基于ICS算法的列车运动模型参数辨识

列车运动模型参数辨识对其运行控制至关重要,文章采用单质点列车模型,对运行列车进行受力分析,建立列车运动模型,并提出利用改进的布谷鸟搜索(ICS)算法对列车基本阻力参数进行辨识;基于真实的列车运行数据,对基本阻力参数辨识进行仿真分析,并基于TD3算法对参数辨识的有效性进行仿真验证。仿真结果表明,基本阻力参数辨识对列车运行控制十分必要,相对于经验参数,辨识参数下的列车基本阻力更为准确,且辨识参数下的牵引能耗有一定的降低。

基于ICS-INC的局部阴影下光伏最大功率点追踪研究

传统最大功率点追踪技术(Maximum Power Point Tracking, MPPT)存在收敛速度慢、精度差、易陷入局部最优等缺点.针对上述问题,提出一种基于改进布谷鸟算法(Improved Cuckoo Search, ICS)和电导增量法(Incremental Conductancemethod, INC)的联合MPPT控制方式.首先对布谷鸟算法(Cuckoo Search, CS)中莱维步长和毁巢率进行了自适应变化增加了迭代收敛速度和全局寻优能力,其次通过判断鸟巢间最大位置差ξ切换INC防止其陷入局部极小值,最后分别进行静态对比和动态光照仿真实验.静态对比仿真结果表明此控制方式在追踪速度和精度上更有优越性;动态仿真测试结果证明该方法在复杂环境下具有鲁棒性.

一种基于变量隐藏抽象的IC3硬件验证算法

随着硬件设计复杂性和规模的大幅度提升,硬件验证工作更加具有挑战性。模型检验技术作为一种自动化验证技术,可以自动构建反例路径,也因此成为硬件验证领域内最重要的研究方向之一。IC3算法是近些年来最成功的比特级别的硬件验证算法。为了提高验证的规模和效率,硬件验证算法设计逐渐从底层的比特级向更高的抽象级别转变。研究目标是设计一个新型有效的字级IC3算法。针对研究目标,提出了一种将变量隐藏抽象和隐式抽象结合的字级IC3算法IC3VA。该方法尝试将变量隐藏抽象和IC3算法相结合,并设计了对应的泛化和精化方案。在开源社区和硬件验证大赛收集的测试集上和基于谓词抽象的方法进行对比,实验结果显示了基于变量隐藏抽象的IC3算法的有效性。

基于KPCA-ICS-ELM算法的埋地管线土壤腐蚀深度预测

为掌握油气管线土壤腐蚀情况,保障埋地管线安全运行,通过核主成分分析(KPCA)择优土壤腐蚀因素,获取管线腐蚀的高贡献因素;采用改进布谷鸟搜索算法(ICS)优化极限学习机(ELM)隐含层偏差及阈值,将具有高贡献度的指标作为模型输入,腐蚀深度为输出目标,构建ICSELM腐蚀深度预测模型;以陕西省某埋地输油管线实地埋片试验为例,选择8种影响因素,建立埋地输油管线土壤腐蚀指标体系,并进行模拟仿真预测及验证分析。结果表明:ICS比标准布谷鸟搜索算法(CS)提前83代收敛,具有更快的迭代速率;KPCA-ICS-ELM模型预测结果的最低相对误差、均方根误差和希尔不等系数分别低达0.209%、0.228%、0.441%;与其他模型相比,该模型准确度更高。

基于改进布谷鸟搜索算法的WSN覆盖优化策略

针对传感器节点分散不均、覆盖程度低及汇聚层Sink节点冗余等问题,设计了一种双层无线传感器网络覆盖优化方法,该方法对传统布谷鸟搜索算法进行了改进。首先,在种群初始化过程中采用了量子位Bloch球面坐标,可以保持较高的多样性;其次,针对布谷鸟搜索算法的Levy飞行寻优阶段,改进候选解更新方法,随机生成每个纵向维度的新候选解;最后,基于逐维更新贪婪评价策略进行随机游动选择。通过这些改进方式提升了布谷鸟搜索算法的迭代速度和精度,避免相同维度间的干扰。实验结果表明,该改进算法与传统布谷鸟搜索算法、外推人工蜂群算法相比,传感器节点覆盖率分别提高了1.79%和9.87%,汇聚层Sink节点冗余率降低5.13%和21.28%。

基于非线性插值的IC芯片检测算法

提出把Jensen非线性插值算法用于对IC芯片引脚的长、宽及脚间距等尺寸的计算机视觉检测中 ,同时结合划分子区域检测策略 ,能使检测精度达到子象素级 ,检测速度达到在线检测的要求。实验证明了这种方法的可行性。

