1 陕西理工大学机械工程学院,陕西 汉中 723000
2 陕西省工业自动化重点实验室,陕西 汉中 723000
为了获得奥氏体不锈钢在液压支柱钢表面激光熔覆的最佳工艺参数,选取工艺参数激光功率、扫描速度、送粉速度为输入变量,将熔覆层质量作为评价指标建立数学模型,设计了16组正交实验。利用自适应混沌粒子群算法进行寻优,对熔覆层宏观形貌和显微组织进行实验分析,验证优化后的工艺参数的合理性与准确性,并将综合评价值相近的两组试件进行对比。结果表明:激光功率为1200 W、扫描速度为13 mm/s、送粉速度为1.72 g/min是最佳的工艺参数组合;采用自适应混沌粒子群算法对工艺参数进行优化,能够有效地改善熔覆层的宏观缺陷和表面性能,证明了该优化算法在激光熔覆领域应用的可行性。
激光熔覆 多目标优化 主成分分析法 自适应混沌粒子群算法 激光与光电子学进展
2024, 61(5): 0514004
1 河北工业大学电子信息工程学院,天津 300401
2 河北工业大学机械工程学院,天津 300401
3 郑州大学电气与信息工程学院,河南 郑州 450001
减速型有限能量Airy脉冲振荡拖尾形状和频谱受多个参数的影响,分别分析减速型有限能量Airy脉冲峰值功率、脉冲宽度、初始啁啾、截断系数和分布因子变化对异常波产生以及超连续谱的相干性和稳定性的影响。研究结果表明,减速型有限能量Airy脉冲参数变化能够对超连续谱中异常波起到调控作用并影响超连续谱的相干性和稳定性。此外,利用多目标粒子群算法对5个脉冲参数同时进行优化,将500次模拟输出孤子峰值功率平均值两倍作为判断异常波产生的标准,将产生异常波的个数及500次模拟输出孤子峰值功率分布作为优化目标,得到减速型有限能量Airy脉冲促进或抑制异常波产生的最佳脉冲参数,实现超连续谱中异常波的可控产生。
超连续谱产生 Airy脉冲 异常波 多目标粒子群算法 目标优化 激光与光电子学进展
2024, 61(3): 0319001
1 南京航空航天大学机电学院,江苏 南京 210016
2 中航西安飞机工业集团股份有限公司,陕西 西安 710089
针对批量化零件的自动化高效视觉检测需求,传统的先视点再路径的单独规划方法容易导致检测效率陷入局部最优。为此,本文提出一种视点与路径多目标整体规划方法,将视点和路径规划问题建模为一个组合优化问题进行多目标优化,旨在全局寻求检测效率最优解。该方法基于表面曲率对视点进行自适应冗余采样,构造兼顾质量与多样性的采样视点集。针对视点覆盖率与检测时间成本两个优化目标,提出基于约束的非支配排序遗传算法(C-NSGA-Ⅱ)进行优化,快速得到满足最小覆盖率的全局最优解,从而实现视点与路径的整体规划,最小化检测时间成本。仿真实验结果表明,该方法相比于简化为单目标优化问题的整体规划方法,运算效率提升90%左右;与传统的单独规划方法相比,视觉检测时间成本有效缩短10.52%以上。最后通过机器人视觉检测应用验证了本文方法的有效性与优越性。
视点规划 覆盖路径规划 自动化视觉检测 多目标规划 非支配排序遗传算法
1 北京交通大学电子信息工程学院,北京 100044
2 北京交通大学光波技术研究所全光网络与现代通信网教育部重点实验室,北京 100044
掺铋光纤放大器有助于将光纤通信系统拓展至新的传输波段。然而,其增益和噪声性能存在相互制约的关系,提升增益往往会导致噪声性能的恶化,反之亦然。因此,提出一种结合反向传播神经网络(BPNN)和带精英保留策略的快速非支配排序遗传算法(NSGA-Ⅱ)的多目标优化方法,通过对两级掺铋光纤放大器结构进行设计,实现了增益和噪声性能的同时优化。使用经过训练的BPNN对增益和噪声系数预测的均方根误差分别为0.191和0.084,具有较高预测精度。以高增益和低噪声系数为目标,使用NSGA-Ⅱ算法进行优化,得到包含500个解的Pareto最优解集。优化后,放大器所能实现的平均增益范围为15~37 dB,相应的平均噪声系数范围为4.95~5.31 dB。利用BPNN代替求解耦合微分方程来评价个体适应度,使得优化时间较传统方法由106 s左右降低为80 s左右,大幅提升了优化效率。所提方法也为其他掺杂光纤放大器的高效率、多目标结构优化设计提供了一种新的思路。
光纤通信 掺铋光纤放大器 反向传播神经网络 多目标优化 带精英保留策略的快速非支配排序遗传算法
强激光与粒子束
2023, 35(12): 124004
1 无锡学院 物联网工程学院,江苏 无锡 214105
2 长春工业大学 计算机科学与工程学院,吉林 长春 130012
3 中国北方车辆研究所,北京 100072
4 吉林农业大学 信息技术学院,吉林 长春 130118
实时多目标跟踪算法取得了理想的跟踪性能,但大多数现有算法的跟踪速度较慢,且随着背景复杂度的增加,跟踪精度也随之降低。针对此问题,本文提出了基于在线数据关联的行人实时跟踪算法。首先,设计了核相关滤波和卡尔曼滤波双轨道预测机制,配合DeepSORT中的级联匹配形成了预测-跟踪-校准体系,使数据关联更加可靠。此外,在目标检测部分引入了注意力机制,通过强化目标对象的位置信息增强特征表示能力,从而提升跟踪的精度。该模型在MOT16数据集上的MOTA达到了66.5%、IDF1达到了64.2%、IDSW达到了641。与DeepSORT算法对比,MOTA和IDF1分别提升了13%和13.2%,IDSW下降了410。本文算法有助于解决行人实时跟踪时出现的目标误检、漏检等问题,在跟踪中对严重遮挡情况仍保持了较高的跟踪精度,在复杂环境下可以实现行人实时稳定跟踪。
多目标跟踪 实时跟踪 YOLOv5 核相关滤波算法 DeepSORT multiple object tracking online tracking YOLOv5 kernelized correlation filters DeepSORT