基于改进A^(*)算法+LM-BZS算法的农业机器人路径规划

针对目前农业机器人在全局路径规划过程中存在规划效率低、规划路径折线段多、折线角度大、作业不稳定等问题,以果园履带机器人为运动学模型,提出一种基于改进A^(*)算法+低阶多段贝塞尔曲线拼接(Low-order multi-segment Bezier curve splicing,LM-BZS)算法的路径规划方法。首先,根据先验地图获取果园环境信息,将果树和障碍物视作不可通行区域,并结合机器人本体尺寸,对不可通行区域进行膨胀拟合处理;然后,利用改进A^(*)算法搜索路径,对初步生成路径进行树行节点调整;最后,采用LM-BZS算法对调整后的路径点进行优化处理,生成符合果园履带机器人作业要求的行驶路径。仿真试验结果表明,相较于传统A^(*)算法,本文所提出的改进算法在无障碍和有障碍环境中,路径规划时间分别减少76.75%、86.40%,节点评估数量分别减少36.68%、39.37%;经LM-BZS算法优化所得路径在无障碍环境中,相较于传统A^(*)算法和高阶贝塞尔算法,平均曲率分别降低45.81%、18.94%;在有障碍环境中平均曲率分别降低56.98%、27.81%。场地试验结果表明,果园履带机器人在对本文算法生成路径进行跟踪行驶时,在无障碍和有障碍环境中,最大横向误差分别为0.428、0.491 m,平均横向误差分别为0.232、0.276 m,平均航向偏差分别为11.06°、13.76°,符合果园履带机器人自主行驶条件。

基于x-LMS算法的直升机主动消振电力作动器系统研究

直升机前飞时,气动环境会导致不同方位角的桨叶出现气动载荷的瞬间不对称,通过基础结构传递会在机身形成大幅度的低频振动。为了消除多方向幅值变化的振动力,利用结构响应主动控制原理,设计了基于x-LMS算法的主动消振电力作动器系统,并进行了减振实验。首先,通过比较确定了单台作动器中两台电机同向旋转的方案。通过两台作动器的组合使用,推导出输出力的数学模型。其次,采用负载相位差交叉耦合的控制策略设计系统控制框图。针对存在耦合的相位外环,通过回差阵特征值法确定满足系统稳定裕度要求的参数范围,再根据灵敏度函数和输入跟踪性能在所得的参数稳定域内寻找最优解。然后,提出了基于x-LMS算法的直升机主动振动控制系统,并通过仿真验证了该系统的减振效果。最后,研制的实验样机进行了动稳态实验以及减振实验,验证了系统的实际减振效果。

基于改进变步长LMS算法的谐波电流检测法

针对传统基于瞬时无功功率理论谐波电流检测中的二阶低通滤波器无法同时满足检测精度和响应时间的问题,提出了基于改进的双曲正切函数变步长LMS算法(IVSSLMS)的低通滤波器提取p轴和q轴中直流分量的方法;将两个谐波电流的间隔时间通过适当的调节采样间隔次数来延长,目的是为了达到高次谐波的自相关性能迅速降为零。从理论上分析了算法性能的优越,给出了参数的取值,并在simulink中搭建了仿真模型,仿真实验结果表明,改进后的低通滤波器直流分量的跟踪速度提升了一倍,得到基波正弦波形的THD值下降了0.37%。并得出以下结论:在同样输电条件下,采用改进变步长LMS算法构成低通滤波器加快了直流量的跟踪,提取的基波分量更加接近于理想波形,提升了谐波检测的瞬时性和准确性。

一种LM-BP加速搜索的周跳探测与修复方法

针对传统三频周跳探测与修复方法中的不敏感、漏检以及效率较低等问题,提出一种基于莱文伯格-马夸特(LM)-反向传播(BP)神经网络加速搜索法的伪距相位组合与电离层残差组合联合周跳探测与修复方法:利用2个伪距相位组合以减少不敏感周跳数量,利用1个电离层残差组合以提高小周跳探测敏感度;在构成3个线性无关的组合观测值后,使用LM-BP加速搜索算法进行周跳探测与修复。实验结果表明,相对常规的伪距相位组合与电离层残差组合联合方法,该方法能够提高周跳探测与修复性能,可探测小至1个的周跳,探测与修复整体时效有较大提升。

