改进人工势场引导的双向扩展随机树路径规划算法

针对地面移动机器人在复杂环境之下要求规划路径实时性强、路线平滑度高、避障精确完备等需求,在快速扩展随机树算法(RRT)的基础之上,提出一种由改进人工势场法(APF)引导的双向扩展随机树算法(APF-Bi-RRT^(*))。首先,在每次迭代的过程之中两棵随机树同时分别从起始点和目标点进行扩展,以加快算法收敛速度;其次,在算法随机树生长方向上,引入目标偏置策略来优化随机子节点的选取,并在随机树和障碍物中加入人工势场分量,限制路径方向选择的随机性,改进算法克服引力和斥力过大导致陷入局部最优值或目标不可达的问题;最后,在形成锯齿型规划路径之上应用一种采样优化和关键节点平滑策略,进一步缩短和平滑原路径的总距离。对比实验结果证明,该算法既克服了传统随机树算法的节点盲目扩展的问题,又兼顾了生成路径的效率和平滑性,与目标偏置RRT算法相比,在规划路径长度上减少了9.7%左右,在运行时间上缩短了65.3%左右,在算法迭代次数上减少了78.2%左右。

卷积神经网络与随机场分析桩梁基础承载力

岩土体的参数在空间上随机分布,为能更好地反应实际工程地质条件,在桩基础承载力研究中考虑土体的不确定性,并建立具有重要工程价值的承载力预测模型,将基于随机场理论的岩土参数空间变异性引入桩梁基础的研究中,采用数值方法建立桩梁基础与群桩基础的二维随机有限元模型分析承载能力,并与模型试验结果验证。随后通过卷积神经网络建立土体参数随机场图像与基础极限承载力之间的模型进行承载力预测,并基于预测模型研究不同参数的影响。结果表明:考虑土体空间变异性的基础承载力与试验结果基本吻合,随机结果均高于确定性分析;随机场下桩梁基础与群桩基础的承载力均为正态分布;采用卷积神经网络建立的基础承载力预测模型精度较高,且可以用于参数分析,基础承载力随着土体参数的增加而增加,随变异系数的增加而下降。随机条件下,桩梁基础的承载力高于群桩基础,可以充分发挥土体强度并抵御参数不确定性带来的承载力损失。

基于约束随机场的基坑开挖变形概率评估方法

为综合考虑岩土参数的空间变异性以及前期地质勘查所获取钻孔数据的确定性,提升基坑开挖变形风险评估的准确性,提出基于约束随机场的基坑开挖变形概率评估方法。所提方法利用克里金(Kriging)理论和随机场理论,生成考虑地勘钻孔数据的约束随机场,并结合数值分析和蒙特卡洛(Monte-Carlo)方法建立基坑开挖的概率评估模型,分析参数空间变异性对基坑开挖引起的环境效应和围护结构变形的影响规律。与传统确定性分析和基于传统随机场的概率分析进行对比,结果表明:基于约束随机场的概率分析方法能够很好地避免传统确定性分析低估风险以及传统随机场方法高估风险的问题,从而更合理地评估工程风险。研究成果可以为进一步制定基坑开挖风险的应对措施提供有益参考。

基于条件随机场挖掘文本史料中事件信息的方法与实证研究——以《拉贝日记》数字人文研究为例

文本史料被广泛数字化,如何从文本中提取地理命名实体及相关信息,有效开展地理信息挖掘成为重要研究课题。本文针对历史档案文档的特点,提出一种以地理命名实体为核心,使语义信息与地理位置关联,将文本描述的事件信息转化为各个地理命名实体的属性数据的事件抽取理念,提取出有关时间、地点、人物、事物、事件、现象等与地理命名实体相关的事件要素。研究以《拉贝日记》中收录的《日本士兵在南京安全区的暴行》档案为实证案例,采用条件随机场方法,抽取事件信息,结合历史地图等相关资料,将地理信息最终映射到地图上。本文方法有助于拓展文本资料在数字信息时代的开发利用方式,开辟文本挖掘分析与知识发现的新思路。

