融合改进A^(*)算法与动态窗口法的移动机器人路径规划

为解决移动机器人在随机障碍物环境的导航过程中,使用A星(简称A^(*))算法出现碰撞导致路径规划失败的问题,设计了一种融合改进A_(*)算法和动态窗口法(dynamic window approach,DWA)的全局动态路径规划方法。首先,从以下两方面改进传统A^(*)算法:混合使用4邻域和8邻域A^(*)搜索算法,与通过删除冗余路径点和转折点来提高路径的平滑性;接着将改进A^(*)算法与DWA融合,利用融合算法使移动机器人进行全局实时动态路径规划。Matlab仿真试验结果表明,改进后的A^(*)算法较传统A^(*)算法不会使机器人穿越障碍物及其顶点,这有效减少了碰撞,从而提高了安全性;融合DWA后,在获得全局最优路径的基础上,能避开静态随机障碍物和动态障碍物,这证明了融合算法有良好的路径规划能力。

基于神经网络和Kalman滤波的陀螺阵列融合算法

针对微机械陀螺测量精度和可靠性低的问题,提出了基于神经网络和Kalman滤波的陀螺阵列融合算法。将神经网络与Kalman滤波相结合,利用LSTM-RNN计算每个陀螺的置信度;再将每个陀螺的置信度、测量值及Kalman滤波估计的角速度输入给BP神经网络进行数据融合,使得BP网络在训练时拥有更多关于陀螺的特征信息,从而提高角速度的融合精度。由于率先得到了每个陀螺的置信度,使得BP网络可以更容易辨识出故障陀螺,从而减小对故障陀螺测量数据的利用率。经实际系统验证,在陀螺存在故障的情况下,所提算法的陀螺阵列MAE和RMSE相比Kalman滤波分别降低了80.25%、81.39%,相比只有测量值输入的LSTM-RNN融合算法分别降低了60.33%、63.41%,具有较强的容错性和鲁棒性。

基于PSO与AFSA的GNSS整周模糊度种群融合优化算法

载波相位测量是实现全球导航卫星系统(Global navigation satellite system, GNSS)快速高精度定位的重要途径,而准确解算整周模糊度是其中的关键步骤之一.粒子群算法(Particle swarm optimization, PSO)收敛速度快但易陷入局部最优,人工鱼群算法(Artificial fish swarm algorithm, AFSA)全局优化性能好但收敛速度慢,因此融合两种算法的优点,提出一种GNSS整周模糊度种群融合优化算法(PSOAF).首先,通过载波相位双差方程求解整周模糊度的浮点解和对应的协方差矩阵.然后,采用反整数Cholesky算法对模糊度浮点解作降相关处理.其次,针对整数最小二乘估计的不足通过优化适应度函数来提高算法的收敛性和搜索性能.最后,通过PSOAF算法对整周模糊度进行解算.通过经典算例和试验研究表明:PSOAF算法可以更快地收敛于最优解,搜索效率也更为出色,解算的基线精度可以控制在10 mm以内,在短基线的实际情况下具有较高的应用价值.

基于时空融合算法的水体叶绿素a反演研究

为了准确反演水体中叶绿素a浓度,以黄柏河东支流域为例,采用STNLFFM时空融合算法,对2017年GF-4和Sentinel-2反射率数据进行融合,以重构Sentinel-2影像的时间序列数据,并对应用算法前后获取的水质参数-光谱特征响应关系建立多元线性回归模型,比较模型对叶绿素a的预测效果以验证时空融合算法的可行性,利用重构后影像光谱特征与水质参数的响应关系建立人工神经网络模型,反演2017年黄柏河东支流域各水库水体叶绿素a浓度。结果表明:利用时空融合算法生成的影像接近真实影像,提高了多元线性回归模型预测叶绿素a的效果,R2从融合前0.659提高至融合后0.844,且基于时空融合算法获取的水质参数-光谱关系建立的人工神经网络模型模拟精度较好,R2和MRE达到0.925和9.461%,反演的叶绿素a浓度空间差异性明显。证明了时空融合算法在水质参数反演过程中具有较好的应用前景。

