针对传统思维进化算法搜索半径缺乏目的性,临时子群体补充缺乏方向性以及神经网络训练速度慢、泛化能力不足,传统极端学习机隐含层神经元个数多的缺点,提出一种多群体自适应思维进化算法优化的极端学习机(MSMEA—ELM)算法,通过传感器数据训练该算法用于对航空发动机大范围动态过程进行辨识。以训练均方误差与权值2范数的加权和最小为优化目标,采用多群体自适应思维进化算法优化极端学习机。以某型涡扇发动机为研究对象,采用MSMEA—ELM算法进行航空发动机动态过程辨识,验证了该算法的有效性:用于航空发动机动态辨识的MSMEA-ELM算法表1仿真结果表明:该算法具有训练速度快，泛化能力强，精度高等优点，可以满足拟合要求。图1给出了拟合结果，可以看出拟合精度高，满足要求。图1MSMEA-ELM算法Sinc函数拟合结果航空发动机动态辨识5．信息滤波-电动液压滚圆机数控滚弧机折弯机价格低全自动滚圆机多少钱1辨识原理对于涡扇发动机，低压转子转速N1和高压转子转速N2是表征其工作状态的重要参数，本文以这两个参数为辨识目标，辨识结构如图2所示。图2中每一个MSMEA-ELM相当于一个非线性映射，实际上就是Ni(k+1)=fi(Wf(k+1)，A8(k+1)，N1(k)，N2(k))，i=1，2(7)式中f1，f2为非线性函数，N1，N2为低、高压转子转速，Wf为燃油量，A8为尾喷面积，k为仿真时刻。图2航空发动机动态辨识结构F仿真结果以地面状态某动态过程的数据加上［－0．005，0．005］的噪声为训练样本，以其慢车到最大动态过程数据为测试样本。群体规模取100，优胜子群体规模取10，临时子群体规模取10，C1取1，C2取5×10－5，C3取5×10－5，k取1．2，c0取2，分别采用前述方法进行仿真，仿真结果如表2所示。本文由张家港市泰宇机械有限公司弯管机滚圆机滚弧机网站采集网络资源整理! http://www.gunyuanji.wang表2航空发动机动态辨识仿真结果Tab2Simulation信息滤波同时定位与构图(IFSLAM)算法如何获得稀疏化的信息矩阵是解决滤波性能的关键因素。通过对稀疏扩展信息滤波深入分析,发现其稀疏化结果难以保证关联性最弱的环境主动特征被稀疏掉;为了改进这一缺陷,提出一种基于熵稀疏规则的改进SLAM算法,该算法利用熵性质、综合当前以及下一观测时刻来选择与位姿关联性最弱的环境特征作为稀疏特征点;有效提高了算法的稀疏性能。在Matlab上对改进算法进行仿真,验证改进算法的有效性。 随机变量X在条件Y=y下的条件概率。条件熵H(X|Y=y)衡量的是在Y=y的条件下，随机变量X的不确定性。在SLAM问题中，移动机器人位姿xt为三维随机向量，其概率分布为P(xt)=1(2π)3/2Σ1/2texp{－12(xt－μt)TΣ－1xt(xt－μt)}(12)在t时刻观测到环境特征点mi后位姿xt的条件概率分布为P(xt|mi)=P(xt，mi)P(mi)(13)根据以上熵的性质，可以计算出机器人位姿xt的熵以及在观测到活动特征点条件下的条件熵，由于观测到特征点的条件熵可能使机器人位姿的熵增加，也可能减少。那么就可以从观测到的活动特征点当中选出使位姿条件熵值最大的特征点，即关联性最弱的特征点，进行稀疏化操作。2．2．2改进稀疏规则通过对标准SEIFSLAM的稀疏过程分析得知，其在执行稀疏化的时候，只考虑到了当前时刻与位姿xt相关联的主动特征，很难保证每一次执行稀疏化操作后，保留下来的环境特征与机器人位姿关联性最强。如果稀疏化操作发生在位姿运动到xt+1时刻且同时执行一次观测操作之后，那么可以利用在t时刻位姿所观测到的环境特征的条件熵和t+1时刻位姿所观测到的环境特征的条件熵来综合决定相关性最弱的环境特征，即信息滤波-电动液压滚圆机数控滚弧机折弯机价格低全自动滚圆机多少钱本文由张家港市泰宇机械有限公司弯管机滚圆机滚弧机网站采集网络资源整理! http://www.gunyuanji.wang