课程文献中心 更多>>

关键词： 农业机器人   路径规划   动态窗口法   参数自适应   局部最小值  

摘要： 为解决农业机器人在示范温室的工作通道行驶中难以避让动态障碍物、易陷入局部最小值、无法到达目标点等问题，提出了基于双障碍物评价函数、自适应权重和虚拟目标法的动态窗口法（Dual obstacle cost function，adaptive weights and virtual target＿dynamic window approach，DAV＿DWA）来实现机器人局部路径规划。首先，采用动静双策略的避障方法，将动态和静态障碍物安全距离划分为2个评价函数，降低动态障碍物碰撞风险且防止对静态障碍物过度避障；其次，提出评价函数权重自适应策略，将各评价函数的权重根据2种障碍物距离实现自适应调整，以增强机器人在不同复杂环境中的路径寻优能力；最后，提出虚拟目标法，使其脱离局部最小值后继续导航，增强其对于局部最小值的路径规划能力。进行对比仿真试验和温室实地试验，结果表明：在仿真环境中，相较于其他算法，DAV＿DWA算法在保证安全性的前提下，能够在更短的时间内，以更短的路径到达目标点；温室障碍物场景中，机器人可以完成自主导航任务，且定位误差不大于0.12m，跟踪误差不大于0.10m，符合实际需求。

关键词： 卫星网络   软件定义网络   多路径路由   深度强化学习   负载均衡  

摘要： 在卫星网络中，受地理位置及人们生活习惯等因素影响，卫星覆盖区域内用户的需求差异会造成卫星网络负载不均衡。针对上述问题，提出了一种基于卷积双延迟深度确定性策略梯度的多路径路由算法（Convolutional Twin Delayed Deep Deterministic Policy Gradient Multipath Routing，CTD3-MR）。该算法在软件定义网络（Software Defined Network，SDN）结构下，以CTD3作为智能体部署在控制器中，将动态变化的链路剩余带宽、传输时延、丢包率和时空等级作为网络状态输入智能体进行训练，输出动作为网络链路权值，使用最大链路带宽利用率、平均端到端时延和网络丢包率的加权和作为奖励函数调整动作。智能体训练收敛后，控制器根据智能体输出的网络链路权重得到k-最短路径，把路径权重比作为路径流量分配比率，生成最优路由策略转发至卫星进行多路径传输。最后将CTD3-MR与TD3、TMR和ECMP路由算法进行比较。实验结果表明，CTD3-MR相较于其他路由算法，平均端到端时延至少降低了7.64%，丢包率减少了28.65%，最大链路带宽利用率减少了11.44%，流量分布指数提高了5.82%，提高了网络负载均衡性能。

关键词： 模式识别与智能系统   深度强化学习   先验知识   机械臂  

摘要： 针对传统机械臂不具备自主学习能力，在未知环境中适应能力差等问题，本文提出了一种结合先验知识的深度强化学习算法，同时修改了奖励函数和经验池的设计，解决了训练前期数据质量低、收敛速度慢、学习效果不理想等问题，同时增强了其泛化性。仿真结果表明改进后的模型相比于原始算法收敛速度提高了48.5％，成功率提升了8％，对比其他主流算法在收敛速度和成功率上都有明显提升。

关键词： 目标检测   点线特征   同步定位与地图构建   动态环境   位姿估计  

摘要： 为了解决视觉SLAM系统在室内动态环境建图中存在耗时严重、动态对象干扰、特征点不足所导致实时性不高、建图精度低以及位姿估计不准确等问题，本文提出一种基于目标检测和点线特征关联的视觉SLAM算法——LDF-SLAM。针对耗时严重、动态对象干扰等问题，首先引入MobileNetV3替换YOLOv8主干网络，减少网络参数量。同时设计无参注意力增强的ResAM模块与MobileNetV3网络共同组成轻量级检测网络，增强检测网络表征能力，快速检测出动态对象。其次，融合多视图几何方法补偿过滤潜在动态特征点并剔除，利用剩余静态特征点构建稠密点云地图，提高SLAM系统建图精度。此外，针对静态特征点不足导致位姿估计不准确的问题，提出一种融合FLD线特征提取方法，以提升位姿估计准确度。同时设计线段长度抑制来保证系统实时性，提高视觉SLAM系统的鲁棒性。在TUM数据集和Bonn数据集上进行实验，实验表明LDF-SLAM的绝对轨迹误差RMSE均有所下降，且小于其他主流SLAM算法，显著提高SLAM系统在动态环境中的鲁棒性和准确性。

