算法进行了改进.设定最大观测距离,将移动机器人对环境地图的观测范围予以限定.通过判断由移动机器人的传感器获取的观测值与最大观测距离之间的大小关系,将系统状态向量中已观测且超出最大约束范围的路标进行删除,使系统状态向量的维数不会随着观测路标的增加而不断加大,从而降低了算法计算量并提高了算法运行效率和定位精度.通过仿真验证了所提方法对提高算法运行效率和定位精度的有效性.

基于线段特征匹配的EKF-SLAM算法

针对EKF-SLAM算法在机器人被"绑架"时失效的问题,提出一种新的基于线段特征匹配的EKF-SLAM算法——EKFLineSLAM算法。该算法在线段特征观测模型和改进的基于逐点搜索的线段提取算法的基础上,将线段特征匹配引入EKF-SLAM算法,并对线段长度和姿态角进行EKF更新,创建环境的线段特征地图。在未知室内结构化环境中,将该算法与弱匹配EKFLineSLAM算法进行比较,验证了EKFLineSLAM算法在结构化环境中克服机器人"绑架"问题的可行性和有效性。

基于机器人运动模型的EKF-SLAM算法改进

针对两轮驱动机器人运动模型定向误差的累积问题,提出改进的三轮驱动机器人运动模型,对EKF-SLAM算法的一致性进行改进;该模型通过对机器人车轮线速度的解耦运算,将机器人运动过程中的旋转角速度提取出来并作为系统的控制输入之一,从而可以直接得到各个控制时间间隔内的机器人姿态角变化,很好地避免了机器人定向误差的累积;最后,基于归一化估计方差的检验标准进行实验,验证了三轮驱动机器人运动模型有效提高了EKF-SLAM算法的一致性。

基于时变调节因子的移动机器人EKF-SLAM算法

移动机器人路径规划问题一直是机器人控制领域中的热点.提出基于时变调节因子的EKF-SLAM(扩展卡尔曼滤波的同时定位与地图构建)算法,使移动机器人在定位和构建地图的同时,在生成的地图环境中可以很好地选择最优或者较优路径.该方法将强跟踪滤波器与EKF-SLAM相结合,引入时变调节因子,可以根据运动状态引起的新息权重的大小而改变,从而决定增大或减小滤波增益,进一步提高状态估计精度.实验证明该算法与传统算法相比,具有更好鲁棒性且误差更小.

EKF-SLAM算法的改进及其在Turtlebot的实现

针对标准扩展卡尔曼滤波(EKF)在移动机器人同时定位与地图构建(SLAM)过程中计算量大、实时性差、精度低、易受干扰等问题,结合平滑算法和奇异值分解运算,提出了一种基于EKF-SLAM算法的改进ERTSS-SLAM算法。改进ERTSS-SLAM算法使用前向EKF滤波对移动机器人里程计和陀螺仪的位姿信息进行最优估计,再使用标准ERTS平滑器进行后向递推避免发散,同时使用奇异值分解法避免标准EKF滤波产生的求逆运算,有效提高了系统实时性,增强了系统的鲁棒性和定位精度。Turtlebot移动机器人的实验效果证明了该算法在SLAM应用中的高效性和稳定性。

基于Cholesky分解的改进自适应EKF-SLAM算法

针对EKF-SLAM(扩展卡尔曼滤波即时定位与地图构建)算法运行精度较低且速度较快,提出基于Cholesky分解的改进Sage-Husa自适应EKF-SLAM算法,使得移动智能体在进行路径规划和地图构建的同时,能够在短时间内找到最佳或者次优路径。该方法选用改进Sage-Husa自适应滤波算法,引入遗忘因子来提高算法的计算速度,并且通过Cholesky分解来提高算法稳定性和精确性。仿真表明,基于Cholesky分解的改进Sage-Husa自适应EKF-SLAM算法比传统EKF-SLAM和改进Sage-Husa自适应EKF-SLAM算法更加精确快速,鲁棒性更好。

一种改进的EKF-SLAM算法

在AGV同时定位和地图构建(SLAM)时,针对扩展卡尔曼滤波算法在大范围环境等特征数量较大的场合中计算复杂度高,并且生成的特征图准确性不足的问题,提出一种改进的扩展卡尔曼滤波(EKF)方法,其基本思想是将机器人的系统参数附加到EKF SLAM的状态向量中,在执行预测和更新EKF SLAM的状态时,对附加系统参数的状态向量进行估计,从而提高特征图的准确性,我们称之为增强扩展卡尔曼滤波(IEKF),并且提出了一些降低计算复杂度的方法和D*算法用于导航,使AGV即使在动态和非结构化的环境中也能够准确地跟踪路径。并采用Mat lab软件进行仿真,仿真结果表明所提出的增强扩展卡尔曼滤波算法对AGV的SLAM问题有效可行。

