位姿约束下的双向扩展机械臂路径规划方法

针对机械臂路径规划方法存在的规划效率低、连杆通过性差、路径粗糙等问题,以渐进最优快速随机搜索树RRT*为基础,提出一种位姿约束下的双向扩展机械臂路径规划方法(PCO-BT-RRT*)。首先,设计目标偏置引导的双向扩展RRT*算法(BT-RRT*),改进了RRT*算法的初始化过程,将起始点和目标点分别作为两棵随机树的初始节点,并通过目标偏置策略引导其以一定概率相向生长,加快探索未知区域,在保证路径代价较低的同时提升路径生成速度。其次,提出一种位姿约束路径优化策略(PCO),采用机械臂运动学模型和碰撞检测规则共同约束新节点扩展过程,寻找机械臂可达空间内的避障路径;对生成路径剪枝剔冗,缩短可行路径长度,同时对消冗节点以迭代调整的方式进行平滑优化,提高路径生成质量。通过仿真实验分析,验证了所提方法在路径规划问题上的显著性成效;在自主研发的BIM信息融合下建筑砌筑系统进行真机避障测试,验证了该方法的实用性。

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。

基于逐点前进法的改进型点云配准方法

点云配准是获取三维点云模型空间姿态的关键步骤,为了进一步提高点云配准的效率和准确性,提出了一种基于逐点前进法特征点提取的改进型点云配准方法。首先,利用逐点前进法快速提取点云特征点,在保留点云模型特征的同时大幅精简点云数量。然后,通过使用法向量约束改进的KN-4PCS算法进行粗配准,以实现源点云与目标点云的初步配准。最后,使用双向Kd-tree优化的LM-ICP算法完成精配准。实验结果显示:在斯坦福大学开放点云数据配准实验中,其平均误差较SAC-IA+ICP算法减少了约70.2%,较NDT+ICP算法减少了约49.6%,配准耗时分别减少约86.2%和81.9%,同时在引入不同程度的高斯噪声后仍能保持较高的精度和较低的耗时。在真实室内物体点云配准实验中,其平均配准误差为0.0742 mm,算法耗时平均为0.572 s。通过斯坦福开放数据与真实室内场景物体点云数据对比分析结果表明:本方法能够有效提高点云配准的效率、准确性和鲁棒性,为基于点云的室内目标识别与位姿估计奠定了良好的基础。

基于BiLSTM-XGBoost混合模型的储层岩性识别

储层岩性分类是地质研究基础,基于数据驱动的机器学习模型虽然能较好地识别储层岩性,但由于测井数据是特殊的序列数据,模型很难有效提取数据的空间相关性,造成模型对储层识别仍存在不足.针对此问题,本文结合双向长短期循环神经网络(bidirectional long short-term memory,BiLSTM)和极端梯度提升决策树(extreme gradient boosting decision tree,XGBoost),提出双向记忆极端梯度提升(BiLSTM-XGBoost,BiXGB)模型预测储层岩性.该模型在传统XGBoost基础上融入了BiLSTM,大大增强了模型对测井数据的特征提取能力.BiXGB模型使用BiLSTM对测井数据进行特征提取,将提取到的特征传递给XGBoost分类模型进行训练和预测.将BiXGB模型应用于储层岩性数据集时,模型预测的总体精度达到了91%.为了进一步验证模型的准确性和稳定性,将模型应用于UCI公开的Occupancy序列数据集,结果显示模型的预测总体精度也高达93%.相较于其他机器学习模型,BiXGB模型能准确地对序列数据进行分类,提高了储层岩性的识别精度,满足了油气勘探的实际需要,为储层岩性识别提供了新的方法.

