算法融合

摘要： 针对车辆行驶下的路面附着系数估计问题,提出了扩展卡尔曼滤波算法(EKF,extended kalman filter)与径向基神经网络(RBF,radial basis function neural network)相融合。通过扩展卡尔曼滤波算法得出路面附着系数估计所需要的车辆状态参数,结合轮速等直接数据采用径向基神经网络对路面附着系数进行估计。神经网络的训练样本通过Carsim/Simulink收集不同行驶工况,并采用差值寻优的方法对径向基神经网络算法中的决定系数进行优化。基于双移线工况验证了该算法在路面附着系数估计上具有较高的精准度。

摘要： 针对多机器人环境下时间弹性带(TEB)算法在动态避障时轨迹欠佳且速度输出不稳定的问题,将TEB算法和速度障碍(VO)法进行融合,提出了TEB-VO轨迹规划算法,对机器人临近动态障碍物的避障速度进行约束。之后,设计了一个自适应参数动态调节模块,对规划轨迹的离散间隔以及机器人允许的最大线速度进行动态调整,使得机器人的轨迹趋于平缓且速度输出更加合理。最后,基于机器人操作系统(ROS)与Turtlebot3机器人进行了仿真和实验,验证了该算法具有良好的轨迹规划和动态避障能力。

摘要： 风电机组齿轮箱故障一直是风电场主要机械故障之一,其故障信息多是混有噪声的非平稳信号。为避免陷入对复杂的非线性信号求解,提出多种算法融合下的数字信息频率筛查处理方法。首先利用小波分析对高频信号的敏感性进行消噪,然后充分利用Hilbert-Huang变换对非平稳信号的分解和时频变换能力进行信号特征挖掘,在被干扰的非平稳信号里面找出故障对应频率。充分利用多种算法融合有效去除与主频率不相关的高频噪声,找出时域变换的边际谱。避免了直接分解含有高频信号的不确定性,降低了信号分解过程中回流成分,避免发生反射现象,完成对风电机组齿轮箱故障的非平稳信号频率筛查比对。通过对某机组进行故障实验,验证数字信息频率筛查方法的有效性。

摘要： 激光雷达(light detection and ranging,LiDAR)在室内定位中具有抗干扰能力强,速度、角和距离分辨率高等优点,但在定位过程中其精度易受环境因素干扰影响。提出了一种LiDAR和行人航迹推算(pedestrian dead reckoning,PDR)融合的室内定位方法,以扩展卡尔曼滤波(extended Kalman filter,EKF)为基础,通过对LiDAR的位移增量、角度观测值以及PDR的位姿信息等量测值进行解算,令二者互补融合,有效抑制非视距影响和误差累积的问题,并对单一类组合算法和融合类组合算法的定位精度进行对比分析。实验结果表明:当室内人员为行走状态时,LiDAR和PDR融合定位算法较单一定位方法在精度和稳定性方面均有效提高,PDR定位误差为0.98 m,LiDAR定位误差为0.6 m,EKF融合后定位误差下降到0.32 m。

摘要： 为提高动力电池荷电状态(state of charge,SOC)估算准确性、稳定性,该文提出一种基于LSTM+UKF(long short term memory+unscented Kalman filter)融合的动力锂电池SOC估算方法。构建动力锂电池SOC估算窗口LSTM结构,通过动力电池电流、电压、温度并结合历史数据实时预测动力电池SOC训练网络;设计动力锂电池SOC估算UKF算法,提出融合策略。实验表明,研究窗口LSTM+UKF融合动力锂电池SOC估算方法RMSE、MAX、MAE分别为1.13%、1.74%、0.39%,相较于加窗LSTM网络提升了动力锂电池SOC估算的准确性、稳定性。

摘要： 针对存在障碍物环境的多机器人追捕问题,首先将已改进的人工势场算法与博弈算法融合应用,即根据微分博弈的求解分析结果,实时动态更新人工势场算法中的目标点。其次,提出基于主从追捕机器人的围捕策略,进一步改进博弈算法中的目标点计算,使每一步追捕机器人的运动方向呈现四面包围的形势。仿真结果表明,本文的改进实时动态混合算法能够很好解决存在障碍物的多机器人追捕问题。

