7篇关于PSO算法的计算机毕业论文

今天分享的是关于PSO算法的7篇计算机毕业论文范文, 如果你的论文涉及到PSO算法等主题,本文能够帮助到你

面向装配式隔墙板的结构健康监测设计与研究

这是一篇关于装配式隔墙板,预埋传感器,结构健康监测,无线传感器网络,LEACH协议,PSO算法的论文, 主要内容为随着科技的发展和国家相关政策的推动,我国的装配式建筑领域发展迅猛。相比传统建筑,装配式建筑具备高标准化、生产安装高效化、低成本等特点。但要保证其长期的稳定和安全,必须要对其健康状况进行监测和管理。传统的建筑监测多依赖于人工,此种方式的监测质量和效率都很难得到保障。相较于传统方式,结构健康监测技术通过传感器和监测系统可以实现对建筑状态的实时监测与管理,从而极大提高监测的效率和质量;同时结合装配式建筑高标准化和生产安装高效化的特点,能够探究对于大规模建筑群统一化监测的可能性,从而改变传统建筑监测方式的局限性。本文针对标准化的装配式建筑构件进行结构健康监测的设计及研究。通过对隔墙板的薄弱点进行理论分析,进而对其进行健康信息采集系统设计,探究针对装配式建筑预埋传感器式的结构健康监测方法;同时结合无线传感器网络技术,通过对传统网络协议进行改进来提升网络整体质量,进而探究大规模建筑群结构健康监测系统的网络性能优化策略。具体工作如下:(1)装配式隔墙板结构健康监测系统传感器预埋点位设计。首先结合装配式隔墙板的生产特点和相关标准规范,对其进行材料属性和本构关系分析;然后基于ABAQUS仿真软件对装配式隔墙板进行模型建立、网格划分、约束条件设置等;通过进行有限元分析得到模型应力分布云图,以此来分析模型结构薄弱点;最后基于模拟结果确定隔墙板的薄弱点,对隔墙板进行传感器预埋点位的实际敷设。(2)针对装配式隔墙板进行SHM信息采集系统设计。首先分析与设计隔墙板的结构健康监测方案;然后结合预埋规定和网络节点轻量级、高性能等要求,对系统硬件结构和各单元模块进行选型与研究;接着实际设计与开发SHM信息采集系统,并对各单元设计进行性能测试;最后将系统整体安装在装配式隔墙板上,进行系统性能实测与结构健康分析。(3)针对大规模建筑结构健康监测网络的数据传输能耗问题进行优化与研究。首先分析网络能耗并建立模型;其次对LEACH协议改进,优化其簇首选择过程;然后结合PSO算法并对引入的惯性权重、混沌序列、适应度函数进行优化,提出一种引入簇首更新的自适应混沌粒子群优化分簇算法(ACPSO-LEACH)。通过对比实验表明,此协议对降低网络能耗、提高节点存活率、增大网络吞吐量方面有显著优势。最后将该协议加载于实际结构健康监测网络模型中进行性能测试,实测结果表明协议能够显著提升监测网络生命周期,对实际工程具备一定参考意义。本文通过结合相关国家标准设计基于传感器预埋方式的SHM信息采集系统,同时对大规模建筑群监测网络能耗问题进行了协议改进。通过对建筑物进行了结构健康分析与科学评估,为后续装配式建筑结构健康监测的设计提供了参照。