基于随机场理论的隧道开挖后地表及隧道变形分析

天然土体由于受到多因素的影响,土体参数存在着内在的不确定性。为了更好地反映实际土体参数的分布情况,基于随机场理论,在考虑黏聚力和内摩擦角空间变异性的情况下,利用乔列斯基分解和随机有限元模型相结合的方法,对地表和隧道变形进行分析。研究结果表明:地表沉降曲线簇的波动范围随着黏聚力和内摩擦角相关距离的增大而增大,其竖直相关距离对地表沉降变形的影响更明显;黏聚力和内摩擦角的变异系数对地表沉降变形的影响强于其相关距离对地表沉降变形的影响;隧道变形值的分布随着黏聚力和内摩擦角变异系数的增大而逐渐离散,其中内摩擦角变异系数对隧道变形值分布的影响更明显;不考虑黏聚力和内摩擦角的空间变异性将偏小地预测地表沉降和隧道变形,使设计偏于危险。

考虑随机场的盾构下穿条件下既有高铁交会行车安全性

针对路基段高铁行车安全分析常将地基土视作具有确定性参数的介质的问题,文中基于随机场理论,将地基土视为具有纵向一致性的三维介质,建立了盾构下穿既有高铁的数值模型,并基于数论选点方法模拟地基土横截面的参数随机性。为更进一步研究盾构下穿高速铁路对高铁行车安全性的影响,文中建立了31自由度的高铁列车模型,结合Fluent 3D流体仿真软件和动网格技术,获得了高速列车的气动荷载时程曲线。基于概率密度演化理论分析了高铁列车以300、350和400 km/h的速度交会时的脱轨系数及其概率密度演化信息。结果表明:随机场的存在使得车辆的轮重减载率和脱轨系数具有一定的概率分布范围;在气动荷载和隧道下穿引起的既有高铁线路基变形影响下,垂向轮轨力曲线有明显的波动情况;轮重减载率最大值出现在地表沉降最大值两侧的下降段;垂向气动荷载大于横向气动荷载;随着车速的增加,轮重减载率及脱轨系数的各上限均在逐渐增大,为保证高铁交会行车的安全性,建议在盾构下穿既有线地段的高铁列车运行速度应不超过300 km/h。

基于随机场理论的盾构隧道地层扰动分析

盾构开挖不可避免会造成周围地层扰动,引起地表及深部地层发生变形,变形过大时会威胁到周围建构(筑)物的安全,因而有必要开展隧道施工地表及地层变形扰动方面的研究。首先在土体均质条件下,开展二维数值计算,并分别利用Peck公式拟合优度和多项式拟合优度来评价水平向地层和竖向地层的变形扰动程度;继而考虑土体参数空间变异性,借助Monte Carlo策略,开展盾构施工对地层扰动规律影响研究的随机性分析。研究结果表明:Peck公式拟合优度可以较好地反映施工引起水平地层沉降变形程度;多项式拟合优度可以较好地反映竖向地层水平变形受到施工的影响程度;土体模量空间变异性会对盾构隧道施工地层扰动产生较大的影响,模量较大时会对盾构施工地层扰动有一定的“抑制”作用,但总体上越靠近盾构隧道,地层受到扰动越大。研究可以为类似工程的设计和施工提供有益的参考。

