基于Frenet坐标系的路径规划仿真

在传统路径规划领域中,由于使用笛卡尔坐标系,存在着定义具体行驶多远,是否偏离中心等问题。基于此提出一种Frenet坐标系取代原有传统笛卡尔坐标系,对参考路径局部轨迹进行优化,在满足设置的如安全距离、速度、加速度等要求下,产生安全可靠的路径轨迹规避障碍物到达目标点,以提高规划的效率与准确性。最后通过pycharm软件仿真,调整合适的惩罚项和损失函数系数,使得路径规划耗时较少,横向加速度和横向偏移趋于稳定,产生更为合理的规划轨迹。通过采取Frenet坐标系,保证在车辆能够以安全,平稳,可靠,舒适的轨迹躲避障碍物,满足在路径规划中的实际需求。

协同过滤下混合大数据无损挖掘算法研究

大数据具有大规模性、多样性以及价值性,由于海量数据间的较高相似度,导致数据挖掘过程易受冗余干扰,出现数据丢失、损坏等问题。为解决上述问题,提出基于协同过滤算法的混合大数据无损挖掘方法。对混合大数据集成预处理,去除冗余,将不同来源的相同数据无损融合。采用协同过滤算法的时间衰减函数,计算挖掘项目间相似性。在混合大数据特征关联度的约束下,实现混合大数据无损挖掘。实验结果表明,所提方法应用下,混合大数据量高达25000MB时,数据挖掘所需时间仅为45ms左右,且挖掘精度高达95%以上,数据挖掘结果与目标具有一致性。

基于云计算的地震网络数据安全态势感知仿真

地震发生前具有特殊波动响应特征,通过地震台网灾害信息可确定震灾范围,但是网络个人用户无法通过终端服务器及时查询地震数据,导致对地震的安全感知出现延迟问题。针对地震数据处理的任务密集、流程复杂的计算需求,提出基于云计算的地震网络数据安全态势感知方法。在地震节点布局中融入贝叶斯结构,构成混合结构化安全态势采集模型。应用数据分类方法估计出地震态势数据,提取地震发生的隶属度特征,构建地震网络数据安全态势感知模型。按照区域影响因子算出地震信息量,利用相似原则区分灾害程度,检测地震发生范围的安全态势。实验结果证明:研究方法感知获取的地震层间位移与震中国方位角和实际情况一致,偏差较小,能够明确当前地震区域的安全态势。

无人机立体视觉识别船舶航行风险仿真

由于船舶交通受碰撞、搁浅、走锚等随机干扰因素的影响,导致对船舶航行目标的跟踪与风险预警具有较大难度。为增强海上航行的安全性,提出一种基于无人机立体视觉的船舶航行风险识别方法。引入双目视觉立体技术,获得目标船舶在航行过程中的图像数据。利用卡尔曼预测器优化连续性自适应均值漂移算法,跟踪目标船舶,通过高斯混合模型识别船舶航行风险。实验结果表明,研究方法对不同海域的船舶跟踪曲线与船舶实际航行曲线具有较高拟合度,且上述方法的船舶航行风险识别正确率高于90%,且误报率低于0.2%,说明提出方法的应用可靠性较高。

CRC校验码软件生成技术原理分析

循环冗余校验(Cyclic Redundancy Check,CRC)具有检错能力强,运算简单,易于直接用硬件数字电路实现的特点。在完善CRC校验码生成原理模型的基础上,研究了信息系统传输带CRC校验码数据包的一般过程,提出了三种计算数据包CRC校验码的技术方法,在ADI公司DSP软件集成开发仿真测试环境中,设计了一组嵌入式程序,生成了符合ITU组织CRC16 ITU-T V.41标准的CRC校验码码表,分析并总结了CRC校验码码表元素的工程含义和应用方法,研究了两种计算数据包CRC校验码工程实现方法的技术特点,并验证了它们的正确性、一致性和有效性。

《中文核心期刊要目总览》入编通知

《计算机仿真》主编先生/女士:我们谨此郑重通知:依据文献计量学的原理和方法,经研究人员对相关文献的检索、统计和分析,以及学科专家评审,贵刊《计算机仿真》入编《中文核心期刊要目总览》2020年版(即第9版)自动化技术、计算机技术类的核心期刊。该书由北京大学出版社出版。

新年献词

光阴似箭,冬至阳生,岁回律转。我们告别了二○二三年,迎来了崭新的二○二四年!过去的一年,我们完成了《计算机仿真》杂志全年的出版和发行,我们盼望已久的“新时代中国仿真应用丛书”陆续出版发行。《丛书》的出版和发行,是要把仿真技术的应用成果记录下来。

基于改进蚁狮算法的家庭用电优化调度

为了充分挖掘用户侧需求响应能力,平抑用户的负荷波动及降低用户的用电成本,提出了一种基于改进蚁狮优化算法的家庭用电优化调度方法。首先构建了家庭用电优化调度模型,并将峰均比和平均等待时间作为惩罚量引入用电成本得到综合成本函数。其次采用差分进化机制改进了传统的蚁狮算法。最后基于实时电价和临界峰值电价进行仿真,结果表明,改进的蚁狮算法可以有效的降低用户的用电成本,维持用电舒适度,并与粒子群算法、遗传算法和蚁狮算法进行对比,验证了所提算法有较高的稳定性,更强的全局搜索能力,收敛效果更好。

