Local minima-free design of artificial coordinating fields

In order to overcome the drawbacks of conventional artificial potential fields (APF) based methods for the motion planning problems of mobile robots in dynamic uncertain environments, an artificial coordinating fields (ACF) based method has been proposed recently. This paper deals with the reachability problem of the ACF, that is, how to design and choose the parameters of the ACF and how the environment should be such that the robot can reach its goal without being trapped in local minima. Some sufficient conditions for these purposes are developed theoretically. Theoretical analyses show that, the ACF can effectively remove local minima in dynamic uncertain environments with V-shape or U-shape obstacles, and guide the mobile robot to reach its goal with some necessary environment constraints and based on the methods provided in this paper to properly choose the parameters of the ACF. Comparisons between the ACF and APF, and simulations are provided to illustrate the advantages of the ACF.

基于改进人工势场法的通用航空路径规划

通用航空飞机在飞行过程除了要面对障碍物和天气系统的威胁,同时也受到飞行空域的限制,往往飞机只能在一块固定的空域或狭小的飞行走廊内飞行,一旦飞出限制空域,则有可能引发飞行冲突,甚至发生严重的安全事故。针对这些问题,在人工势场法斥力势场函数中添加航空器和目标点之间的相对距离函数,首先解决传统人工势场法存在的目标不可达问题和局部极小点问题,然后在算法中加入航路边界斥力影响因子,使飞机避障后在边界斥力的作用下重回航路中心。经过MATLAB仿真验证,试验结果表明,改进后的人工势场法能够实现主动避障和飞机航迹的规划。

基于改进APF算法的水面无人艇局部路径规划

为解决传统人工势场法(APF)进行水面无人艇路径规划时出现局部最小和路径不平滑的问题,对斥力系数进行动态调整并引入逃逸力。为使水面无人艇在动态避碰中按国际海上避碰规则(international regulations for preventing collisions at sea,COLREGS)航行,结合无人艇性能制定了无人艇的避碰规则,并引入转向力。通过Matlab对静态未知障碍物的仿真实验,验证改进APF算法能解决局部最小问题且规划的路径更加安全平滑。通过对动态未知障碍物4种典型局面的仿真实验表明,改进APF算法在复杂环境下也能引导无人艇在符合避碰规则的前提下对多个动态障碍进行安全规避。

布谷鸟算法优化神经网络的站房结构损伤识别

研究目的:在铁路站房结构健康监测中,采用BP神经网络来识别结构损伤常常因为陷入局部极小值导致误报率高。因此,本文使用布谷鸟算法对神经网络进行优化,并将优化后的神经网络模型应用于站房结构损伤识别,以提高损伤识别的准确率。研究结论:(1)利用布谷鸟算法搜索BP神经网络最优的权重和偏置,可以找到模型的全局最优解,防止陷入局部极小值;(2)本文提出的模型适用于铁路站房结构健康监测数据量大、结构复杂、维数高的特点,可通过数据预处理构建神经网络的训练测试数据集;(3)以昆明南站监测数据为例进行试验验证,结果表明,通过布谷鸟算法优化BP神经网络模型准确率达到99.73%,较BP神经网络模型提高1.88个百分点;(4)本文研究可为实时结构性能评估提供技术支撑,可为铁路站房结构健康监测提供新的途径,具有一定的参考价值。

改进人工势场法的移动机器人路径规划研究

针对传统人工势场法存在目标不可达和局部极小值问题,提出一种改进的人工势场法。首先,改进斥力场函数解决目标不可达问题;其次,提出一种椭圆形目标策略,通过设置虚拟目标点引导机器人逃离局部极小值,在此基础上提出一种椭圆形跟踪策略,通过跟踪部分既定椭圆形到达虚拟目标点来逃离局部极小值;最后,为了满足机器人速度与加速度连续性的要求,采用3次均匀B样条曲线对规划出的路径进行拟合处理。实验结果表明,改进人工势场能够有效解决传统人工势场存在的问题,椭圆形跟踪策略在路径长度上比椭圆形目标策略更短,且经样条曲线处理后的路径比原路径平滑。