一种求解非线性方程组的有效Levenberg-Marquardt算法

通过修改LM参数,并结合非单调技术和信赖域技术给出一种求解非线性方程组的有效Levenberg-Marquardt算法,即AMLM算法。在局部误差界条件下,证明了AMLM算法具有局部快速收敛性。数值实验结果表明,AMLM算法稳定、有效。

融合改进LM算法及动态时间规整算法的人体动作捕捉研究

人体动作捕捉是指通过技术手段捕捉人体的运动轨迹和姿态信息,广泛应用于娱乐、体育、医疗等领域.然而,现有的动作捕捉技术存在捕捉不准确、计算效率低等问题,影响了其在实时应用场景中的表现.针对这些问题,引入一种骨骼点坐标拟合优化Levenberg-Marquardt算法,并采用粒子群算法对其加以优化.同时采用动态时间规整算法进行人体动作捕捉及评估,以期实现人体动作的实时捕捉.结果显示,该算法对肩部侧平举这一动作的捕捉准确率最高达到了99.23%,明显优于其余对比算法.此外,该算法对深蹲动作的测试时间最短,仅为1.15 s,表明该算法在进行动作捕捉时具有显著的性能优势及很强的实际应用效果,为人体动作捕捉领域提供了新的解决方案.

基于LM方法的麻花钻刃带宽度测量研究

提出一种基于二值化的麻花钻刃带宽度检测方法。首先对目标边缘进行锐化,然后用巴特沃斯高通滤波提取边缘信息;其次通过改进的大津二值化算法对疑似边缘点进行阈值分割,获取边缘点坐标;再次使用列文伯格-马夸尔特(LM)方法对边缘附近的点进行拟合,得到刃带宽度曲线并求其拐点,求取麻花钻刃带宽度的数据。最后进行对比实验,用LM方法对未处理的M35直径2.5 cm的刃带图像进行处理得到刃带宽度1.467 mm,测量误差0.467 mm。改进后的测量结果为0.853 mm,测量误差为0.147 mm。

基于LM-BP神经网络的办公建筑逐时空调能耗预测

利用LM算法对BP神经网络进行改进,以提高模型收敛速度,减少迭代次数,并分别对夏季、冬季空调能耗模拟数据进行样本训练和测试,构建了LM-BP神经网络的办公建筑逐时空调能耗预测模型。结果表明夏季模型的预测值和模拟值之间的MAPE误差平均为5.74%,冬季模型的MAPE误差平均为5%,其误差均在10%以内,说明LM-BP神经网络在建筑空调能耗预测方面的可行性。并以成都地区某办公建筑实际空调能耗数据为基础对该模型进行了验证,其预测值与实际值平均相对误差为6.6%,说明建立的能耗预测模型能够满足实际工程的需要,准确的用电预测数据可为办公建筑用电侧进行实际电力市场交易提供科学的决策依据。

Vibration Suppression for Active Magnetic Bearings Using Adaptive Filter with Iterative Search Algorithm

Active Magnetic Bearing(AMB) is a kind of electromagnetic support that makes the rotor movement frictionless and can suppress rotor vibration by controlling the magnetic force. The most common approach to restrain the rotor vibration in AMBs is to adopt a notch filter or adaptive filter in the AMB controller. However, these methods cannot obtain the precise amplitude and phase of the compensation current. Thus, they are not so effective in terms of suppressing the vibrations of the fundamental and other harmonic orders over the whole speed range. To improve the vibration suppression performance of AMBs,an adaptive filter based on Least Mean Square(LMS) is applied to extract the vibration signals from the rotor displacement signal. An Iterative Search Algorithm(ISA) is proposed in this paper to obtain the corresponding relationship between the compensation current and vibration signals. The ISA is responsible for searching the compensating amplitude and shifting phase online for the LMS filter, enabling the AMB controller to generate the corresponding compensation force for vibration suppression. The results of ISA are recorded to suppress vibration using the Look-Up Table(LUT) in variable speed range. Comprehensive simulations and experimental validations are carried out in fixed and variable speed range, and the results demonstrate that by employing the ISA, vibrations of the fundamental and other harmonic orders are suppressed effectively.

