仿真结果表明,与无工况识别的能量管理策略和采用传统算法优化的支持向量机(support vector machine, SVM)工况识别能量管理策略相比,使用GA-SVM工况识别的能量管理策略的等效氢耗量分别降低了7.78%和1.31%,蓄电池电池荷电状态(battery state of charge, SOC)SB273005订单变化量减小,变化相对平稳,有利于延长电池寿命。
针对电子元件的自动检测识别问题,给出一种图像饱和度分量的Zernike矩识别电子元件的新方法。根据电子元件的图像颜色特征,分层提取原始图像的饱和度分量,通过遗传算法对饱和度图像分量进行二值化分割并计算改进的Zernike矩作为VX-661细胞系元件图像的识别特征,利用切比雪夫与曼哈顿距离加权线性来取代传统的欧氏距离判断相似性,降低相似性判定时的运算时间,从而达到识别元器件外观的目的。实验表明,该方法能够准确地识别待测的元器件封装,可应用于电子元件生产和检测中。
在组网认知雷达中,针对多目标多任务(如搜索、跟踪与成更多像等)按优先级进行资源调度时易造成目标任务丢失的问题,提出基于调度效益最大化的多功能组网认知雷达资源优化调度算法。该算法将搜索与跟踪任务的时间窗考虑到目标函数中,通过目标任务的重要性(优先级)和有效性(时间窗)两个因素的加权来表示雷达对目标任务的调度效益,根据调度效益最大准则建立并利用遗传算法求解资源调度模型。对仿真结果分析表明,该方法能够提高组网认知雷达的整体效能。