融合改进头脑风暴与Powell算法的马铃薯多模态图像配准

基于热成像仪获取作物冠层温度可以实现作物水分胁迫状态的非接触式、无损检测,并且具有高通量检测的潜力。然而热红外图像存在作物边缘分布不清晰、噪声强、缺乏形状、纹理信息等问题,无法实现作物冠层温度自动化提取,利用可见光与热红外图像间的信息互补性,通过图像自动配准技术可以弥补热红外图像缺点,为自动化检测提供基础。为解决可见光图像与热红外图像之间辐射、形状和纹理差异,导致不同模态图像配准难度较大问题,该研究提出了一种融合改进头脑风暴(brain storm optimization algorithm,BSO)与Powell算法的可见光与热红外图像配准方法。研究通过对原始BSO优化算法进行改进使得整体算法更好寻找到最优仿射变换矩阵进而完成图像配准任务,具体改进包含以下5个方面:使用混沌映射函数初始化BSO群体分布、修改新个体变异范围、手肘法动态调整BSO中K-means聚类数、在个体变异方式策略中加入混沌本地搜索方法、在算法执行过程中根据BSO算法前期后期不同特性动态调整概率参数。研究选用互信息值(mutual information,MI)、归一化互信息值(normalized mutual information,NMI)、均方根误差(root mean square error,RMSE)和平均结构相似性指数(mean structure similarity index measure,MSSIM)作为评价指标。该研究算法相对比Powell优化算法、遗传算法(genetic algorithm,GA)和BSO_Powell算法在温室数据中MI指标分别提升0.054 2、0.076 9、0.040 5,NMI指标分别提升0.015 9、0.023 1、0.052 7,RMSE指标分别降低15.02、13.03、27.08,MSSIM指标分别提升0.052 3、0.048 8、0.122 4;大田数据中MI指标分别提升0.064 2、0.066 7、0.035 5,NMI指标分别提升0.007 7、0.012 5、0.012 4,RMSE指标分别降低14.06、10.57、15.40,MSSIM指标分别提升0.047 1、0.038 1、0.042 9。结果表明,所提出算法具有很强的鲁棒性,能够准确完成复杂环境下马铃薯多模态图像配准任务。

基于镜像修正FxLMS控制算法的船舶管路振动主动控制

针对船舶管路减振和抗冲击的需求,本文根据镜像修正自适应滤波算法,设计出了一种管路振动主动控制策略,能够有效地控制管路在低频下的振动,并且在次级通道发生突变时,控制系统可再次快速收敛,进行稳定控制。本文先对镜像修正自适应滤波算法进行理论研究,分析算法的迭代及控制过程;再通过仿真分别验证算法在不同参考信号输入下的收敛性及稳定性;最后搭建实验台架,通过试验验证算法的实际控制效果。试验结果表明:该控制策略在管路振动主动控制中能够降低15.37%的振动强度,比自适应滤波算法控制策略的控制效果好8.85%。所以镜像修正自适应滤波算法能够及时有效地进行管路振动控制。

一种基于非均匀磁化等离子体的修正Z-FDTD算法

对已有的Z变换时域有限差分法(Z-transformation Finite Difference Time Domain,Z-FDTD)在电磁波与非均匀磁化等离子体中的传输特性分析的计算误差问题进行了研究,并探讨了一种修正计算误差的Z变换时域有限差分方法(Modified Z-transform Finite Difference Time Domain,MZ-FDTD),以提升Z-FDTD方法对非均匀磁化等离子体的适用性。对MZ-FDTD和Z-FDTD之间的计算误差问题,通过严格的公式推导求得该误差的计算公式,并引入误差分析因子,对比分析了该误差受空间步长和非均匀磁化等离子体的物理特性的影响特征,在充分的误差分析与网格参数对比后,以电磁波在非均匀磁化等离子体中的传输特性为分析目标,举例说明了MZ-FDTD的优越性。研究结果表明,相比于经典Z-FDTD,通过MZ-FDTD方法计算得到的数值结果具有更高的计算准确度,较低的运行时间和较少的运行内存占用。此外,对电磁波在非均匀等离子体中传输特性分析的举例说明也证明了相比于Z-FDTD,优化的Z-FDTD方法无论是在较低频段还是较高频段都保持较好的稳定性。在今后的工作中,使用MZ-FDTD方法研究非均匀磁化等离子体问题将会获得更好的计算结果,这项工作中的误差分析方法也将对某些计算电磁学在等离子体中的应用与优化工作起到一定的帮助作用。

