为分析智能网联交通技术领域的研究现状,确定其发展走向,预测其发展趋势,并明确当前及未来的研究重点,结合智能网联交通技术实际发展状况,结合Web of Science核心数据库中的相关文献资料,运用文献计量学方法,从关键词频次、发文机构等...为分析智能网联交通技术领域的研究现状,确定其发展走向,预测其发展趋势,并明确当前及未来的研究重点,结合智能网联交通技术实际发展状况,结合Web of Science核心数据库中的相关文献资料,运用文献计量学方法,从关键词频次、发文机构等角度绘制知识图谱进行分析,并解读当前的研究热点。研究结果表明:尽管国内研究起步较晚,但研究成果丰硕;国内在智能网联交通技术领域的研究主要集中在通信系统和控制系统的研发上;而国外更侧重于驾驶辅助系统的开发、预测控制模型以及网联环境下的交通安全等方面。综合以上信息,可以判断当前智能网联交通技术领域正处于快速发展阶段,新技术层出不穷。从论文发表数量来看,中国和美国在该领域占据领先地位,是科研的主要力量。展开更多
针对复杂威胁环境下多无人机协同跟踪动态目标的问题,提出了一种多策略改进灰狼优化算法(multi-strategy improved grey wolf optimization,MSIGWO)的分布式模型预测控制方法。通过对多无人机跟踪动态飞行目标场景问题描述,考虑无人机...针对复杂威胁环境下多无人机协同跟踪动态目标的问题,提出了一种多策略改进灰狼优化算法(multi-strategy improved grey wolf optimization,MSIGWO)的分布式模型预测控制方法。通过对多无人机跟踪动态飞行目标场景问题描述,考虑无人机运动学、相对运动学、战场复杂威胁、机间距离和视场传感器等约束,建立了多无人机协同跟踪动态目标的数学模型;基于分布式模型预测控制设计了多无人机协同轨迹在线优化求解框架,提出了一种改进灰狼算法作为分布式轨迹规划求解策略,通过控制参数自适应调整策略,最优位置学习更新策略以及跳出局部最优解策略来增强种群多样性,进而提升算法的优化求解能力;应用数值仿真和半实物仿真验证了所提出策略和方法的有效性。仿真结果表明:提出的多无人机分布式协同轨迹规划方法能够在有效避开动态环境障碍的条件下协同跟踪动态目标,具有较优的跟踪效能。展开更多
为弥补传统的广义线性模型(generalized linear model,GLM)方法的不足,并探索模式识别在运动脑科学当中的应用价值。使用支持向量机(support vector machine,SVM)模式识别算法,以低频振幅(fractional amplitude of low-frequency fluctu...为弥补传统的广义线性模型(generalized linear model,GLM)方法的不足,并探索模式识别在运动脑科学当中的应用价值。使用支持向量机(support vector machine,SVM)模式识别算法,以低频振幅(fractional amplitude of low-frequency fluctuations,fALFF)、局部一致性(regional homogeneity,ReHo)和度中心度(degree centrality,DC)作为学习特征,对射击运动组和滑冰运动组(分类1)、射击运动组和对照组(分类2)以及速滑运动组和对照组(分类3)之间进行二分类,并计算每一个脑区在分类算法当中的权重。使用留一交叉验证法计算分类正确率,使用总的准确率、接受者操作特性曲线(receiver operating characteristic curve,ROC)、以及预测准确率来衡量机器分类算法的优劣性。结果表明:分类1中SVM算法的正确率较高且分类效果更稳定,总的准确率(total accuracy,tACC)可以维持在96.67%以上,曲线下面积(area under curve,AUC)均为1,说明SVM算法对区分不同项目运动员脑静息态功能特征时更有优势;在分类2和分类3中,SVM算法效果取决于使用的指标。其中,使用fALFF或者综合使用三个静息态指标的分类效果较稳定(tACC均在80%以上,AUC均在0.88以上);小脑在分类1算法中占较多的权重,提示不同运动项目运动员的脑功能活动之间差异最明显的部位主要在小脑上。而分类2和3中,除了小脑,还有一些与运动执行和控制及其他功能活动相关的脑区参与了算法的构成。通过SVM分类算法的应用获得较为理想的结果,展示了模式识别方法在运动科学领域的应用价值。研究成果有助于体育科学研究者从新的角度更加全面地理解运动与脑的关系。展开更多
文摘为分析智能网联交通技术领域的研究现状,确定其发展走向,预测其发展趋势,并明确当前及未来的研究重点,结合智能网联交通技术实际发展状况,结合Web of Science核心数据库中的相关文献资料,运用文献计量学方法,从关键词频次、发文机构等角度绘制知识图谱进行分析,并解读当前的研究热点。研究结果表明:尽管国内研究起步较晚,但研究成果丰硕;国内在智能网联交通技术领域的研究主要集中在通信系统和控制系统的研发上;而国外更侧重于驾驶辅助系统的开发、预测控制模型以及网联环境下的交通安全等方面。综合以上信息,可以判断当前智能网联交通技术领域正处于快速发展阶段,新技术层出不穷。从论文发表数量来看,中国和美国在该领域占据领先地位,是科研的主要力量。
文摘针对复杂威胁环境下多无人机协同跟踪动态目标的问题,提出了一种多策略改进灰狼优化算法(multi-strategy improved grey wolf optimization,MSIGWO)的分布式模型预测控制方法。通过对多无人机跟踪动态飞行目标场景问题描述,考虑无人机运动学、相对运动学、战场复杂威胁、机间距离和视场传感器等约束,建立了多无人机协同跟踪动态目标的数学模型;基于分布式模型预测控制设计了多无人机协同轨迹在线优化求解框架,提出了一种改进灰狼算法作为分布式轨迹规划求解策略,通过控制参数自适应调整策略,最优位置学习更新策略以及跳出局部最优解策略来增强种群多样性,进而提升算法的优化求解能力;应用数值仿真和半实物仿真验证了所提出策略和方法的有效性。仿真结果表明:提出的多无人机分布式协同轨迹规划方法能够在有效避开动态环境障碍的条件下协同跟踪动态目标,具有较优的跟踪效能。