课程文献中心 更多>>

关键词： 调制样式识别   卷积神经网络   多头注意力机制   组卷积  

摘要： 调制样式识别技术是通信信号侦查的重要组成部分,是对未知通信信号进行分类识别、信息提取的重要前提。现有的基于深度学习调制样式识别方法在低信噪比情况下特征提取能力较差,针对这一问题,本文提出了一个基于多尺度特征融合提取的信号调制样式识别算法。算法利用由多个不同大小的卷积核构成的多尺度卷积模块提取信号的多尺度特征,并通过卷积层融合特征,提取出信号调制样式信息的关键特征,随后通过由多头自注意力机制构成的全局特征提取模块提取信号的全局特征,并通过平均池化层和全连接层实现调制样式分类。为了优化网络参数与运算复杂度,本文提出利用组卷积方式代替普通卷积简化模型。实验结果表明,在RadioML2016.10a数据集上,所提方法可以准确识别各个调制类型,在高信噪比下大部分调制类型的识别准确率高于95%;相较于现有的神经网络识别方法,所提方法的识别率提升了1.47%~7.26%,且在较低信噪比下(-6 dB~0 dB)识别率提升了4.73%~9.09%,体现出更好的抗噪性能;与利用普通卷积方式构建网络相比,采用组卷积方式可以在识别性能相差不大的情况下将网络参数量及运算量分别减小38.9%和54.9%。同时设计了消融实验验证所提算法各个模块对识别性能的提升。实验结果验证了所提算法在分类精度和抗噪性能方面的有效性。

关键词： 无刷直流伺服电机   三环PI控制   遗传混合算法   矢量控制   仿真建模  

摘要： 针对双无刷直流伺服电控制系统在机器人关节控制应用中精度低、响应速度慢、鲁棒性差的不足,拟采取遗传和果蝇混合(GA-FOA)算法PI参数优化方法,以提高双电机控制系统的控制精度、响应速度、鲁棒性。建立无刷直流伺服电机三闭环控制仿真模型,以CSPACE为主控器建立控制系统,结合上位机、霍尔传感器设计双无刷直流伺服电机控制系统。通过遗传和果蝇混合算法PI参数优化方法,优化无刷直流伺服电机矢量控制中的三环PI控制器参数。仿真结果表明,GA-FOA混合算法优化速度环时比GA和FOA算法分别快9.9 ms和9.8 ms,且具有更小的波动和超调量,优化电流环时,响应时间快7.0 ms和5.9 ms,波动小更稳定,优化位置环时,收敛快且未出现超调量,轨迹跟踪优化后的电机模型在髋关节和膝关节的平均跟踪误差分别为0.069 474°和0.042495°。双电机单轮腿样机实验中,实验空间轨迹和理论空间轨迹误差为[0.28 mm,2.11 mm],空间轨迹吻合,结果表明GAFOA混合算法在双电机单腿样机实验上对电机的精度、响应速度、鲁棒性具有意义。

关键词： 智能汽车   3维目标检测   点云   柱形特征编码  

摘要： 基于柱形(Pillar)的单阶段点云3维目标检测算法凭借其较高的运行效率,在工业界得到了广泛的关注和应用。但对点云柱形量化造成的点云3维特征细粒度信息损失,导致这类算法对稀疏点云小目标的检测能力较弱。尽管部分研究对此问题提出了应对方法,但通常以较高的检测时间成本或者大目标检测精度作为代价。为此,该文提出了一种基于改进柱形特征编码的柱形点云目标检测算法。首先,构建可实现柱形单元内部点云局部与全局特征相结合的柱形特征编码网络,用于增强柱形量化特征的表征能力;然后,设计一个由2维稀疏卷积块与特征融合网络相结合的主干网络,用于融合多尺度的高级抽象语义特征和低级细粒度空间特征,防止过度关注小尺寸特征而降低大目标的检测性能;最后,在KITTI自动驾驶数据集上进行训练和测试,并对实验结果进行了可视化和消融研究。结果显示:所提算法在KITTI数据集的中等难度下,多个类别的平均精度均值达63.54%、平均方向相似性均值达70.72%,平均检测帧速率达31.5 f/s;与PointPillars、TANet和PiFEnet算法相比,该文算法的平均精度均值分别提高了2.44、2.05和2.38个百分点,平均方向相似性均值分别提高了4.69、0.68和7.83个百分点,在同类算法的对比中表现出工程应用潜力。

关键词： 网络约束机组组合   混合整数规划   割平面   诱导函数   求解效率  

摘要： 随着新能源渗透率的提高,电力系统线路与断面越限、备用不足等风险增大。在电力系统调度优化中,这一变化体现为系统约束不易满足,导致网络约束机组组合求解效率显著降低,需要通过割平面方法进行提速。目前针对系统约束的割平面生成效率低下,加速效果不佳。提出一种通用的针对系统约束的割平面生成方法。该方法借助混合整数规划的割平面生成功能,通过快速求解小规模诱导模型,针对系统约束自动推导有效割平面。算例测试结果表明所提方法加速效果显著且稳定,且该方法自动化程度高,通用性强,具有良好的工业应用前景。

