课程文献中心 更多>>

关键词： 运动控制   AMR   移动机器人   双轮差速   路径规划  

摘要： 针对在空间受限的环境下,双轮差速机器人如何有效地进行位置调整,以避开障碍物并达到目标位置的问题,本文提出一种简易高效的位置调整算法。本文首先详细阐述了算法的实现过程,基于Gazebo和ROS2的仿真实验平台,并设计了四种最常见的窄巷道场景,通过仿真实验验证了算法的有效性和实用性。在详细阐述该算法时,我们介绍了其两步核心策略。首先,机器人通过原地旋转的方式,对各个方向进行采样,以确定在不发生碰撞的前提下可实现的最大旋转角度范围。其次,基于该旋转角度范围,机器人通过遍历不同角度的直行路径,在考虑障碍物的情况下,生成一系列潜在的运动轨迹。为确定最优轨迹,我们采用了一种基于目标点接近程度和用时的评分机制,在所有潜在运动轨迹中,选择最符合要求的路径作为控制目标路径。Addressing the question of how a two-wheeled differential robot can effectively make position adjustments to avoid obstacles and reach a target position in a space-constrained environment, this paper proposes a simple and efficient position adjustment algorithm for two-wheeled differential drive robots to effectively navigate and avoid obstacles in constrained environments, ultimately reaching a target position. The implementation process of the algorithm is elaborated in detail, leveraging the Gazebo and ROS2 simulation platforms. Four common narrow corridor scenarios are designed to validate the effectiveness and practicality of the algorithm through simulation experiments. The algorithm comprises two core strategies. Firstly, the robot rotates in place to sample various directions, determining the maximum achievable rotation angle range without colliding with obstacles. Secondly, based on this rotation angle range, the robot generates a series of potential motion trajectories by traversing straight paths at different angles, taking into account the presence of obstacles. To determine the optimal trajectory, a scoring mechanism is adopted, which considers both the proximity to the target point and the time required. Among all potential motion trajectories, the path that best meets the requirements is selected as the control target path.

关键词： CSO算法   Markov链   上鞅收敛定理   Egoroff定理   几乎处处强收敛   一致收敛  

摘要： 针对鸡群优化(chicken swarm optimization, CSO)算法已有的收敛性分析结果属于弱收敛,不能保证算法能在有限步内收敛到问题的全局最优这一不足,提出了运用鞅方法来研究CSO算法的全局收敛性.首先,基于CSO算法的相关定义,建立CSO算法的马尔可夫(Markov)链模型,分析其Markov性质;其次,将具有最小适应度值的鸡群状态序列转化成上鞅,利用上鞅收敛定理和Egoroff定理证明了CSO算法的几乎处处强收敛性和一致收敛性,进而得出了当鸡群状态空间有限时,CSO算法能确保在有限步内收敛到问题的全局最优这一结论;最后,在仿真实验中成功验证了理论证明的正确性,并发现CSO算法比其他算法具有更强的寻优能力和更高的收敛精度.

关键词： 动态多目标优化   神经网络   预测   目标个数不规则变化  

摘要： 文中提出了一种基于混合策略的初始种群预测算法(A Hybrid Strategy Based Initial Population Rrediction Algorithm,HIPPA)来解决目标个数随时间不规则变化的动态多目标优化问题。HIPPA依据目标个数判断环境是否发生变化,根据不同的目标个数划分环境类型。在种群初始化阶段,初始种群由3种机制产生。首先,利用历史种群信息训练改进的神经网络算法,生成一部分初始种群。其次,改进的精英策略利用历史种群信息生成一部分初始种群。最后,使用改进的随机策略生成一部分种群,以保持种群的多样性。本文使用基准实验F1-F5验证所提算法的有效性,并将结果与其他动态优化算法对比。实验结果表明,HIPPA可以更加有效地解决目标个数随时间不规则变化的动态多目标优化问题。

关键词： 扩展卡尔曼滤波算法   梯度VAD   多普勒天气雷达   风场反演   低通滤波  

摘要： 梯度VAD技术是为克服传统VAD技术受速度模糊较大影响而被提出,但在使用梯度VAD技术过程中,由于方位径向速度中的误差或者噪声会在径向速度方位梯度中放大,因而通常使用低通滤波对径向速度方位梯度进行平滑,但它仍然对水平风场反演的准确性产生了严重影响。鉴于此,提出使用扩展卡尔曼滤波算法(EKF)对方位径向速度梯度进行处理,结果显示扩展卡尔曼滤波算法可以有效降低方位径向速度中的小波动和噪声在方位径向速度梯度中产生的影响,从而实现对风场反演水平精度的提升。对厦门SA波段多普勒雷达数据进行速度未退模糊和速度退模糊两次预处理,再分别经由低通滤波和EKF对比,结果表明,EKF算法比低通滤波算法下的方差在速度退模糊和不退模糊的数据处理过程中分别缩小了40%左右和50%左右,由此说明EKF处理后的径向速度梯度更稳定,从而提升了梯度VAD技术的反演精度。