关键词： 数据中心   储能寿命   不精确列和约束生成算法  

摘要： 随着人工智能对算力需求的激增，数据中心（IDC，Internet Data Center）作为数据处理与存储的机构，其能耗需求远超预期，使用新能源是其可持续发展的需要。然而，可再生能源具有出力不确定性，仅依靠数据中心参与需求响应难以实现消纳，可配置储能提高系统灵活性。因此，本文建立了以规划总成本最优为目标的数据中心与电池储能(BES，Battery energy storage)协同规划两阶段鲁棒模型，为防止规划结果过于乐观，引入了储能寿命约束。同时针对在求解所建模型过程中，传统C&CG（column-and-constraint generation）算法存在难以平衡求解速度与精度间关系的问题，本文提出了一种不精确列和生成约束算法i-C&CG（inexact column-and-constraint generation）进行求解。基于IEEE30节点与IEEE118节点算例系统进行优化解算，仿真结果表明，与仅配置单一储能相比，本文所提模型储能年等效建设成本下降39785元，数据中心年等效建设成本下降289080元；且本文所提算法与传统C&CG相比，采用0.18低精度下的i-C&CG，与采用0.16较高精度的C&CG相比较，i-C&CG最多可缩短3632s的单次迭代求解所需时间，且最终计算结果的相对误差为0.46%，两者收敛间隙与相对最优间隙近似。

关键词： 万古霉素   机器学习   群体药动学   治疗药物检测   精准用药  

摘要： 目的：利用大样本模拟数据集建立XGBoost模型，从2个血药浓度点和少数特征预测万古霉素AUC24 h并与贝叶斯估算法对比。方法：回顾性收集南京医科大学第一附属医院2021年8月至2023年12月间接受万古霉素治疗的246例患者的454个血药浓度数据和临床信息。建立万古霉素群体药动学（population pharmacokinetics，popPK）模型。使用popPK模型参数模拟出4 000条血药浓度-时间曲线，梯形面积法计算“参考”AUC24h，将数据分为训练集、测试集和验证集。基于给药前0.5 h(Cmin)和给药后1 h(Cmax)的血药浓度数据和其他特征训练XGBoost算法以预测AUC24h。最后，在验证集中评估该模型并将其与贝叶斯估算法进行比较。结果：万古霉素成人患者的popPK模型可采用一房室模型拟合，残差变异符合Power模型。体质量、尿素和肌酐清除率对万古霉素的群体药动学参数有显著影响。基于Cmin、Cmax和两者之间的浓度差以及其他5个协变量（尿素、体质量、肌酐清除率、日剂量和给药间隔）建立的XGBoost模型能够准确预测AUC24h，在测试集中R2为0.999 3，RMSE为4.80，MAE为3.37。该模型在验证集中的表现优于贝叶斯估算法。结论：总之，从popPK模拟数据中训练的XGBoost算法能够准确且精确地估算万古霉素AUC24h。这项研究为基于机器学习技术的精准用药提供了新思路。

关键词： 光束抖动控制   随机梯度下降法   复合控制   参数优化   大口径倾斜镜  

摘要： 多环节复合控制器可实现大口径倾斜镜高宽带光束抖动的稳定抑制，参数匹配是多环节复合控制器设计的难点，针对此问题，本文提出基于随机并行梯度下降辅助的参数优化方法，以实现复合控制下大口径倾斜镜的高带宽高精度控制。该方法以光束抖动抑制残余能量最小化为目标，首先分析待抑制开环光束抖动的功率谱特性，据此设计复合控制器；然后选取光束抖动抑制的残余能量为代价函数进行复合控制器参数寻优；最后实现复合控制器抑制性能的优化调节。仿真对比初始参数的复合控制算法，同等校正条件下，使用本文所提随机梯度并行下降辅助方法优化后将单个大口径倾斜镜的光束抖动抑制性能提升34.2%，实验表明，利用本文所提方法对单个大口径倾斜镜高带宽光束抖动的能量抑制比达到53.1%，与基于两级倾斜镜的传统方法能量抑制能力相当，可有效减小系统复杂度，实现大口径倾斜镜对光束抖动高带宽高精度的控制，并为光束抖动控制器设计提供一种优化与评估手段。

关键词： 预制构件定点制造   二维布局   最佳适应算法   自适应遗传算法   协同优化  

摘要： 针对预制混凝土构件定点制造模式下二维布局与生产调度的协同优化问题，以最小化拖期惩罚费用为目标，提出了一类双层混合整数线性规划(MILP)模型并设计了一种扰动重启式递阶最佳适应-自适应遗传算法(PRHBF＿AGA)。其中：双层MILP主要用于求解小规模问题，通过第一层模型优化工件分组及模台上的二维布局方案；第二层模型基于第一层模型输出的组数进一步同时优化布局与生产调度方案。而PRHBF＿AGA主要用于求解中大规模问题，该算法将问题分为二维布局和生产调度两部分，最佳适应算法优化布局层，自适应遗传算法优化调度层。为防止算法过早收敛而陷入局部最优，引入了变邻域搜索和扰动重启机制进一步提升解的质量和求解效率。此外，设计了六种基于交替迭代优化框架的智能优化算法进行对比分析。最后，通过计算实验验证了所提MILP模型和算法的有效性和竞争力。

