课程文献中心 更多>>

关键词： 无人驾驶电动装载机   路径规划   蛇优化算法   蚁群算法  

摘要： 针对无人驾驶电动装载机多机作业调度问题，给出一种蛇优化蚁群算法求解该问题。在蚁群算法的基础上利用蛇优化算法对蚁群算法中的核心参数进行优化，并采用全局异步与精英策略相结合的信息素更新方式来保证算法的运行效率。采用Solomon测试集中不同客户规模的算例，对基本蚁群算法、精英蚁群算法、粒子群优化蚁群算法和蛇优化蚁群算法进行对比分析，并根据真实场景中的储料斗骨料消耗情况设计了无人驾驶电动装载机多机作业调度的验证案例。实验结果表明，针对C1型、R1型和RC1型算例，蛇优化蚁群算法的寻优能力高于其他算法，求解得到的调度方案能够实现更低的作业成本，验证了蛇优化蚁群算法的有效性。

关键词： 网格简化   二次误差度量   法线向量   三角形正则度   边折叠  

摘要： 三维网格简化是计算机图形学中的一项重要技术，广泛应用于虚拟现实、游戏开发和计算机动画等领域。传统的QEM算法虽然在简化过程中能有效降低模型的复杂性，但是在保留重要细节特征方面存在一定的局限性。为解决这一问题，在QEM算法的基础上引入折叠前后三角面法向量夹角的判断，以及三角形正则度作为边折叠的约束条件。这一改进策略旨在确保简化过程中模型的视觉效果保持连续性，并尽量减少狭长三角形的生成。在多个三维模型上进行实验，结果显示，改进后的算法在相同简化率条件下相较传统QEM算法和顶点聚类算法更能有效保留特征点，确保简化前后的视觉效果相近，且改进算法处理后的模型网格与原始模型网格的豪斯多夫距离最小。

关键词： 车联网   多用户干扰   多目标联合优化   深度强化学习  

摘要： 为了解决车联网（IoV）信道高动态不确定性及多用户干扰所导致的通信传输性能下降问题，提出了一种基于多智能体增强型双深度Q网络（EDDQN）的多目标联合优化资源分配算法。首先，考虑车辆运动和信道时变特性，建立多用户干扰下频谱共享和功率控制联合优化的资源分配决策模型，在满足时延和可靠性等约束下，最小化网络时延和能耗加权和（成本）；然后，将模型转换为马尔可夫决策过程（MDP），利用双深度Q网络（DDQN），并引入优先经验回放和多步学习，通过集中式训练和分布式执行，优化车间（V2V）链路的频谱共享和功率分配策略。结果表明，所提算法具有良好的收敛性，在不同负载下相较对比算法成本减少8%以上，负载传输成功率提升19%以上，有效提高了通信传输性能。

关键词： 移动机器人   多传感器融合   地图构建   激光雷达   RGB-D相机  

摘要： 为高效辅助救援团队在火灾后迅速定位被困人员，本文使用搭载树莓派4B控制器、激光雷达、RGB-D相机、IMU传感器和轮式里程计的移动机器人来构建火灾后现场室内环境的高精度地图。针对单线激光雷达数据密度较低的问题，对Gmapping算法的建议分布进行重新设计，并优化其重采样方法。此外，提出了一种区域图像算法，将二维激光雷达数据与深度相机数据融合。仿真结果表明，改进后的Gmapping算法在粒子收敛速度上有显著提升，融合算法在建图精度上优于单激光雷达和单RGB-D相机建图。

关键词： YOLOv5   异型烟检测   K-means++   金字塔切分注意力   空洞空间金字塔池化  

摘要： 为了解决异型烟核对工作量繁重，降低条烟误检率，提高烟草物流行业的工作效率和智能化水平，提出一种基于改进YOLOv5的异型烟检测算法。该算法以YOLOv5作为基础框架，引入金字塔切分注意力模块(PSA)特征空间域信息，并与Focus模块提取的特征通道域信息融合，获得多维度特征信息；空洞空间金字塔池化（ASPP）用于改进SPP模块，使用不同比率的空洞卷积运算，可在保证分辨率的情况下扩大感受野，减少运算参数；使用K-means++聚类算法对锚框进行优化，提高锚框与所获得图像的匹配度。使用生产现场采集的异型烟数据集对算法进行实验，实验结果的mAP参数为94.5%，比优化前的结果提高将近4%。改进后的模型没有引入复杂模块，可以部署在AI边缘计算集成开发板中，推理和识别时间约为67ms，能满足生产现场实时性要求。