关键词： 大型工程   机械设备   信息技术  

摘要： 大型工程施工项目中机械设备扮演着不可或缺的关键角色,其性能与效率直接影响着项目的进度与质量。本文从企业大型施工机械设备管理模式出发,提出了综合性的管理模式,探讨了信息化技术在大型工程施工机械设备管理中的应用,以期提升企业机械设备管理水平,为推动企业高质量发展提供新动力。

关键词： 拱桥   索力优化   改进粒子群算法   影响矩阵  

摘要： 为了使拱桥在成桥状态下的索力分布合理,进而使拱桥结构整体受力状态良好,基于改进粒子群算法,根据最小应变能原理以及影响矩阵法对主拱圈的弯矩和轴力加以约束,得到了拱桥索力优化的目标函数,并建立了拱桥索力优化模型。以国内某钢筋混凝土拱桥为工程实例,利用MATLAB软件及有限元软件ANSYS对该桥的索力进行优化,并与其他方法得到的索力进行对比。研究结果表明:改进粒子群算法相较于标准粒子群算法具有更强的全局寻优能力,能有效避免标准粒子群算法易陷入局部最优和早熟收敛的问题,且其收敛速度和收敛精度均有所提高;与传统的未知荷载系数法及最小弯曲能量法相比,由改进粒子群算法得到的拱桥索力的分布更加合理,索力峰值下降明显,各索力之间的波动幅度也较小。

关键词： 水下机器人   路径规划   蚁群算法   PSO算法  

摘要： 为解决水下机器人的路径规划问题,针对传统的蚁群算法存在算法收敛较慢、寻优路径较差等问题,提出了一种PSO融合蚁群算法。其利用PSO算法对蚁群算法的参数进行了各方面的优化。首先是将蚁群算法中各个参数代入到PSO算法进行寻优,设计出适应度函数,让各个参数向评价指数高的方向进行收敛,得出全局最优极值,最后再把每个参数代入蚁群算法,计算出路径及迭代次数。仿真结果对比表明,PSO融合蚁群算法在解决路径规划问题中具有更高的快速性和准确性。

关键词： 碳排放因子   图变换神经网络   用户侧   预测算法  

摘要： 目前,基于碳排放流理论的节点碳排放因子计算方法能有效实现电力的精细化碳计量。然而,现有方法主要基于计量数据或潮流结果进行后评估计算,无法精准给出电网不同负荷节点在未来时段的电力碳排放因子,难以为用户侧实施低碳调控提供直接的引导信号。针对该现状,该文提出了一种基于图变换神经网络的电网用户侧节点碳排放因子预测方法。考虑到电网不同节点之间的能量流与碳排流耦合关系,基于电网拓扑结构,提出了考虑剔除无源无荷节点的图变换神经网络邻接矩阵等效变换方法,并构建了面向用户侧碳排放因子预测的图变换神经网络的输入-输出特征。基于训练好的模型,仅需利用源荷预测数据即可快速且精准预测用户侧碳排放因子,无需精确的网架参数、潮流计算和碳排放流计算求解,有效降低了计算成本,同时提高了应用灵活性。最后,在IEEE39、IEEE118标准测试系统和南方电网公司某城市区域电网中验证了所提算法的有效性,其平均节点碳排放因子预测误差率分别为1.76%、2.21%和1.49%。

关键词： 算法歧视   算法权力   平等保护   反屈从原则   群体主义  

摘要： 算法歧视的规制范式及时回应了紧迫的现实需求,需进一步在反歧视的理论层面对其深入展开研究。算法加剧身份歧视并纳入社会偏见,打破分类样态固化群体劣势,并隔离数据贫困群体,同时面临技术治理与反歧视法的双重困境。反算法歧视亟须突破工具性应对视角,深入挖掘平等理论的内核指引,特别关注个人主义平等观与群体主义平等观在算法时代的适用。在反歧视法下,“个人主义”的反归类和“群体主义”的反屈从原则提供了认知框架并在算法时代展现出新的内容。目前主流的呼声和应对策略,无论是算法透明化或是用户信息自决权,都建立在个体主义平等观之上,却不足以应对新的挑战。面对算法歧视中的群体劣势、算法权力的支配结构,以及社会结构性偏见,需要引入群体主义的视角。反屈从所确立的群体主义的、实质性的价值纠偏的立场,着眼于评估算法对不同群体的广泛影响,在改善受算法权力支配的消费者、劳动者和弱势群体劣势地位上,为反算法歧视提供了更好的指引。

关键词： 数据流   闭合频繁模式   半随机森林   概念漂移   噪声  

摘要： 提出了一种基于闭合频繁模式的半随机森林数据流分类算法(Semi-Random Forest based on Closed Frequent Pattern,SRFCFP),以解决数据流中噪声和概念漂移问题。SRFCFP利用闭合频繁模式对数据流进行表示,去除冗余信息和噪声,突出数据特征。采用半随机森林建立分类模型,并通过基于时间衰减的模式集更新机制适应数据流的无限性。为了检测概念漂移并及时适应,引入了一种模式集差异性度量方式,用于测量数据分布变化。实验结果表明,在MOA平台下使用真实和合成数据集,SRFCFP在平均精度上超越了相关对比算法,并能有效处理数据流中的概念漂移和噪声问题。