关键词： 深度学习   目标检测   YOLO   轻量化  

摘要： 为了实现对现有物流行业中输送线上纸箱外形异常检测问题的优化,在YOLOv8框架的基础上,改进了骨干网络,推出一种融合ShiftConv模块的轻量化骨干网络。提出了一种新的检测头DSDET,使网络在轻量化的同时保持较高精度,为解决在目标遮挡情况下检测效果不佳的问题,使用了Repulsion Loss损失函数,通过损失函数使同类间的预测框尽可能远离,从而使检测网络模型在存在较多遮挡情况的纸箱外观异常的检测任务中有更高的精度。通过在自制纸箱数据集上对目标检测网络模型进行测试,平均检测精度可达93.8%,与原有YOLOv8相比检测精度提升2.4%,这种方法可应用于自动化物流实际场景下的纸箱外形异常目标检测。

关键词： 路径规划   ROS   关键点选取   A^(*)算法  

摘要： 针对传统室内移动机器人采用A^(*)算法时遇到的路线长、转折点多、难以全局寻优等问题,提出一种改进后的A^(*)算法。首先基于A^(*)算法引入跳点搜索法(JPS),通过选取新的关键节点代替传统父子节点,其次引入权重系数动态平衡实际代价与预估代价,最后使用分段三次Hermite插值(PCHIP)进行平滑度优化。为了验证改进A^(*)算法的性能,将该算法应用于仿真栅格地图和实际室内环境中。实验结果表明,改进后的A^(*)算法缩短了搜索时间,减少了机器人转折点并且能够缩短路径长度,提高机器人运动效率。

关键词： 无线传感器网络   蜣螂优化算法   DV-Hop   Sin映射   柯西变异  

摘要： 在无线传感器网络中,常规的距离-向量(DV-Hop)定位方式有很高的定位错误率,尤其是当节点数目分布不平衡或者通讯范围过广时。针对上述问题,本文提出了基于改进蜣螂优化算法(DBO)的IDBO-DV-Hop定位新方法,通过创新性地融合元启发式优化策略与传统DV-Hop定位算法,系统性地突破了传感器网络节点定位的性能瓶颈,在算法设计和技术实现上展现出显著的理论创新价值。本文通过引入改进的蜣螂优化算法(IDBO),该算法通过多策略进行改进,包含Sin映射策略、动态自适应权重策略以及柯西变异策略等,系统性地重构DV-Hop算法的定位框架,创新性地优化未知节点位置估计策略。本文提出的IDBO-DV-Hop算法不仅在理论设计上实现了位置偏差的有效抑制,更在定位精度提升方面取得了显著突破。通过严格的仿真验证,相较于其他定位算法,IDBO-DV-Hop定位算法在定位精确度上展现出卓越的性能优势。

关键词： 交通安全   分心驾驶   孪生网络   深度学习  

摘要： 分心驾驶行为是驾驶过程中普遍存在的问题,对交通安全造成了显著影响。当前分心驾驶识别模型参数量大,识别任务使用数据集多为国外开源数据集。针对上述问题,首先模拟6种驾驶行为构建了数据集。再以孪生网络(Siamese network)为框架,将特征提取层改为轻量化的LightCNN9,并融合注意力机制以更好提取图像特征。针对孪生网络特点修改损失函数为二类分交叉熵损失函数(BCE Loss function)。通过自建数据集进行模型训练、测试后,使用开源数据集验证模型可靠性,实验结果表明:检测准确度达到97.2%,模型参数大小6.26 M,验证准确度达到96.4%。消融实验结果表明:map_0.5达到96.6%,说明模型在分心驾驶识别任务上有着较好可靠性与效果。

关键词： 新能源并网   振荡风险评估   最差工况搜索   元启发式算法  

摘要： 随着新能源的广泛接入,由电力电子设备与电网间相互作用引发的振荡问题日益凸显。在电力系统运行规划过程中,需要对恶劣工况下系统振荡风险展开评估。因而如何找到最恶劣工况,成为亟待解决的关键问题。提出了一种基于元启发式算法的新能源电力系统振荡稳定性最差工况搜索方法。根据所研究的系统选择工况变量,采用对数导数法构建振荡稳定性分析函数,选择元启发式算法并辨识系统振荡最差工况,最后,根据系统振荡最差工况分析系统振荡风险。将该方法应用于某实际大规模风电接入系统,计算得到该系统的振荡最差工况并评估了系统振荡风险。

关键词： 无人机   侦察任务   路径规划   算法优化  

摘要： 无人机执行侦察任务时,路径规划是影响任务效能的关键因素。本文提出一种改进的无人机侦察路径规划算法,综合考虑了无人机性能、地形特点、威胁分布等多种约束条件,通过优化模型和启发式搜索,生成安全高效的飞行路径。该算法在无人机威胁环境下的飞行路径规划方面进行了创新,引入改进的威胁评估模型,得出基于多智能体协同的路径优化策略。仿真实验表明,与传统方法相比,该算法能够显著提升无人机的生存能力和任务完成质量,缩短飞行时间,具有良好的工程应用前景。未来需要进一步优化算法性能,拓展其应用场景。