期刊导航
期刊开放获取
cqvip
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于混合策略的自适应教与学优化算法
被引量:
6
1
作者
毕晓君
李月
陈春雨
《哈尔滨工程大学学报》
EI
CAS
CSCD
北大核心
2016年第6期842-848,共7页
为提高教与学优化算法的综合性能,提出一种基于混合策略的自适应教与学优化算法。将随机性学习与有向性学习融合,提出一种自适应综合交叉学习策略,根据进化的不同阶段自适应地选择学习方式,增强算法对解的搜索能力;加入一种方向性的扰...
为提高教与学优化算法的综合性能,提出一种基于混合策略的自适应教与学优化算法。将随机性学习与有向性学习融合,提出一种自适应综合交叉学习策略,根据进化的不同阶段自适应地选择学习方式,增强算法对解的搜索能力;加入一种方向性的扰动策略,增大种群多样性,较大程度地加大了对搜索空间的探索力度,降低了种群陷入局部最优的可能。基于标准测试函数的仿真实验结果表明,本文算法可有效避免算法陷入局部最优,在收敛精度和收敛速度上有较大提高。
展开更多
关键词
教与学优化算法
自适应
综合交叉学习
扰动策略
混合策略
下载PDF
职称材料
多策略人工兔算法优化粒子滤波的SLAM精度研究
2
作者
杨光永
蔡艳
+1 位作者
陈旭东
徐天奇
《重庆理工大学学报(自然科学)》
北大核心
2023年第11期257-268,共12页
针对传统粒子滤波算法(particle filter,PF)重采样导致粒子贫乏,以及需增加粒子数提高估计精度的问题,提出一种基于多策略人工兔算法优化的粒子重组滤波算法。引入中垂线算法提高人工兔算法收敛速度,通过其觅食与隐藏机制,使得最优粒子...
针对传统粒子滤波算法(particle filter,PF)重采样导致粒子贫乏,以及需增加粒子数提高估计精度的问题,提出一种基于多策略人工兔算法优化的粒子重组滤波算法。引入中垂线算法提高人工兔算法收敛速度,通过其觅食与隐藏机制,使得最优粒子引导粒子集向高似然区域移动,以此提高估计精度;实时计算最优粒子附近的粒子密度,当密度大于设置的阈值时,自适应调整迭代次数,当大于最大密度值时,引入自扰动策略避免陷入局部最优以及增加样本多样性;重采样阶段,将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。通过仿真检验改进算法在SLAM中的性能,结果表明:该算法与其他3种算法相比,位姿与路标估计精度更高,鲁棒性更佳。
展开更多
关键词
粒子滤波
中垂线算法
人工兔优化算法
自适应调整
自扰动策略
SLAM
下载PDF
职称材料
考虑液压系统SAD控制策略的VSL随动性能优化分析
3
作者
董超
《黑龙江科学》
2022年第24期54-57,61,共5页
液压系统润滑油受系列化可变静载荷(VSL)跟踪性能的影响,提出了一种改进的自湍流(STF)算法。该算法基于液压系统润滑油静压(LOSP)的实时采集和监测来模拟VSL,提出用于LOSP采集的电液伺服(EHS)控制系统的数学模型,设计了STF控制器弄进行...