全波形反演中最优化传输函数研究

不精确的初始速度模型、不完备的数据采集和不准确的物理模拟使全波形反演(FWI)易陷于局部极值,影响着FWI的实用化。发展凸性更优的目标函数是解决此问题的关键。近几年,最优化传输函数提供了新的途径。在全波形反演方法简介的基础上,探讨最优化传输函数的模式匹配特性,重点研究了包括一维和二维算法在的W2,BFM,KR-OT,GS-1D和GS-2D共5种最优化传输函数,阐述其基本原理,从理论上分析了其优、缺点。采用透射模型和SEAMⅡFoothill模型,实现了这5个函数的FWI;根据反演剖面,对5种最优化传输函数的凸性进行了测试和对比分析,结果表明,2D的最优化传输函数优于1D,BFM函数优于W2,GS-2D技术优于GS-1D技术。最优化传输函数的凸性主要取决于范数、预处理和时间空间坐标是否引入最优化传输目标函数等因素。

移动心电监护系统QRS波的实时检测算法研究

针对移动心电监护系统对ECG信号实时分析的需要,提出了利用动态心电图的二阶差分极小值和一阶差分过零点来实现QRS波精确定位的实时检测算法。该算法能克服或抑止各类噪声对ECG信号的影响,并设计了具有自学习和自适应功能的信号检测门限。经过对正常人和临床病人的动态ECG信号进行测试验证,QRS波检测准确率可达99.8%以上,试验结果表明该算法适合于移动心电监护系统QRS波的实时检测和分析。

未知环境下势场法路径规划的局部极小问题研究

势场法路径规划的局部极小问题已经受到了多年关注,本文针对环境完全未知的情况为移动机器人设计了一种基于行为的解决方法.该方法通过合理设计各种行为间的转换条件以保证可靠性,并引入记忆信息以增强机器人对周边环境的认知能力,从而降低决策的盲目性,更准确地决定当前应采用的合适行为.本文方法对于凸形边界障碍物的有效性得到了证明.针对一些复杂的凹形边界障碍物,仿真结果表明,该方法相对于一些已有方法更加可靠.基于真实机器人的实验验证了该方法的可行性.

基于修改误差函数新的BP学习算法

通过分析隐层神经元饱和度对网络性能的影响,构造了新的误差函数,同时设计了一种自适应调节的放大误差信号方法,得到新的BP学习算法。该算法流程简单,不需要太大的计算复杂性。仿真实验结果表明新改进算法在收敛速度和避免误差函数陷入局部极小方面明显优于其它BP算法。

一维层状介质大地电磁模拟退火反演法

大地电磁模拟退火反演法是一种最优化的非线性反演方法，与传统的线性反演方法相比该方法具有：（１）不依赖于初始模型的选择；（２）能寻找全局最小点而不陷入局部极小；（３）在反演过程中不用计算雅可比偏导数矩阵等优点．通过对各种类型的大地电磁测深理论曲线试算，结果表明模拟退火法能准确地自动反演地电参数（地层电阻率、厚度）．最后对实际资料进行了处理，取得了较好的效果．

自适应扩展的简化粒子群优化算法

针对基本粒子群优化算法易于陷入局部最优的问题,提出了一种自适应扩展的简化粒子群优化算法。该算法采用去除速度项的简化算法结构,并用所有粒子个体极值的平均值代替每个粒子的个体极值,自适应动态调整加速系数。实验结果表明,算法能够有效避免早熟收敛问题,其全局收敛性能显著提高,收敛速度更快。

一种实时的动态心电图R波检测算法

提出了采用二阶差分极小值和一阶差分过零点来精确定位动态心电图R波的实时检测算法,包括ECG信号的四点平均滤波处理、心电信号二阶差分极小值的求解及其化简、R波的准确定位和具有自学习及自适应功能的信号检测门限的设计等。经过对正常人和临床病人的动态ECG信号进行测试验证,R波检测准确率可达99.8％以上。该算法具有多项式级的计算复杂度,已成功应用于移动式远程心电监护系统ECG信号的实时分析。