一种可用于低信噪比环境的变步长LMS算法

论文研究了自适应最小均方误差(Least Mean Squares,LMS)滤波算法的步长选取问题。在分析现有算法的基础上,通过构造步长与误差信号之间的非线性函数,提出一种新的变步长LMS算法。新算法采用误差信号的自相关估计值控制步长,而不是直接利用瞬时误差控制步长,避免了噪声干扰,降低了稳态失调,可工作于低信噪比环境。同时新算法步长控制无记忆效应,提高了收敛速度。仿真表明,新算法的稳态失调和收敛速度均优于现有变步长LMS算法。

基于自适应LMS算法的跨声速风洞模型系统辨识

针对风洞试验模型系统辨识不准确的问题,利用自适应LMS(least mean square)滤波器模型对跨声速风洞模型进行系统辨识。由于实测信号中存在多模态耦合,为了提高系统辨识精准度,首先对输入输出信号作了FRF(frequency response analysis)分析得到试验模型俯仰方向前两阶模态,其次利用快速Fourier变换进行模态解耦,接着利用自适应LMS滤波器模型、传递函数模型、多项式模型对俯仰方向单模态进行系统辨识,最后得到了基于自适应LMS滤波器模型的俯仰方向一阶、二阶模态滤波器系数。通过对比不同数学模型的输出与输入之间的相关系数和均方误差及辨识结果,表明自适应LMS滤波器模型具有更高的系统辨识精准度和更简洁的数学模型结构。为后续风洞试验模型振动主动控制计算法的设计提供有力支撑。

求解Hankel张量方程的修正自适应LM算法

结合经典的LM算法及其变形,提出了求解Hankel张量方程的修正自适应LM算法,并证明其全局收敛性和局部二次收敛性.数值实验验证了所提算法的可行性和有效性.

基于N-LMS算法的电流互感器异常数据智能监测方法

为了提高电流互感器异常数据智能监测的准确性,应对多工况的监测需求,设计一个基于N-LMS算法的电流互感器异常数据智能监测方法。设定电网参考电压信号的采样参数,采用随机抽样方法获取数据特征维度取值,采用等宽法处理电压数值,获得每组数据之间的关系。为了避免电压波形畸变对检测结果的影响,采用自适应滤波方法检测谐波电流,使反馈误差接近于0。提取电流互感器粗集规则,制定决策表,结合决策表判定故障发生的区段,实现基于N-LMS算法的电流互感器异常数据智能监测方法设计。实验结果表明,所设计方法在泄漏电流、电容量情况与谐波电流波形的监测上,在电流互感器A相升压过程介损监测与电流互感器A相降压过程介损监测上,都具有较高的准确度,能满足设计需求。

基于LM算法的继电保护装置稳定性自动化检测方法

为增强继电保护装置稳定性检测的效果,提出基于LM算法的继电保护装置稳定性自动化检测方法。该方法首先对数据进行采集,并采用局部异常因子对数据进行预处理,以提高数据质量;然后,选取Weibull分布函数作为老化失效模型的基本函数,并对其进行求导,得到相应的失效密度函数,构建继电保护装置老化失效模型;最后,利用LM算法估计该模型的关键参数,以提高检测的准确性,并将更新后的参数输入老化失效模型中,实现继电保护装置稳定性自动化检测。结果表明,所提方法检测准确性较高,且具有较高的检测效率,可有效实现对继电保护装置的稳定性检测。

基于遗传LM算法的分布式电网异常负荷自动识别方法

传统分布式电网异常负荷自动识别方法直接对电网负荷数据实施分类,未进行预处理,识别错误率较高。提出基于遗传LM算法的分布式电网异常负荷自动识别方法。首先,预处理采集到的分布式电网异常负荷数据;其次,通过遗传算法生成初始种群,其中,每个个体对应一个电网负载数据、异常负荷特征的参数组合;然后,利用LM算法的局部优化特性对电网数据参数组合进行局部优化,对遗传算法进行改进,计算其适应度,得到准确的电网负荷数据异常分类结果;最后,进行电力负荷异常值的识别。结果表明,该研究方法识别错误率更低,具有实用性。

