课程文献中心 更多>>

关键词： 无人机   轨迹规划   逼近值函数   轨迹跟踪  

摘要： 为解决载荷状态下的无人机运输的轨迹控制问题,提出了一种基于逼近值函数算法的轨迹规划控制方法。首先建立了无人机运输系统的动力学模型,通过马尔可夫决策过程获得轨迹规划结果,值函数由参数向量和特征向量逼近,利用批处理的方法对参数向量进行更新,并采用贪心策略生成期望轨迹,在此基础上将期望轨迹传递给四旋翼控制器进行轨迹跟踪。仿真结果表明训练后的参数能较好地拟合出值函数,无人机悬挂载荷可以从起始位置平稳地输送到不同的期望位置,且具有较好的收敛性能,最后通过实验验证了该算法的合理性和有效性。

关键词： UAV航迹规划   人工势场法   3维航迹  

摘要： 针对UAV航迹规划过程中空间域的航迹协调和时间域的协同避撞等问题,提出基于多目标多约束的无人机航迹规划优化算法。通过分析人工势场法在路径规划中的缺陷,对斥力势场函数进行改进并融入了虚拟障碍物法。以改进人工势场法作为实现算法,对多目标多约束条件下的UAV航迹规划展开研究和仿真实现。结果表明,通过调整循环体结构和算法提高航迹合理性和航迹真实性,算法效率和性能可以得到进一步的提升。

关键词： 城轨列车   混合储能系统   功率分配   强化学习  

摘要： 为了削弱城轨交通系统牵引网电压波动并实现再生制动能量的回收利用,城市轨道交通系统一般会采用超级电容加锂电池组成的混合储能系统来实现稳压和节能的双重目标。混合储能系统的功率分配问题是一个关键问题,因此提出了一种基于强化学习在线序列决策的功率分配策略。为了达到较好的稳压节能效果,对强化学习中的PPO算法进行了改进,将原算法中固定不变的学习率改为随时间变化的学习率,使得强化学习中智能体(Agent)的训练效果更好且算法收敛更快。将这种改进后的D-PPO算法应用在城轨混合储能系统上,能够使混合储能系统更好地去削弱或填补牵引网电压的波峰和波谷并实现节能目的。为验证所提方法的有效性,在MATLAB和Python上进行联合仿真实验,结果表明所提方法削弱了城轨牵引网电压的波动并且实现了节能。

关键词： 人工智能算法   信息资源管理   知识扩散   全文本计量  

摘要： 人工智能算法在信息资源管理领域被广泛应用。文章利用发表于1990—2022年14种信息资源管理领域代表性期刊中的25,851篇英文论文,从全文内容中抽取人工智能算法,探讨不同算法在年度频次、总频次、篇章结构中的位置频次等方面的扩散情况。研究发现:支持向量机(SVM)等算法在本领域学术论文中呈现成功扩散的显著趋势,BERT等新兴算法亦呈现出上升潜力;这些算法集中在论文的文献综述、方法和评估与结果等部分,表明人工智能算法在信息资源管理领域论文篇章结构中的扩散趋势。

关键词： 时空特征   深度学习模型   输电线路   无人机巡检   混合动态   路径优化  

摘要： 在混合动态环境的最小路径长度代价下,为了保证无人机可靠完成输电线路巡检,提出基于时空特征深度学习模型的输电线路无人机巡检混合动态路径优化算法。利用深度学习下卷积门控循环单元检测待巡检目标输电线路,提取巡检目标的时空特征,生成初始巡检路径。以检测获取输电线路目标为起点,基于改进蚁群-Dstar混合算法,优化无人机巡检混合动态路径。测试结果显示:该方法可以有效躲避突发障碍物,保证输电线路巡检效果。

关键词： 计算机视觉   改进的时空图卷积神经网络   模型融合   SimAM   ReLU6-Sigmoid  

摘要： 近年来,单人姿态估计广泛应用在各个领域,降低单人姿态估计算法对标记数据的依赖同时提高其准确率是计算机视觉中一个具有挑战但是十分重要的课题。针对此问题,该文提出一种改进的时空图卷积神经网络(Spatio-Temporal Graph Convolutional Networks,ST-GCN)的方法。在原来的ST-GCN的基础上,融合MoveNet轻量级神经网络,利用MoveNet的关键点识别功能,解决ST-GCN需要预先标注关键点数据的问题。引入SimAM注意力机制,解决原来的ST-GCN不能很好地区分通道中重点信息,将所有的信息一视同仁的问题。增加ReLU6-Sigmoid组合激活函数,解决原有的激活函数训练波动,非线性拟合不足的问题。即:在提高了原时空图卷积神经网络的检测精度的同时,减少了应用过程中对于标记数据的依赖,降低了训练时的损失率精确率的波动。对于改进后的时空图卷积神经网络,在FLORENCE 3D ACTIONS数据集上证明了其有效性。结果表明,改进后的时空图卷积神经网络准确率从0.8695提升到0.956521。F1值由0.887566提高到0.965432。

