AGV路径规划及避障算法研究综述

自动导向车(Automated Guided Vehicle,AGV)目前被广泛应用于物流、仓储、制造业和仓储等领域.AGV的路径规划和避障算法是实现AGV自主导航的关键技术,决定了AGV在复杂环境中能否高效、安全地完成任务,近年来成为AGV领域的重要研究热点之一.本文根据AGV路径规划及避障算法的原理与特点,将主流AGV路径规划及避障算法划分为局部避障路径规划算法、基于几何模型的路径规划算法、智能路径规划算法和混合算法4类,对算法的原理、工作流程、优缺点进行了深入分析,并介绍了相应的改进算法.最后,本文对AGV路径规划及避障的未来发展趋势进行展望,为AGV路径规划及避障算法的研究指出了方向.

智能算法优化XGBoost的聚能-爆破装药比冲量预测

为了探索聚能-爆破装药结构、爆破距离等参数与比冲量间的复杂关系,提出一种智能算法优化极端梯度提升(eXtreme Gradient Boosting,XGBoost)的聚能-爆破装药比冲量预测模型.采用相关性分析方法,探寻聚能-爆破装药结构参数、爆破距离参数与比冲量之间的关联程度.使用具有数据并行处理能力和集成学习思想的XGBoost算法,挖掘结构参数、爆破距离参数与比冲量间的潜在非线性关系.基于粒子群算法(Particle Swarm Optimization,PSO)良好的全局搜索能力和蚁群算法(Ant Colony Optimization,ACO)优良的局部搜索能力,设计双智能算法优化XGBoost的融合预测模型PSO-ACO-XGBoost,提高聚能-爆破装药比冲量预测精度.PSO和ACO分别用于搜索XGBoost超参数解空间的全局最优解与局部最优解.实验结果表明,PSO-ACO-XGBoost模型相较于BP、XGBoost、PSO-BP、ACO-XGBoost等其它8种预测模型,在预测精度、拟合程度、速度和稳定性等方面具有最佳性能.

维适应人工蜂群算法的研究

针对于基本人工蜂群算法对于改进维数以及改进维的选择没有充分利用历史搜索信息的问题提出一种维适应机制.由于不同优化问题适用的改进维数不同,而历史搜索信息中蕴含成功经验,构建改进维数成功历史档案并形成适应机制,使算法能够随着具体问题的优化过程适应到合适的改进维数,提高候选解搜索的成功率;在跟随蜂搜索阶段,保持一定比例随机选维的同时引入当前最优解信息对改进维的选择进行指导,在保证维选择适度随机性的同时更快适应到有潜能的维进行搜索,提升算法的收敛能力.采用CEC2014基准测试集与当前先进的5个改进的人工蜂群算法进行实验对比分析,结果及其统计检验表明,提出算法具有更好的求解精度、鲁棒性和收敛能力.

一种改进蚁群算法的路径规划研究

针对机器人在复杂环境中的路径规划问题,本文提出了一种改进蚁群算法的路径规划研究方法.首先,在启发函数中引入一种自适应调整的放大因子,以提高相邻节点的启发信息差异,使蚂蚁朝着最优路径的方向搜索;其次,采用一种奖惩机制对路径上的信息素进行更新,使算法的收敛速度得到有效的提高;然后,通过对信息素挥发因子进行动态调整,提高蚁群的搜索速度,使算法快速收敛.最后,在最优路径的基础上,采用拐点优化算法与分段B样条曲线相结合的方法来进行路径优化,有效的改善了路径的平滑性.仿真结果表明,所提的研究方法具有更好的收敛性和搜索能力,更符合机器人运动的实际要求.