基于多感受野与多尺度融合的草莓病害分割算法

针对草莓病害在区域分割时存在背景复杂、目标较小导致难以被有效分割等问题,提出一种基于多感受野与多尺度融合的草莓病害分割算法。首先搭建了U-Net基础模型,使用结合注意力机制与残差网络的主干特征提取网络(CBAM-ResNet50)替代U-Net中的主干特征提取网络VGG16,一方面来加强目标区域的表征能力,抑制背景区域,以此实现复杂背景下的病害区域分割问题;另一方面通过残差减少梯度消失,提升模型的收敛速度;接着在特征融合层,设计基于3D无参注意力机制(SimAM)的多尺度自适应特征融合模块,通过邻近特征信息弥补当前层特征的信息丢失,以此提升小目标的检测能力;最后在网络底层设计基于膨胀卷积的多感受野模块,通过不同膨胀率的膨胀卷积来增加特征的全局感受野以实现整体分割区域的感知。结果表明,本研究提出的方法mPA达90.30%,相比于标准U-Net模型提高了7.13百分点,本研究提出的方法能更好地对复杂背景下及小目标病害进行精准分割。

基于改进A^(*)蚁群融合算法的路径规划研究

随着智能化技术的发展,无人车路径规划技术在未来无人战场上将发挥重要的作用。针对A^(*)算法易发生碰撞障碍物的问题,提出通过改进转弯机制进行避碰。针对路径较长和不够平滑的问题,提出一种改进A^(*)蚁群融合算法。仿真结果表明,使用改进A^(*)蚁群融合算法得到的路径长度和平滑度更优,简单地图中路径长度减少2.34%,总转弯角度减小5.62%;复杂地图中路径长度减少2.62%,总转弯角度减小26.3%。因此,该算法在保证无人车避障的基础上,有利于其快速完成相应任务。

BEV特征下激光雷达和单目相机融合的目标检测算法研究

为提高自动驾驶汽车对周围目标物的检测精度,提出了一种激光雷达和单目图像数据在鸟瞰图特征上融合的目标物检测算法(monocular-bird’s eye view fusion,Mono-BEVFusion)。为构建相机BEV特征,搭建了简单高效的深度预测网络预测相机特征的深度,基于显式监督的方法用深度真值对其进行监督。构建激光雷达BEV特征时,将激光点云体素化为柱状网格转化到BEV特征下,设计BEV特征融合网络将激光点云BEV特征和相机BEV特征融合,将融合特征输入到目标检测框架得到目标物(汽车、行人和骑行人)检测结果。利用KITTI数据集和实车路采数据对Mono-BEVFusion融合算法进行评估,实验结果表明该算法相较于现有融合算法综合平均精度提升了2.90个百分点,其中汽车类和行人类单项检测精度分别提升3.38个百分点和4.13个百分点。Mono-BEVFusion融合算法对遮挡目标或者距离较远的目标有较稳定的检测效果,能够有效避免单传感器的漏检现象,具有较好的实际应用价值。

融合改进Bi-RRT和DWA算法的无人机动态路径规划

为解决无人机在复杂环境中的避障问题,提出一种融合改进Bi-RRT和DWA的无人机动态路径规划算法。通过设置启发式函数、动态步长和安全距离改进Bi-RRT算法,提升全局路径的搜索效率和安全性;之后,修剪路径中的冗余路段并对修剪后的路径进行插值与平滑操作获得全局最优路径;对DWA修正障碍物距离评价函数并引入目标点距离评价函数,提升局部预测轨迹评分的准确性;然后,实时输出速度指令控制无人机跟踪全局最优路径并实现局部动态避障。仿真实验表明,改进Bi-RRT算法生成的路径更短更平滑、安全性更高且规划时间更少;在同时存在动、静态障碍物的复杂环境中,所提融合算法能控制无人机精准地跟踪全局最优路径并高效地完成局部动态避障。

中垂线遗传融合算法研究

为改善遗传算法的局部寻优性能和收敛速度,提出了一种将遗传算法和中垂线相算法结合的融合算法——中垂线遗传算法。中垂线遗传算法以遗传算法进行全局搜索,再以中垂线算法进行局部搜索。并将中垂线算法中的单一种群分化为双种群,将双种群中的优秀个体进行耦合交叉和变异,提升改进算法的全局搜索能力和跳出局部最优的能力。仿真实验讨论了算法转换系数的变化对改进算法性能的影响。通过与6个算法的对比实验,证明改进的中垂线遗传算法解决了传统遗传算法收敛速度慢和局部寻优能力弱的问题。并且与主流优化算法和其他遗传融合算法相比,改进的算法性能更加优越。最后,利用改进算法处理了三杆桁架的设计问题。结果表明:中垂线遗传算法在处理实际问题时具有可行性。