基于机器视觉的蔗梢识别方法研究

这是一篇关于灰度分析,PSO算法,语义分割,切割路线,软件开发的论文, 主要内容为传统甘蔗收获机械在收获过程中,蔗梢的切割位置由机手根据肉眼判断确定(切顶器高度在切割过程中不做改动),有很大的随意性,切割位置偏低,造成甘蔗浪费;切割位置偏高,造成原料蔗夹杂物含量过高。针对上述问题,并结合甘蔗收获过程中原料蔗要求,本文采用传统图像分割与语义分割的方法对蔗梢进行识别,通过边缘检测、水平垂直投影等方法获取蔗梢切割路径及其坐标。同时,为方便直观地了解蔗梢分割状况,设计了一款蔗梢识别软件。主要研究内容如下:(1)甘蔗图像采集与灰度分析。根据蔗地的自然条件,对机器视觉系统的软硬件进行了挑选。共拍摄了120幅甘蔗图片,对甘蔗的株高特征及颜色特征进行统计与分析,通过各颜色模型分量的灰度统计与对比,选择HSV模型中的H分量作为传统图像分割的分割样本。(2)基于传统图像处理的蔗梢识别算法研究。为解决晴天、阴天两种天气条件下蔗梢难以被准确识别的问题,提出一种改进PSO+OTSU算法。通过改进PSO算法中的非对称加速因子结合非线性递减惯性权重W,基于HSV颜色空间的H分量,选用中值滤波滤除小面积孤立噪声,将甘蔗茎秆区域与蔗梢分割。利用腐蚀、膨胀等形态学处理方法得到较为完整的茎秆区域图像,有效避免了算法后期收敛速度变慢的情况。改进后的算法对甘蔗图像的识别率分别达到88.33%、91.67%,平均识别率为90.0%,处理单张甘蔗图像平均所用时间为0.3687s。(3)基于语义分割UNet模型的蔗梢识别算法研究。针对甘蔗数据集较少,传统图像分割算法步骤繁琐,整体优化较为困难等问题,采用在小样本上仍表现优异的UNet网络。将模型原有主干网络替换为Res Net50,上采样部分中用Ghost轻量级模块替换普通卷积模块,同时,在编码器和解码器之间加入SE注意力机制对提取到的特征权重进行优化,得到一个轻量级的蔗梢分割模型。利用经亮度、椒盐噪声及平滑处理后的600张甘蔗图像,结合迁移学习的方法对模型进行训练。通过实验,其平均像素准确率为94.98%,单张图片分割时间为0.31s,分割速度较原模型提高了11%以上,能实现对蔗梢的快速准确识别。(4)基于改进UNet模型得到蔗梢切割路径图像,利用边缘检测、水平垂直投影等方法对蔗梢切割路径与坐标进行提取。并通过Py Qt5、Pytorch与Open CV平台设计研发了一款的蔗梢识别软件。

基于云平台的生产管理系统设计及关键技术研究

这是一篇关于MES系统,云平台,资源调度,PSO算法,IPSec VPN的论文, 主要内容为传统生产过程执行管理系统(Manufacturing Execution System,简称MES系统)需要独立服务器进行存储和处理数据,并且容易出现“数据孤岛”,基于云平台的MES系统以其服务便捷、成本低等特点,越来越受到市场的重视。但是目前云MES系统仍然存在一些问题需要优化:车间和工单等情况多变复杂,任务计算调度后的分配未能发挥出车间最大的工作效率;数据传输速度与安全性未满足某些企业的需求。本文设计了基于云平台的生产管理系统,采用云原生技术、微服务架构打通工单排序调度、车间生产执行、生产数据采集、产品质量管控、设备维保管理、产品追溯管理等功能模块之间的数据流动,实现业务在线化、制作过程数字化,以此大幅度的提高车间生产率和产品质量,减少生产成本和生产周期,加强对于工厂生产线的控制,并将这套系统应用于表盘制造工厂。对工单进行高效地排序调度是云mes系统的重要功能模块,现在普遍使用的粒子群优化算法(Particle swarm optimization,简称PSO算法)在使用过程中其性能过于依赖初始化粒子群的质量,同时由于收敛过快,粒子群可能难以逃逸局部,导致无法寻找到全局最优解。本文针对这些问题,通过初始化粒子群时进行筛选,使参数在迭代过程中动态调整以及混沌扰乱抑制早熟这三种方式,对其进行优化。经过多次测试,该算法迭代次数较之前降低了34%,最终求得的最优解适应度值几乎无波动,且比原先的PSO算法更接近真正的最优解,大幅度稳定地提高了制造业车间的生产效率。为了保证数据的安全性与传输效率,需要对数据进行加密传输、提高传输速率,目前使用的IPSec VPN算法在长时间的加密传输中,占用计算资源压力过大,无法满足工厂长期稳定的设备数据传输。本文通过国密算法对其进行优化,并加以硬件加密卡的辅助解放CPU压力。在协商层设计中通过加密、签名以及数字证书多种方式结合提高可靠度。同时通过硬件加密卡向服务器内核的Linux算法库添加了国密算法,便于数据包在传输过程中基于国密标准进行处理。此次优化提高了在传输过程中双方验证身份的权威性以及数据加密的安全性,并在数据传输速度与加密效率方面都有了很高的提升。经测试,该传输方式成功由国密算法加密,通过硬件加密卡的加入以及加密算法的更换使得传输速率较以往的IPSec快了79%-118.6%,满足企业需求,且48小时连续传输不宕机,可应用于实地。