基于区块链的城市智能交通网络均衡分配方法

为了提高城市智能交通网络的应用效率,有效分配网络中存在的资源,同时保证网络资源分配的均衡度。因此,提出区块链技术下城市智能交通网络均衡分配方法。通过建立城市智能交通网络模型,分析用户在交通网络中的资源需求。根据用户的需求,采用区块链技术分配网络中的资源,通过引入椭圆曲线数字签名算法,对需求和资源的发布信息加密处理,并根据资源需求与资源供应之间的匹配,完成城市智能交通网络资源的均衡分配。实验结果表明,所提方法的用户吞吐率高,且Jain公平指数在0.8以上,表明所提方法的资源分配合理性高。

基于改进布谷鸟搜索算法的光伏MPPT控制

复杂阴影情况下,光伏阵列的P-V特性曲线会出现多个峰值,传统的MPPT算法因不能准确识别局部峰值和全局峰值,而无法进行复杂阴影情况下的最大功率点跟踪。针对传统布谷鸟搜索(Cuckoo Search,CS)算法因鸟窝之间缺乏交流能力导致可能陷入局部最优的问题,提出了一种多策略改进布谷鸟搜索(EGICS)算法。将传统CS算法中发现概率值的选择自适应变化,提高算法的搜索能力;将步长因子自适应化,提高算法的收敛速度;引入高斯扰动和精英反向学习策略,增加种群多样性,避免算法陷入局部最优。对EGICS算法在单峰和多峰函数中进行性能测试,并将其应用于光伏系统MPPT控制中进行仿真验证。仿真结果表明,EGICS算法在收敛速度、跟踪精度以及动态稳定三个方面有更好的效果。

民居建筑室内空间热环境多点能耗精准预测

在民居建筑室内热环境多点能耗预测时,若不能有效确定热环境下室内当前状态下舒适程度,会直接影响能耗预测精度。因此,提出考虑舒适度的民居建筑室内空间热环境多点能耗预测方法。根据室内状态建立民居建筑内热环境模型,采用主元分析法获取能耗评价指标,构建热环境下室内能耗指标评价体系,并利用指标建立评价模型,从而确定室内当前热环境能耗;将确定指标作为模型输入向量,利用RBF神经网络构建室内能耗多点预测模型;通过建立的模型实现对民居建筑室内空间多点能耗的精准预测。实验结果表明,所提方法开展室内能耗多点预测时,预测精度高、效果好。

基于全同态加密优化的云数据隐私保护方法

为了提升云数据的安全性,改善数据加密时间长以及加密效果较差等问题,提出一种基于全同态加密优化的云数据隐私保护方法。通过生成对抗网络模型学习原始数据中的重要特征,确保合成的数据和初始数据之间具有较高的相似度,使其能够满足差分隐私特征。引入PKI对数据所有者和用户身份认证处理,完成密钥的产生和分发,根据差分隐私特征将用户所有者的数据划分为不同类型,获取用户访问特征向量。构建全同态加密机制,同时引入代理重加密机制,通过密钥转换完成数据加密处理,最终实现云数据全同态加密优化。实验对比结果表明,上述加密方案能够快速完成数据加密处理,有效确保数据的安全性。

通信干扰下无线传感器网络中微弱信号检测

微弱信号检测是保证无线传感器网络高效使用的重要环节,但检测过程易受噪声信号、传感器性能、虚拟信号等因素的干扰,从而导致误检。为了解决上述问题,提出一种通信干扰下无线传感器网络微弱信号检测方法。通过局部投影降噪法剔除信号中的噪声,避免噪声对检测过程产生影响。采用主分量分析算法提取去噪信号的特征,并根据遗传算法优化支持向量参数,将提取的特征输入到向量机中,通过特征的分类完成通信干扰下无线传感器网络微弱信号的检测。实验结果表明,所提方法的信号检测结果与实际结果基本一致,检测时间在30ms内,且抗噪性能强。

基于卷积神经网络的遥感图像目标识别仿真

在遥感图像中,目标往往位于复杂的地物背景中,包括不同类型的植被、土地覆盖、建筑物等。上述复杂的地物背景对目标识别造成了困难。为了精准识别遥感图像目标,提出一种卷积神经网络下遥感图像目标识别算法。将暗通道原理和双边滤波算法有效结合,对遥感图像展开增强处理。统计分析遥感图像目标尺度范围,通过训练和测试卷积神经网络,得到最佳目标感兴趣区域尺度。确定目标感兴趣区域最佳尺度后,构建基于卷积神经网络的遥感图像目标识别架构,完成遥感图像目标识别。通过实验分析证明,采用所提算法可以有效提升遥感图像增强效果,具有较好的遥感图像目标识别性能。

