基于CPS和数字孪生技术的智能制造课程建设——自动化专业实践课程教改探索

为满足新兴产业对人才的需求,改变传统自动化专业实践课程对学生吸引力不强的现状,东华大学信息科学与技术学院建设了以智能制造为主题的专业实践课程体系。其中,在面向离散制造的智能制造实践教学部分,应用西门子Tecnomatix Process Simulate软件,设计了基于数字孪生技术的多机器人生产线系统,用于培训学生对机器人进行离线编程及基于控制逻辑事件驱动的虚拟仿真;在自动化专业综合实习课程中,应用西门子NX MCD研制了基于CPS的工业智能制造虚拟仿真平台,使学生编制的PLC程序经数据通信控制该虚拟仿真平台上的工业智能制造生产线,实现虚拟设备调试和运行。该实践课程建设符合智能生产设计理念,为自动化专业工程实践教学改革提供了一种新的思路。

基于多Agent技术的服装合体性智能评价系统

针对服装网络营销过程中合体性评价个性化服务缺乏的问题,基于层次分析法(AHP)、模糊集合理论和人工心理理论提出了服装合体性智能评价模型,并阐述了模型各部分实现过程.同时,提出了基于多Agent技术的服装合体性智能评价系统实现框架,详细叙述了系统中各Agent的角色职能以及系统操作流程.该系统能较好地改善在线服装购物环境和为顾客提供实用的购物决策参考,具有一定的通用性和广泛的应用前景.

基于离子液体电解质的柔性电化学O_(2)传感器性能研究

氧气是人类和其他大部分生命体赖以生存的物质基础,环境中过低和过高的氧气浓度都会影响人的身体健康,甚至危及生命安全。因此,针对未知环境空气中氧气浓度的监测对于保障作业人员的生命安全尤为必要。近年来,随着智能穿戴产业的迅速发展,柔性氧气传感器由于结构适应性强、可共形设计以及轻量等特点越来越受到学术界与产业界的关注。本工作采用1-丁基-3-甲基咪唑六氟磷酸盐[BMIM]PF6离子液体作为电解质,聚对苯二甲酸乙二醇酯(PET)为柔性衬底,通过蒸镀金电极并采用柔性封装工艺,制备了一种柔性电化学氧气传感器,并系统研究了其应用性能。所制备的氧气传感器在0%~60%的氧气浓度范围内表现出了良好的线性度(R2=0.974)、T90响应时间(约为20 s)、灵敏度(0.534)。该柔性电化学氧气传感器在智能穿戴、工业安防等领域显示出广阔的应用前景。

大规模有向网络的K可控性研究

为研究大规模有向网络系统的控制性能,采用结构能控性指数K来表征网络系统的控制长度。提出K可控定理,将有向网络系统分解成独立可控的“仙人掌”结构,得出系统可控时的驱动节点集和结构能控性指数K。提出大规模网络系统矩阵的K可控算法,将K可控定理在算法中实现,并对大规模随机网络和真实网络进行仿真。结果表明,利用K可控定理可以得出大规模有向网络系统的结构能控性指数K。讨论结构能控性指数K和最小控制输入之间的关系。

基于多模态融合和自适应剪枝Transformer的脑肿瘤图像分割算法

脑肿瘤是目前世界上最致命的肿瘤之一,所以脑肿瘤图像的自动分割在临床诊疗中变得日益重要.近年来,基于CNN和Transformer的脑肿瘤分割方法在医学图像分割领域取得了令人欣喜的成就.然而,大多数方法没有充分利用脑肿瘤多模态间的互补性和差异性,并且模型中的Transformer在捕获远程依赖性的同时,忽略了其较大的计算复杂性、冗余依赖性等问题.针对此问题,提出一种基于多模态融合和自适应剪枝Transformer的脑肿瘤图像分割方法(MF-MAPT Swin UNETR),其中多模态融合模块可以充分学习性质相近的模态间信息和不同模态不同尺度的特征变化,为后续分割提供了充分的准备;基于多模态的自适应剪枝Transformer可以降低计算复杂度,对提升性能有一定的帮助,将MF-MAPT Swin UNETR模型在两个公共数据集上进行了实验验证,结果表明,该模型较最先进的方法整体具有突出的分割性能.

基于几何约束图的个性化服装样板生成系统

为满足服装个性化定制生产与销售,设计并开发了基于几何约束图的个性化服装样板生成系统.在对人体特征尺寸提取及特殊体型识别充分研究的基础上,提出基于几何约束图的参数化服装样板模型,该模型能迅速对输入的人体参数及特殊体型做出反应并调整为适合用户体型的个性化样板,最后通过C#编程操作AutoCADVBA的方法实现了样板参数化模型生成与调整过程的自动化.