基于改进粒子群算法的LM神经网络模型预测爆破块度

矿岩爆破块度是对爆破效果进行定量评价的重要指标,它直接影响到矿山各后续生产工序的效率和采矿生产的总成本。在解决这类动态非线性问题时,需要考虑爆破效果与影响参数之间的复杂关系。论文提出了一种改进粒子群算法的LM(Levenberg-Marquardt,莱文贝格-马夸特)神经网络模型,通过改进粒子群算法可提高LM神经网络对缺陷属性识别的计算精度,从而实现对爆破效果的预测。通过临江冷堡子硅石矿现场爆破实验实例,验证了该神经网络模型及计算方法的可行性及实用性。

基于变步长凸组合LMS自适应滤波高原动态血氧检测系统设计

针对基于光电检测方法的血氧仪只能在静止状态下测试血氧饱和度(血氧)的问题,提出一种基于变步长凸组合LMS自适应滤波动态血氧检测方法。方法对原始光电描记脉搏波信号经预处理后,通过固步长与变步长LMS自适应算法组合,以三轴加速度计采集信号作为运动噪声参考信号,获得理想脉搏波信号再准确计算血氧值。在此基础上,开发了一套基于物联网的穿戴式高原血氧检测系统,经过模拟正常行走及在不同海拔条件下测试,最大误差不超过4%,验证了算法的有效性和准确性。结果显示,基于物联网的血氧监测系统对于高原旅游中高原反应的实时监测与提醒具有实际意义。

基于LM算法的惯导自主阻尼算法

针对机动状态或外部信息缺失时,振荡误差补偿的难题,提出了一种不依赖外部参数的惯导自主阻尼算法。所提方法基于传统惯导算法,利用LM算法估计出速度误差模型,进而预测外速度时间序列进行外水平阻尼,摆脱了对外部信息的依赖,还能实现对周期性振荡误差和载体加速度影响的有效抑制。阻尼算法仿真结果表明:对比遗传算法(GA)、最小二乘(LS)法,LM算法估计出的模型在自主阻尼中取得了最佳的阻尼效果,24 h内自主阻尼与外水平阻尼的俯仰角阻尼效果差值不超过4′,验证了所提算法对外水平阻尼算法的近似效果以及对于非训练数据的泛化能力。

Adaptive inverse control of random vibration based on the filtered-X LMS algorithm

Random vibration control is aimed at reproducing the power spectral density （PSD） at specified control points. The classical frequency-spectrum equalization algorithm needs to compute the average of the multiple frequency response functions （FRFs）, which lengthens the control loop time in the equalization process. Likewise, the feedback control algorithm has a very slow convergence rate due to the small value of the feedback gain parameter to ensure stability of the system. To overcome these limitations, an adaptive inverse control of random vibrations based on the filtered-X least mean-square （LMS） algorithm is proposed. Furthermore, according to the description and iteration characteristics of random vibration tests in the frequency domain, the frequency domain LMS algorithm is adopted to refine the inverse characteristics of the FRF instead of the traditional time domain LMS algorithm. This inverse characteristic, which is called the impedance function of the system under control, is used to update the drive PSD directly. The test results indicated that in addition to successfully avoiding the instability problem that occurs during the iteration process, the adaptive control strategy minimizes the amount of time needed to obtain a short control loop and achieve equalization.

MI-NLMS adaptive beamforming algorithm for smart antenna system applications

A Matrix Inversion Normalized Least Mean Square (MI-NLMS) adaptive beamforming algorithm was developed for smart antenna application. The MI-NLMS which combined the individual good aspects of Sample Matrix Inversion (SMI) and the Normalized Least Mean Square (NLMS) algorithms is described. Simulation results showed that the less complexity MI-NLMS yields 15 dB improvements in interference suppression and 5 dB gain enhancement over LMS algorithm, converges from the initial iteration and achieves 24% BER improvements at cochannel interference equal to 5. For the case of 4-element uniform linear array antenna, MI-NLMS achieved 76% BER reduction over LMS algorithm.