压差式流量计误差自动化修正算法研究

针对在多干扰源扰动下压差式流量计测量结果面临输出不稳、误差较大的问题,提出多源扰动下的压差式流量计误差自动化修正算法。考虑全补偿气体可膨胀性系数、压缩系数、密度系数和流出系数等因素,研究压差式流量计误差自动化修正算法。利用均值滤波滤除信号中的高斯噪声,结合一阶滞后滤波优化卡尔曼滤波算法,修正多源扰动误差。引入自组织算法和Volterra神经网络进一步改进卡尔曼滤波算法,并优化卡尔曼滤波算法的先验模型参数,以实现多源扰动误差的自动化修正。试验结果表明,经该算法控制后:当参考流量为900 m^(3)/h时,示值误差绝对值为0.203%;当参考流量为700 m^(3)/h时,流量计重复性为0.06%。该研究可以有效识别并修正由于多源扰动造成的流量异常值,且流量测量精度较高。

基于遗传-模拟退火算法修正高斯烟羽模型参数

高斯烟羽模型由于受到地形地貌与气象条件等因素的影响,难以准确反映大气的实际扩散过程。为解决上述问题,首先在经验参数作为先验值的基础上,通过遗传算法对实际观测数据进行参数反演修正,根据观测结果调整模型参数,提高模型的准确性;然后,为进一步优化参数修正结果,引入模拟退火算法,通过随机搜索和逐步降温的策略来跳出遗传算法可能陷入的局部最优解,进一步改善模型的性能。为了评估修正效果,建立一个基于权重的模型值与观测值之间差异的适应度函数,通过比较修正前后的误差率来判断参数修正对高斯烟羽模型的影响程度。仿真实验的结果表明,所提出的遗传-模拟退火算法模型能够有效地修正高斯烟羽模型中的扩散参数,修正后的模型在预测污染物浓度方面的误差率下降了89.40%。所提模型可为环境保护和污染防治提供重要的理论支撑和决策依据,具有较大的应用潜力。

免疫粒子群算法在修正高斯模型下的源强反演

为提高危险气体泄漏溯源定位的科学性和实效性,确定危险气体泄漏位置和强度是事故应急响应的关键。首先,根据质量守恒定律,分析、改进近似高斯分布的气体羽流扩散幅度,修正高斯烟羽模型;然后,基于免疫浓度筛选机制作为主策略的免疫算法(IA),通过与粒子群算法(PSO)耦合,将混合免疫粒子群(PSO-IA)算法应用到源强反演中;最后,验证PSO-IA算法溯源定位效果。结果表明:与模式搜索法(PS)、遗传算法(GA)、PSO相比,修正高斯烟羽模型预测值误差均下降2%左右;混合PSO-IA算法相较PSO算法反演源强效果有明显提升,其算法定位误差为1.3 m,求解源强误差为0.8%,单次计算时间小于1 s,能实现快速、准确定位并估算源强度。

基于遗传算法的约束等式修正法

层次分析法研究中的热点问题之一是判断矩阵的一致性修正问题。约束等式修正法可以快速将判断矩阵修正为一致性矩阵,该方法对矩阵的数值改动较大,对专家意见的保留度极低,使矩阵丢失原本含义,降低层次分析法的可靠性。在约束等式修正法中引入遗传算法的思想,通过构建合理的适应度函数,既能使矩阵通过一致性检验,又可以最大限度地保留专家意见。通过对适应度函数参数值的调整,可以自由调节专家意见与矩阵一致性指标的权重从而解决各种场景下的判断矩阵修正问题。本方法适应范围广且修正稳定。在解决某企业零件寿命预测的问题中发挥了重要的作用,有一定的实用价值。

修正共轭梯度算法求解四元数Sylvester张量方程

本文提出一类张量形式的修正共轭梯度算法求解四元数Sylvester张量方程.证明在不计舍入误差的情况下,所提方法可在有限迭代步内获得张量方程组的解.进一步,通过选择特殊类型的初始张量,可获得方程组的唯一极小Frobenius范数解.通过数值算例验证了所提出算法的可行性和有效性.