DAO媒介:驱动未来社会算法化与自组织的元媒介

DAO媒介是以区块链算法等技术为基础,支持数字社群协同自治的媒介,具有区块链、智能合约与投票等功能特性和要素确权、技术信任、规则构架以及场景聚合等价值禀赋。对于数字生态显露的各种问题,“算法化”是重构数字生态、降解社会系统复杂性的关键机制,DAO媒介是支撑“自组织式”算法化的元媒介。DAO媒介与数字文明时代喷发的微粒个体、微资源、微价值、微需求、微场景等相匹配,能够深度匹配人的个性与自我,形成有效的趣缘连接,进而极大地释放数字文明的生产力。DAO媒介将深刻影响社会系统的构造,将微粒个体与相关社会要素“包裹”为闭环子系统,支持其准开放的系统边界、有效的异质性整合、可持续的规则重构、子系统与父级系统的持续分化和快速进化,等等。在数字文明时代,DAO媒介将使“重新部落化”的“地球村”变为现实,其驱动构筑的DAO社会将更加多元、更加富有创造力,不断拓展人类群体实践的自由度,使人类在高度异质性聚合基础上更加和谐有序地整合协同。

基于自适应变异粒子群算法的风光储微网调度

为克服传统粒子群算法在求解时容易形成局部最优,求解精度低的不足,提出了一种基于自适应变异粒子群优化的微电网调度求解方法。惯性权重采用自适应正态分布递减,随着迭代次数的增加更新粒子位置的移动策略,并且在算法后期引入变异环节。为验证算法的有效性,文章与其他算法进行收敛性能对比,并对两种典型天气情况下的微网运行成本模型仿真求解,得到最优调度。算例结果表明,改进算法能够对粒子全局最优搜索优化,效果优于其他算法,可合理调配分布式电源出力时段,具有良好的可行性。

短定子磁浮列车基于悬浮间隙实现测速和定位的算法仿真及应用

短定子磁浮列车测速和定位技术实现方式与传统轮轨不同,目前有多种技术实现方式,但都需要在磁浮列车上设置测速和定位设备或系统,且与悬浮控制系统相互独立,但悬浮控制系统对速度信号和位置信号又有一定的依赖性。因此,设计了一种基于悬浮间隙实现测速和定位的算法,并通过仿真达到算法设计预期目的,最后通过编程将算法嵌入磁浮列车的悬浮控制系统硬件平台,实现测速和定位的算法应用,测速和定位信号完全集成于悬浮控制系统中,摆脱悬浮控制系统对外置测速定位系统的依赖,提升磁浮列车在轨道交通市场的竞争力。

基于图神经网络的瑜伽动作多特征融合识别算法

针对现有瑜伽动作识别方法不能挖掘动作与形体特征等深层次信息的问题,提出了一种基于多特征融合图神经网络的改进瑜伽动作识别算法,该算法利用瑜伽的动作历史和形体信息,结合多特征融合和图神经网络的优势,通过建模形体和动作之间的关系图,得到形体信息对不同瑜伽动作类别的影响程度,以及历史动作的长时和短时性。在实验中,对比了该方法与其他算法在瑜伽动作识别任务中的表现。结果表明,该方法在准确率、精确率、召回率和F_(1)值等指标上有明显的提高,证明了该瑜伽动作识别算法的有效性。

不完整模态数据下基于布谷鸟算法的结构损伤识别研究

鉴于安装在结构上的少量传感器难以获得完整的模态数据,文章提出一种使用不完整模态数据来定位和量化结构损伤的有效方法。首先,采用一种改进的缩聚系统方法来匹配有限元模型和实际测量中的自由度差异,从而解决模态空间不完整性问题。然后,利用不完整模态数据获得的结构柔度矩阵计算结构的静态位移。最后,利用结构的静态位移建立损伤优化函数,并采用布谷鸟算法进行求解。通过数值模拟和试验验证了所提方法的有效性和鲁棒性。数值和试验结果表明,在测量传感器数量有限的情况下,所提出的损伤识别方法仍具有高效且稳定的性能。

一种基于车辆运动微分模型的EKF-SLAM算法

提出了一种基于车辆运动微分模型的扩展卡尔曼同步定位与地图创建(EKFSLAM)算法,该算法是将车辆运动轨迹视为由许多微小直线段组成,利用车辆行驶环境中的柱状特征,结合扩展卡尔曼滤波器,实现移动机器人的同步定位与地图创建(SLAM).该算法能有效地降低单纯使用航迹推算所产生的定位误差,定位精度与基于运动学模型的EKF-SLAM在同一量级.与基于车辆运动学模型的EKFSLAM算法相比,该算法不仅具有更为简化和通用的模型表达形式,同时由于该算法所需的数据可以更方便地进行精确测量,不易受到噪声的干扰,因此稳定性有一定的提升.