稀疏约束与时间一致的背景感知相关滤波目标跟踪

背景感知滤波算法通过循环移位采集真实负样本,有效解决了边界效应.但在复杂场景例如遮挡、快速移动、背景干扰等,其较大的采样区域导致过多背景在杂波干扰,从而影响跟踪效果.针对这一问题,本文首先提取灰度HOG特征与颜色CN特征来提高目标外观模型,在基准目标函数基础上引入L1稀疏正则约束形成弹性网络以自适应筛选关键特征,增强滤波器在复杂背景下的判别能力.同时针对BACF在跟踪过程中目标快速变化,本文引入时间正则项提高滤波器抑制畸变的能力.最后,本文提出了一种独立的尺度滤波器算法,准确提供目标尺度大小.实验仿真结果表明,在公开数据集OTB-2013和OTB-2015上,本文算法较基准算法有很大提升,能够较好应对不同复杂场景下的跟踪难题.

基于隐式偏好的多目标推荐算法研究

推荐的准确性(accuracy)和多样性(diversity)是推荐算法研究的二个重要指标,能够最大程度地满足用户的喜好.然而,基于准确性的推荐将导致推荐结果过于聚焦集中在某类特征上,使得多样性降低,导致用户选择的广度不足而整体效果不佳.针对推荐算法的两个指标之间的平衡以满足用户的需求,本文采用最大预测评分和最大内部相似度差异的两目标模型,选取极值点和膝点为隐式偏好,利用隐式偏好改进推荐方案搜索优化策略,提出了一种基于隐式偏好的多目标推荐算法.该算法利用切比雪夫距离在迭代过程中对偏好点动态标定,以引导个体收敛于隐式偏好区域,得到具有不同偏好的推荐方案.在Movielens和Netflix数据集上实验结果表明,与Item-based协同过滤推荐算法相比,该算法的推荐结果在确保准确率性能情况下多样性平均提升了38%和33.4%,新颖度平均提升了58.6%和125.4%,降低了多目标推荐算法的复杂度,有效解决了实际应用问题.

融合IMR-WGAN的时序数据修复方法

工业数据由于技术故障和人为因素通常导致数据异常,现有基于约束的方法因约束阈值设置的过于宽松或严格会导致修复错误,基于统计的方法因平滑修复机制导致对时间步长较远的异常值修复准确度较低.针对上述问题,提出了基于奖励机制的最小迭代修复和改进WGAN混合模型的时序数据修复方法.首先,在预处理阶段,保留异常数据,进行信息标注等处理,从而充分挖掘异常值与真实值之间的特征约束.其次,在噪声模块提出了近邻参数裁剪规则,用于修正最小迭代修复公式生成的噪声向量.将其传递至模拟分布模块的生成器中,同时设计了一个动态时间注意力网络层,用于提取时序特征权重并与门控循环单元串联组合捕捉不同步长的特征依赖,并引入递归多步预测原理共同提升模型的表达能力;在判别器中设计了Abnormal and Truth奖励机制和Weighted Mean Square Error损失函数共同反向优化生成器修复数据的细节和质量.最后,在公开数据集和真实数据集上的实验结果表明,该方法的修复准确度与模型稳定性显著优于现有方法.

融合GhostNet的YOLOv4轻量化网络设计与实现

由于存储资源和功耗等限制,在嵌入式设备上部署基于深度学习的目标检测算法存在困难,且效果不佳.基于YOLOv4算法,提出了一种改进的YOLOv4-Light轻量化网络模型,采用GhostNet网络结构替换CSPDarknet53作为主干提取网络,引入CBAM注意力机制关注通道和空间两个维度的特征信息,并利用感知量化方法对权重进行INT8量化处理,在保证精度的情况下降低网络模型规模和参数量.在PC端和NVIDIA Jetson Xavier NX上选用VisDrone无人机数据集分别对网络模型进行测试,结果表明YOLOv4-GhostNet-CBAM模型的尺寸是160M,比YOLOv4降低了34.43%;检测速率最高可达到34.6FPS,比YOLOv4提高了56.6%.YOLO-Light模型的尺寸是40.2M,比YOLOv4降低了83.5%;检测速率最高可达到78.6FPS,为YOLOv4的3.6倍,且交并比为0.5时的平均精度均值(mAP50)与YOLOv4相比仅下降了3%.YOLO-Light模型相较于原模型优势明显,能够在低功耗的嵌入式设备上完成实时目标检测.