摘要： 针对相互速度障碍法(RVO)避障速度理论上可选而实际应用中不可达的问题,综合考虑相互速度障碍法和动态窗口法(DWA)的优缺点,将两种算法进行融合,对可选避障速度进行运动学约束.进一步,针对复杂环境下多移动机器人相遇过程中膨胀半径可能导致移动机器人避障失败的问题,又提出了膨胀半径可变的自适应相互速度障碍法(ARVO).该方法可以通过判断周边环境的复杂度对膨胀半径进行调整,既保障了移动机器人与周边障碍物的安全距离,又适当扩大了可选速度范围.最后,通过机器人操作系统(ROS)中的Gazebo仿真平台验证了算法的良好性能.

摘要： 本文针对SLAM问题中的回环检测算法进行研究,结合深度学习技术,提出了基于Mask R-CNN的回环检测算法。该算法利用MaskR-CNN检测得到的掩膜表示图像特征,定义了一种基于物体掩膜的计算图像相似度的方法。本文还将该算法与经典的BOW算法进行了融合,提出了2种融合算法的方式。本文在2个开放的数据集NewCollege和CityCentre对提出的算法进行了实验。实验结果表明,融合算法有着比BOW算法更高的性能,而且随着图像中可识别物体数量的增加,性能也会增加。

摘要： 根据温室环境下移动机器人作业的实时路径规划要求,提出一种基于改进A*算法与动态窗口法相结合的温室机器人路径规划算法.针对传统A*算法搜索算法拐点过多的问题,对关键点选取策略进行改进,融合动态窗口法,构建全局最优路径评价函数,采用超声传感器进行局部避障,实现实时最优的路径规划.仿真实验结果证明,与传统A*、Dijkstra、RRT算法相比,基于改进A*算法的路径更为平滑和高效.真实环境下实验表明,移动机器人能够实现自主导航,跟踪误差保持在0.22 m以内、定位误差不大于0.28 m,能够满足实际需求.

摘要： 该文基于超声波传感器和蓝牙技术设计了一种双模式智能避障小车.该小车采用STM32F407作为系统控制器,以自动模式和手动模式控制小车进行避障.当处于自动模式时,小车根据5路US-100超声波传感器获取路障信息,进行算法融合之后,做出避障决策,从而实现自主避障;当处于手动模式时,小车根据上位机APP人工控制进行避障,从而达到避障功能.实验表明,智能小车功能符合要求,系统运行具有较好的稳定性和实用性.该技术可应用于无人驾驶、遥控汽车玩具、智能轮椅、扫地机器人等领域.

摘要： 近年来立体视觉技术不断发展,尤其是双目视觉.通过研究基于特征的立体匹配方法、局部立体匹配方法、全局立体匹配方法近几年的研究进展,对双目视觉立体匹配方法进行了概述和总结,通过对几种立体匹配方法的综述可以看出，近年来出现了许多新的算法，尤其以多种算法融合使用来提高匹配精确度、计算效率的居多。基于全局的立体匹配方法误匹配率最低，但是由于计算量大导致计算时间较长，因此不能使用在对实时性要求较高的领域。不过随着计算机硬件的不断发展，计算速度的大幅提升，使得对于以往不能保证实时性的方法，比如全局立体匹配，可以进行更加深入的研究，从而实现精确度与实时性并重的方法。

摘要： 蚁群算法(ACO)是人工智能领域中一种启发式智能搜索算法。近些年来随着蚁群算法的研究逐步深入，许多蚁群算法的改进算法在各个领域得到了广泛的应用。本文对蚁群算法的研究进展及其改进进行了较为详细的介绍，并且对以后可能的研究方向进行了展望。