麦克纳姆轮农业机器人路径跟踪——基于改进野马算法

针对麦克纳姆轮农业机器人在智能大棚中的路径跟踪问题,建立了运动学模型和动力学模型,设计了一种新型的双环比例微分-分数阶比例积分导数(Proportional Derivative-Fractional Order Proportional-Integral Derivative,PD-FOPID)控制器对全局路径进行动态跟踪控制。对于控制器参数多且整定困难的问题,首先采用帐篷映射初始化种群策略、精英主义记忆策略、动态余弦权重策略和柯西—高斯变异策略对原始野马算法进行改进,然后利用略改进野马算法(Improved Wild Horse Optimizer,IWHO)对控制器最优增益参数优化。实验结果表明:所开发的算法在探索和开发阶段方面性能优异,且PD-FOPID控制器在整定工作中表现突出。路径跟踪仿真证明,设计的双环PD-FOPID控制器比FOPID控制器更具显著的优势,能够避免动态误差累积,快速响应调整到规划路径,在提高农业大棚机器人路径跟踪控制质量方面具有巨大的潜力。

算法解释制度的体系化构建

算法解释在算法治理中举足轻重。算法解释承载着权益保障、社会交往和风险治理三重意义,其在技术层面上的障碍正在逐渐被突破,可以通过多种技术机制实现。在算法治理活动中,应根据常规场景、关键场景和争议场景分别限定选择解释的路径选择和技术方案,通过冻结机制、抽样机制和镜像机制固定算法解释,并使之接受外部的验证与审查,确保算法解释真实、有效。算法解释的系列机制应被进一步构建为体系化的算法解释制度,在这一制度框架内,对解释路径与精度、解释时限、解释瑕疵责任等要素的合理配置,可以实现社会效益与规制负担的精细平衡。

改进A^(*)算法和人工势场法的路径规划

A^(*)算法存在折线路径多和搜索节点多的问题,人工势场(artificial potential field,APF)法存在局部最优和不可到达的问题,针对两种算法存在的问题进行了研究。利用欧氏距离与投影距离提出一种新的混合式启发函数,依据该函数对A^(*)算法的流程进行改进,减少A^(*)算法的搜索节点,提高搜索效率。利用新A^(*)算法生成的最优节点作为APF算法的局部目标点,辅助机器人摆脱局部最优点;通过加入机器人和目标点的位置关系改进势场函数,修改斥力的增益,优化斥力的生成方向。在改进的基础上将两种算法融合提出一种新的算法,利用APF法的势场函数引导A^(*)算法的搜索。从路径长度、避障效果、迭代次数对改进算法进行对比分析,仿真结果表明,提出的改进算法搜索效率高,实现避障的同时保证计算的路径最优。

算法嵌入政府治理:逻辑、风险与规制

伴随着现代信息技术的迅猛发展,智能算法在推动经济社会不断发展的同时也成为推动国家治理现代化的重要驱动力。现阶段如何推进算法技术更有效地嵌入政府治理,在充分发挥技术效益的同时反制技术滥用,实现公共价值最大化目标是亟须关注的时代命题。从“技术—权力—规则”三个维度搭建研究算法嵌入政府治理的分析框架,探索算法技术赋能政府治理的价值意蕴与运作逻辑。聚焦算法技术黑箱阻滞公共责任认定、算法权力削弱政府与民众自主性、算法规则偏好导致治理正义性减损等风险与挑战,提出在实践中要推进技术适度透明化以明晰责任关系链条、规范算法权力运作并坚持人本主义治理理念、明确算法规则决策限度以强化治理正义性等实践进路。

基于改进模拟退火遗传算法的高速公路服务区自洽能源系统高能效优化

针对高速公路自洽能源系统高能效优化的问题,基于改进模拟退火遗传算法(SA-GA),提出了一种综合考虑经济目标和环保目标的自洽能源系统高能效优化运行策略。首先根据高速公路服务区自洽能源系统中各电力单元特性,建立一种综合考虑系统经济性和环保性的能效目标函数;其次根据高速公路服务区自洽能源系统的分类,建立了不同类型系统对应的约束条件;为避免遗传算法易陷入局部最优的缺陷,引入模拟退火算法,对改进后的SA-GA算法采用降温函数,寻找全局最优解;利用新疆某高速公路服务区自洽能源系统发电和负荷数据,并在传统服务区负荷的基础上进一步考虑新能源汽车充电站的影响。测试函数测试结果表明:SA-GA算法在求解速度和稳定性方面有明显提升,改进SA-GA算法对夏季、冬季典型日能效优化的结果,相较于遗传算法,在寻优精度提升约为20.33%。