课程文献中心 更多>>

关键词： 基坑支护桩   变形预测   LSTM算法   XGBoost算法   Stacking算法  

摘要： 城市化进程加快使基坑工程面临复杂状况,准确预测基坑支护桩变形及分析影响因素极为关键。本文基于LSTM、XGBoost和Stacking集成算法对基坑支护桩变形进行预测,在桩径0.5 m时,LSTM算法预测支护桩水平与竖向位移和实测值最大误差分别为3.8mm和2.3mm,XGBoost算法对应误差为2.1mm和2.3mm,Stacking算法仅为0.7mm和0.7mm;桩间距1.5m时也有类似规律。可见Stacking算法在不同桩径和桩间距位移预测中更贴近实测值。此外,桩径从0.5 m增大到0.8m时,水平和竖向最大变形量分别减小39.4%与37.6%,桩间距增加时,水平与竖向位移分别增加73.4%与37.4%,这些规律为工程设计、施工和管理提供了科学依据。

关键词： Sparse A^(*)algorithm   Path planning   Rasterization   Coordinate transformation   Image preprocessing  

摘要： An improved version of the sparse A^(*)algorithm is proposed to address the common issue of excessive expansion of nodes and failure to consider current ship status and parameters in traditional path planning *** algorithm considers factors such as initial position and orientation of the ship,safety range,and ship draft to determine the optimal obstacle-avoiding route from the current to the destination point for ship planning.A coordinate transformation algorithm is also applied to convert commonly used latitude and longitude coordinates of ship travel paths to easily utilized and analyzed Cartesian *** algorithm incorporates a hierarchical chart processing algorithm to handle multilayered chart ***,the algorithm considers the impact of ship length on grid size and density when implementing chart gridification,adjusting the grid size and density accordingly based on ship *** results show that compared to traditional path planning algorithms,the sparse A^(*)algorithm reduces the average number of path points by 25%,decreases the average maximum storage node number by 17%,and raises the average path turning angle by approximately 10°,effectively improving the safety of ship planning paths.

关键词： 通感一体   虚警抑制   多维度特征融合   深度学习  

摘要： 通感一体技术作为未来无线通信领域的重要发展方向,融合了通信与感知功能,但虚警问题严重影响其性能。本文针对虚警抑制问题,提出了一种GNN-MLP算法。该算法综合利用GNN的空间特征提取能力和MLP的时间特征提取能力,通过逐步抽象和融合,实现对点云序列的高效分类。仿真结果表明,本文所提算法在通感基站虚警滤除方面表现出色,召回率和精确率都达到了95%以上。其分数与现有工作的结果相比也存在明显的对比优势,验证了本方案在实际应用中的巨大潜力。

关键词： 无线传感器网络   接收信号强度指示   路径损耗因子   定位   樽海鞘群算法   引力搜索算法  

摘要： 通常基于接收信号强度指示(RSSI)的无线传感器网络定位需要提前对路径损耗因子n值进行测量,在不同环境下需要重新测量n值、校准,这将大大增加定位的复杂度。针对此情况,文中提出一种无需测n值的定位方法,即使用比值法消除路径损耗模型中参考节点的不确定影响,通过引力搜索改进樽海鞘群算法(SSA-GSA),同时寻找n值与信号源的坐标。相较于一般的定位方法,该方法不受环境条件的约束,在无线传感器网络监测现场可以即时进行系统定位,无需另外测量计算n值。仿真结果证明了该方法的可行性,不仅降低了定位成本,还具有较高的定位精度。

