基于MO-CGJaya/D算法的PC构件混流生产作业指派优化研究

针对PC构件生产调度优化研究在异型构件和非异型构件组合流水线的生产调度方面存在的不足,研究多生产线混流生产模式下的PC构件生产作业指派优化问题。首先,基于异型PC构件与非异型PC构件的生产线型号不同这一现实情况,考虑生产完工时间、生产成本、生产线利用率等5个目标,构建多生产线混流生产模式下的PC构件生产作业指派优化模型。然后,为求解此类高维多目标优化问题,提出了一种MO-CGJaya/D算法,该算法在分解策略的框架下结合混沌初始化和高斯变异操作,在增强算法跳出局部最优的能力的同时提升了求解效率,并通过DTLZ系列函数测试与NSGAⅡ算法、NSGAⅢ算法和MOEA/D算法进行对,比验证MO-CGJaya/D算法的性能。最后,以某预制构件生产企业的调研数据为案例,探讨了多生产线混流生产模式下的PC构件生产作业指派优化方案,研究结果对预制构件生产企业的生产实践具有指导性意义。

钻孔瞬变电磁法扫描探测RCQPSO-LMO组合算法2.5D反演

利用钻孔进行超前探测地质构造及含水体是地下开挖工程中的常规手段,如何利用这些钻孔进行钻孔瞬变电磁法扫描探测,从而实现钻孔孔壁外围地质异常体的精细探测,对实现地下工程地质透明化具有重要的指导意义.本文提出钻孔瞬变电磁法扫描探测2.5D反演的数据解译方法,首先针对随机性反演算法时效性低,易陷入局部最优解,而确定性反演算法依赖初始模型的问题,提出了组合策略的量子粒子群优化算法用来随机搜索最优初始模型.在此基础上,利用Levenberg-Marquarat方法求解Occam反演的目标函数,形成了RCQPSO-LMO组合算法进行2.5D反演,通过对比组合算法和单一算法,验证了组合算法具有更精确的反演结果.其次结合屏蔽条件下扫描探测,对比分析了有无屏蔽的2.5D反演结果,通过设定屏蔽系数对非探测方向信号进行部分压制,可以较好地解决钻孔径向扫描探测中对非探测方向信号部分屏蔽下的反演及成像.最后建立三组理论模型进行组合算法2.5D反演,结果表明:组合算法反演结果与理论模型的一致性较好,对低阻异常体的反演精度较高,验证了组合算法对钻孔孔壁外围低阻异常体具有较高的反演精度和分辨能力.

基于MOEA/D算法的三陷波超宽带天线设计

为实现超宽带通信中对WIMAX(3.3~3.7 GHz)、WLAN(5.150~5.825 GHz)和ITU(8.01~8.50 GHz)频段干扰的抑制,提出了一种基于MOEA/D算法优化设计的具有三陷波特性的超宽带天线。天线采用T形结构作为辐射贴片,通过改变贴片形状等方法实现在3~12 GHz的超宽带。在辐射贴片上刻蚀两个U形缝隙和在传输线两侧加载C形开口环,对天线进行陷波设计。利用MOEA/D算法对陷波结构的结构参数和加载位置进行优化,实现了在3.31~3.69 GHz、5.25~6.13 GHz和8.01~8.51 GHz频段的陷波效果,成功抑制了频段干扰。与传统扫频优化的设计方法相比,采用MOEA/D算法设计的天线在陷波频带内增益低至-19 dB,各陷波频带准确度误差均在3.6%以下,提高了天线的设计效率,具有一定的工程应用价值。