基于跨阶段特征融合算法的混合部位运动图像超分辨率修复方法

混合部位运动图像存在模糊、失真、低分辨率等问题,且峰值信噪比差值较小。提出基于跨阶段特征融合算法的混合部位运动图像超分辨率修复方法。结合非线性映射关系重构像素点,采用跨阶段特征融合算法,完成混合部位运动图像超分辨率修复。实验结果表明:得到完整的混合部位运动图像修复结果,表现出的峰值信噪比差值较大,修复后的图像分辨率更优,满足了混合部位运动图像的现实应用需求。

多算法融合的高性能稀疏特征点匹配研究型实验设计

影像间特征点匹配是图像处理领域的基础问题,是实现目标识别、影像拼接、三维重建、机器视觉等功能的基础。针对基于深度学习的SuperPoint特征点匹配算法具有很强的特征描述能力但特征点检测精度不高的问题,提出将SIFT亚像素特征点检测算法与SuperPoint特征描述相结合,改进SuperPoint提取的特征点精度,同时保留其强大的特征描述能力,最后通过SuperGlue特征匹配网络实现特征点的匹配筛选,从而得到多算法融合的高性能稀疏特征点匹配算法。实验测试结果表明,新方法获得的匹配点对数量是SIFT匹配算法的2.04倍,且对称极线距离小于等于10^(-4)的匹配点对比例较SIFT匹配算法提高了7.2%,对比其他ORB、SuperPoint等经典算法,新算法总体性能有一定提升。

基于聚类算法的多源信息融合并行处理探析

在多源信息融合并行处理过程中,由于数据的耦合性较强,并且逻辑存在较高序贯性,导致处理时机存在随机性,多源信息融合并行处理的难度大幅增加。为了有效解决多源信息融合并行处理过程中存在的难题,工作人员需要站在不同角度对多源信息融合并行处理进行深入研究。本文根据聚类算法提出了多源信息融合并行处理方法,先对数据融合并行处理分析进行了概述,随后讨论了数据融合并行处理架构,最后对其进行了总结,希望可以强化数据处理的效率,提升精准程度,满足计算要求。经过分析后可以发现,基于聚类算法的多源信息融合并行处理过程具备较强时效性,同时提升了处理容量,增加了扩展性,能够满足使用需求。

聚蚁算法在中国高职院校产教融合中的应用

聚蚁算法是一种基于蚂蚁群体行为的优化算法,其原理是模拟蚂蚁在寻找食物时的行为。聚蚁算法可以应用于产教融合中的多个方面,例如人才匹配、项目管理等。本文介绍了聚蚁算法的原理和在高职院校产教融合中的应用,以及在某高职院校的实践研究中取得的效果。聚蚁算法的优点是可以自适应地调整匹配方案或任务分配方案,从而更好地适应实际情况。因此,聚蚁算法有望成为高职院校产教融合中的一种新的优化方法。

基于特征加权融合算法的动漫人物图像复原重建方法

动漫人物复原图像存在像素缺失会导致所设计人物出现失真显示的情况,从而使主机元件无法准确重建动漫人物模型。针对此问题,提出基于特征加权融合算法的动漫人物图像复原重建方法。利用特征加权融合算法跟踪动漫人物特征,将图像分成多个像素区域,根据像素损失值推导人物图像的变分损失复原函数。利用跟踪所得的人物特征,定义重建节点,再将各个节点对象连接起来,以求解具体的重建表达式,完成动漫人物图像复原重建。实验结果表明,应用构建模型可以保证复原图像中缺失像素与原像素的色彩一致性,色彩一致性高于92%,不会造成设计人物失真显示的情况,能够保障主机元件对动漫人物模型的准确重建。

融合A^(*)与DWA算法的水面船艇动态路径规划

为解决水面船艇路径规划同时要求全局最优、实时避障和航迹安全可靠的问题,提出了一种基于融合A^(*)算法与动态窗口算法(DWA)的水面船艇路径规划方法。首先通过引入启发函数动态加权策略,提高A^(*)算法的搜索效率;然后综合考虑水面船艇的运动特性,采用一种路径转角节点角度削弱策略,减少转角,缩短全局路径长度;最后,基于全局因素影响与航迹安全约束对DWA算法的轨迹评价函数进行改进,并以全局路径提供子目标点引导DWA算法进行局部规划的方式完成算法融合。实验结果表明,融合算法相比于现有算法的总转向角度分别减少了45.6%、46.0%,验证了融合算法的有效性与可行性,并且相较于其他传统算法更具优越性。