摘要： 蚁群算法(ACO)是人工智能领域中一种启发式智能搜索算法。近些年来随着蚁群算法的研究逐步深入，许多蚁群算法的改进算法在各个领域得到了广泛的应用。本文对蚁群算法的研究进展及其改进进行了较为详细的介绍，并且对以后可能的研究方向进行了展望。

摘要： 蚁群算法(ACO)是人工智能领域中一种启发式智能搜索算法。近些年来随着蚁群算法的研究逐步深入，许多蚁群算法的改进算法在各个领域得到了广泛的应用。本文对蚁群算法的研究进展及其改进进行了较为详细的介绍，并且对以后可能的研究方向进行了展望。

摘要： 本发明涉及双模态红外图像的融合，具体为基于差异特征幅值区间融合有效度分布的双模态红外图像融合算法选择方法，（1）通过选取红外偏振与光强图像的主要差异特征，提取了差异特征的幅值；（2）通过对差异特征幅值的区间划分，确定了算法在不同幅值区间下的融合有效度，据此构造了融合算法的差异特征幅值融合有效度分布；（3）根据构造的融合算法的差异特征幅值融合有效度分布，能够从多种融合算法中优化选择出融合效果相对最好的算法，克服了一般主观定性分析算法与图像差异特征之间的关系选择融合算法存在的局限性，为融合算法的优化选择提供新的客观依据，更为研究多特征幅值融合有效度分布合成提供了理论基础。

摘要： 一种优化Hooke‑Jeeves算法的方法及装置，涉及混合优化算法领域。现有传统单一优化数学算法在解决多能源系统优化问题时存在优化不易收敛、优化结果容易局部最优或局部搜索能力不足、对初始值敏感，且计算时间长，占用资源较多，难以做到较强局部搜索能力与高效全局寻优性的兼顾。未解决上诉提到的传统单一优化数学算法中存在的问题，本申请提供了一种优化Hooke‑Jeeves算法的方法，在HookeJeeves算法中加入粒子群算法，具体为：通过在粒子群算法对初始值的迭代结果不满足结束条件的情况下，在重新进行迭代之前将当前得到的粒子的极值利用所述的HookeJeeves算法进行优化，得到优化数据；将得到的优化数据返回所述的粒子群算法的上层步骤进行再次运算。适用于解决多能源系统优化的应用。

摘要： 本发明涉及一种遗传算法与差分进化算法串行融合的进化算法，该算法包括如下步骤：S1，随机生成初始种群；S2，利用适应度函数对初始种群中的个体进行适应度的计算；S3，实施进化计算步骤，设置适应度函数值的最小阈值为进化计算的终止条件；S4，对种群中不满足终止条件的全部个体进行遗传操作，产生子代种群1；S5，对子代种群1进行差分进化操作，产生子代种群2；S6，将子代种群2继续返回步骤S2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的个体。通过本发明解决了遗传算法容易过早收敛、差分进化算法计算效率较低的问题点，提高进化算法的优化效率和优化效果。

摘要： 本发明涉及一种遗传算法与粒子群算法并行融合的进化算法，该算法包括如下步骤：S1，随机生成初始种群；S2，利用适应度函数对初始种群进行适应度的计算；S3，实施进化计算步骤，设置适应度函数值的最小阈值为进化计算的终止条件；S4，进行遗传操作，产生子代种群1，同时进行粒子群进化操作，产生子代种群2；S5，将子代种群1和子代种群2合并，并按照适应度排序，取适应度高的个体组合为子代种群3；S6，将子代种群3继续返回步骤S2循环操作，直到达到进化计算的终止条件，输出具有最优适应度的个体。通过本发明解决了遗传算法后期效率低下、粒子群算法容易陷入局部最优解的问题，提高进化算法的优化效率和优化效果。

