课程文献中心 更多>>

关键词： 深度强化学习   RE-MADDPG-C   残差网络   ICM   奖励稀疏  

摘要： 针对多智能体深度确定性策略梯度算法(Multi Agent Deep Deterministic Policy Gradient，MADDPG)在未知环境下探索效率低下的问题，提出多智能体深度强化学习算法RE-MADDPG-C。利用残差网络(ResNet)缓解网络中的梯度消失和梯度爆炸问题，提高算法的收敛速度。为解决未知环境下单目标探索中奖励稀疏导致的收敛困难问题，引入多智能体好奇心模块(Intrinsic Curiosity Module，ICM），好奇心奖励作为智能体的内在奖励，为其提供额外的探索动机。通过设计合理的探索奖励函数使得多智能体能够在未知环境下完成单目标探索任务。仿真实验结果表明，该算法在训练阶段获得的奖励提升更快，快速完成探索任务。相比MADDPG及其他算法训练时间缩短，且获得的全局平均奖励更高。

关键词： 动态误差特性   动态条件建模   自适应滑动平均   逐点滚动累加平均   动态电能计量  

摘要： 针对高比例新能源接入后的动态电能计量问题，文章首先对负载电流快速动态变化和正反向电流频繁切换等动态条件进行数学建模，然后定量分析现有电能计量算法在稳态条件和新型动态条件下的电能脉冲误差特性，指出了现有计量算法在实时反映负荷波动存在的不足。在此基础上，提出了2种响应速度快、动态准确度高的动态电能计量算法：自适应滑动平均计量算法和逐点滚动累加平均计量算法。仿真测试表明，与现有计量算法相比，新计量算法响应速度快、动态误差小，能够实时追踪负荷波动，同时，逐点滚动累加平均计量算法进一步提高了电能表动态计量准确度。

关键词： 螺旋曲面   叶轮   四轴铣削   宏程序   算法   仿真加工  

摘要： 数控宏程序编程一般常用于三轴以下数控加工。多轴数控加工因坐标轴数量增加，编程时即要考虑各点位的多轴坐标，还要考虑刀位角等加工因素，利用宏程序编程难度较高，一般常用CAM软件自动编程。为拓展宏程序在多轴数控加工的应用，通过以典型螺旋曲面类零件整体叶轮加工为例，在分析其数学模型算法的基础上，采用四轴数控铣削方式进行宏程序编程，并利用VERICUT软件进行数控仿真加工验证。通过案例编程，探讨四轴宏程序编程特点，归纳此类零件四轴数控加工宏编程要点，可拓展多轴数控宏程序编程思路，发挥宏程序编程的优势。

关键词： 边坡工程   阶跃型滑坡   蠕滑趋势   PSO-VMD模型   傅里叶波动函数   GA特征优化算法   CNN-SE-GRU模型   KDE-GWO-ELM模型  

摘要： 在滑坡位移预测模型构建过程中，为了清晰地分离出各类特征影响的滑坡位移部分，增强位移预测模型的力学可解释性与泛化能力，提出一种基于蠕滑趋势影响和特征优化算法的阶跃型滑坡位移预测模型。该预测模型首先运用粒子群算法优化变分模态分解(PSO-VMD)方法将训练数据分解为具有西原蠕变特征的趋势项位移及其他数据曲线；然后，综合选取滑坡位移的外界影响特征，对其他数据曲线运用遗传特征优化算法(GA)分离重构得到具有傅里叶波动特征的波动项位移及最大化与外界影响特征间相关性的影响项位移；分别运用西原蠕变泰勒展开多项式模型，傅里叶波动模型及卷积神经网络-挤压激励注意力模块-门控循环单元模型(CNN-SE-GRU)对趋势项位移，波动项位移及影响项位移进行预测；令各项位移训练时的误差为随机项位移，运用核密度区间估计约束下灰狼算法优化极限学习机(KDE-GWO-ELM)模型对该位移进行预测；最终，各项位移预测值叠加后实现对阶跃型滑坡位移的预测。以阶跃型滑坡——白水河滑坡为例，选取ZG118与ZG93监测点2005年11月～2009年10月累积水平位移数据为训练数据，2009年11月～2010年7月累积水平位移数据为预测数据进行研究。结果表明，预测模型下ZG118与ZG93监测点的RMSE分别为5.85与10.61 mm,MAPE分别为0.27%与0.43%，与CNN-SE-GRU/LSTM模型、GWO-ELM模型、VMD-GWO-ELM模型及EEMD-CNN-GRU模型相比，该模型不仅预测精度有所提升，且清晰地解释了时间特征、外界影响特征及误差特征对预测模型的影响，具有较好的可解释性与泛化能力。

