课程文献中心 更多>>

关键词： 采摘机械臂   路径规划   快速搜索随机树算法   终点区域  

摘要： 面对采摘作业的复杂环境，提出了一种终点区域RRT(Goal Area RRT, GA-RRT)算法，以提高路径生成的效率并降低路径成本。根据环境系数确定初始步长与终点区域，当拓展节点进入终点区域后，随机点生成范围缩小至终点区域，同时调整步长；然后，在此基础上引入目标概率偏向方法，提高路径搜索效率；最后，对生成的路径进行简化节点处理以减少路径代价，并使用三次B样条方法平滑路径。仿真实验结果表明：二维环境下，GA-RRT算法相较于RRT、RRT-Connect算法，耗时缩短85.15%、29.86%,路径代价减少19.18%、18.26%;机械臂仿真环境下，与引入目标概率偏向方法的RRT算法进行比较，耗时缩短54.70%,路径代价减少51.59°。利用IRB120机械臂实验平台，验证了算法的可行性。

关键词： in-orbit target detection   lightweight   remote sensing   RSOD dataset   YOLOX   ZCU102  

摘要： With the rapid development of space remote sensing technology, the number of high-resolution optical remote sensing images is increasing exponentially. The detection of high-strategic-value targets, such as aircraft, is currently a hot research topic in the field of high-resolution image processing for remote sensing. Traditional remote sensing image object detection algorithms include template matching and traditional machine learning. These algorithms mostly rely on prior knowledge from experts, and the features used are generally primary manual features limited to the pixel level, so they have certain limitations and cannot cope with complex, ever-changing backgrounds and diverse multimodal targets. Remote sensing object detection algorithms for deep learning technology include two- and one-stage methods. Two-stage methods have high accuracy, but they consume abundant resources and have limited processing speeds. YOLO detection algorithms elicit much concern and are applied because of their simple network structure and balanced detection accuracy and speed. However, one-stage models cannot be directly deployed on embedded devices in satellites for real-time detection of aircraft targets because of the limitations in computing power, storage capacity, and model complexity. Therefore, lightweight network models that have reduced demands for computing power and storage need to be developed. These network models with excellent target detection capabilities can then be deployed to aerospace chips with limited resources to complete efficient aircraft target detection tasks. To address the difficulty of deploying current network models with excellent target detection capabilities to aerospace chips with limited computing and storage resources, this study proposes five targeted designs for the benchmark model, which is based on the one-stage YOLOX-s algorithm, and the implementation of the model adopts a lightweight design concept. A fast optical remote sensing aircraft

关键词： PCB板   表面缺陷检测   模型轻量化   YOLOv8n   MobileNet   注意力机制  

摘要： 针对目前PCB板缺陷检测算法存在的检测精度低、计算量大等问题，提出了一种改进YOLOv8n的PCB板表面缺陷检测算法。首先，将主干部分网络替换为MobileNetV3网络，以降低模型参数量，提升检测速度与精度；其次，设计了CA＿C2f模块用来替换原C2f模块，以提升网络提取特征能力并提高模型对小目标的检测能力；最后，提出了DFL和改进Focal-EIoU的组合，以优化对损失函数中边界框回归的计算。实验结果表明，改进的YOLOv8n算法在PCB板缺陷数据集上得到的实验结果，较原YOLOV8n算法在精确度、mAP、计算量和参数量上都有显著优化，其中mAP达到96.6%。

关键词： 目标检测   注意力机制   标签分配   特征交互   深度学习  

摘要： 目标检测技术已成为计算机视觉领域重要的研究方向，在智能制造、自动驾驶等领域发挥关键作用。现有检测算法在复杂场景下仍面临目标尺度变化大、特征表达不充分等挑战。针对这些问题，提出了一种融合多尺度特征交互与动态标签分配的检测框架。该框架通过特征感知增强模块实现深浅层特征的双向交互，利用动态标签分配策略优化样本质量。实验表明，改进的检测框架在复杂场景下取得33.3%的平均精度，较基线模型提升8.0%，在小目标检测任务上尤为显著。

关键词： 无线传感器网络   定位算法   沙猫群优化算法   麻雀警戒机制   信号强度指示  

摘要： 为了提高无线传感器网络定位算法的精确度，利用改进的沙猫群算法优化基于信号强度指示的定位(LISCSO)算法．首先，利用Tent混沌映射优化初始种群，丰富种群多样性；其次，令平衡参数非线性化并引入麻雀警戒机制，提高算法寻优能力；然后，结合高斯和柯西变异的优势，避免陷入局部最优；最后，构建目标函数，利用改进的沙猫群优化算法(ISCSO)进行寻优，计算定位结果．仿真结果表明：ISCSO的初始种群分布更为均匀，为后续寻优建立了基础优势；在多种类型测试函数下具有良好的寻优效果；保持环境参数相同，在不同锚节点数下，LISCSO算法相较于对比算法定位误差降低了16.76%,25.91%,31.36%和12.76%，在不同通信半径下，定位误差降低了14.75%,19.52%,28.30%和11.29%，在不同噪声标准差下，定位误差降低了41.18%,25.93%,45.95%和20.11%，证明LISCSO算法具有更准确的定位结果．