基于免疫克隆原理的改进粒子群优化算法的研究

提出了一种改进的粒子群优化(PSO)算法来进行函数优化,以克服PSO算法容易陷入局部极值的不足,加快收敛速度,从而实现全局搜索。PSO算法是基于群体智能的随机优化算法,参数结构简单,但收敛速度慢,容易陷入局部极值。通过对PSO算法的深入分析,基于传统的速度——位置更新操作,把免疫克隆(IC)原理引入PSO算法中,将抗体视为粒子,根据亲和度的高低进行粒子克隆选择、克隆抑制和高频变异,提高了种群的多样性和全局搜索的能力。测试结果表明,该算法完成全局搜索所需的迭代次数明显少于PSO算法,大大缩短了搜索时间,在多维函数最优解的搜索中具有优良的性能。

利用免疫克隆粒子群混合算法实现自适应PMD补偿

提出了一种免疫克隆算法与粒子群优化(PSO)算法相结合的混和算法来进行函数优化,克服了PSO算法容易陷入局部极值的不足,通过免疫克隆算法的应用,提高了种群的多样性,增强了算法全局搜索的能力,提高了收敛速度和精度。仿真结果表明,该算法在搜索多维函数最优解中具有优良的性能。将该混和算法应用到光纤偏振模色散(PMD)补偿系统中,补偿后,眼图恢复效果很好,补偿系统的搜索时间最短可达71ms,响应恢复小于20ms,实现了对光纤通信系统的实时自适应PMD补偿。

基于逆成像算法的SAR分布目标原始数据仿真

通过对合成孔径雷达(SAR)成像原理的分析,提出了一种基于逆成像算法的SAR分布目标原始数据的高效仿真方法。该方法根据CS(chirp scaling)成像算法的思想,采用逆推的方法,由目标散射系数计算得到的SAR聚焦成像数据,经过方位向解压缩、距离向解压缩以及距离弯曲补偿,反演模拟出SAR原始数据。给出了利用ICS(inverse chirp scaling)方法获取SAR原始数据的仿真模型和实现步骤,并仿真出SAR分布目标原始数据,经距离多普勒成像算法处理后,给出了原始数据成像结果,仿真结果表明该方法可以快速准确的模拟SAR分布目标原始数据。

基于免疫克隆选择算法搜索GMM的脑岛功能划分

为了得到更好的脑岛功能划分结构,加深人们对其功能组织性的理解,提出一种基于免疫克隆选择(ICS)算法搜索高斯混合模型(GMM)的脑岛功能划分方法(NICS-GMM).该方法基于功能磁共振成像(fMRI)数据,将GMM映射到抗体上;利用ICS算法搜索能够反映脑岛功能分布的GMM,并在搜索过程中融入具有抗噪能力的动态邻域信息,以提高其搜索质量;利用最优的GMM实现对脑岛的功能划分.在划分数为2~12的脑岛功能划分上,新方法搜得的GMM具有最高的似然分数,而且相应划分结果的轮廓系数也达到了最大值.真实脑岛fMRI数据上的实验结果表明,该方法不仅具有更强的全局搜索能力,还可以得到具有较高功能一致性与更强区域连续性的脑岛功能划分结构.

增强现实中一种新的基于标志物的跟踪方法

通过在标志物引入代码区及直观的图像信息,设计了一种新的标志物系统,该标志物系统与ARtoolkit等系统相比具有更加形象、识别更加准确的特点;针对标志物设计的特点,提出了一种新的跟踪算法,该算法采用基于角点和纹理的混合跟踪方式,解决了标志物在快速运动或被部分遮挡等情况下的跟踪问题。实验结果表明该标志物系统及其跟踪算法是稳定有效的。

基于LDA与改进布谷鸟算法的CNN-GRU网络木材染色配方预测

为了精准预测木材染色配色配方,提出一种线性判别分析(linear discriminant analysis,LDA)和改进布谷鸟算法(improved cuckoo search,ICS)与卷积神经网络(convolutional neural network,CNN)与门控循环单元(gated recurrent unit,GRU)的混合神经网络模型。该模型通过LDA处理光谱信息对其进行分类降维;利用CNN提取重要特征;将这些特征输入GRU中进行训练;网络中的超参数由ICS算法进行寻优。该模型的表现通过多种评估标准进行测量,包括决定系数R^(2)以及国际色差计算公式(CIEDE2000)等。在与多种传统模型的比较中,模型表现出优异的性能。此外,该模型的参数数量相对较少,计算效率高,且稳定性和可靠性良好。结果表明:将该模型应用于通过光谱信息进而预测木材染色配色配方问题上显示出了明显优势。

列控车载设备安全功能测试序列优化方法研究

列控系统测试序列优化问题可以转换成旅行商问题(TSP),在求解TSP时,用改良圈(IC)算法难以得出最优解,而模拟退火(SA)算法计算迭代次数多,为解决这一问题,提出一种基于SA优化IC算法的测试序列优化方法。首先,以车载设备模式转换功能为例,介绍基于TSP的测试序列生成方法;然后,说明SA优化IC算法的步骤和流程;最后,引入实例,并将其转换成TSP,采用SA算法优化IC算法求解TSP,并得到测试序列。结果表明:该算法较IC算法的结果更优,迭代次数较SA算法迭代次数降低了27. 54%,该方法可有效优化测试序列。