课程文献中心 更多>>

关键词： 航空运输   NS-DQN算法   强化学习   航班时刻配置   大规模优化  

摘要： 机场容量不能满足航空运输需求时将会造成机场严重拥堵和航班延误。目前，机场时刻资源供不应求的问题主要基于世界机场航班时刻指南采用行政手段将机场航班时刻分配给航空公司。现有航班时刻配置研究大多针对一个机场的航班时刻进行单独配置，配置结果可能导致航班公司在两个机场获得的航班时刻不匹配进而无法安排航班。机场网络航班一体化配置同时考虑航班两端时刻配置，但面临问题规模大、求解困难等挑战。本文建立了一个机场网络航班时刻配置模型，用于在网络层面管理机场航班时刻。为提升模型求解效率，本文开发了基于深度强化学习(DQN)和邻域搜索(NS)相结合的NS-DQN算法。该算法利用DQN跳出邻域搜索过程的局部最优，从而提升求解速度和效果。算法被应用于求解中国大陆机场网络航班时刻配置模型的求解。计算表明，与直接使用Gurobi求解器相比，NS-DQN算法可以在2.75小时内得到全局最优解，大幅减少了模型求解所需要的计算时间。

关键词： 地震响应预测   人工智能   深度学习   变分模态分解  

摘要： 节段拼装自复位桥梁以其良好的韧性和抗震性能在桥梁工程研究中备受关注，然而在高烈度地区的应用尚属罕见。因此，研究节段拼装自复位桥梁在高烈度区域的地震响应显得尤为迫切。然而，自复位桥梁结构地震响应的高度非线性和不确定性，对其地震响应的准确预测带来了巨大挑战。本研究以自复位桥梁振动台试验实测数据以及有限元模型模拟数据为研究对象，提出了一种融合变分模态分解（VMD）、卷积神经网络（CNN）和双向长短期记忆网络（BiLSTM）的自复位桥梁地震响应预测模型。该模型采用VMD捕获地震动数据的频率特征信息，利用CNN提取数据空间特征，通过BiLSTM挖掘数据中的长期时间依赖关系，以精准预测桥梁的地震动响应。本文首先对振动台试验实测的五种地震动不同幅值作用下的上部结构响应数据进行预测训练，之后为了获得桥梁在较大地震动振幅下的动力响应，通过有限元模型模拟数据进行预测训练，两次预测结果表明所提算法与LSTM、RNN、SVR、XGBoost四种对比算法相比具有更好的预测精度和鲁棒性，与SVR和LSTM模型相比，模型评价指标R2分别提高了约11.9%和3.2%；RMSE降低了约52.4%和32.5%；MAE降低了约49.6%和30%。

关键词： 非均质雾霾   亮度补偿   迭代图像去雾  

摘要： 针对现有图像去雾方法无法有效地去除非均质雾霾以及多次去雾导致图像整体变暗等问题， 提出一种基于亮度补偿的迭代式非均质图像去雾算法， 包含图像去雾和亮度补偿2个模块. 在每轮迭代中， 先通过图像去雾模块增强图像的对比度， 降低图像中的雾霾浓度， 再通过亮度补偿模块弥补图像去雾模块造成的亮度损失， 使得亮度补偿结果不但保持先前的图像去雾效果， 而且达到图像去雾处理之前的亮度水平， 为下一轮进一步提升图像的去雾效果创造好的条件; 在亮度补偿模块中， 根据图像去雾前后的亮度变化设计一个亮度补偿算子， 并建立一种基于亮度补偿系数的自适应亮度补偿机制， 不但能够恢复图像的原有亮度， 而且还能够提升图像的对比度， 助力图像的去雾过程. 在FiveK-Haze， SOTS测试集和Real-Haze真实雾霾数据集上的大量实验结果表明， 所提算法在处理非均质雾霾图像上表现出色， 去雾结果具有良好的亮度、对比度和颜色饱和度， 在常用的峰值信噪比、结构相似度、雾霾浓度、图像自然度和学习感知图像块相似度等评价指标上均优于对比方法.

关键词： 开环架构   分布式雷达   粒子群算法   误差估计  

摘要： 分布式雷达作为新体制雷达，有着机动性强、信噪比增益高等特点，其雷达架构可分为开环架构和闭环架构两种，前者因为拥有更高的适用性和潜力，是近些年来研究的热点。开环架构分布式雷达实现的难点在于时间、相位同步误差和基线标定误差等误差因素导致单元雷达信号的退相参化。由于分布式雷达的孔径稀疏性，难以有效地对开环架构下的误差进行校正，针对上述问题，论文分析了开环架构下的误差因素，建立了相应的误差模型，为了更高效地实现对误差的估计，提出了一种基于粒子群算法的误差估计方法，最终通过仿真实验验证了方法的正确性，获得了合成效率与标校信噪比的对应关系，为分布式雷达开环架构的工程实现提供了参考。

关键词： 内部视图   外部视图   三维模型检索与分类   普适性特征  

摘要： 目前， 基于视图的三维模型检索与分类研究中缺少三维模型内部结构特征， 采用大量外部视图实现非刚性与刚性三维模型的普适性识别. 针对此问题， 提出一种基于内外视图的三维模型检索与分类算法. 首先提出一种内部视图提取模块， 获取内部结构特征; 然后基于正四面体投影提出外部视图提取模块， 获取外部形状特征; 最后采用普适性特征提取网络， 对内外视图进行特征提取与融合学习， 并应用于三维模型检索与分类任务. 在刚性三维模型数据集ModelNet40， 非刚性三维模型数据集SHREC15上的检索平均精度分别达到93.3%和98.9%， 分类整体准确率分别达到94.8%和99.4%. 此外， 在三维模型检索数据集ShapeNet Core55上， 微平均和宏平均的准确率、召回率等系列评价指标表现优异. 表明所提算法能够在少量视图的情况下， 获取显著辨别力的普适性特征.