关键词： 无人驾驶矿卡   障碍物聚类   降尺度优化   局部路径规划   避障路径  

摘要： 基于降尺度优化思想，文章对无人驾驶矿用卡车（简称“矿卡”）在矿区环境下的局部避障路径规划问题进行了研究。首先通过引入Frenet坐标系简化障碍物和参考路径信息，提出了一种障碍物聚类策略以降低可行路径空间的离散性；接着，采用边界转换策略，将避障路径规划中的非凸约束转换为凸约束，进而构建了一个以横向偏移量、偏移速度及偏移加速度为变量的二次规划模型；最后，通过求解优化函数，实现了矿卡在遇到障碍物时的自主局部路径规划。仿真与实车测试结果表明，采用所提方法能够直接利用全局路径信息快速生成有效的避障路径，规划时间短于40 ms；与基于A*搜索和动态规划（DP）的局部路径规划方法相比，该方法提升了70%～80%的规划效率，提高了无人驾驶矿卡在矿区环境中的避障能力。

关键词： 线粒体自噬   类风湿关节炎   机器学习算法   加权基因共表达网络分析   预测模型   外部验证   免疫细胞   生物学功能风险  

摘要： 背景：类风湿关节炎发病机制至今尚未完全清晰，近来有研究表明线粒体自噬与类风湿关节炎存在关联性，但关键机制有待深入探究。目的：利用多机器学习算法鉴定和验证类风湿关节炎中线粒体自噬过程的核心互作基因并解析其免疫调控过程。方法：从GEO数据库整理类风湿关节炎转录组表达数据集GSE15573作为独立训练集，GSE97779和GSE55235合集作为独立验证集。利用训练集筛选类风湿关节炎差异表达基因，同时进行“WGCNA”分析。然后从“MitoCarta3.0”数据库下载线粒体自噬相关基因，将其与类风湿关节炎差异基因和“WGCNA”分析模块基因取交集获得类风湿关节炎-线粒体自噬相关基因，将相关基因进行功能富集分析以明确细胞通路。随后利用“Random Forest”和“LASSO”2种机器学习算法分别筛选特征基因，利用“GMM”机器学习算法对前2种机器学习算法筛选的交集基因拟合验证，以获得类风湿关节炎-线粒体自噬核心互作基因。进一步建立预测模型，并利用外部验证集验证。最后，采用“CIBERSORT”进行免疫浸润分析此过程中免疫细胞亚群占比及亚群之间关联性，采用“ssGSEA”分析类风湿关节炎-线粒体自噬核心互作基因与免疫细胞亚群间关联性，同时分析核心互作基因的相关“GO”“KEGG”生物学通路。结果与结论：(1)差异分析获得807个类风湿关节炎差异表达基因，“WGCNA”分析筛选出2个特征模块含1 208个基因，线粒体基因数据库整理出1 136个基因，三部分基因取交集获得53个基因为类风湿关节炎-线粒体自噬相关基因；(2)相关基因的功能富集分析结果显示细胞过程主要与线粒体自噬、过氧化物酶体代谢、细胞衰老、坏死性凋亡相关；(3)3种机器学习算法鉴定出4个类风湿关节炎-线粒体自噬核心互作基因(DNAJA3、C12orf65、AKR7A2、PDHB)；(4)预测模型的风险评分受试者工作特征曲线下面积为0.989，外部患者样本的工作特征曲线验证类风湿关节炎-线粒体自噬核心互作基因的曲线下面积均大于0.7；(5)免疫调控分析显示类风湿关节炎中线粒体自噬过程与记忆B细胞、M0型巨噬细胞、活化的记忆性CD4 T细胞、静息态记忆性CD4 T细胞密切相关；(6)生物学通路分析结果显示核心互作基因与821条“GO”通路强相关(|cor|> 0.8,P <0.001)，与48条“KEGG”通路强相关(|cor|> 0.8,P <0.001)，其中关键生物学过程与线粒体DNA代谢、线粒体DNA修复、线粒体DNA复制、线粒体基因组维护、线粒体去极化的正向调控和参与凋亡信号通路的线粒体外膜通透性的正向调控有关；(7)上述结果证实，DNAJA3、C12orf65、AKR7A2、PDHB是类风湿关节炎中线粒体自噬过程的核心互作基因，通过参与特定免疫过程在疾病进展中发挥关键作用，对类风湿关节炎的诊断具有精准预测效果。