联合con-GRU与ATGAT模型的情感分析三元组方法

情感分析三元组任务是情感分析任务的研究热点,其目的在于将方面词、情感词与情感极性组成三元组。图神经网络是提取句子特征的有效手段,但其无法关注节点与节点之间的关系,并且注意力权重赋予不合理。为此,提出一种联合双向对抗GRU与基于句法注意力机制的GAT模型。利用依存句法树的句子向量和ATGAT模型提取句子情感词,并将句子用syn-str更新向量表示;再融合句法结构的向量,通过双向对抗GRU提取特征进行情感判断。在三个公开英文数据集中开展实验,结果表明,所提模型相对其他基线模型具有更优异的性能。消融实验和对比实验也说明,所提出的各个网络模型组件比其他组件能更有效地将句法信息与原句向量融合。

树形支撑双向倾斜钢屋盖施工全过程仿真分析与监测

陕西某下沉式广场屋盖采用树形支撑双向倾斜钢屋盖结构体系,整体由斜交H型钢网格板、树形撑杆以及钢筋混凝土柱组成。为了保证钢屋盖在整个施工过程中的安装精度和安全性,依据拟定的施工方法和施工顺序建立数值仿真模型,对钢屋盖的吊装、卸载的全过程进行施工仿真分析。并且对比分步加载成型和一次加载成型结构的力学性能,揭示施工过程对结构受力及变形的影响,进一步验证了施工过程的安全性以及结构成型的合理性。在现场对关键节点的竖向位移进行了监测,并且将数值模拟值与实测值进行对比,总结了施工全过程位移变化规律。现场监测与数值模拟结果有效验证了施工方案的合理性和可靠性,可为同类工程提供借鉴。

基于改进双树RRT^(*)算法的冗余机械臂末端路径规划

针对冗余机械臂的冗余特性与相关RRT^(*)算法在规划机械臂末端路径的应用中存在的搜索效率较低、收敛性不稳定以及没有充分考虑到机械臂末端几何构型与自身运动特性对路径规划影响的问题,提出一种改进策略。首先,引入一种基于根尾节点连线夹角的采样点选择方式,并设置目标逼近区域。根据连续采样成功次数动态选择改进采样与随机采样。接着,将双树扩展策略与上述方法相结合。最后,将初始可行路径进行二次重连得到最终的优化路径。通过验证,改进双树RRT^(*)方法能够有效地提升搜索效率、收敛性以及路径的优越性。虚拟碰撞体与胶囊碰撞体的引入也能较好地应对机械臂末端结构与运动特性带来的影响。使用Mujoco物理仿真引擎进行机械臂运动验证,证明该策略可以为冗余机械臂末端规划出一条较优的可行路径。

激光里程计改进点云配准算法的车辆定位研究

针对传统迭代最近点(ICP)算法在点云配准过程中依赖于初始位置、匹配时间长、匹配精度差等问题,提出一种激光里程计改进点云配准算法的车辆定位方法。首先,在点云预处理方面对点云进行有序化和畸变点云补偿处理;然后,对点云动态特征点去除后进行静态特征点的稳定提取;最后,在点云配准过程中先对点云进行粗配准以减少点云对初始位置的依赖,接着提出双向k维树改进ICP算法进行点云精配准。通过KITTI数据集和自动驾驶小车平台进行试验测试分析,结果表明,改进点云配准算法相比于传统ICP算法有更快的匹配速度和精准度,里程计累积轨迹误差小。

基于改进RRT的直捻机上纱机械臂路径规划

为了提高直捻机上纱机械臂的避障路径规划效率,提出一种动态目标圆采样结合回归机制的改进型双向快速扩展随机树算法(Dynamic-target-circle Sampling and Regression mechanism Bidirectional Rapidly-exploring Random Trees,DSRB-RRT)。为解决随机树盲目采样问题,提出了一种动态目标圆采样法,引导随机树在以目标为圆心的动态圆区域内进行采样;为解决随机树拓展速度慢,提出了一种变步长变概率法,根据障碍物信息自行改变拓展步长和偏置概率,加快随机树收敛;引入了回归机制防止随机树在区域内过度采样;算法生成路径后,裁剪路径中冗余节点来缩短路径长度,并用三次B样条曲线平滑优化路径。仿真结果表明,DSRB-RRT算法相比于加入目标偏置的RRT、BI-RRT和GS-RRT在不同障碍场景下的收敛效率更高,平均路径更短。在ROS系统中对上纱机械臂进行仿真,验证了DSRB-RRT算法的有效性,可以提高机械臂路径规划效率。