关键词： 集成电路   反向工程   图像分割   霍夫圆检测   HE-UNet  

摘要： 芯片产业是国家安全和经济发展的重要基础，而集成电路反向工程作为分析芯片内部的手段是芯片产业链中的重要环节。集成电路反向工程包括从扫描电子显微镜（ScanningElectronMicroscope，SEM）逐层采集芯片图像、识别器件、提取栅极网表、推断其功能等步骤，而将电气元件和金属线从集成电路（IntegratedCircuit，IC）图像背景中分割出来是识别器件等步骤的前提。然而，传统图像分割方法因为缺乏专家经验的学习不能适应IC图像复杂多变的电路情况。本文提出了名为HE-UNet的方法，用于提取IC图像中金属线与过孔，该方法包含三个步骤，首先利用U-M2(MobileNetV2-UNet)网络提取芯片图像的含噪特征，其次利用霍夫圆检测算法去除过孔周围的噪声，最后利用边缘检测池化去除远离过孔的噪声。本文提出的方法主要贡献包括：1）这种方法可以完全自动检测金属线与过孔的位置，而无需人工的干预；2）结合U-M2(MobileNetV2-UNet）、霍夫圆检测和边缘检测池化这三种混合方法，用于确定检测金属线与过孔的精确位置。本文在企业提供的一万多张尺寸为1024×1024的IC图像上的实验结果表明，只需选取其中399张图像用于训练，HE-UNet就可以有效完成金属线和过孔的分割。其中，平均交汇比（Mean Intersection over Union，mIoU）为98.24%，平均像素精确率（Mean Pixel Accuracy，MPA）为99.11%，均优于现有方法。

关键词： 悬架座椅   粒子群算法   模糊PID控制   硬件在环仿真试验  

摘要： 针对车辆悬架座椅的振动问题,基于ADAMS/View和MATLAB/Simulink平台建立三自由度1/4车辆主动悬架座椅系统模型和路面模型,提出一种运用粒子群算法优化模糊PID的控制方法。该方法融合标准粒子群算法与模糊PID算法,通过粒子群算法对模糊PID控制中的量化因子、比例因子和模糊规则参数进行优化,解决模糊PID控制参数的选取存在经验性和主观性的问题。仿真结果表明:在不同的车速下,相较于模糊PID控制,粒子群优化模糊PID控制的座椅加速度下降16.5%以上,相较于被动悬架座椅,粒子群优化模糊PID控制的座椅加速度下降48.0%以上,减振效果改善明显。

关键词： YOLOv8   水下检测   RFAConv   损失函数  

摘要： 【目的】由于水下图像中目标较小，数量较为密集，而且水下光照等环境因素使得捕捉到的图像模糊，导致目前常用的目标检测算法进行水下检测时会发生漏检错检现象，针对上述问题，提出了一种名为RSAF-YOLOv8的水下目标检测算法。【方法】在YOLOv8的骨干上引入感受野注意力（RFA）模块，让RFA模块与卷积相结合，形成新的感受野注意力卷积操作RFAConv，从而提高卷积神经网络（CNN）的性能；对于水下检测容易出现错检、漏检的现象，引入SENetv2模块，融合增强了网络捕捉全局知识的能力，得到了一个更丰富的全局特征表示；其次在Neck部分设计了额外的P2小目标检测层与ADown模块结合，在精度上提升的同时降低了参数量；最后为了提升水下目标的检测性能，设计Shape-IoU结合Focaler-IoU使用的损失函数，从而更全面地评估检测结果。【结果】实验表明：在URPC2020数据集上，改进算法与原算法相比mAP50和mAP50-95分别提高了3.0个百分点和3.3个百分点，且模型参数量变为2.8×106。【结论】 RSAF-YOLOv8算法在精度上有着明显的提高，验证了该方法的可行性、有效性。

关键词： 深度强化学习   SAC算法   RRT算法   无人机   三次B样条  

摘要： RRT算法在三维复杂场景中规划全局路径时存在规划效率低、安全性和实用性较差而无法满足无人机对飞行路径的安全需求。针对此问题，提出SAC (Soft actor-critic)深度强化学习算法与RRT算法融合的SAC-RRT算法。设计基于SAC算法决策网络的目标点偏置策略和动态步长策略，降低RRT盲目性；设计随机点修正过程，根据决策网络输出动作优化随机点位置，改善路径安全性；设计精简步骤和平滑步骤，进一步提高路径安全性。仿真实验中，设计了不同复杂程度的三维场景，规划结果表明SAC-RRT算法有效缩短了路径长度和规划时间，改善了路径的平滑性和安全性。

关键词： 级联改进型拉曼光纤放大器   掺铒碲酸盐光纤   野马优化算法   增益平坦  

摘要： 本文利用掺铒碲酸盐光纤设计了一种多泵浦级联改进型拉曼光纤放大器(Raman fiber amplifier， RFA)，并使用野马优化算法(wild horse optimizer， WHO)优化了RFA的各级泵浦参数、传输介质长度以及噪声，以获得最大可能输出增益、低增益平坦度。此外，通过使用灰狼优化、差分进化、免疫优化等其它元启发式技术来优化同一RFA模型，分析不同优化策略下RFA的性能。WHO被证明是一种更好的优化技术，其优化后的模型在1530-1630 nm带宽范围内平均输出增益为44.64 dB，增益平坦度为0.71 dB。此外，还分析了算法对噪声增益的影响，结果表明所设计的RFA能有效降低双向瑞利散射噪声和自发辐射噪声。该设计方案具有良好的性能，给下一代光通信网络放大器的设计提供了参考。