正余弦动态干扰哈里斯鹰算法的PCNN参数优化图像融合

哈里斯鹰优化算法存在前期全局开发种群分布不广泛、后期局部开发易陷入收敛精度不够的缺陷,因此提出一种正余弦动态干扰的哈里斯鹰优化算法。首先,在前期的全局开发阶段,对两种不同的进化策略分别采用余弦函数和正弦函数进行鹰群群体分布干扰,从而扩大群体分布范围,强化鹰群初期全局探索阶段的广度,为后期进行局部开发提供更好的条件;然后,在局部开发阶段,通过对猎物逃逸能量公式进行曲线化调整,使得猎物能量损耗与自然界中的真实能量损失更加匹配,进而提升开发阶段的捕获能力;最后,将改进的正余弦动态干扰的哈里斯鹰优化算法对脉冲耦合神经网络(PCNN)的链接输入、时间衰减系数、链接强度3个参数进行优化,并应用于可见光与ToF置信图的图像融合。采用6种对比算法及24个测试函数对改进后的算法进行仿真实验验证,证明了基于正余弦动态干扰的哈里斯鹰优化算法具有较好的寻优能力和更高的收敛精度。通过与其他融合算法进行对比实验,验证了改进后的融合算法相比原始算法的融合效果有显著提升。

我国人工智能政策新词发现与演化研究——一个多特征融合的算法

[目的/意义]作为中文分词的基础研究,新词发现是研究政策创新和扩散的重要技术方法。本文通过改进新词发现算法优化了政策文本分词不准确的问题,并构建词库以支持人工智能政策的演化研究。[方法/过程]提出多特征融合新词发现算法MFF,实现了对人工智能政策新词的挖掘,从新词角度对人工智能政策的创新、延续和扩散进行演化分析。[结果/结论]实验结果证明,本文提出的多特征融合新词发现算法MFF能够有效提升分词效果,丰富领域词库;人工智能政策新词出现的时序变化反映了不同阶段政策关注的重点发展领域,揭示了中央和地方政府在政策创新、延续、扩散和演化方面的特点。

基于CamShift与Kalman相结合的目标跟踪算法研究

目标跟踪是机器视觉领域的一项重要技术。传统的CamShift目标跟踪算法具有时间复杂度低、运算速度快的优点,在简单背景下具有良好的跟踪效果。但当跟踪目标处于部分遮挡的复杂情况下时,容易出现目标丢失的情况,从而影响后续的跟踪。Kalman滤波算法在目标跟踪任务中,能够有效地预测跟踪目标下一时刻可能出现的位置,且算法简单方便。现将CamShift算法与Kalman滤波算法相结合来优化传统的CamShift算法,实验结果表明:优化后的算法不但保留了传统CamShift算法的优点,而且在一定程度上可以预测跟踪目标的行动轨迹,更好地实现目标跟踪任务,解决了传统CamShift算法在目标被部分遮挡的情况下容易出现的目标丢失的情况;同时,运算结果准确,基本没有预测误差。

递进式融合多策略的改进哈里斯鹰优化算法

针对哈里斯鹰优化算法(HHO)易陷入局部最优、全局探索性能与局部开发能力不平衡等缺点,提出递进式融合多策略的改进哈里斯鹰优化算法(IHHO).首先,调整随机游走机制的位置更新方程以实现小范围优质勘探,提升该机制有效性,加强算法局部开发能力;其次,采用S型自适应能量控制因子,使算法能根据搜索进程合理调控捕猎行为,修正寻优模型;最后,融入定点重组与诱变策略,既保证种群优良基因集中于某一个体,又丰富种群多样性,算法局部寻优性能和局部极值规避能力并进增强.实验表明,所提改进方法以递进式提升算法性能,经耦合叠加效应后所得IHHO的搜索精度高、收敛速度快,并且具有较强实用性.

多算法融合的超临界W火焰炉水冷壁壁温预测模型研究

针对某火电厂水冷壁在深度调峰背景下易发生拉裂而需对水冷壁管间温度梯度进行监控的问题,构建了一种基于PCA-SSA-LSTM多算法融合的预测模型,实现对易拉裂管附近水冷壁管出口壁温的有效预测。为改善模型的预测性能,依据壁温计算理论选取17个输入参数,使用PCA法进行降维处理;采用SSA算法优化PCA-LSTM预测模型超参数,得到最优PCA-SSA-LSTM壁温预测模型。通过与其他预测模型对比发现,融合模型的决定性系数(R2)值有一定程度的增大,均方根误差(RMSE)及平均绝对百分比误差(MAPE)有不同幅度的降低。实际应用表明:建立的多算法融合模型可有效提高多管出口壁温预测精度,能作为电厂DCS监测系统的补充,预警危险壁温,降低因管间大温差造成的水冷壁拉裂风险。