Time-optimal trajectory planning based on improved adaptive genetic algorithm

This paper investiga tes a trajectory planning algorithm to reduce the manipulator’s working time.A t ime-optimal trajectory planning(TOTP)is conducted based on improved ad aptive genetic algorithm(IAGA)and combined with cubic triangular Bezier spline(CTBS).The CTBS based trajectory planning we did before can achieve continuous second and third derivation,hence it meets the stability requirements of the m anipulator.The working time can be greatly reduced by applying IAGA to the puma 560 trajectory planning when considering physical constraints such as angular ve locity,angular acceleration and jerk.Simulation experiments in both Matlab and ADAMS illustrate that TOTP based on IAGA can give a time optimal result with sm oothness and stability.

基于IAGA的机械手时间最优轨迹规划

为了实现机械手在约束范围内以最快的速度运动,将遗传算法应用于机械手时间最优轨迹规划的研究。在遗传算法进化过程的基础上,提出了一种基于种群集散状态的改进自适应遗传算子,同时采用了优胜劣汰的选择方式,进化后期交换交叉和变异的顺序,有效地解决了简单遗传算法的两大缺陷。对PUMA560的前三铰进行了仿真试验,并与混沌优化法进行了对比分析。实验结果表明,所提出的算法可以有效地防止早熟,收敛速度更快,鲁棒性更好且拥有较强的寻优能力。

自动气象站数据采集器温度通道的环境温度补偿

针对自动气象站数据采集器温度通道容易受到环境温度影响限制测量精度的问题,对数据采集器进行了温度漂移检测实验并对实验数据进行了误差分析,提出了基于改进自适应遗传算法优化的最小二乘支持向量机(improved adaptive geneticalgorithm least squares support vector machine,IAGA-LSSVM)的温度补偿方法。改进的自适应遗传算法能够对最小二乘支持向量机拟合过程中的关键参数进行调整从而建立最优模型。与传统LS-SVM相比,IAGA-LSSVM对温度数据的建模均方根误差减小了0.007,有效提高了建模的精度。根据建立的最优函数模型对该数据采集器温度通道进行温度补偿结果表明,经该方法补偿后的数据采集器在任何温度环境下的温度测量误差均小于0.03℃,具有更高的测量精度和稳定性,有效提高了自动气象站的温度观测质量。同时,设计开发了温度补偿界面,为自动气象站观测数据校验和实际业务应用奠定了基础。

基于改进自适应遗传算法的MIMO雷达阵列优化

针对传统遗传算法在全局搜索和收敛方面的不足,提出一种改进自适应遗传算法。算法改进了自适应规则,采用随迭代次数和种群适应度自适应变化的交叉、变异操作,同时采用新的选择算子和改进后的最优精英保留策略,摒弃了传统轮盘赌博选择法,增加了收敛于全局最优解的概率,加快了收敛速度。通过测试函数优化求解试验证明,改进算法能够有效提高搜索过程种群的多样性,具有更快的收敛性和更好的全局最优性。在此基础上,将改进的自适应遗传算法应用到MIMO雷达阵列优化设计,通过稀疏栅格编码,采用同时考虑副瓣电平与波束宽度的双适应函数,使优化得到的MIMO雷达方向图具有更好的综合性能,更利于实际工程应用。最后仿真实验结果进一步验证了本文改进算法的有效性。

增程式电动汽车能量管理策略控制参数优化研究

为了进一步提高增程式电动汽车发动机的燃油经济性和排放性,对基本遗传算法进行改进,生成改进的自适应遗传算法,并将其应用于增程式电动汽车能量管理策略控制参数的优化。通过权值函数的方法将燃油消耗和排放多目标优化问题转化为单目标优化问题,并采用罚函数的方法对工况运行前后蓄电池荷电状态的增量进行约束,对增程式电动汽车发动机燃油经济性和排放性进行优化仿真。仿真结果表明,采用改进的自适应遗传算法能够有效优化增程式电动汽车能量管理系统的控制参数,使发动机的燃油经济性和排放性得到较大的提高。

基于语音、表情与姿态的三模态普通话情感识别

为了克服单模态普通话情感识别效率低、可靠性差的问题,对情感识别非常重要的语音、表情与姿态三个模态进行特征层融合,提出普通话三模态情感识别方法。首先从语音声学、面部表情和运动姿态中分别提取不同的情感特征,然后采用改进的遗传算法IAGA进行三模态情感特征融合,最后利用SVM分类器构建预测模型并完成情感识别。将三模态融合方法在CHEAVD中文多模态情感数据集进行测试,并和传统的单模态、双模态情感识别进行对比,实验结果表明,双模态融合的情感识别率要高于单模态,三模态融合的情感识别率高于双模态,验证了普通话三模态情感识别方法的有效性。

改进变分模态分解在柴油机故障诊断中的应用

为实现柴油机故障的快速诊断,针对变分模态分解(VMD)的不足,提出一种改进的VMD方法,利用改进自适应遗传算法(IAGA)对VMD的参数进行优化。对IAGA的交叉和变异算子进行改进,将VMD分解结果中的局部极小排列熵值作为整个进化过程中的适应度值,对VMD的模态数K与惩罚因子α进行迭代寻优,得到最优参数组合。利用优化后的VMD对曲轴轴承故障模拟实验振动信号进行分解,根据排列熵值大小选择故障分量并提取能量,利用支持向量机(SVM)对故障模式进行识别。仿真分析和曲轴轴承故障模拟实验验证该方法有效。

基于IAGA-BP神经网络的海洋平台健康状况预测

对海洋平台的健康状况进行客观合理的评估是保障海洋平台正常安全运作的重要前提。针对海洋平台日益突出的健康状况评估问题,提出了基于改进的遗传算法和BP神经网络相结合的海洋平台健康状况预测模型。该模型首先对传统的遗传算法进行改进,保留精英个体,大概率选择优秀个体,直接淘汰较差个体,通过自适应算法改进交叉概率和变异概率,再通过改进的遗传算法对BP神经网络的初始权值和阈值进行优化,以优化了初始权值和阈值的BP神经网络对海洋平台健康状况进行评估。通过对海洋平台的历史监测数据进行了仿真验证,结果表明,传统BP神经网络预测误差大多在0.4~0.8之间浮动,GA-BP神经网络预测误差大多在0.2~0.4之间浮动,而IAGA-BP神经网络预测误差大多在0.1~0.2之间浮动,IAGA-BP神经网络模型的收敛速度和精度明显优于传统的BP神经网络模型和GA-BP神经网络模型,可以更好的适用于对海洋平台健康状况的预测。