摘要： 本发明公开了一种基于特征筛选和深度融合的卷积神经网络特征融合算法。方法包括如下步骤：(1)、将来自同一幅影像的多个不同的卷积特征按照通道进行拼接。然后对拼接后的特征进行批量归一化，来调整各层输出特征的分布。(2)对融合后的综合特征进行包括挤压、激励和注意三个过程的特征筛选。(3)通过一维卷积对多个特征进行深度融合，进一步挖掘各个特征的信息和特征信息之间的关系。(4)最后对深度融合的特征进行激活，通过激活函数把激活的特征保留并映射出来。本发明可以明显提升深度学习方法中多特征(多尺度特征融合、注意力特征融合等)相关类别算法模型的精度，提高图像分类、语义分割和目标检测等任务的识别效果。

摘要： 本发明涉及一种基于多聚焦图像融合和HDR算法的样本图像融合方法和装置，应用于阴道微生物样本检测，方法包括：获取阴道微生物样本的图像集合，图像集合包括阴道微生物样本的预设层数中每一层的图像，基于多聚焦图像融合和HDR算法，将图像集合中的每一张图像融合到一张目标图像中，输出目标图像，以实现将多张图像清晰的融合到一张图像中，便于医务人员的查看和诊断。

摘要： 本发明涉及双模态红外图像的融合，具体为基于差异特征幅值区间融合有效度分布的双模态红外图像融合算法选择方法，（1）通过选取红外偏振与光强图像的主要差异特征，提取了差异特征的幅值；（2）通过对差异特征幅值的区间划分，确定了算法在不同幅值区间下的融合有效度，据此构造了融合算法的差异特征幅值融合有效度分布；（3）根据构造的融合算法的差异特征幅值融合有效度分布，能够从多种融合算法中优化选择出融合效果相对最好的算法，克服了一般主观定性分析算法与图像差异特征之间的关系选择融合算法存在的局限性，为融合算法的优化选择提供新的客观依据，更为研究多特征幅值融合有效度分布合成提供了理论基础。

摘要： 本发明公开了一种基于分类自适应估计加权融合算法的WSN数据融合方法，涉及医用冷链仓库中的温度监测领域。该方法首先对异常数据进行分类处理，筛选出有效性异常数据，然后引入融合权值与修正因子改进分批估计算法计算数据融合结果，最后利用MATLAB仿真软件将该算法与其他两种数据融合方法进行仿真对比，仿真结果表明：在温度检测系统模型下，相较于BEF和MF算法，该方法的融合结果更接近真值，具有较低的均方误差，满足医用冷链中冷库温度传感器数据融合的要求。

摘要： 本发明公开了通过雷达和AIS船舶融合算法计算出融合目标实现方法，该方法采用了雷达和船舶AIS两个类型目标的距离、方向、速度、经纬度数据，通过融合计算出融合目标，而且该融合目标为需满足连续一个时间段，以及满足设置的区域范围内的目标，后台把融合目标推送客户端，实现融合目标的展示功能；该方法解决了水域中，船舶能识别非强制性履约船舶和浮标物等雷达才能检测到的物体信息，提高了航行过程中位置的精度及目标信息的可靠度，能够确保船舶航行的安全。另外，该方法对AIS与雷达二者目标信息进行融合能达到优势互补，提高船舶行驶过程中的安全性，并且可以在所有船舶上使用，能减小对船舶的依赖，可适应多种船舶类型。

摘要： 一种融合多目标进化算法和合同网算法的多无人机系统任务分配方法，首先，设定约束条件和目标函数，构建多无人机协同任务分配的多目标优化模型。第二，根据问题所属的弹药情况选择交叉变异算法，求解多目标优化模型。第三，从Pareto解集中选择一个非支配解，将其作为被具体执行的任务分配方案。第四，任务重分配机制被激活后，设定任务重分配问题的目标函数，构造任务重分配模型。第五，对于突发情况利用合同网方法求解任务重分配模型，得到更适合当前战况的任务分配方案。本发明能够为战前任务分配提供一个完整的任务分配框架，适用于求解多无人机协同任务分配的多目标优化，并可协助决策者从Pareto解集中选解，同时能够对突发情况实现实时的任务重分配。