基于织物传感器所测肌肉厚度特征的肌肉疲劳监测

骨骼肌疲劳监测是康复医疗和运动科学等领域热点课题。然而受传感器的尺寸和价格所限,目前的肌肉疲劳监测技术不适用于运动场景。该研究基于织物应变传感器的穿戴式智能带测量人体上臂肱二头肌的厚度变化,以期辅助常规肌电图(electromyography,EMG)传感器监测肌肉疲劳。测试方案选用哑铃弯举动作,采用EMG过零率和EMG中位频率检验新提出的2个基于厚度的肌肉疲劳指标,即电阻中位频率和电阻所围面积。结果显示,EMG中位频率和电阻中位频率相关系数达0.7815,P值为0.0220;EMG过零率和电阻所围面积相关系数达0.8747,P值为0.0045。结果表明,基于厚度的肌肉疲劳指标与常用的基于EMG的疲劳指标显著相关。该研究验证了使用面向可穿戴的柔性传感器在运动中监测肌肉疲劳的可行性,显示出该类传感器在肌肉疲劳监测研究领域的广阔前景。

基于时尚周期的服装供应链协调策略

分析服装产品需求随着市场变化而变化的特点,这些特点影响供应链成员的决策方案。在不同的博弈关系、议价能力、信息结构及组织结构下,不同生命周期中销售商的风险偏好有所不同。引入产品时尚指数的概念,建立基于时尚指数的风险规避系数模型。通过对集中模式和分散模式下期望效用函数的分析,得出了最优回购策略。通过实例仿真验证了在不同时尚周期下零售商的风险规避系数随时尚指数的减小而增大。为达到供应链的完美协调,供应商提供回购价也应增大,以达到激励零售商的作用。考虑时尚指数将更清楚地反映不同时尚阶段成员对市场的期望,得出最优协调参数,从而优化供应链的利润。

非完美CSI下的全双工中继网络的能效谱效均衡

为优化非完美信道状态信息下的解码转发全双工中继网络的能效和谱效,提出了一种基于该网络模型的能效谱效均衡策略。通过构建能量效率和频谱效率的折中优化函数,将一个非凸的多目标优化问题转换为一个凸的单目标优化问题,利用求导法和拉格朗日乘子法求解在不同折中因子下的最优中继发射功率。仿真结果表明,可以通过改变折中因子来优化系统的能效和谱效值,获得最优能效和谱效的性能折中。

考虑无人艇运动学约束的IRRT^(*)-APF路径规划算法

针对未知环境下无人艇(USV)的路径规划问题,提出了一种考虑无人艇运动学约束的改进RRT^(*)-APF路径规划算法(IRRT^(*)-APF)。通过引入改进的人工势场法(APF)提高了快速搜索随机树(RRT^(*))的避障性能,在人工势场中考虑无人艇与障碍物和目标点间的角度大小,加速了无人艇远离障碍物并接近目标点;使用曼哈顿距离法提高了RRT^(*)算法的效率。所提出的IRRT^(*)-APF方法,与滚动RRT^(*)算法和PSOFS算法进行了仿真对比实验。结果表明,提出的方法所规划的路径转折的次数和转角均显著减小,有利于实现无人艇的平稳控制,同时缩短了路径长度和规划路径的时间。在风浪环境下的进一步仿真实验结果表明,所提出的算法在有风浪干扰时依然能规划出符合无人艇运动学的轨迹,具有较强的抗风浪鲁棒性。

非完美频谱感知下认知超密集网络的资源分配

针对实际认知超密集网络场景中认知无线电存在非完美频谱感知的情况,提出了一种基于非完美频谱感知的资源分配方案,目标是在考虑跨/同层干扰约束、保障用户服务质量下,最大化非完美频谱感知下认知超密集网络中次级网络的能效。为此,依据网络模型构建能效优化问题,其为混合整数非凸规划问题,先通过分时共享松弛法和丁克尔巴赫法将其转换成等价的凸优化问题,再使用拉格朗日对偶法求其最优解,以此获得最优能效时的子信道和功率分配策略。基于此,提出了一种迭代的子信道和功率分配算法;为权衡计算复杂度,还提出了一种实用的子信道和功率分配算法。仿真结果表明,所提算法都有效地提升了网络能效。

Android物联网创新型实验研究与应用

以东华大学大唐移动物联网实验室为基础,利用物联网实训平台的硬件资源,设计了一种创新型温湿度传感器应用实验系统。该系统硬件部分主要由温湿度传感器及BLE开发套件组成;软件部分为Android应用程序。温湿度传感器检测出的物理信息通过BLE传输给Android智能终端,在解析数据后显示至交互主界面,并由应用程序后台做出预警判断用以提醒用户,从而为婴儿或老人的看护提供一种可靠的支持方案。