基于改进Cao算法的SSA与误差修正的超短期风电功率预测

针对风电历史信息运用不充分和未充分挖掘机器学习模型潜力的问题,提出一种特征奇异谱分析和模型误差修正的超短期功率预测。首先,利用随机森林分析不同特征对输出功率的影响程度,并利用累积贡献率进行特征提取。其次,通过改进的Cao算法确定奇异谱分析最佳嵌入维数,对提取的特征实现降噪处理,从而构建风电功率预测模型。最后,利用预测值与真实值的误差构建误差预测模型,通过预测的误差来修正功率预测的结果。以国内某小型风电场算例结果表明,所提方法较卷积神经网络-长短期记忆(CNN-LSTM)预测模型均方根误差(RSME)和均方误差(MSE)分别降低45%和53%,验证了所提模型的有效性。

基于伪逆法的数字温度计温度修正曲线重建算法

目前,基于工业铂电阻的高精度数字温度计已成为当下热门研究方向,但受材料和制作工艺的影响,其测量精度相对一般,且随使用年限的增加,出现阻值漂移导致测温偏差在所难免.温度修正算法是提高数字温度计测量精度的有效方法,传统的补偿函数修正算法修正效果良好,但无法解决阻值漂移等问题;分段线性修正算法原理简单、易于实现,但需多点测温,且在面对温度修正曲线非线性变化时,限制了修正准确度和普适性.因此,本文提出了一种基于伪逆法的温度修正曲线重建算法.该方法利用原始标定数据和多个特征温度点建立重建矩阵.在实际使用中,通过待重建的特征温度点便能重建完整的温度修正曲线,并将重建的温度修正曲线自动纳入样本库中,从而提高样本的多样性和算法的修正精度.实验结果表明,该算法在面对温度修正曲线非线性变化和漂移时,具有更好的修正效果,且仅需采集4个特征温度点便能较好地重建完整的温度修正曲线.因此,该算法可以为提高数字温度计测量精度提供有效的支撑.

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.

基于径向基响应面和遗传算法优化的大跨悬索桥有限元模型修正

为建立贴合桥梁实际状况的有限元模型,提出了一种精确预测、分析大跨度悬索桥结构行为的有限元模型修正方法。通过高斯径向基函数构建响应面模型,将结构动力特征作为特征量构建目标函数,并引入遗传算法进行优化求解,对某大跨悬索桥的有限元模型利用数值仿真数据和安全监测系统实测数据进行了修正。结果表明:采用高斯径向基函数建立响应面模型进行有限元模型修正,可有效提高有限元模型计算精度。同时,遗传算法的引入大幅提高了计算效率。基于数值仿真数据修正后,桥梁有限元模型计算误差均小于3%。基于安全监测系统实测动力特征修正后,最大计算误差由20.4%下降至10%以内,最大误差减少54.0%以上。可见该方法具有较高的精度和较强的工程适用性,可对大跨悬索桥有限元模型进行有效修正。

基于Powell算法与改进遗传算法的医学图像配准方法

针对基于互信息图像配准的局部极值问题,提出一种基于Powell算法与改进遗传算法结合的医学图像配准方法。该方法对标准遗传算法存在的收敛速度慢、易早熟、有可能导致误配的缺陷,提出了相应的改进策略;采用Logistic混沌映射生成迭代过程中的个体;运用基于小波变换的多分辨率分析策略,采用混合优化算法在图像的最低分辨率层进行全局优化,以全局最优值,结合Powell算法完成医学图像配准。实验结果表明,所提方法可有效避免优化算子陷入局部极值,并提高了配准速度;相对于纯Powell方法和未改进的遗传算法,配准的精确度和性能更好。

融合高斯变异和Powell法的花朵授粉优化算法

花朵授粉算法(flower pollination algorithm,FPA)是最近提出的一种新型群智能优化算法,由于其较好地解决了全局搜索和局部搜索的平衡性问题,且具有参数少,易实现等特点,已得到广泛应用和研究,但现有研究对其参数的研究较少,同时该算法也存在演化后期收敛速度慢且易陷入局部极小等缺陷,使其应用范围受到制约。为了提升FPA算法的整体性能,对其控制步长的缩放因子的取值进行了修正;提出了把高斯变异和Powell法融入到花朵授粉算法中的混合算法GMPFPA(flower pollination algorithm combination with Gauss mutation and Powell search method)。改进算法首先利用高斯变异对全局搜索进行扰动,增强种群的多样性,提高全局探测能力,然后引入局部寻优能力强大的Powell法提升其局部开发能力。通过12个高维经典测试函数对比实验,验证了改进算法的有效性和优越性。

