应用离散粒子群算法的大距离超声信号LMS自适应时延估计

发布时间：2018-02-27 11:28

  本文关键词： 塔式起重机 超声波测距 实时性 自适应时延估计 离散粒子群算法　出处：《机械科学与技术》2017年07期 　论文类型：期刊论文

【摘要】：针对塔机安全预警系统中远距离障碍物检测对精度和实时性的需求,以超声回波时延估计为研究对象,提出了一种基于离散粒子群算法(DPSO)的最小均方误差自适应时延估计(LMSTDE)方法。该方法引入DPSO进行LMSTDE的寻优规划,解决了LMSTDE计算量庞大的问题;通过引入步长可变的LMSTDE算法和加速因子可变的DPSO,解决了算法过早收敛易陷入局部最优的问题。实验对比表明:改进后的算法保留了原有算法的高精度及抗噪性强等优点,且运算速度提升了25倍左右,可以实现中远距离障碍物的实时检测,且可靠性较高。
[Abstract]:Aiming at the demand of precision and real time for long distance obstacle detection in tower crane safety early warning system, the time delay estimation of ultrasonic echo is taken as the research object. An adaptive time delay estimation method with minimum mean square error (MMSE) based on discrete particle swarm optimization (DPSO) algorithm is proposed, in which DPSO is introduced to optimize LMSTDE programming, which solves the problem of large amount of LMSTDE computation. By introducing LMSTDE algorithm with variable step size and variable acceleration factor, the problem of premature convergence easily falling into local optimum is solved. The experimental results show that the improved algorithm retains the advantages of high precision and strong noise resistance of the original algorithm. The operation speed is increased about 25 times, and the real time detection of long distance obstacle can be realized, and the reliability is high.
【作者单位】： 西安建筑科技大学机械电子研究所;
【基金】：国家自然科学基金项目(50975218) 陕西省教育厅专项基金项目(2013JK1011)资助
【分类号】：TB559;TH213.3

【相似文献】

相关期刊论文 前9条

1 赵娜;王化雨;;基于粒子群算法的带群混沌吸引子参数的生成[J];计算机技术与发展;2012年07期

2 熊宇虹;温志渝;;基于粒子群算法的分段波长选择方法[J];半导体光电;2008年06期

3 王党社;王海蛟;张淼;;粒子群算法在薄膜参数反演中的参数选择[J];西安工业大学学报;2011年06期

4 张宏立;宋莉莉;;基于量子粒子群算法的混沌系统参数辨识[J];物理学报;2013年19期

5 席慧玲;禹思敏;;混沌粒子群算法对GM(1,1)模型参数的优化[J];辽宁师范大学学报(自然科学版);2010年02期

6 秦华;万云芳;张伟元;;应用粒子群算法进行光学自动设计[J];计算物理;2011年03期

7 秦华;王立刚;张静华;类成新;韩克祯;;用粒子群算法设计的5镜系统与ZEBASE中5镜系统比较[J];红外与激光工程;2013年10期

8 王党社;李武军;张建科;;基于粒子群算法的椭偏法测量数据反演[J];西安工业大学学报;2006年05期

9 秦华;韩克祯;类成新;;用粒子群算法校正三片镜系统的像差(特邀)[J];中国光学;2013年01期

相关硕士学位论文 前6条

1 张淼;改进粒子群算法在薄膜参数反演与设计中的应用[D];西安工业大学;2011年

2 杨朝霞;粒子群算法在光热反射技术中的应用[D];浙江师范大学;2007年

3 李丹丹;基于改进粒子群算法的混沌时间序列预测[D];燕山大学;2014年

4 王远磊;基于正则化与粒子群算法的PCS纳米颗粒测量反演算法研究[D];山东理工大学;2010年

5 王涛;基于捕食搜索策略的自适应混沌粒子群算法的研究及应用[D];暨南大学;2013年

6 刘奇;基于混合粒子群算法的ZnO镀膜光纤传感器的参数优化[D];南昌航空大学;2010年

，

本文编号：1542477