自适应组合滤波算法在3D假肢模型中的应用

针对经典统计滤波算法无法自适应选取参数以及传统双边滤波算法难以兼顾保特征和光顺性的问题,提出一种自适应组合滤波算法。首先引入基于局部点云体积的自适应标准差倍数以灵活滤除假肢点云大尺度噪声;在滤除大尺度噪声的基础上,引入一种新的协方差矩阵加权方式,提高估计点云法向的准确性,并通过法向夹角变化程度的均值对特征权重因子进行改进,增强双边滤波因子的保特征性,旨在光顺三维假肢模型小尺度噪声。与单独使用统计滤波、双边滤波相比,所提算法在3个假肢模型的最大误差E_(max)至少降低了5%;平均误差E_(ave)至少降低了6.9%。仿真结果表明,该改进算法在有效剔除假肢模型大尺度噪声的同时又避免了过光顺和去噪不彻底,可以较好地保持模型中的几何特征。

基于改进白鲸优化算法的D2D通信功率控制

D2D(Device-to-Device)通信作为未来移动通信网络的关键技术,为用户提供了直接通信的便利性和资源共享的高效性.然而,D2D通信的功率控制一直是影响通信质量和系统性能的关键问题.为解决这一问题,将精英反向学习、自适应权重两种策略引入到白鲸优化算法(Beluga Whale Optimization,BWO)中,并利用莱维飞行的随机步长策略来增加算法寻优的多样性,提出了基于改进白鲸优化算法的D2D通信功率控制方法.该方法利用最优解的信息引导搜索过程,可提高搜索效率和全局收敛,并能够有效提高通信效率和系统稳定性.为了验证所提出方法的有效性,开展了大量的数值仿真实验.结果显示,基于改进白鲸优化算法的D2D通信功率控制方法在增加系统吞吐量、减少干扰方面有显著的改善.同时,提出的算法相对于已有的算法有着更出色的收敛性与鲁棒性,在不同通信环境和参数设置下都能表现出更稳定的性能.

3D打印机多轴联动插补算法的研究与优化

针对3D打印过程中,打印机多轴联动插补算法计算效率低的问题和Bresenham算法在3D打印运动控制中的不足,在现有算法基础之上提出阶跃式Bresenham算法、速度自适应算法,分别完成喷嘴的成型扫描运动和浆料的挤出运动.采用两种算法相结合的方式控制3D打印机多轴联动,从而提高3D打印机的插补速度.同时分析了该控制方式在微控制器中的实现流程,并将其移植于微控制器中.本研究设计了直线插补仿真试验和不同算法的3D打印试验,证明了该控制方式在打印精度不变的前提下能够提高打印效率.

移动机器人2D激光SLAM算法仿真与实现

随着无人驾驶技术的迅速发展,同步定位与建图技术因其精度高、稳定性好的优点备受人们关注。基于激光雷达传感器,选择主流的Gmapping和Cartographer算法,搭建实验环境,对两种算法进行对比仿真与实验建图,并对两种算法的建图效果进行深度的分析。基于滤波器的Gmapping算法计算量小,依赖于里程计信息,适用于小尺度、低特征环境中;基于图优化的Cartographer算法累计误差低,精度高,适用于精度和稳定性要求较高的场合。

基于多目标混合启发式算法的协同无冲突4D航迹规划

为促进基于航迹运行的框架下未来空中交通管理系统的协同决策,本文提出了一种协同无冲突4D航迹规划方法。首先以提高航班效率和航空公司间的公平性为目标,以无冲突为约束构建了一个多目标整数线性优化模型。其次,提出了一种基于基尼系数的指标以量化航空公司间的成本分配公平性。为了提高问题求解效率,采用了基于网格的探测方法以加速冲突检测,并设计了一种多目标混合启发式算法(Multi-objective hybrid-meta-heuristic optimization algorithm,MHMOA),通过结合模拟退火(Simulated annealing,SA)和爬山局部搜索算法来近似最优的非支配解。最后,利用实际航班计划和航路网络数据比较和分析了MHMOA、SA和两种常规多目标优化算法的优化结果。结果表明,MHMOA所获得的非支配解的质量更高、延误更低且航空公司间公平性更优,在3个多目标优化性能指标方面表现优异,可为空中交通管理员提供更详细的决策支持。