关键词： 绿色数据中心   冷热电联产   智能节能   深度强化学习   碳排放优化   能效提升   联合控制   预测网络  

摘要： 现有的数据中心节能降碳优化方法没有综合考虑碳足迹涉及的能源输入、生产耗能以及废余利用等环节的耦合性，难以实现系统性节能降碳。为此，提出了一种基于深度强化学习的优化算法(deep combined cooling heating and power，DeepCCHP)，针对数据中心冷热电联产系统，联合控制供电子系统和制冷子系统，优化用电成本、碳排放量和能效。DeepCCHP结合长、短期时间序列网络(long and short-term time-series network-attention，LSTNet-Attn)和深度强化学习方法对联合优化问题进行求解，实现前摄式的联合控制发电设备和制冷设备。在基于Trnsys软件的仿真环境中，通过阿里巴巴数据中心集群数据的训练和验证。实验结果表明，与基准算法相比，DeepCCHP算法可以节省最高40%的成本和28%的碳排放量，且能够在能源成本、碳排放和能效三者之间取得更好的折中与平衡。

关键词： 准单调变分不等式   不动点   半压缩映射   多步惯性   强收敛性  

摘要： 在Hilbert空间中构造了新的多步惯性次梯度外梯度算法,用以加快逼近准单调变分不等式解集和半压缩映射的不动点集的公共元的速度。在适当的假设条件下,利用零点半闭原理和投影算子技巧证明了由该算法所生成的序列强收敛到准单调变分不等式解集和半压缩映射的不动点集的公共元。最后给出具体的数值实验,检验了该迭代算法的可行性和有效性。文章所得结果推广和改进了一些最新文献的相关结果。

关键词： 缺陷检测   工业缺陷   多尺度特征   知识蒸馏  

摘要： 随着工业生产线自动化程度的提高，企业对产品质量的要求逐渐严格，缺陷检测成为辅助自动化生产的一项重要任务。然而由于部分工业产品结构复杂，生产过程中可能出现各种未知类型的缺陷，且缺陷样本难以获取，使得工业缺陷检测仍具有一定的挑战性。为了提高结构类型工业缺陷的检测效果，提出融合多尺度特征的知识蒸馏工业缺陷检测算法MSFFKD＿DD。首先，提出人工合成异常模块SAM＿AB，使用正常样本图像生成伪缺陷样本图像，模拟未知类型的缺陷，在知识蒸馏过程中引入伪缺陷特征，使算法具备更强的缺陷检测能力；然后，设计特征融合模块MSFFM，通过融合浅层特征和深层特征，增强算法对产品细节特征的提取能力，同时在损失函数中引入SSIM损失，提高对具有复杂结构工业产品缺陷的分割精度。在工业数据集MVTec AD上进行实验，MSFFKD＿DD算法的图像级AUROC、像素级AUROC和AUCPRO分别达到98.4%、97.2%和95.1%，有效提升了结构类型工业缺陷检测的准确率和分割精度。

关键词： 隧道工程   隧道火灾   跟踪算法   应急救援  

摘要： 为了实时掌握隧道现场火灾的发展状况，在YOLOv8火灾检测的基础上结合改进后的DeepSORT算法，提出一种火焰和烟雾的视觉跟踪算法YOLOv8-T，使用EfficientNetV2替换原YOLOv8特征提取网络实现对算法的轻量化调整；引入三重注意力（TA）模块和第四检测头，以提高算法检测精度以及对小目标的检测能力；同时采用ShuffleNetV2替换DeepSORT中的ReID模块，并引入DIOU方法代替传统的IOU，在保证跟踪准确度的条件下减少模型计算复杂度，以提升火灾跟踪的实时性。实验结果表明，在隧道火灾跟踪方面，YOLOv8-T比SORT算法、DeepSORT算法、YOLOv8+DeepSORT在跟踪准确度上分别提高了26.20%、15.86%、9.21%，在跟踪精度上分别提高了11.28%、9.06%、2.2%。在ID变换次数上分别减少22.2、15.3、10.4次，表明YOLOv8-T算法具有较高的火灾跟踪能力。研究成果可为公路隧道火灾监测提供参考，并为实现隧道火灾救援提供依据。

关键词： 目标检测   YOLOv8   注意力机制   全局特征  

摘要： 针对目前主流的目标检测算法在复杂的交通环境下对行人车辆检测精度不高的问题，本文提出一种基于YOLOv8模型改进的目标检测算法。首先，在主干网络前增加一种可学习增强网络，该网络是通过拉普拉斯分解残差学习方式来构建的，其不仅可以充分提取到目标的特征信息，还能增强算法的准确性和鲁棒性，从而减少不同强度的光照对图像目标检测的干扰；其次，本文在中等目标检测层之前添加提出的KSA注意力机制，加入该注意力机制后，检测时可以将注意力集中在图像中重要信息的区域，从而更准确地定位并识别出中等目标，同时也可以减少复杂的背景噪声对检测的干扰；最后，本文提出了基于像素点的Transformer结构，即Pixel Transformer结构。将该结构添加到主干网络中，从而进一步增强算法对图像全局特征的提取能力，使其能学习到更丰富、更全面的目标特征。本文使用KITTI数据集来进行消融实验以及各算法的对比实验，实验结果表明，本文设计的算法在相关指标上取得了一定程度的提升，其中mAP@0.5值提升了3.2%，达到了96.7%，这充分体现了本文算法的优越性。