一种机器人逆运动学求解的神经网络方法

研究了机械手控制的逆运动学问题，提出了一种克服Ｈｏｐｆｉｅｌｄ网络的局部极值问题的网络参数扰动算法，通过数字模拟分析了该算法的性能，并将该算法成功地应用于机械手控制的逆运动学问题。计算机仿真表明，这种神经网络控制方法不仅具有较快的速度，而且大大提高了对机械手的控制精度。

基于人工势场法的路径规划方法研究及展望

人工势场方法因其简单、高效、生成路径平滑的特点,在机器人路径规划领域得到了广泛的应用。首先介绍了基于传统人工势场模型的路径规划基本原理,并对其存在的易陷入局部极小值的问题进行了详细分析;然后重点讨论和总结了针对目标不可达、易陷入徘徊抖动状态、动态环境规划能力不足等问题的改进策略;最后对基于人工势场的路径规划方法的发展方向进行了展望。

BP学习算法的改进与应用

目的 对 BP学习算法中存在的大量局部极小点以及收敛速度慢问题进行研究并提出相应的改进方案 .方法 采用类似模拟退火算法调整网络权值修改量 η和动量项 α以及对学习样本进行按类划分 .结果 使用改进后的 BP算法对 4 80个学习样本进行学习 ,识别率从 70 %提高到 95 %,学习时间从 4 h下降到 3 0 min左右 .结论 算法的改进提高了识别率并降低了学习时间 .

智能油漆配色系统的改进BP算法

BP算法具有数学意义明确、学习规则简单等优点,是前向多次神经网络的典型学习算法。但是,BP算法在学习过程中容易陷入局部最小问题。针对这一问题,提出一种修正Sigmoid函数的改进BP算法。实验证明,改进BP算法可以有效克服局部最小,显著提高收敛速度。

随机技术在瞎子爬山法中的应用与实现

介绍了启发式搜索方法瞎子爬山算法及其缺陷，着重论述了随机技术与瞎子爬山算法的结合，对于目前的搜索策略，这是一种很大的改进。

复杂环境下解决势场法局部极小问题的路径规划方法

多年来势场法路径规划的局部极小问题就一直被广泛关注,针对人工势场法所固有的缺陷提出了一种改进的移动机器人路径规划方法.方法利用膨胀与腐蚀算法对机器人的工作空间进行预处理,来优化工作环境,并使用改进的势场法进行机器人导航,以改善其运动轨迹;另外通过设置子目标点使陷入局部极小的机器人快速"逃离"极小状态.仿真结果表明本文算法在复杂环境下解决机器人路径规划的局部极小问题是有效的.

基于荧光光谱的茶汤中拟除虫菊酯类农药的智能识别

基于三维荧光光谱和二维荧光相关光谱,对茶汤中两种拟除虫菊酯农药进行了识别。利用图像局部极值算法,分别提取出三维荧光光谱图和二维相关光谱图中的峰、谷位置信息,然后进行峰位匹配实现茶汤中农药组分的智能识别。结果表明,三维荧光光谱图受到荧光峰重叠的影响,不能对氰戊菊酯进行有效匹配。而利用二维相关光谱不仅可以克服这一缺点,而且不受混合物中农药组分浓度的影响。基于二维荧光相关光谱,对实际茶汤中氰戊菊酯和顺式氯氰菊酯进行了识别,识别率分别为80%和83%。

基于旋转曲面变换的粒子群优化方法

针对粒子群优化算法(PSO)应用于多极值点函数易陷入局部极小值,提出旋转曲面变换(RST)方法.该方法通过将被优化函数映射到一个同胚曲面上,使当前局部极小点变换为全局最大点,并保持被优化函数值在当前局部极小点以下部分的数值不变.当检测到陷入局部极小时,根据具体的优化函数,选择适当的变换参数,进行RST变换,从而得到问题的全局解.并对四个不同的测试函数进行了数值计算实验.结果表明,对于高维函数,当迭代步数相同时,旋转曲面变换粒子群优化算法与其他两种粒子群优化算法相比,具有稳定性要好,收敛速度快.