关键词： 巡检机器人   膜计算   粒子群算法   PID  

摘要： 针对矿用巡检机器人在工作过程中效率低、稳定难的问题，该文设计了一种基于膜计算优化粒子群算法的PID控制方法。首先，根据矿区路面不平整及机器人自身特点，建立其运动模型；然后，采用单层膜结构模型对粒子群算法进行优化设计，得到膜计算优化粒子群算法（MC-PSO），将PID的3个控制参数编码成MC-PSO算法优化的对象，经过换位、交流、交叉和改写这4个规则处理后得到理想的优化值，并将其应用到矿用巡检机器人控制中；最后，进行了仿真实验，并与传统PID、模糊PID(Fuzzy-PID)相比较，实验数据表明，在系统平均误差方面分别减少了0.23 m和0.16 m，在系统调节时间方面分别减少了4.6 s和3.08 s，同时系统抗干扰能力较好，验证了该算法在提升系统响应速度、控制精度及鲁棒性方面有较好的效果。

关键词： 车道线检测   语义分割   注意力机制   动态蛇形卷积   Gamma校正算法  

摘要： 车道检测作为计算机视觉技术在交通领域的关键应用,具有深远的实用价值。尽管如此,现有的语义分割网络模型在道路语义分割任务中仍面临着精度不足和边缘模糊等挑战。针对这些问题,提出了一种基于UNet模型的改进型车道线图像分割网络架构。在UNet模型的跳跃连接中,引入双重注意力机制,优先突出了车道线的重要性,并有效降低了噪声的干扰。此外,采用了动态蛇形卷积来替代传统的卷积方法,增强了网络对车道线的识别能力。考虑到在曝光不足或光线较暗的背景下进行车道线检测的挑战,在图像预处理阶段引入了一种改进的自适应Gamma校正技术,以增强检测的全面性和准确性。同时,在编码器末端引入了空洞金字塔池化技术。实验结果表明,在满足实时性要求的前提下,该模型TuSimple数据集上达到了98.93%的准确率,相较于其他5种基于语义分割的车道线检测算法,展现出更优越的识别效果,结果验证了应用动态蛇形卷积与双注意力机制改进的有效性。

关键词： 无线传感器网络   虚拟骨干   加权连通坡面划分   节点能量  

摘要： 无线传感器网络的虚拟骨干是由承担网络的计算和路由任务的节点组成，其能耗效率是整个网络寿命的关键问题。无线传感器网络的长寿命的容错虚拟骨干的构建问题，可以抽象成加权无向图中的加权连通坡面划分问题，这是一个NP-Hard问题。本文提出一种考虑寿命的容错虚拟骨干构建算法，它包括两个子算法。子算法1采用贪婪策略来选取能量较大的节点来构建多个不相交的连通控制集，基于睡眠-唤醒机制将虚拟骨干节点电池使用效率最大化。子算法2采用伪不相交连通控制集技术选取寿命较大的节点以更新子算法1获得虚拟骨干，构建新的长寿命的容错虚拟骨干。仿真结果表明，在虚拟骨干的寿命和连通控制集的数量方面，本文的算法性能优于所比较的算法。

关键词： 阿尔茨海默病   认知功能障碍   苯并噻唑类   tau蛋白质类   正电子发射断层显像术   算法  

摘要： 目的 基于tau IQ 算法，建立一种基于Braak分期纵向且不涉及β-淀粉样蛋白(Aβ)显像的体素级别量化方法，以实现特异性tau量化。 方法 该横断面研究纳入2018年11月至2020年7月间复旦大学附属华山医院核医学/PET中心的92例受试者[男35例、女57例，年龄(62.9±10.4)岁]，其中认知正常(CN)者28名、轻度认知障碍(MCI)患者20例、阿尔茨海默病(AD)患者44例。所有受试者采集 18 F-florzolotau PET图像及简易精神状态检查量表(MMSE)和临床痴呆评定量表(CDR)评分。通过Braak分期构建tau纵向数据集，采用logistic回归进行体素级别拟合得到基准矩阵，最后通过最小二乘法对矩阵进行分解，得到特异性沉淀系数Tau load 。采用单因素方差分析(事后检验为Tukey法)比较组间Tau load 、SUV比值(SUVR)差异，采用ROC曲线分析CN、MCI与AD两两组间的分类能力，采用Spearman秩相关分析Tau load 、SUVR与MMSE评分、CDR评分之间的相关性。 结果 CN组的Tau load 接近于0，并显著低于MCI组与AD组( F ＝55.03， P <0.001；事后检验均 P <0.001)，各ROI的SUVR差异也均有统计学意义( F 值：36.46～55.38，均 P <0.001)；相较于SUVR，Tau load 显示出更大的组间差异。在CN、MCI与AD两两组间的ROC曲线分析中，Tau load 的AUC一直保持最高(0.754～1.000)。Tau load 及各ROI的SUVR与MMSE评分呈负相关性( r s 值：－0.698～－0.583，均 P <0.05)，与CDR评分呈正相关性( r s 值：0.648～0.783，均 P <0.05)，其中Tau load 的相关系数绝对值最高。 结论 相对于传统半定量SUVR方法，Braak-tau IQ 算法不需要特定参考脑区也可以实现特异性tau量化性能。