基于连续顶点分区的混凝土3D打印路径规划算法

针对混凝土3D打印构件成形质量差和打印时间长的问题,提出了一种基于连续顶点分区的路径规划算法。首先,采用基于哈密顿回路的连续顶点分区方法,将打印区域划分为多个连续的区域,以确保在打印过程中打印喷头不会多次经过同一顶点,从而避免了重复打印和成形质量差的问题。然后,使用遗传算法搜索每个区域,通过迭代和优化来确定最短的打印路径。实验结果表明,与其他路径规划算法相比,所提出的算法能够显著减少打印喷头的空行程和启停次数,且缩短打印时间10%以上,有效地提升了混凝土构件的成形质量与打印效率。基于连续顶点分区的混凝土3D打印路径规划算法通过有效划分打印区域、智能搜索最短路径以及合并优化路径的方式,解决了混凝土3D打印构件成形质量差和打印时间长的问题,这可为混凝土3D打印技术的发展和应用提供有力的技术支持。

多用户D2D计算卸载与资源分配算法

基于边缘服务器架构的移动计算卸载场景避免了核心网链路的网络延迟,在一定程度上提高了计算任务的处理效率,然而在移动用户密集分布的场景下,该计算卸载架构可能面临较高的蜂窝网络接入延迟。为提高移动边缘计算的用户体验,本文在移动用户密集分布的场景下研究了基于D2D通信的多用户计算卸载问题。根据是否具有任务处理需求将用户分为两类,定义拥有密集型计算任务需要处理的用户为需求用户,无任务需要处理且能够提供计算资源的用户为空闲用户。需求用户可以将任务以整体的形式卸载至空闲用户进行辅助处理。联合考虑需求用户与空闲用户在计算卸载中的收益,分别构建了各方的效用函数并形成了相应的优化问题。为了提高各方用户的效用,本文提出了基于Stackelberg博弈与遗传算法相结合的计算卸载与资源分配算法,该算法为两层结构,内层基于Stackelberg博弈对需求用户计算资源租赁单价决策以及空闲用户计算资源分配决策进行优化,并证明了各方用户的策略存在唯一纳什均衡。外层采用遗传算法对需求用户的任务卸载决策进行优化,根据内层算法的反馈结果,可以求解出能够有效提高需求用户效用的任务卸载决策。为验证算法的性能,本文进行了大量的实验仿真工作,仿真结果表明,与其他方案相比,本文算法能够有效提高需求用户与空闲用户的效用。同时,本文还对不同参数对算法有效性的影响进行了仿真分析。

基于改进YOLO6D的单目位姿估计算法研究

针对当前基于单目RGB图像的杂乱场景中低纹理物体6D位姿估计算法精度不高、实时性不强、模型复杂等问题,提出了一种基于改进YOLO6D的物体位姿估计算法。用纯卷积神经网络ConvNeXt替换原算法的主干网络DarkNet—19,将网络输出经过空间金字塔池化(SPP)处理后上采样,与低层特征图拼接实现特征融合,以提高网络的特征提取能力和多尺度能力。基于Focal Loss改进损失函数以提升网络的学习能力。根据物体的先验尺寸信息和几何特征,推导出更多的2D—3D点对以提高透视投影变换PnP算法的解算精度。在LINEMOD数据集上进行了实验,实验结果表明:以2D重投影5像素阈值为指标,本文算法在12个实验对象上的平均精度达到了95.60%,相较原算法提升了8.14个百分点,耗时约为60ms,性能显著提升。

基于轮廓点相似性测度的2D-3D医学图像配准算法

针对传统配准算法无法适用于成像模糊、对比度低的X光医学图像的问题,本文提出一种基于轮廓点相似性测度的配准技术.首先引入分块双阈值增强策略来提取DRR图像和X光图像的边缘轮廓信息;其次,采用高斯加权欧氏距离计算图像轮廓的相似度;最后通过平衡优化器算法进行迭代优化,得到最优的位姿参数.实验结果表明:本文算法能够精确提取模糊X光图像的边缘轮廓信息,而且可以准确评估其与CT数据的相似度,平均配准成功率超过94%,算法效率和鲁棒性优于传统算法,可用于医疗诊断、放射疗法、图像引导手术等医学活动.