结合自适应阈值与动态ROI的地标线检测方法

基于机器视觉的地标线检测一直以来都是车间自主巡检机器人研究的重点和难点问题之一.针对检测过程中易受车间地面积水、光照不均以及油渍粉尘污染等环境因素的影响从而导致误检率、漏检率较高,难以满足工程实际需求的问题,本文提出了一种基于自适应阈值分割与动态感兴趣区域划分的车间地标线检测方法(AT-DROI),该方法以分块图像为基础,首先按照特定特征对子块进行搜索,并剔除其中的离群噪声点,然后将环境因子与采样点相结合计算出特征颜色的双门限阈值,最后利用粗细粒度掩膜抑制特征图像中的干扰信息,有效实现了室内复杂环境下对地标线的高精度检测.通过在自采集的实际车间场景视频序列上进行大量对比实验,实验结果表明,本文方法在自采集的多组实际车间场景视频序列上测试的平均准确率、假阳性率和假阴性率分别达到了95.15%、3.73%和4.85%,平均每秒检测帧数为26fps,能够满足实际生产中对地标线检测的准确性和实时性要求.

联合异质图卷积网络和注意力机制的假新闻检测

社交媒体平台的开放性和包容性为人们提供了自由的表达方式,但也引发了新的社会问题,假新闻在社交平台层出不穷,会引起公众恐慌,侵害人们的精神健康,这使得假新闻检测尤为必要.现有的假新闻检测方法大多侧重于从文本内容、用户和传播模式中挖掘有效信息,但是这些方法没有充分利用文本内容的全局语义关系.为了有效融合新闻内容的全局语义信息和新闻传播的全局结构关系,本文提出一种基于元路径的推文-词-用户异质图卷积注意力框架HGCAN,根据元路径将构建的推文-词-用户异质图分解为两个子图,通过图卷积网络提取传播结构特征,利用注意力机制聚合邻居节点的信息并学习子图重要性,从而有效学习节点的特征表示.在两个公开数据集上的实验结果表明,相比于其他方法,本文方法在准确率和F1指标上都取得了较为先进的结果.

高效低时延分级多PAN太赫兹无线网络MAC层优化协议

针对现有分级多PAN太赫兹无线网络MAC(Medium Access Control)协议中存在的子网形成方案不合理以及私有CTA(Channel Time Allocation)与子网内实际负载不匹配等问题,提出了一种高效低时延的MAC层优化协议.该协议采用基于泛听的按需形成子网机制避免了子网分布不均匀以及因子网形成后没有节点加入而造成的私有CTA资源浪费的问题.在子网形成后,子微微网协调器(Piconet Coordinator,PNC)根据子网内实际负载情况自适应选择私有CTA时隙资源优化机制,让有数据传输需求的节点及时将数据发出.仿真结果表明,所提出的方案能有效地降低数据帧平均接入时延,提高吞吐量以及数据帧的传输成功率.

一种四轴飞行器单目视觉测距算法

为解决四轴飞行器在执行目标检测与跟踪任务时无法判断机身与障碍物或跟踪目标之间安全距离问题,提出一种四轴飞行器单目视觉测距算法,算法融合基于帧间差分技术的水平测距模型与基于小孔成像的垂直测距模型.首先,算法可利用基于YOLOV4-Tiny的目标检测算法识别视频帧中的物体类别,并可在视频帧中框选出被测物体,依据现场环境选择最佳的测距方法进行测距;其次,系统终端执行测距方法,基于被测物体的视频帧成像位置与设定参数之间的差值控制四轴飞行器飞行,并记录飞行数据;最后,通过测距模型对飞行数据进行处理,计算出四轴飞行器在初始位置和最终位置与被测物体之间的距离.通过在特洛(Tello)飞行器平台上的实际飞行验证,实验结果表明所提出的四轴飞行器单目视觉测距算法可以有效分析出视频帧中各物体的景深,测距误差百分比均值为4.07%.在四轴飞行器与障碍物或跟踪目标之间距离较近,却无法评估此距离是否处于安全距离时,所提出的算法可为搭载单目摄像头的四轴飞行器提供可靠的测距技术支持.