基于Pareto多目标优化的工业传感网路由协议研究

工业传感网通常包含实时性和可靠性在内的多个性能指标,因此需要应用多目标优化方法设计路由算法,以满足性能需求。在收集树协议CTP的基础上进行改进,提出了基于Pareto多目标优化的路由协议TCTP。该协议首先在单跳链路质量评估中,增加单跳节点传输时延性能指标。然后运用Pareto原理通过路由拓扑建立了多路径路由,并基于数据传输的实时性和可靠性指标,选择多路径路由。最后使用有色Petri网对TCTP进行了形式化建模并利用CPN Tools工具进行了实现和验证。与CTP协议相比,TCTP协议不仅在选择传输路径上具有更强的适用性和灵活性,而且满足了工业上实时、可靠等多目标传输性能的需求。

基于OpenCV的视频图像处理应用研究

以嵌入式ARM为硬件平台,以ARM-Linux为软件平台,在QT/Qtopia图形用户界面下,通过调用OpenCV图形处理库设计摄像头应用程序,最终实现把摄像头采集到的视频流数据显示在Qtopia图形用户界面窗体上。介绍了QT编程的基本原理,阐述了OpenCV图像处理库的工作机制与使用方法。

基于生物网络的智能控制与优化研究进展

生物网络在生物系统中扮演着维持动态平衡的重要角色,受其启发可提出多种新颖的智能控制和优化的理论与技术。为此,对这一研究领域进行了较系统的综述,主要包括受免疫网络、神经内分泌网络、神经内分泌免疫网络、生物整体网络等研究领域启发而形成的控制理论、技术及其应用方法。未来基于生物网络的智能控制与优化,将更加注重对上述生物网络间互连融合以及协同机制的进一步挖掘,及其在控制理论和工程方面的创新应用,同时充分吸收生物学最新成果,抽象并产生多种新型生物智能控制器及其控制方法,以更好地满足复杂系统对智能系统的应用需求。

基于PSO算法路径规划的研究

在实时的交通路况中,路径规划的核心问题是快速而有效地找到从起点到达终点的最优路线。将PSO算法应用到的路径规划中来,针对实时变化的交通路况,在适应度函数中引入惩罚项来实现静态和动态下的路径规划,并通过引入变异算子的操作来避免该算法陷入局部最优。实验表明,改进后的PSO算法搜索效率高,时间开销随路网规模的扩大增幅较小,适用于大规模路网和动态路径规划。

用于位置信息辅助复杂人体行为识别的新型深度学习框架

随着近年来智能生活理念的普及和可穿戴终端技术的快速发展,基于传感器数据的人体行为识别(human activity recognition,HAR)已引起广泛关注,并且具有重要的学术研究和商业应用价值。该文研究了增强HAR模型对用户日常简单行为(simple activity,SA)和复杂行为(complex activity,CA)的识别,并提出了一个深度学习(deep learning,DL)模型。首先,使用两个可公开获取的数据集UCI HAR和Shoaib CHA,并对其进行标准化处理。其次,使用所提出的模型提取各种动作的特征,进行人体行为识别。鉴于用户行为和位置之间的高度关联,通过独热编码技术将位置信息集成到数据集中,以提高模型的分类性能。此外,将所提出的模型与8种经典机器学习(machine learning,ML)算法和6种DL算法进行了对比。最后,评估了不同行为类型对HAR模型识别性能的影响。实验结果表明,所提出的模型在UCI HAR和Shoaib CHA数据集上的最高分类准确率分别达到了96.77%和99.13%。通过向数据集添加位置信息,HAR模型对SA和CA的分类准确率得到了显著提高。

物联网可穿戴式设备研发人才工程化培养教学探索

可穿戴式设备是未来物联网的重要发展方向,社会上对可穿戴式设备研发人才的需求日益迫切。分析可穿戴式设备研发对技术人才能力的要求,并从教学体系与具体实践角度探索如何利用基于项目制的工程培养机制,在现有的课程体系内实现面向可穿戴式设备研发领域的人才培养。教学结果表明,依靠融合创新项目与现有教学培养体系的复合机制,可以有效地实现可穿戴式设备研发人才培养的教学目标。

智能系统控制课程的探究式教学研究

为了提高智能系统控制课程教学的交互性和学生的编程实践能力,我们利用人工智能技术设计了新颖、生动的探究式教学模式和网络交互平台。根据"因材施教"的原则,设计多种学习方法,以供学生自主选择。学生可按照其需求和进度选择内容和学习模式,并及时与教师、同学保持交流、探讨和合作,与相近专业的同学攻克小型研究课题。根据学生的反馈意见和成绩统计结果,这种探究式教学模式能提高学生的学习兴趣、求新思维和实践能力。

基于城市VANET网络的可用带宽估计算法研究

链路可用带宽的准确估计对于提高城市车载自组织网络性能具有重要的影响.为了提高城市车载自组织网络链路可用带宽估计的精确度,提出一种带宽估计算法VABE(Vehicular available bandwidth estimation).该算法通过分析信号受到的干扰,对信道容量进行精确估计,同时考虑节点移动性对链路带宽估计的影响,从而准确估计城市车载自组织网络的可用带宽.最后通过NS2进行仿真,表明该算法精确度更高,适合作为城市车载自组织网络中业务分配、路由选择的依据.