改进RRT算法的全向机器人路径规划

针对快速扩展随机树(RRT)算法在进行全局路径规划时生成路径时间长,长度长,在采样时缺乏目标导引性。所以改进了一种目标偏向采样策略,通过引入由初始点,终点,障碍物和随机点构成的虚拟力场,促使随机采样导向目标点。对于障碍物远近的影响,设定障碍物影响的阈值,引入了自适应系数λ,在扩展步长方面,加入了角度约束,根据偏向目标点角度,选择不同的扩展步长。引入冗余节点剔除策略,缩短路径长度,最后加入贪心策略,减少不必要采样节点的个数。首先,在MATLAB2018a仿真进行实验对比,其次在实际环境中进行实验。实验结果显示,在路径搜索时间,拐点数量以及路径距离等均有明显的提高。

基于Spark计算的大数据终端潜在异常识别仿真

终端信息泄漏是大数据安全的主要问题,大规模高速数据流的潜在异常风险直接影响大数据终端运行状态。为此提出基于Spark计算的大数据终端潜在异常识别方法。分析终端潜在异常数据的噪声影响程度,利用去噪算法对原始终端数据完成去噪预处理。将其输入网络大数据深度挖掘模型中提取潜在异常数据的特征。以Spark计算和自适应快速决策树为基础构建并行性分类模型,将提取到的特征输入至模型,实现大数据终端潜在异常的识别。仿真结果表明,所提方法识别精确度和效率均较高,且具有更大的适应度,说明研究方法的稳定性更优。

基于工作流的无服务边缘计算框架设计与实现

边缘计算具有高性能、体积小、计算力超强等优点。但云设计的边缘计算函数链存在调用时延较长的问题,导致大规模部署和存储能力以及云端和设备端协同困难、无缝对接效果较差。为解决上述问题,基于开源无服务平台OpenFaaS设计了一个无服务边缘计算框架(SECP),为边缘侧提供基于无状态函数的计算服务。对计算服务调用过程采用建模分析,采用了工作流模型对为云设计的无服务计算在边缘侧存在的函数链式调用时延放大的问题改进。性能测试结果表明,SECP在边缘计算场景下有良好的性能表现,降低了边缘计算平台中服务请求的响应时间,解决了无服务计算函数功能单一问题,提高了边缘侧资源的利用率,并改善了边缘侧计算服务部署、维护繁杂的问题。

多因素优化蚁群算法机器人路径规划

采用传统蚁群算法进行路径规划中,存在收敛速度慢,路径不平滑,方向性与目的性较差等问题,提出了多因素优化蚁群算法以提高路径寻优的性能。应用扩散方式赋予地图不均匀的初始信息素,为路径搜索提供更好的方向性,避免了局部最优解的出现;距离启发信息、障碍物阻力启发信息和路径角度启发信息作为综合启发信息应用于蚁群算法,增强蚂蚁移动的目的性,缩短路径长度;运用贝塞尔曲线优化路径上的拐点处,输出平滑路径。仿真结果表明,多因素优化蚁群算法应对多样性环境具有更强的适应性,有效避免了局部最优解,规划出的最优路径更短且光滑,有利于机器人流畅通行,更具有工程实践意义。

建筑空间最优节能设计模型仿真研究

由于建筑结构主体较多,空间能耗难以合并控制,导致目前建筑空间能源耗用量较大。为此,构建基于等效转换法的建筑空间最优节能模型,并对其仿真研究。提出建筑总体能耗作为初始优化的“尺度”概念,该尺度为建筑空间的外墙、内墙、屋顶、分户楼板以及门窗等参数,求解这些尺度的最佳标准值。采用等效转换法计算在节能条件下所能接受的最大能耗范围。在此基础上,以上述范围值为约束条件,建立控制函数。将上述提到标准尺度值和最大能耗范围设置为最优解,建立最优节能设计模型,设定温差调节因子,对每一次室内外温差实施有效调节控制,保证建筑体参数符合最佳能耗范围。仿真结果证明,所提方法对冬季采暖和夏季制冷的能耗控制效果均较佳,节能效果最优且算法收敛性高,鲁棒性较好。

基于特征提取和集成学习的个人信用评分方法

在大数据蓬勃发展的今天,信息经济已经深入社会方方面面,个人信用体系建设的重要性越发突出。而传统的信用体系存在覆盖率不足、评价特征维度高、数据孤岛等问题,为了解决以上问题,提出一种基于特征提取和Stacking集成学习的个人信用评分方法(PSL-Stacking)。方法首先利用Pearson和Spearman系数对数据进行初始化分析剔除不相关数据,利用LightGBM算法进行特征选择,减少冗余特征对模型的影响;其次选取XGboost、LightGBM、Random Forest以及Huber回归等算法,利用Stacking集成学习技术构造个人信用评分模型。最后,以某电信数据为研究对象,对该上述模型的个人信用评分能力进行验证。实验结果得出上述模型具有很好的预测能力,能够准确的对用户信用进行评分,有效降低企业遭受金融欺诈、团伙套利等问题的风险。