优化聚类分簇结合自适应中继策略的双簇首WSNs路由算法

针对无线传感器网络中分簇路由算法节点能量利用率低、能量消耗不均匀等问题,提出了一种优化聚类分簇结合自适应中继策略的双簇首无线传感器网络路由算法.该算法对分簇路由协议中的三个阶段分别进行优化设计.成簇阶段,首先对双簇首模型下最优成簇规模与网络能耗的关系进行理论分析,然后使用改进的算术优化算法计算模糊C均值算法的初始聚类中心,提高了模糊C均值算法聚类成簇的准确率和鲁棒性.簇首选举阶段,引入双簇首策略,以节点的位置、能量和中心度为影响因子,根据承担任务的不同分别为内外簇首设计独立的簇首评价函数,以评价值为依据由节点分布式动态选举簇首减少了广播数量,同时可以将整个簇的能量负载平均分配到每个簇成员节点中.数据传输阶段,设置了多跳中继策略的距离适用条件,并以能量消耗速率为依据选择中继节点,避免了节点提前过载.仿真结果表明:在多种规模的网络中,该算法相较于对比算法在均衡网络负载、提高能量利用效率方面效果更好,从而延长了网络的有效感测时间.

结合实例分割与抓取筛选的堆叠目标抓取方法

为了在种类多样、位姿随机、背景散乱的堆叠场景下得到机器人抓取目标物体的最优次序与抓取位姿,本文提出一种结合实例分割与抓取筛选的堆叠目标抓取方法,包含抓取次序推理与抓取位姿检测两部分.抓取次序推理部分,首先设计基于自注意力与边界细化的实例分割网络,利用自注意力模块提升特征提取能力,并通过边界细化模块提高堆叠场景下物体边界的分割精度;其次提出一种抓取筛选方法,运用判断物体间完整掩码是否重叠与优先抓取分数排序的策略,筛选出目标最上层未被遮挡的物体为待抓取目标,以减少机器人多余抓取动作.抓取位姿检测部分,为适应不同尺度物体的检测,设计融合多尺度密集残差模块的抓取位姿检测网络,以保留物体的多尺度特征,从而适应不同尺度物体的检测.实验结果表明,本方法能够有效推理出堆叠场景下的抓取次序,并准确检测出物体的位姿,以实现目标的抓取.

半定量信息工业控制异构网络安全评估

工业控制系统的异构性及其与互联网深度融合给工控系统安全评估带来精度不高等诸多问题.本文提出一种基于半定量信息的工业异构网络安全态势评估模型,该模型可以提高评估精度,解决难以描述不确定性信息和难以契合工控异构网络复杂结构等现存问题.该方法将工业控制网络划分为不同异构子网,根据子网特点选取有针对性的评估属性,并使用性能优秀的ER规则对不同类型的评估属性进行融合,可以有效利用定性知识和定量数据,获得更加准确的评估结果.在多个实际工业控制网络数据集上进行评估实验得到的结果表明:本文提出的模型与网络安全评估实际参考值的均方根误差值比RF、BP、SVM模型分别降低了80.2%、40.8%和87.7%,验证了该模型的有效性和准确性.