关键词： 协同优化   分布式制造   阻塞约束   产品装配   Q-Learning算法  

摘要： 在分布式调度中,调度策略的协同优化已逐渐成为分布式调度研究者与分布式制造行业决策者的重点关注方向之一。针对带装配机的分布式阻塞流水车间调度问题DBFSP-A,以最大装配完成时间为优化目标,提出一种基于Q-Learning的协同优化算法QLBC。首先,建立了以最大装配完成时间为优化目标的数学模型,以增强DBFSP-A的可解释性,在算法构造初始化阶段,QLBC充分利用DBFSP-A的问题特征,分别根据加工任务的总处理时间、前置延迟时间等特定的排序规则,构造式地产生高质量的、多样性的可行调度序列作为算法的初始解;其次,在QLBC的后续迭代中,采用基于Q-Learning的协同搜索策略,自主学习地指导当前解根据其各自状态及先验反馈选择合适的搜索操作,从而实现全局搜索和局部搜索、加工过程与组装过程的协同进化与协同优化;最后,在不同实例中,测试和检验了QLBC算法的性能。实验结果表明,相较于其他6种先进算法,QLBC求解的可行调度序列时间平均节省32.09 h,在提高生产效率、节约生产成本方面更具优势。

关键词： 自组网   相控阵天线   数据时隙复用分配算法  

摘要： 与单波束定向天线相比,相控阵天线在自组网网络中有着广阔的发展前景,如何将相控阵天线多波束技术适用于自组网网络成为当前的研究热点之一。文章基于相控阵天线自组网提出了一种数据时隙分配复用算法。该算法能利用相控阵天线多波束能力,复用不同阵面进行数据传输,有效提高自组网的空时资源复用效率。仿真结果表明,相对于单波束天线,基于相控阵天线的数据时隙复用分配算法能大幅度提高自组网网络的时隙利用率和吞吐量性能,降低端到端时延。

关键词： 社交机器人   算法认知战计算宣传   国家网络安全  

摘要： 在国际政治博弈过程中,基于网络技术和人工智能的算法认知战已经成为“计算宣传”中的重要环节。作为高新科技的“社交机器人”,在实现信息武器化之后,被用于网络舆论战后成为出没于民间网络、引导人类认知的隐蔽力量。现通过俄乌冲突等案例揭示在计算宣传过程中社交机器人的动向与运作机制。同时,也对社交机器人对国家安全的挑战提出思考,探索相关的治理之道。

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： 极坐标   BEV目标检测   位置和语义信息   特征加权   跨平面编码器  

摘要： 传统的笛卡尔坐标系下的3D目标检测方法因车载相机的固定楔形成像几何,导致相机图像编码时在一定程度上忽视了目标在不同视角下的对称性和连续性。鉴于此,本文提出一种基于位置与语义信息加权的极坐标BEV端到端3D目标检测方法—PolarDet。该方法通过极坐标查询与预定义的极坐标网格生成极坐标下的BEV位置与语义信息,再与前一帧的BEV信息进行特征交互以融入时间信息;在输出最终检测结果时,PolarDet再对位置与语义信息进行加权求和,以提高信息的利用效率,使网络能够达到更高的检测精度。本文在具有挑战性的BEV目标检测nuScenes数据集上进行了广泛的实验,结果表明,PolarDet最优模型的mAP(平均精度)达到0.469,NDS(nuScenes检测得分)达到0.56,显著优于基于笛卡尔坐标的BEV目标检测方法。

关键词： 激光雷达传感器   自动驾驶安全   感知攻击   点云   驾驶决策  

摘要： 为了验证自动驾驶中基于激光雷达感知算法面对攻击的脆弱性,提出了一种使用基于点云上采样算法PC 2-PU并配合随机下采样来控制攻击点的数量的黑盒攻击模型,这种攻击能够减少因为数据集本身的缺陷而导致的最终结果出现偏差的情况出现,所提出的攻击模型包括攻击点的数量、位置和高度3个主要因素,通过实验来验证这些因素对攻击结果的影响程度,实验中使用了4种不同类型的感知模型来证明我们提出的攻击的有效性;结果表明,即使只有20个攻击点时,在部分区间位置内的攻击成功率超过了90%,随着攻击点数的增加,在不同位置的攻击成功率均在不断提高;在百度Apollo平台中测试了该攻击对决策层产生的影响。