神经网络-遗传算法对杏鲍菇粉3D打印的建模与优化

【目的】食品3D打印技术是食品领域具有发展前景的新技术,但是打印过程影响因素多,存在打印参数确定困难、打印精度预测能力差等问题。寻找有效建模方法,对杏鲍菇粉3D打印参数进行寻优,以确定最佳3D打印条件。【方法】本研究采用杏鲍菇粉和刺槐豆胶为3D打印原料,以单因素试验为基础,通过中心组合试验设计,研究喷嘴直径、打印高度、喷嘴移动速度和填充率4个关键的工艺参数对杏鲍菇粉3D打印精度的影响,并在此基础上采用响应面法和神经网络-遗传算法分别建模分析,确定3D打印的工艺参数。【结果】单因素试验及中心组合试验结果表明,影响3D打印精度的主要因素从大到小顺序为填充率、喷嘴直径、喷嘴移动速度、打印高度。响应面法和神经网络-遗传算法均可用于杏鲍菇粉3D打印参数优化,但是优化效果不同。响应面法的决定系数R^(2)值、均方根误差、相对误差、预测最优值分别为0.8817、0.2314、72.73%、0.148;神经网络-遗传算法的决定系数R^(2)值、均方根误差、相对误差、预测最优值分别为0.9389、0.2269、33.85%、0.215。比较模型参数可得,神经网络-遗传算法的决定系数R^(2)值较高,均方根误差、相对误差较低,比响应面法拟合能力更好,同时其预测最优值较高,具有更好的预测能力。神经网络-遗传算法比响应面法更适合于杏鲍菇粉3D打印参数工艺的优化。采用神经网络-遗传算法获得以杏鲍菇为原料的3D打印最佳工艺参数条件为:喷嘴直径1.2 mm、打印高度1.1 mm、喷嘴移动速度24 mm·s^(-1)、填充率84%。经过试验验证,神经网络-遗传算法确定的最优参数打印样品偏差为0.325,优于响应面的实际打印偏差0.550。【结论】本研究结果表明神经网络-遗传算法可以有效确定3D打印过程最优工艺参数,准确预测食品3D打印产品的精度,可作为农产品及食品个性化3D打印工艺参数优化的一种有效便捷方法。

基于Winograd算法的3D卷积神经网络权重剪枝方法

针对3D卷积神经网络在资源有限的环境下高计算成本的挑战,文章提出了一种融合Winograd算法和网络剪枝技术的3D卷积神经网络优化方法。首先,将标准3D卷积层替换为效率更高的3D Winograd层,实现对卷积操作的优化。接着,对3D Winograd层的权重进行重要性评估,保留重要的权重单元并剪枝获得稀疏模型。最后,对稀疏模型进行重训练,恢复剪枝后网络的性能。通过结合Winograd算法和网络剪枝技术,能够在提高识别准确度的同时,显著降低了模型的计算需求。实验结果证实,与其他优化技术相比,本方法能有效减少计算资源消耗,同时保持甚至提高识别性能。

基于Stacking集成算法的混凝土28d抗压强度预测

为实现混凝土28d抗压强度的精准预测并解决不同机器学习模型间相互独立不能优势互补的问题。本研究通过357组混凝土配合比数据构建数据库,并采用Stacking集成方法对3个单一机器学习模型(KNN、XGBoost和RF)进行集成预测研究。首先通过随机抽样方法将数据库划分为训练集和测试集,然后分别进行了单一机器学习模型和集成模型的训练和测试集预测,最后采用平均绝对误差指标(MAE)、均方根误差指标(RMSE)和确定系数(R2)对模型的预测结果进行评价。结果表明,RF模型在三个单一机器学习模型(KNN、XGBoost和RF)中表现最好(MAE=3.0705,RMSE=4.1847,R^(2)=0.8817);此外,Stacking集成模型的预测性能优于任意单一模型,相较于单一模型中表现较好的RF模型,其预测性能实现了显著提升(MAE下降2.6%,RMSE下降9.8%,R2提升2.5%)。