基于贪心组合优化的分布极端不平衡分类算法

现有针对不平衡数据分类的研究主要从重采样、特征、代价和算法等4个角度展开,方法多样,但针对极端不平衡的数据分布仍缺乏有效算法.本文的目标是通过结合各种算法的特性获取一个最优性能的组合算法.本文假设算法间的组合满足次模函数性质,并采用贪心的组合优化方法.具体而言,选择深度森林算法为基础,依次组合最优重采样方法、以异常检测思想的特征提取方法对数据进行的特征处理方法或基于贝叶斯优化的最优代价敏感矩阵方法.在3种组合算法中选择分类性能最优的算法组合,再次组合其余角度的方法,判断分类性能是否再次提升.实验选择两组极端不平衡数据——真实饮用水数据和UCI数据库中的page-blocks数据进行验证.结果表明,基于贪心优化对算法间进行组合,在3轮迭代后得到的算法组合,较单一算法其分类性能能有进一步的提升.

一种结合神经网络和敏感位置语义的轨迹隐私保护方法

目前,现有的轨迹隐私保护工作大多数考虑的是敏感位置或敏感区域,未能考虑到敏感位置语义且未能精准的描述出位置语义的敏感程度.针对此问题,本文提出了一个TP-SLS(A trajectory privacy protection method combining neural networks and sensitive location semantics)方法.首先,提出了敏感度感知算法,用于量化位置语义敏感度,实现“原子化”保护.其次,为了构建用户的敏感移动场景,建立了一个包含时空信息和位置语义敏感度的四元组并使用差分隐私进行干扰.同时,使用深度神经网络预测轨迹.最后,由于预测的轨迹存在废数据,提出了基于强化学习的优化轨迹算法,用于提高数据质量,完成轨迹数据发布.实验结果表明,TP-SLS方法在隐私保护强度和数据可用性两个方面优于现有的方案.

一种干扰系数自探测的网络事件选取方法

网络事件在传播过程中会产生相互影响,对这种事件间的影响进行研究有助于深入了解网络舆情的传播规律,并依此采取正确的应对办法.针对不同事件间存在不同干扰效果这一问题,提出了一种干扰系数自探测的网络事件选取方法.该方法使用具有多事件容量特征的mSIR-CA(MultipleSIR-Cellular Automata)模型为推演核心,并借助真实事件数据进行有针对性的参数寻优,使得方法能够根据目标事件,从当前同处于扩散过程的多个备选干扰事件中,进行有效事件选取及干扰效果排序.实验结果表明,根据真实事件训练集对方法参数寻优后,通过对已发生事件标记的事件组进行验证,该方法在有效干扰事件的分类判断、干扰效果排序结果方面有较好的准确率.

线卷积网络在二维线检测和三维线框重建中的应用

本文提出了一个线卷积网络,可以从图像中检测线段.通过预测每条线段的中心位置、长度和角度,该网络能够以端到端的方式检测线段.此外,根据线中心检测的特点,本文设计了一维旋转卷积模块,并通过分析,证明其满足等变性质.在实现上,本文采用改进的数据增强和非极大值抑制方法,有效的提高了线检测的性能.通过大量消融实验以及对比实验,本文提出的线卷积网络相比于当前最优算法HAWP,在精度上高出3个百分点,达到了当前最优.最后,将该方法应用于单张图三维线框重建任务,从可视化结果上看,明显优于之前的方法.

面向ET-DQN的卫星网络任务部署算法研究

卫星边缘计算服务已经成为网络的重要组成部分,特别在地面网络稀疏环境下,可显著的提高用户的服务质量.但卫星网络的资源有限性为边缘计算任务的部署带来了巨大困难.因此,本文针对部署位置和计算资源分配不合理而导致任务处理时延过长、卫星能耗过大的问题,在SDN(Software Defined Network)的卫星-地面联合部署网络架构(SDN-Space-Ground Integrated Network,SSGIN)的系统模型下.提出了ET-DQN(Experience Tournament-DQN)的任务部署算法,该算法通过引入经验竞选机制提高经验池利用率和网络训练的效率,解决了经验池利用率低,而造成的网络过估计、难收敛的问题.仿真结果表明,该方法能够有效降低任务的响应时延以及能耗,很好地改善了传统DQN算法收敛速度慢和样本的利用率低下的问题.