液压系统润滑油受系列化可变静载荷(VSL)跟踪性能的影响,提出了一种改进的自湍流(STF)算法。该算法基于液压系统润滑油静压(LOSP)的实时采集和监测来模拟VSL,提出用于LOSP采集的电液伺服(EHS)控制系统的数学模型,设计了STF控制器弄进行数值分析,讨论了EHS系统LOSP的自抗扰(SAD)控制策略,用于二次优化、极点布置、PID和STF控制。通过SIMULINK模块构建了STF控制的LOSP仿真模型,数值模拟结果表明过冲显著降低。提出的SAD控制算法通过实验验证,大大提高了LOSP的采集跟随性和监测精度,通过预先设计的EHS控制系统,可有效稳定调整可变液压LOSP的采集和监控,适用于动力液压流体润滑中。
展开更多
关键词
液压系统
润滑油静压
自湍流算法
电液伺服
自抗扰动控制策略
下载PDF
职称材料
题名
基于混合策略的自适应教与学优化算法
被引量:
6
1
作者
毕晓君
李月
陈春雨
机构
哈尔滨工程大学信息与通信工程学院
出处
《哈尔滨工程大学学报》
EI
CAS
CSCD
北大核心
2016年第6期842-848,共7页
基金
国家自然科学基金项目(61175126)
中央高校基本科研业务费专项资金项目(Heucfx041306)
教育部博士点基金项目(20112304110009)
文摘
为提高教与学优化算法的综合性能,提出一种基于混合策略的自适应教与学优化算法。将随机性学习与有向性学习融合,提出一种自适应综合交叉学习策略,根据进化的不同阶段自适应地选择学习方式,增强算法对解的搜索能力;加入一种方向性的扰动策略,增大种群多样性,较大程度地加大了对搜索空间的探索力度,降低了种群陷入局部最优的可能。基于标准测试函数的仿真实验结果表明,本文算法可有效避免算法陷入局部最优,在收敛精度和收敛速度上有较大提高。
关键词
教与学优化算法
自适应
综合交叉学习
扰动策略
混合策略
Keywords
teaching-and-learning
based
optimization
self
-adaptation
comprehensive
cross
learning
disturbance
strategy
mixed-
strategy
分类号
TN919.4 [电子电信—通信与信息系统]
下载PDF
职称材料
题名
多策略人工兔算法优化粒子滤波的SLAM精度研究
2
作者
杨光永
蔡艳
陈旭东
徐天奇
机构
云南民族大学电气信息工程学院
出处
《重庆理工大学学报(自然科学)》
北大核心
2023年第11期257-268,共12页
基金
国家自然科学基金项目(61761049)
国家自然科学基金项目(61261022)。
文摘
针对传统粒子滤波算法(particle filter,PF)重采样导致粒子贫乏,以及需增加粒子数提高估计精度的问题,提出一种基于多策略人工兔算法优化的粒子重组滤波算法。引入中垂线算法提高人工兔算法收敛速度,通过其觅食与隐藏机制,使得最优粒子引导粒子集向高似然区域移动,以此提高估计精度;实时计算最优粒子附近的粒子密度,当密度大于设置的阈值时,自适应调整迭代次数,当大于最大密度值时,引入自扰动策略避免陷入局部最优以及增加样本多样性;重采样阶段,将筛选后保留的粒子与剩余粒子重新组合成新的粒子,以此增加粒子多样性。通过仿真检验改进算法在SLAM中的性能,结果表明:该算法与其他3种算法相比,位姿与路标估计精度更高,鲁棒性更佳。
关键词
粒子滤波
中垂线算法
人工兔优化算法
自适应调整
自扰动策略
SLAM
Keywords
particle
filter
median
line
algorithm
artificial
rabbits
optimization
adaptive
adjustment
self
disturbance
strategy
SLAM
分类号
TP242 [自动化与计算机技术—检测技术与自动化装置]
下载PDF
职称材料
题名
考虑液压系统SAD控制策略的VSL随动性能优化分析
3
作者
董超
机构
中车齐齐哈尔车辆有限公司工艺技术部
出处
《黑龙江科学》
2022年第24期54-57,61,共5页
文摘
液压系统润滑油受系列化可变静载荷(VSL)跟踪性能的影响,提出了一种改进的自湍流(STF)算法。该算法基于液压系统润滑油静压(LOSP)的实时采集和监测来模拟VSL,提出用于LOSP采集的电液伺服(EHS)控制系统的数学模型,设计了STF控制器弄进行数值分析,讨论了EHS系统LOSP的自抗扰(SAD)控制策略,用于二次优化、极点布置、PID和STF控制。通过SIMULINK模块构建了STF控制的LOSP仿真模型,数值模拟结果表明过冲显著降低。提出的SAD控制算法通过实验验证,大大提高了LOSP的采集跟随性和监测精度,通过预先设计的EHS控制系统,可有效稳定调整可变液压LOSP的采集和监控,适用于动力液压流体润滑中。
关键词
液压系统
润滑油静压
自湍流算法
电液伺服
自抗扰动控制策略
Keywords
Hydraulic
system
Static
pressure
of
lubricating
oil
self
turbulent
flow
Electro-hydraulic
servo
self
anti-
disturbance
control
strategy
分类号
TG315 [金属学及工艺—金属压力加工]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于混合策略的自适应教与学优化算法
毕晓君
李月
陈春雨
《哈尔滨工程大学学报》
EI
CAS
CSCD
北大核心
2016
6
下载PDF
职称材料
2
多策略人工兔算法优化粒子滤波的SLAM精度研究
杨光永
蔡艳
陈旭东
徐天奇
《重庆理工大学学报(自然科学)》
北大核心
2023
0
下载PDF
职称材料
3
考虑液压系统SAD控制策略的VSL随动性能优化分析
董超
《黑龙江科学》
2022
0
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部