改进的人工鱼群算法和Powell法结合的医学图像配准

针对目前基于互信息图像配准的局部极值问题,提出了一种改进的人工鱼群算法和Powell算法结合的多分辨率医学图像配准算法.该算法采用新的相似性测度方法即归一化模糊加权互信息和归一化局部能量加权匹配度,利用多分辨率策略采用HPV插值,并采用改进的人工鱼群算法结合Powell算法完成医学图像的配准.采用改进的人工鱼群算法在图像的最低分辨率上进行全局优化,以全局最优值为初始值,结合Powell算法完成图像配准.这不仅基本解决了互信息函数和Powell算法的局部极值问题,还减少了数据的处理量,加快了配准速度.实验结果表明,文中算法与其他经典的配准算法相比,提高了配准的精确度和性能.

基于多分辨率和Powell算法的医学图像配准

针对基于互信息和Powell算法存在局部收敛的问题,在改进的Powell算法的基础上,提出了一种基于多分辨率策略的医学图像配准算法。首先通过小波变换对源图像进行分层,然后在最低频带使用改进的Powell算法进行搜索,并利用搜索结果来指导上一层的搜索,逐层细化,由粗到细,最终实现图像的精确配准。实验结果表明,该方法较传统方法速度快、精度高、鲁棒性好,同时能有效避免局部收敛。

蚁群算法和Powell法结合的多分辨率三维图像配准

基于互信息的配准方法具有精度高,鲁棒性强的特点,成为近年来图像配准研究的热点。但基于互信息的目标函数存在许多局部极值,为配准的优化过程带来了很大的困难。该文提出了一种蚁群算法和Powell法相结合的多分辨率搜索优化算法。该算法以互信息作为相似性测度,采用基于小波变换的多分辨率策略,将蚁群算法与Powell法结合起来对三维的CT,MR图像进行了配准。实验结果表明,这种方法能够有效地克服互信息函数的局部极值,大大地提高了配准精度,达到亚像素级。

求解连续空间优化问题的Powell蚁群算法

针对连续空间函数优化问题,提出了Powell蚁群算法.该算法把Powell方法嵌入蚁群算法的局部搜索,提高蚁群算法的搜索精度和收敛效率.全局搜索过程中,把传统蚁群算法中的信息素更新和蚂蚁的转移规则拓展到连续空间中,定义了相应的求解算法.通过对二维多极值非线性函数的寻优实例进行仿真,并与Powell方法的求解结果进行比较,证明该方法的有效性.

基于Powell局部搜索策略的全局优化布谷鸟算法

为了解决布谷鸟搜索算法后期收敛速度慢、求解精度不高、易陷入局部最优等缺陷,提出了一种基于Powell局部搜索策略的全局优化布谷鸟搜索算法。算法将布谷鸟全局搜索能力与Powell方法的局部寻优性能有机地结合,并根据适应度值逐步构建精英种群候选解池在迭代后期牵引Powell搜索的局部优化,在保证求解速度、尽可能找到全局极值点的同时提高算法的求解精度。对52个典型测试函数实验结果表明,该算法相比于传统的布谷鸟搜索算法不仅寻优精度和寻优率有所提高,并且适应能力强、鲁棒性好,与最新提出的其他改进算法相比也具有一定的竞争优势。

高速铁路动静态轨检数据里程对齐与误差修正

轨道几何动、静检测数据间的精确匹配对探明高速铁路线路服役状态和制定准确可靠的养护维修策略具有关键作用。针对动静里程匹配算法研究较少的现状,提出利用动、静态实测数据波形匹配,建立基于互相关函数与动态时间规划相结合的两阶段修正算法,并以距离误差作为评价指标。结合某高铁线路轨道几何检测数据的案例分析,以静态检测数据作为参考基准,对动态检测数据进行里程误差评估与修正。结果表明,两阶段算法修正效果显著,累积距离误差降幅超过93%,修正后的动、静态检测数据严格对齐保证了动态检测数据的可靠性与有效性。