关键词： 弯-扭-轴耦合   遗传算法修形   传动误差   振动幅值  

摘要： 斜齿轮在制造、安装及工作时受力受热，导致实际啮合点偏离理论啮合点，从而产生偏载振动，为解决该问题，以斜齿轮传动系统为研究对象，采用集中质量法建立8自由度斜齿轮传动系统弯-扭-轴耦合动力学模型，应用4阶龙格库塔法求解斜齿轮动力学模型，获得斜齿轮传动系统在啮合点法线方向的振动幅值、振动速度等动力学特征，并据此说明以ISO传统方案为基础的遗传算法修形相较于传统方案修形的优势。结果表明：采用传统方案修形对齿轮传动误差的减小量为68.5%,对振动幅值的减小量为34.38%;以ISO传统方法为基础的遗传算法修形对齿轮传动误差的减小量可达81.4%,对振动幅值的减小量可达43.6%,修形效果远高于传统修形。本研究对齿轮传动系统的减振降噪及降低生产成本具有借鉴价值。

摘要： 无人机作为一种灵活的空中平台，很大程度上依赖于其姿态控制。姿态控制是指通过调整机体姿态以实现预定飞行的技术。深度强化学习（Deep Reinforcement Learning, DRL）作为一种新兴的智能控制算法，由于能够处理高维度状态空间和持续动作空间的特性，逐渐成为解决姿态控制问题的有力工具。DRL通过与环境的互动学习最优策略、将深度学习的感知能力与强化学习的决策能力相结合，从而实现对飞行姿态的精确控制。

关键词： 群体智能优化算法   人工蜂鸟算法   收敛精度   收敛速度  

摘要： 针对人工蜂鸟算法全局搜索能力不强、易陷入局部最优的问题，提出了一种多策略融合改进的人工蜂鸟算法（Improved Artificial Hummingbird Algorithm,IAHA）。首先，在引导觅食阶段对最大未访问次数候选食物源的数量进行分类，以提升全局搜索能力；其次，在区域觅食阶段引入Levy飞行及历史最佳位置，以提升跳出局部最优能力；最后，在迁徙觅食阶段增加更新次数表，以提升种群多样性和跳出局部最优能力。在MATLAB2020上进行IAHA和三种对比算法的性能对比实验，测试函数选择CEC2022函数测试集。实验结果表明，IAHA算法性能优于对比算法。

关键词： 点云滤波   kd-tree算法   K-means聚类   图卷积网络   边界线检测  

摘要： 由于矿山道路没有路肩且道路边界线十分模糊,因此区分道路边界线之内的可行驶区域与边界线以外的非可行驶区域成为亟待解决的问题。为提升露天矿车行驶的安全性,提出了一种基于图卷积神经网络的露天矿车道路边界检测算法。首先利用kd-tree算法和基于体素化的八叉树滤波算法构成的复合索引结构对点云数据进行精简和滤波,剔除点云数据中的异常点和高噪声点;再通过基于K-means聚类对精简后的点云数据进行图卷积神经网络运算提取出地面点,非地面点通过聚类方法寻找邻域构成三角面,利用三角面的法向量拟合非地面即得到曲面;最后计算拟合最优地面和非地面的交线即为所求的道路边界线。试验结果表明:提出的道路边界检测算法能很好地检测出边界线,为矿山道路无人驾驶提供安全范围,有助于提升无人运行矿车驾驶的安全性。

关键词： 动力定位   推力分配   桨舵组合   全回转推进器   回转禁止域  

摘要： 为了解决主推进器与舵相互影响和桨桨干扰对动力定位船的推力分配的影响问题，推导并建立了海洋石油278船过驱动矢量推进系统的数学模型，提出了一种基于二次规划法的改进推力分配方法．该方法引入了舵对推力分配的影响，将桨舵组合推进器视作一个有角度限制的可回转推进器；同时针对非凸的推进器回转角度禁止域进行凸化处理，将约束条件线性化，并优化推进器回转方向的策略，避免因桨桨干扰导致的推进器局部饱和问题，可实现推力资源的优化配置．仿真验证结果表明：所提出的改进分配方法可以有效解决推力分配中相邻推进器之间的尾流干扰问题，并解决与主推进器和舵的组合对推力分配影响的难题，可实现动力定位船推进系统的推力合理分配和三自由度运动控制．