基于混合灵敏度设计的结构H_(∞)鲁棒半主动控制

为兼顾基于磁流变阻尼器(MRD)的结构减振效果和控制算法的鲁棒性,提出了一种改进的H_(∞)鲁棒半主动控制方法.将基于干扰抑制问题的H_(∞)控制系统的设计转化为混合灵敏度求解问题,为了克服对工程经验的依赖性,并提高主动控制力的计算精度,提出利用鲸鱼优化算法对H_(∞)控制器的混合灵敏度加权函数进行带约束优化设计.利用限幅电压定律,将所设计的鲁棒控制器输出的主动控制力转换成MRD的控制信号,从而输出理想的阻尼力.研究结果表明:相较于其他4种半主动控制算法,本文所提出的控制算法具有更优越的综合控制性能.此外,该算法对地震波和结构参数的变化具有鲁棒性.

改进深度学习的车牌字符识别技术

针对传统车牌字符检测方法存在效率低、可靠性差的情况,提出应用Haar级联检测结合深度学习方法的卷积神经网络车牌字符识别法.首先采用Haar级联分类器提取出图片中车牌的位置,通过灰度、阈值、腐蚀、膨胀等预处理提取出车牌字符;然后收集字符数据,对CNN神经网络在角度倾斜、光照变化和噪声污染复杂条件下进行训练,使用训练后得到的模型对车牌字符图片进行识别.实验结果表明,该方法识别车牌字符正确率较高,在角度倾斜、光照变化等噪声污染条件下的准确性和稳定性较好,能够有效地降低车标识别的错误率.

混合遗传算法的多因素快递配送车辆路径分析

针对快递配送过程中存在多种影响配送效率和成本的因素,建立时间成本数学模型.该模型考虑到客户接收的时间约束、拥堵路段不同时段的时间成本,以及配送时间约束等因素.并在此基础上提出一种混合遗传算法,该算法采用特有的编码方式,实现对车辆路径、配送时间节点、误点时间成本等信息的编解码,此外考虑到标准遗传算法在搜索大规模数据时易出现早熟收敛,搜索效率下降等问题,该混合遗传算法增加了局部搜索模块,通过三角分布概率更新劣等基因,从而提高算法的局部搜索能力.通过仿真实验得到快递车辆配送路径及配送时间节点等优化信息,并验证了算法和数学模型的有效性.

基于改进混合蛙跳算法的快递配送车辆路径分析

建立时间成本数学模型,考虑车辆配送的时间约束、配送车辆的载重和快递体积的限制,并在此基础上提出一种改进型混合蛙跳算法.该算法采用配送点进行编号的编码方式,实现对车辆数量、配送路径、到达配送点时间、驶离配送点时间、车辆载重和快递体积信息的解码.此外考虑到混合蛙跳算法在搜索大规模数据时搜索效率低等问题,该改进型混合蛙跳算法增加了参与更新的蛙数,通过二项分布概率更新选中的蛙,从而提高算法的搜索效率.通过仿真实验得到快递车辆配送路径及车辆数量等优化信息,并验证了算法和数学模型的有效性.