紊流随机风场下多相多分裂覆冰输电导线舞动的相间闪络概率评估

针对覆冰输电导线在紊流随机风场中舞动的相间闪络问题,提出了一种多相多分裂覆冰导线舞动的相间闪络概率评估方法。首先,通过生成覆冰导线在紊流随机风场中舞动时的随机风荷载,结合多相多分裂覆冰输电导线有限元模型对紊流随机风场中的导线舞动响应进行模拟;其次,通过等价极值分布法构建了多相多分裂覆冰输电导线舞动时的相间闪络失效准则,基于概率密度演化法发展了一种多相多分裂覆冰导线在紊流随机风场中发生非同步舞动的相间闪络概率评估框架;最后,对某单跨三相四分裂覆冰输电导线算例进行分析。结果表明:1)不同相对位置的覆冰导线相间闪络概率评估结果差异明显,并且相较稳态风场情况,紊流随机风场作用下的各相导线相间闪络概率密度曲线峰值位置左移,峰值存在明显的降低;2)随着紊流度的增加,各相覆冰导线在紊流随机风场中舞动时更易发生相间闪络;3)该跨覆冰导线的相间闪络概率随平均风速的增加呈现先升后降的变化趋势,不同初始风攻角工况的各相导线相间闪络概率差异明显。

考虑土体强度参数随机场的横向加载管-土相互作用分析

输水管道受滑坡、地震、断层活动等影响将产生横向运动,埋地管道的管-土相互作用问题可归结于管-土接触界面的接触压力研究。基于Abaqus有限元模拟及其二次开发功能,通过土体强度参数随机场模拟土体非均质性,研究受横向荷载的埋地管道与土体之间相互作用,并对3种变异系数工况进行模拟;将模拟结果与均质土条件的确定性结果进行对比,对随机分析模拟结果进行参数分析及概率研究。研究表明:所提方法可以较好地模拟横向荷载条件下管-土相互作用;土体抗剪强度空间变异条件下的管-土结构承载力小于确定性分析结果,土体非均质性对横向荷载作用下浅埋管道破坏机制的影响表现为土体破坏沿强度薄弱的区域发展;土体不排水抗剪强度随机参数水平相关距离对管-土结构承载力影响显著;管道达预设位移时管-土结构承载力服从对数正态分布;考虑工程容许荷载设计,随着安全系数的增大,管-土结构失效概率显著减小,当安全系数取2.5时失效概率小于1%,达到工程可靠水平。

任意分布ST方法及其在随机场线耦合中的应用

随机测试(ST)方法是一种不确定性量化方法,已有的ST方法还不能处理具有任意分布随机变量的情况。通过Gram-Schmidt正交化算法为任意分布随机变量构建混沌多项式基底,对ST方法进行拓展,使其可用于任意分布随机变量的情况。将拓展后的ST方法用于传输线场线耦合分析中。在场线耦合的计算中,由于辐射场的不确定性,入射波极化角、方位角与仰角存在不确定性,因此传输线的响应也呈现出不确定性,导致随机场线耦合问题。针对输入参数服从任意分布的情况,应用ST方法对传输线场线耦合响应进行不确定性量化。对模型的输出响应进行多项式混沌展开,通过求解展开系数得到模型响应的统计信息。结合单随机变量和多随机变量场线耦合算例,得到传输线电压响应的统计信息。最后对比蒙特卡罗模拟方法,验证了ST方法的正确性和高效性。

基于图像深度先验和鲁棒马尔可夫随机场的有遮挡人脸识别

由遮挡所引发的测试数据和训练数据之间的差异,是人脸识别技术面临的重要挑战。现有的基于深度神经网络的有遮挡人脸识别方法大多需要使用大规模的有遮挡的人脸图像来训练网络模型。然而,现实世界中的任何外界物体都有可能成为遮挡,有限的训练集数据很难穷尽所有的可能性,并且使用大规模的有遮挡人脸图像训练网络模型的做法与人类视觉机制是相违背的,人眼对于遮挡区域的感知在本质上与遮挡本身并没有关系,仅依赖于无遮挡的人脸图像。为了模拟人类视觉的遮挡检测机制,将图像深度先验和鲁棒马尔可夫随机场模型结合起来,构建基于小样本数据的遮挡检测模型DIP-rMRF,并提出了一致性零填充方法以有效利用DIP-rMRF的遮挡检测结果进行后续的人脸识别。在Extended Yale B,AR和LFW这3个人脸数据库上,针对VGGFace, LCNN,PCANet, SphereFace, InterpretFR,FROM这6种CNN模型的实验结果表明,DIP-rMRF能够有效地处理遮挡以及由极端光照所引发的“类遮挡”,从而极大提升现有的深度神经网络模型对有遮挡人脸识别的性能。