基于粒子群算法的测试数据自动生成方法研究

这是一篇关于软件测试,PSO算法,测试数据自动生成的论文, 主要内容为随着计算机技术的飞速发展,计算机系统的复杂程度和规模显著提升,其相关软件开发成本和软件故障引起的财产损失也呈递增趋势,从而导致人们高度重视软件质量。目前,软件测试已经是作为检验以及保障软件质量的主要方式,其重要性也日益凸显。根据Boehm统计数据,软件测试的费用占软件总开发成本的30%50%[1],可见软件测试是软件开发项目当中至关重要的一个环节。在软件测试中,按照分类标准的不同可以划分为多种不同的类别。软件测试根据程序是否执行,可划分为动态测试和静态测试。其中,动态测试是在程序运行状态下,通过输入测试数据,然后判断输出结果是否符合预期的测试方法。静态测试是在程序不执行的状态下,静态检测软件界面、文档和代码是否存在错误的测试方法。根据是否采用测试工具将软件测试划分为自动测试和手工测试两种。自动测试主要是借助专业的自动化测试工具,并通过加载测试数据的文件和测试脚本来测试目标程序,得出测试报告。手工测试是一种不借助专业化测试工具,借助手动安装与运行待测程序,同时根据软件测试要求输入测试数据,然后判断软件输出结果是否正确。综上所述,测试数据的生成是软件测试中重要的一部分。实现测试数据的自动生成可以显著减少软件测试工程师的工作量,一定程度上压缩开发成本。近几年,人们将人工智能技术运用到测试数据自动生成领域,并获得了显著的研究成果。测试数据自动生成的基本原理是在程序运行状态下,随机输入数据,然后基于输出结果,采用核心优化算法“进化”出新的输入数据,开展新一轮的试探,最后得出正确的数据,此方法叫做试探法。目前,测试数据自动生成过程中采用的核心优化算法主要是基本遗传算法或改进遗传算法。本文的主要工作如下:第一,研究了粒子群优化算法。系统研究了启发式搜索算法在测试数据生成中的应用,总结了遗传算法、模拟退火算法、粒子群算法的优缺点。第二,提出粒子群优化算法结合状态图的一种测试数据生成方法。该方法不仅考虑了输入数据的类型、范围,还利用状态图的特点考虑了输入数据之间的先后、因果关系,而且利用了粒子群算法的特点,在多分支路径时模拟了用户选择,按照成功路径的出现的频数生成测试数据。第三,设计实现了测试数据自动生成系统。基于上文描述的重要算法和技术,设计测试数据自动生成系统,使用Web技术为基础来实现该系统,利用Jsp技术实现该系统的界面层,利用servlet实现用户交互的逻辑控制以及数据传输,利用Java语言实现算法设计,生成的数据存储到My SQL中。

基于PSO-RBF神经网络的刀具寿命预测方法研究

这是一篇关于刀具寿命预测,RBF神经网络,模型优化,PSO算法,PSO-RBF的论文, 主要内容为在机械加工的过程中,刀具承担着重要的作用,它的状态在很大程度上决定了产品的质量。刀具在加工的过程中会受到摩擦、化学腐蚀以及材料挤压等诸多因素的干扰,使得刀具加工的寿命缩短。如果可以很好地预测刀具的寿命,则对加工的效率、精度等有很大帮助,传统的刀具寿命预测方法适用性差,预测精度也不高。因此,建立一个可以满足实际需求且拥有良好预测性能的刀具寿命预测模型,对制造效能的增长、产品品质的保障等有很好的指导意义。本文根据所研究对象的特点,首先运用RBF神经网络建立了刀具寿命预测模型,然后通过改进的PSO算法对所建立的模型进行优化,最后结合研究内容和相关计算机技术开发了一个刀具寿命预测管理系统。本文的主要研究内容如下:(1)提出了基于RBF神经网络的刀具寿命预测模型。针对传统预测方法适用场景有限且无法准确预测的问题,利用RBF神经网络建立了模型,通过对刀具寿命造成影响的诸多因素的分析,根据实际情况选择,将其作为模型的输入,刀具寿命作为输出,RBF神经网络经过训练学习实现寿命预测,最后通过实验验证了所提出模型的有效性。(2)提出了利用改进的PSO算法优化模型。针对所建立的刀具寿命预测模型存在预测精度不足的问题,利用PSO算法进行模型优化。首先对于PSO算法本身存在的问题,采用对学习因子的调整、惯性权重的自适应调整以及基于混沌理论的高速收敛等对其进行改进,然后用改进的PSO算法确定模型中RBF神经网络的中心、宽度以及连接权值这3个关键参数的值,从而实现模型优化,最后通过对比实验表明优化后的刀具寿命预测模型预测的结果平均相对误差为6.16%,比原模型降低了17.14%,提高了模型的预测精度,进一步验证了优化方法的可行性,也说明PSO-RBF神经网络的刀具寿命预测模型拥有更好的预测效果,可以更好地满足实际需求。(3)刀具寿命预测管理系统的设计与实现。结合对刀具寿命预测的研究,通过分析系统的功能需求和开发条件,利用SSM框架、Vue框架、Java开发技术以及My SQL数据库等实现了可以预测刀具寿命,同时也可以管理刀具的信息、库存、采购以及调度等功能的系统。