课程文献中心 更多>>

关键词： DC规划问题   分裂算法   收敛性  

摘要： 本文提出了一种带惯性项的自适应步长三算子分裂算法求解非光滑DC规划问题.在适当的条件下,证明了由算法产生的迭代序列收敛到问题的稳定点.最后将算法应用于稀疏恢复问题,数值实验表明新算法的有效性和优越性.

关键词： 铁路运输   车站进路优化   禁忌搜索   列车作业顺序   离散事件  

摘要： 为解决列车在车站咽喉区的进路规划问题，在给定实际车站咽喉区场景、列车在咽喉区内的进路、列车长度以及车速等情况下，开展列车进路优化算法研究。首先，构建表征列车在车站咽喉区的运行状况的时空网络，将进路问题看成一个有限资源的时空分配问题，并建立问题的网络流模型。然后，开发基于离散事件模型的算法，仿真给定列车优先权顺序条件下的车站咽喉区内的行车计划，得到可行的列车进路方案。其次，基于禁忌搜索（Tabu Search， TS）策略开发列车优先权顺序优化算法，得到行车作业时间延误最小的进路方案。最后，以某车站咽喉区为研究场景进行分析。研究结果表明：提出的基于禁忌搜索的列车作业优先权算法能够有效疏解列车在车站咽喉区内的进路冲突，优化列车的延迟时间和等待时间，并在4 min内达到收敛得到满意的进路方案。

关键词： 机器人   激光雷达   路径规划   多目标遗传算法   水质巡检  

摘要： 为解决强噪声、低光照、高湿度环境下循环水养殖车间水质巡检难题，该研究提出基于三维激光雷达定位技术的水质巡检系统，同时采用多目标遗传算法求解考虑5个主要因素的机器人最佳巡检路径（包括安全性、距离、平稳性、行程持续时间和无碰撞路径），并通过试验验证水质巡检系统可行性。研究结果表明，当巡检系统以0.5 m/s巡航时，实际导航路径与目标路径的最大横向偏差为7.2 cm，最大纵向偏差为6.3 cm，最大航向偏差为6.9°；基于多目标遗传算法的路径规划较多目标进化和随机同源类查找器方法，在行驶路径相同的条件下路径规划时间分别减少了31%和42%，在同一路径且障碍物数量相同的条件下障碍物碰撞率分别降低了15%和31%。研究结果可为养殖车间水质巡检系统研发提供参考。

关键词： 无人机   激光雷达   单木分割   点云数据   Mask R-CNN   GC Net   注意力机制  

摘要： 精准的单木分割是进行森林结构参数提取的关键过程，也是评估森林生物量与碳储量的先决条件。为提高基于无人机LiDAR点云数据的单木分割精度，该研究提出点云栅格化处理结合深度学习算法进行单木树冠分割。首先对样地点云栅格化处理，将点云信息映射到栅格图像的RGB通道中。其次，改进Detectron2框架下的Mask R-CNN模型，在主干网络ResNet中融合GC(global context network)与CBAM(convolutional block attention module)模块。改进后模型平均精度为82.91%，相较原模型平均精度提高6.19个百分点，相较U-Net和DeepLab v3+模型平均精度分别提高7.27和4.62个百分点。最后，在测试样地中，基于点云栅格化处理结合Mask R-CNN模型的召回率R为81.19%，精确率P为78.85%，调和值F为80%，均高于分水岭算法和K-means算法。试验表明，该方法提高了单木树冠分割的准确性，为森林资源调查、生物量以及碳储量估计提供了可靠的基础数据。

关键词： D2D通信   非正交多址接入   智能超表面   资源分配   深度强化学习  

摘要： 终端直通（Device to Device， D2D）和非正交多址（Non-Orthogonal Multiple Access， NOMA）技术在提高异构蜂窝网络容量的同时，也带来了严重的干扰问题，制约了D2D通信链路数据传输速率的提升。为此，提出一种智能超表面（Reconfigurable intelligent surface， RIS）技术辅助的蜂窝NOMA-D2D通信系统模型，构建了D2D用户和速率最大化优化问题。它是一个混合整数非线性问题，首先被解耦为三个通信资源分配子问题；之后，利用二分图最大匹配算法进行D2D簇信道分配，进而基于DDPG深度强化学习算法对D2D发射功率与RIS相移矩阵进行联合优化，最后交替迭代直至算法收敛。仿真结果表明，所提算法在降低D2D通信链路干扰、提升数据传输速率方面效果显著。

关键词： RFID   欠定   防碰撞   连续非负投影算法   有界成分分析  

摘要： 为了更好地解决RFID系统的欠定防碰撞问题，基于盲源分离的方法从初始化分离矩阵的角度对分离算法进行了优化。由于混合矩阵确定了源信号与观测信号之间的线性映射关系，直接影响了分离算法的收敛性和分离结果的质量，因此初始混合矩阵的选择对算法的性能和有效性至关重要。利用连续非负投影算法计算出初始的混合矩阵，摒弃传统的随机初始化，避免了算法陷入局部最优解。由于RFID的标签信号都是有界的，因此在下一步使用有界成分分析算法从混合信号中将标签信号分离出来。仿真结果表明，此算法相较于传统有界成分分析算法的分离相似度在低信噪比下提升了3.05%，比常用的非负矩阵分解算法提高了6.64%的分离准确率。其较低的误码率也表明系统在数据传输或接收过程中能够有效地处理干扰和噪声，从而减少数据错误的发生。