基于结构面粗糙度随机场表征的抗剪强度变异性

岩体结构面抗剪强度参数具有变异性是客观事实,而受限于室内外直剪试验成本而导致抗剪强度变异性指标获取困难是目前制约岩质边坡可靠度评价发展的主要原因之一。鉴于此,提出了一种利用少量实测结构面粗糙度曲线样本和岩块物理力学参数,结合JRC-JCS(joint roughness coefficient-joint compressive strength)剪切强度模型、随机场理论和非侵入式离散元数值试验,获取结构面抗剪强度参数变异性指标的方法。将此方法应用于某隧道进口段岩质边坡可靠度评价中,研究发现:(1)该岩质边坡主控结构面粗糙度纵坐标方差为0.012 5 cm2,相关距离为0.75 cm,生成的随机粗糙度曲线与实测样本相似;(2)结构面黏聚力和内摩擦角均值分别为0.427 MPa和54.9°,标准差分别为0.229 MPa和4.47°,变异系数分别为53.63%和8.14%;(3)此边坡稳定性系数服从正态分布,失稳概率为2.8%,可靠度为1.52。

基于随机树势场函数的复杂障碍物逃逸航路规划方法

无人机在执行任务过程中需根据外界环境规划出满足约束条件的飞行路径。针对传统人工势场法(APF)规划的航路存在局部极小值、无法脱困和狭窄航路震荡等缺陷导致航路规划失败的问题,提出了一种基于随机树势场的复杂障碍物逃逸航路规划方法。首先,建立了无人机离散化环境地图模型,采用快速随机搜索树(RRT)的方式分别在各个环境地图中生成随机树路径,并设计了一种随机树势场函数,对路径节点构建势场;然后,通过合理的设计随机树势场的参数与引入时机,引导无人机逃逸出缺陷情况下的势场环境,解决了传统人工势场法的缺陷问题;最后,将文中算法与对比算法进行仿真和分析。结果显示,相比快速搜索随机树算法与传统人工势场法存在航路规划失败的情况,文中算法在各个障碍物情况下都完成了航路规划,并缩短了规划的航路长度,进一步提升了航路规划的安全性和有效性。

局部平均随机过程随机场采样定理

随机信号采样定理的相关研究几十年来一直是采样定理主流方向之一,在理论和实际应用两方面都受到信息领域和数学领域的广泛关注。近年来,采样理论在随机过程和随机场的局部平均采样方面得出了一系列研究成果。首先,分析了采样定理在应用中的缺陷和局限性。其次,对近几年在随机过程、高维随机过程、随机场、时空随机场局部平均采样定理方面的发展和相关结论做了系统介绍。最后,对基于混合范数的时空随机场采样逼近、采样形式、信号形式、范数形式等问题进行了展望。结果表明:局部平均的采样方式提高了采样的精度和逼近效果,随机场局部平均采样理论在海浪参数反演和海洋污染监测方面有重要应用。特别是基于混合范数的时空随机场采样理论的研究不仅具有重要的理论价值,而且对于工程领域也有应用价值。

双模随机晶体场对混合自旋1/2和自旋1纳米管上相变的影响

本文利用有效场理论研究了自旋1/2和自旋1混合Blume-Capel模型在具有双模随机晶体场的圆柱形Ising纳米管上的磁化和相变.通过数值计算,我们得到了随温度和随机晶体场参数变化的相图和磁化强度.结果表明:(1)改变晶体场的概率和比例,双模随机晶体场可以描述不同掺杂原子对自旋的作用;(2)对于一定的概率值、负或正的晶体场和晶体场的比例值都存在临界点;(3)系统显示多种相变温度,一阶相变和二阶相变.