基于点集群体的进化算法求解复杂3D环境中无人机路径规划问题

随着无人机应用的日益广泛,对无人机路径规划的需求也越来越大,但大多数现有的基于进化算法的路径规划将整条路径作为一个个体进行优化,这可能导致一些潜在的路径点被忽视。此外,由于3D环境难以网格化,传统的基于网格的智能搜索算法,如蚁群算法等,在复杂3D环境中难以有效解决无人机路径规划问题。鉴于此,本文提出一种基于点集进化的无人机路径规划算法,该算法将每个控制点作为一个个体,根据路径的有序性设计了一种高效的杂交算子来生成新的控制点,基于控制点集使用经典的Dijkstra算法搜索并构建路径,从而计算每个控制点的适应度用来更新控制点集。该算法将经典路径规划算法与进化算法相结合,既具有经典算法的高搜索效率,又具有进化算法的全局搜索能力。实验结果表明,所提算法在解决复杂3D环境中的无人机路径规划问题时表现良好且稳定。

特征融合下田径录像3D人体动作DTW捕捉算法

由于不同运动员的动作风格和速度不同,导致田径录像中记录的不同运动员的人体动作序列在时间长度上存在差异,从而产生不同长度序列之间的不对齐问题。为此,提出特征融合下田径录像三维(3D)人体动作动态时间规整(DTW)捕捉算法。将田径录像中提取的人体动作数据转换为3D坐标序列,表示人体各部位的位置和动作,获取人体动作的深度图序列,利用梯度局部各向异性系数(GLAC)和稀疏时间梯度自相关(STACOG)分析深度图局部区域的梯度特性以及时间自相关性。利用Canny算子提取每帧深度图的边缘轮廓,结合小波变换和k-means聚类分析人体轮廓的动态变化特征。通过Kinect设备获取人体骨骼点的3D坐标信息,采用主成分分析(PCA)方法将3D空间坐标、关节角度等多个特征融合到一个特征空间中,通过补帧和删帧操作进行预处理,选择最重要的主成分构建新的低维特征空间。利用DTW计算视频序列的相似性,从而捕捉田径录像中不同长度序列的3D人体动作。实验结果表明,该算法捕捉田径录像3D人体动作的准确程度高达99.07%,面对复杂程度较高的动作时,该算法捕捉到的人体动作与实际动作的相似度始终保持在97%以上。此外,所提算法提取到的人体动作轮廓特征线条流畅、连续,且与实际动作高度一致。

基于3D AR立体识别和SIFT算法的数字出版技术研究

研究基于3D SLAM技术和AR立体识别技术获取真实世界中的物体三维结构和位置信息,采用SIFT算法检测图像或点云中的关键特征,通过数据采集与预处理、特征提取与匹配以及空间定位与渲染等技术流程,完成了系统框架设计和后台技术开发,实现了在AR环境下对真实世界中的物体进行精确识别与定位,将虚拟对象与真实场景进行融合,形成了一种全新的实景三维数字出版技术方案,并通过实验证明了该技术的可行性和有效性。

智能算法辅助集成成像3D显示技术现状与发展

回顾了集成成像3D显示技术的发展,阐述了智能算法辅助下该技术的发展现状,并展望了智能算法辅助集成成像3D显示技术在性能、效率方面的提升与其在娱乐、医疗等领域的应用发展。

基于智能优化的3D mesh微调算法

3D mesh简化是计算机图形学中的关键技术。大多数简化算法旨在权衡被简化3D mesh的占用内存和近似误差,因此很难找到最优的简化3D mesh。为了解决这一问题,文章提出了一种新的3D mesh微调算法。该算法通过调整被简化的3D mesh的点坐标,以搜索具有最小近似误差的简化3D mesh。实验结果表明,设计的微调算法可以进一步减小被简化的3D mesh的近似误差,并缩小被简化3D mesh与原始3D mesh之间的外观差距。