[發明專利]一種基于工業自動化的三維視覺信息融合優化算法

在審

• 申請號: 201710595810.X
• 申請日: 2017-07-20
• 公開（公告）號: CN107516125A
• 公開（公告）日: 2017-12-26
• 發明（設計）人: 郝泳濤;毛孝鑫;謝圓;萬思哲;李洲楠;蘇峰
• 申請（專利權）人: 同濟大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N7/00;G06F17/16
• 代理公司: 上海科盛知識產權代理有限公司31225
• 代理人: 葉敏華

1.一種基于工業自動化的三維視覺信息融合優化算法，其特征在于，所述方法包括下列步驟：

1)對粒子群和迭代次數進行初始化，得到具有分層結構的粒子群；

2)根據粒子群內部的層次關系，對粒子群中的當前層次進行尋優，得到當前層次下的全局最優值和每個粒子的歷史最優值；

3)判斷是否粒子群的所有層次都完成了尋優，若是則更新迭代次數并進入步驟4)，若否則進入到下一層次并返回步驟2)；

4)判斷迭代次數是否達到迭代閾值，若是則輸出所有層次下每個粒子的歷史最優值，作為優化后的粒子群，若否則返回步驟2)。

2.根據權利要求1所述的基于工業自動化的三維視覺信息融合優化算法，其特征在于，所述步驟1)包括：

11)初始化粒子群中的所有粒子的速度和位置向量，同時初始化迭代次數；

12)根據食物網結構，通過隨機分組將粒子群中的所有粒子進行分層，并確保每個層次內包含多個子種群。

3.根據權利要求2所述的基于工業自動化的三維視覺信息融合優化算法，其特征在于，所述步驟2)包括：

21)根據粒子群內部的層次關系，對當前層次中的當前子種群進行尋優，得到當前子種群的全局最優值以及當前子種群中每個粒子的歷史最優值；

22)判斷是否當前層次中的所有子種群都完成了尋優，若是則進入步驟3)，若否則進入到下一子種群并返回步驟21)。

4.根據權利要求3所述的基于工業自動化的三維視覺信息融合優化算法，其特征在于，所述步驟21)包括：

211)根據粒子群內部的層次關系以及當前層次中子種群之間的關系，計算得到當前子種群中所有粒子的速度向量和位置向量；

212)根據粒子本身的隨機運動，以及步驟211)中粒子的位置向量，對粒子進行概率化搜索，計算得到當前子種群中所有粒子在概率化搜索后的位置向量；

213)根據步驟211)得到的速度向量和步驟212)中的位置向量，計算當前子種群中所有粒子的適應度值；

214)根據步驟213)得到的適應度值，更新當前子種群的全局最優值以及當前子種群中每個粒子的歷史最優值。

5.根據權利要求4所述的基于工業自動化的三維視覺信息融合優化算法，其特征在于，所述步驟211)中當前子種群中所有粒子的速度向量和位置向量具體為：

X_id(t+1)＝X_id(t)+V_id(t+1)

其中，V為速度向量，X為位置向量，i為當前子種群，d為當前子種群中的當前粒子，t為迭代次數，λ為相關系數，N_K為第K層所有子種群的集合，為常數，為服從0到之間均勻分布的隨機數生成器，P_jd為第j個子種群的全局最優解。

6.根據權利要求4所述的基于工業自動化的三維視覺信息融合優化算法，其特征在于，所述步驟212)中當前子種群中所有粒子在概率化搜索后的位置向量具體為：

X′_id(t)＝X_id(t)+0.5×frange×G(0,1)

frange=Σj∈NK|Pjd-Bid||NK|]]>

其中，X′_id(t)為概率化搜索后的位置向量，i為原有的位置向量，G(0,1)為服從正態分布的隨機數生成器，N_K為第K層所有子種群的集合，K為當前粒子所在層次的下一層次，P_j＝(P_j1,P_j2,…,P_jD)為第j個子種群的全局最優解，B_i＝(B_i1,B_i2,…,B_iD)為第i個粒子的歷史最優解。