基于条件随机场和斯塔克尔伯格模型的决策系统研究

文章依托驾驶模拟器平台,对CarSim、Simulink和VeriStand等软件进行设置,搭建硬件在环仿真平台,使用头部姿态估计网络算法检测头部姿态,采集试验数据。建立基于条件随机场的驾驶意图在线识别系统,对左换道、右换道和车道保持3种驾驶意图进行识别,与隐马尔可夫模型对比,证明该系统能够稳定输出驾驶员的驾驶意图。建立基于斯塔克尔伯格博弈模型的人机共驾决策系统,设立仿真试验场景,验证基于驾驶意图识别的人机共驾决策系统的有效性。

自适应特征融合和条件随机场的乳腺病理图像诊断算法

肿瘤病理学分析是常见的癌症诊断方法之一。基于深度学习的病理检测方法取得了良好性能,然而针对组织切片的处理方法往往会忽略病理组织空间相关性,为了更加准确地获取乳腺癌分类结果和恶性肿瘤位置信息,提出嵌入自适应特征融合模块和均值条件随机场的Transformer框架,利用反向传播算法端到端地训练整个框架。自适应特征融合模块采用可学习参数将改进的自注意力和多感受野卷积模块自适应结合,获取多尺度语义特征,从全局和局部的角度增强模型特征提取能力;提出均值条件随机场与主干网络结合,整合组织切片间的空间相关性,获取病理组织间的形态学信息。实验结果表明:所提方法在切片级图像上准确率高达95.51%,在全切片扫描图像的AUC、FROC分别为0.974 5、0.810 2,有较好的可行性,提高了病理图像分类临床诊断准确率。

离散时间平均场随机系统的滚动时域控制

研究了一类离散时间平均场随机时变系统的滚动时域控制(RHC)镇定问题。定义一个新的条件期望型的性能指标;通过利用随机极值原理,得到RHC控制器。基于最优性能指标的单调非增性,得到了使平均场随机系统在RHC控制器下均方镇定的条件,即当2个耦合的Lyapunov型不等式被满足时,由RHC策略控制的系统是均方镇定的。通过数值算例得到在RHC控制器下,其状态轨迹满足渐近均方镇定的条件,即平均场随机系统是渐近均方镇定的,验证了该结论的有效性。

基于Voronoi图与条件随机场的自然场景文本检测方法

在自然场景中准确有效地检测文本是一项艰巨的任务,故提出一种基于条件随机场(CRF)框架的场景文本检测方法。通过利用贝叶斯推断估计文本极大值区域的置信度作为一元成本项,通过使用维诺图(Voronoi图)来构建CRF空间邻域信息,从而构建图模型,通过最大流算法最小化成本函数区分文本与非文本标记;利用字符的几何特性通过聚类方法聚合成行。实验结果表明,该算法比传统基于最大稳定极值区域(MSER)算法性能有所提高,自然场景文本检测正确率能达到87%。

结合马尔可夫随机场和混合模型的海岸线提取

为了高效且准确地实现基于遥感影像的海岸线提取,提出一种结合马尔可夫随机场和混合模型的合成孔径雷达(synthetic aperture radar,SAR)影像海岸线提取算法。该算法以统计模型理论为研究基础,考虑SAR影像中同一地物像素反射强度的统计分布具有非对称和重尾的统计特性,利用伽马混合模型建立SAR影像内像素强度的概率分布。为了建模像素的空间相关性,采用马尔可夫随机场构建伽马混合模型的组分权重概率分布以克服SAR影像相干斑噪声的影响。结合马尔可夫随机场和伽马混合模型构建出SAR影像海陆分割模型,通过最大期望方法估计模型参数以实现准确的海陆分割,进而实现海岸线提取。在Sentinel-1卫星SAR影像上进行海岸线提取实验,实验结果表明该算法可实现准确的海岸线提取。