关键词： 矿井通风   风量智能优化   改进鲸鱼群算法   非线性自适应权重   混沌反向学习   Beta分布  

摘要： 为解决复杂矿井通风网络中存在的风量分配不合理、通风调节设施设置不当，以及通风功耗高等问题，基于图论与通风网络理论，构建以矿井通风网络风量分配基本定律、通风巷道风量风压、主要通风机运行工况为约束条件，以矿井通风网络运行功耗最低为目标函数的矿井通风网络非线性优化数学模型，并运用罚函数法将约束条件转换为目标函数的惩罚项。在标准鲸鱼群优化算法的基础上，提出一种融合混沌反向学习、Beta分布、非线性自适应惯性权重的多策略改进方法，通过提高算法的求解精度与收敛速度，增强算法的局部开发与全局寻优能力。采用改进鲸鱼群算法对模型进行求解，并将冀中能源股份有限公司邢东煤矿通风系统作为研究对象进行模拟，结果表明：该煤矿的矿井通风网络运行总功耗下降16.58%，矿井各用风巷道风量分布合理，符合矿井实际通风需求，证明所采用算法的可行性与优异性。

关键词： 深度学习   遥感图像   旋转框目标检测   重参数广义金字塔   DRS-YOLO  

摘要： 由于遥感图像中目标数量多而密集，且背景信息复杂，导致现有检测算法对于小目标检测精度不够理想，针对该问题，提出了一种基于重参数化广义金字塔与扩张残差的遥感图像小目标旋转框检测算法DRS-YOLO。首先，为克服主干网络对特征提取不足的缺点，以旋转算法YOLOv8OBB为基础，在颈部网络引入扩张式残差模块，以增强遥感目标语义信息。其次，为提高网络对于多尺度目标的检测性能，使底层特征信息流向高层，引入重参数化泛化特征金字塔网络替换颈部网络结构，更高效的融合多尺度特征，易于捕捉高层语义和低层空间细节。最后，为进一步提高网络对于小目标的检测性能，基于SPPF提出SPPFI对目标感受野进行扩展，提升了对遥感目标的检测精度。在公开的DIOR数据集和HRSC2016数据集上相较于原YOLOv8sOBB基线网络的检测精度分别提升了1.5%和9.8%。实验表明改进后的算法显著增强了对遥感图像小目标的检测性能。

关键词： 植被保护   无人机图像分割   类引导加权   特征融合  

摘要： 海岸带对人类生活和经济发展有着深远影响，无人机在海洋生态保护中得到了广泛应用，但现有分割模型在无人机海岸带植被分割任务中还存在一些不足。一方面是无人机高度角度变化导致的零散小块植被分割困难和类内尺度变化大的问题，为此设计了CNN与Transformer结合的特征提取网络，并由此设计了MEAFormer分支，以及类引导加权模块（CGW）来学习不同外观的鲁棒特征表示；另一方面是海岸带场景导致的相似植被类别分割错误与水下植被边界分割不清的问题，为此构建包含混合卷积注意力模块（MCA）与双注意力融合模块（DAFM）的融合分支来融合学习不同层次的特征，同时引入SAM分支，由MEAFormer分支得到Mask指导SAM进行精细化分割。实验结果表明，该方法在Cityscapes数据集和OUC-UAV-SEG数据集上MIou分别达到了79.8%与72.4%，验证了该分割策略的有效性。

关键词： 深度学习   分级   模型   YOLOv3-Tiny   莲蓬   轻量化  

摘要： 精准高效的莲蓬质量分级算法是实现莲蓬采后自动化加工的重要一环。针对目前莲蓬果实的采后质量分级研究较少的问题，该研究建立了莲蓬果实质量分级原则，提出了改进YOLOv3-Tiny(you only look once version 3-Tiny)模型的莲蓬质量分级算法。首先在3种光照条件下架设摄像头垂直采集莲蓬图像并建立试验数据集，通过数据增强技术扩充数据集；接着使用K均值聚类算法重新设计先验锚框尺度，提高先验锚框的回归精度。随后以YOLOv3-Tiny原骨干网络为基础，加入空间金字塔池化模块（spatial pyramid pooling,SPP），提升网络提取特征信息的能力；最后利用YOLOv3-Tiny的参数进化模块为该模型进化出一套合适的超参数。试验结果表明，改进的YOLOv3-Tiny模型对莲子识别的平均精度均值（mean average precision,mAP）和召回率（recall）分别为96.80%和94.60%；与原YOLOv3-Tiny模型相比，mAP提高12.49个百分点，召回率提高11.59个百分点，并且每秒传输帧数达到25帧，是Faster R-CNN网络模型的1.24倍。试验数据说明所提改进算法对于莲蓬果实上的莲子具有更好的识别效果，而且满足实时检测的要求，可以为莲蓬质量分级研究提供技术参考。