关键词： 缺陷检测   SSD-MobileNetV1   现场可编程门阵列(FPGA)  

摘要： 产品缺陷检测是工业产品质量控制的重要工序之一。计算机视觉及人工智能算法使得产品缺陷自动检测成为可能,结合现场可编程门阵列(Field Programmable Gate Array,FPGA)的强大计算能力与灵活性,可优化并部署自动检测系统。采用SSD-MobilenetV1模型,通过剪枝与权重量化来优化检测算法,并将其部署于FPGA。优化后,算法精度仅下降1.8%,但速度提升7.4倍,模型大小缩减至48%,实现了每张图片80ms的推理速度。

关键词： 加速策略   属性约简   属性重要度   标准差   监督邻域粗糙集  

摘要： 作为粗糙集理论中的重要模型,监督邻域粗糙集因其良好的区分性能而备受关注。然而,当在监督邻域粗糙集上进行约简时,因为重复计算候选属性的重要度,大多数的搜索都会导致巨大的时间消耗。为解决这一问题,提出了基于标准差属性重要度的启发式算法。该算法通过样本的离散程度对属性重要度进行排序,以此来减少计算约简过程中候选属性的遍历次数。12组UCI数据集上的实验结果表明,与其余三种算法相比,基于标准差属性重要度的启发式算法所求约简的分类性能得到了提高,同时时间消耗有着显著减少。

关键词： 移动机器人   A^(*)算法   贝塞尔曲线   路径规划  

摘要： 为了解决传统A^(*)算法执行效率不高,转折点过多等问题,提出一种基于优化关键点选取和平滑路径的改进A^(*)算法。首先运用一种改进跳点搜索算法对A^(*)算法加快跳点搜索速度并对扩展子节点进行遴选,引入RRT*中剪枝思想在二次路径规划时剔除非必要的节点。最后将A^(*)算法结合Bezier曲线对生成路径进行平滑性处理。为测试改进A^(*)算法的可行性与有效性,在多种不同尺寸规格的栅格地图中和移动机器人平台上进行对比仿真实验。结果表明,改进后A^(*)算法相比于原A^(*)算法生成扩展节点数量更少、寻路时间缩短、执行效率更高,改进后A^(*)算法路径规划性能得到明显提升。

关键词： 正电子发射断层显像术   人工智能   图像质量  

摘要： 目的观察深度渐进重建(DPR)算法用于重建全身^(18)F-FDG PET图像的价值。方法回顾性纳入67例接受全身^(18)F-FDG PET/CT显像患者,分别利用有序子集最大期望值法(OSEM)及DPR算法重建设备列表下每床位30、60、90及120 s数据,共得到7组PET图像,包括3组OSEM(OSEM_30、OSEM_60及OSEM_120组)和4组DPR(DPR_30、DPR_60、DPR_90及DPR_120组)图像;比较各组图像主、客观评价结果,后者包括病灶和肝脏最大及平均标准摄取值(SUV),即SUV_(max)及SUV_(mean);计算靶区本底比值(TBR)、信噪比(SNR)、对比度噪声比(CNR)及肝脏变异系数(CV liver)。以OSEM_120组为参考,绘制Bland-Altman图,观察基于DPR_30、DPR_60及DPR_90组所获病灶及肝脏SUV与基于OSEM_120组所获结果的一致性。结果相同采集时间下,各DPR组图像主观评分均高于相应各OSEM组;基于各DPR组所获病灶SUV_(max)、SUV_(mean),TBR、SNR、CNR及CV liver均优于相应OSEM组(P均<0.001)。相比OSEM_120组,DPR_30组主观评分及SNR均降低而TBR及CV liver升高,DPR_60组及DPR_90组图像主、客观评价结果改善(P均<0.05)或差异无统计学意义(P均>0.05)。基于上述7组所测肝脏SUV_(mean)差异无统计学意义(P=0.955),且基于DPR_30、DPR_60及DPR_90组所测病灶和肝脏SUV_(max)及SUV_(mean)均与基于OSEM_120组测量结果具有良好一致性。结论DPR算法用于重建全身^(18)F-FDG PET图像可在保证图像质量的前提下缩短采集时间。