基于情感增强的双向图卷积方面级情感分析模型

现有研究大多仅考虑单个方面词对上下文的影响,忽视了评论语句中不同方面对上下文的情感知识和情感程度信息。针对上述问题,提出一种基于情感增强的双向图卷积方面级情感分析模型。通过句法依存关系关注方面词对应的情感意见,将句法依存树与SenticNet融合,再利用SenticNet中的情感知识构建图卷积网络,最后将双向长短时记忆网络(BiLSTM)和双向图卷积(BiGCN)中上下文和方面词的隐藏层表示进行加权求和,通过交互注意力机制进行交互学习,从而完成最终的情感分类。通过在五个公开数据集twitter, rest14,lap14,rest15,rest16上进行对比实验和消融实验,验证了所提模型的有效性。

基于BERT-BiLSTM-CRF的中文分词和词性标注联合方法

针对中文分词、词性标注等序列标注任务,本文提出了结合BERT语言模型、BiLSTM(双向长短时记忆模型)、CRF(条件随机场模型)和马尔可夫族模型(MFM)或树形概率(TLP)构建的中文分词和词性标注联合方法.隐马尔可夫(HMM)词性标注方法忽略了词本身到词性的发射概率,而在利用树形概率或马尔可夫族统计模型的词性标记中,一个词的词性不仅和该词前一个词的词性关联,且与该词自身关联.使用联合方法有助于使用词性信息帮助分词,将两者紧密结合能够帮助消除歧义和改进分词、词性标记的性能.实验结果表明本文使用的中文分词和词性标注联合方法与普通的BiLSTM-CRF分词算法相比,可以明显提升分词性能,而且相比于通常的隐马尔可夫词性标注方法能够大幅度提高词性标注的准确率.

面向句义及句法的事件检测模型

事件句的句法结构有助于语义理解。针对中文领域的事件检测任务,本文设计了面向句义及句法的事件检测模型(BDD)以增强对事件句的理解能力。以基于来自变压器的双向编码器表示(BERT)的动态词向量为信息源,设计基于依存树的长短时记忆网络模型(D-T-LSTM)以融合学习句法结构及上下文语义,并加入基于依存向量的注意力机制强化对不同句法结构的区分度,在中文突发事件语料库(CEC)上的实验证明了本文模型的有效性,精确率、召回率、F_(1)值均靠前,且F_(1)值比基准模型提升了5.4%,召回率提升了0.4%。

面向UAV的三维空间快速路径规划算法

无人机、无人水下机器人等工作在三维空间中的无人飞行器在进行路径规划时采用的路径规划算法多数为RRT^(*)算法,但RRT^(*)算法存在收敛速度较慢、迭代次数多、采样点利用率低、需要频繁进行碰撞检测等问题,针对现有算法采样的不足,提出双向自由化生长树算法(B-SOGT^(*))。该算法采用双向搜索、双引力场、试探性弹性扩张的方法来实现无人机在三维空间中的路径规划。双向搜索分别以起始点和目标点为根节点,构造出2棵随机树同时进行空间搜索,这样的方式提高了搜索效率;双引力场是分别以2颗随机树的根节点为中心生成的引力场,在引力场的作用下采样效率得到提升;试探性弹性扩张方法在生成路径时,引入父节点重选机制,并且去掉碰撞检测过程,提高了算法计算速度。仿真验证表明,B-SOGT^(*)算法在取消碰撞检测过程后,拥有收敛速度更快、路径质量更优、迭代次数更少的优势。

基于元素树的异质数据库间双向转换算法研究

为提升异质数据库双向转换效果,提升数据双向转换的安全性,研究基于元素树的异质数据库间双向转换算法。在异质数据库内引入概率数值,建立概率关系数据模型与概率可扩展标记语言数据模型,精准刻画异质数据库内数据的结构特性;依据元素树建立元素树与两个概率数据模型间的映射关系,并生成映射表;依据映射表内的映射关系实现两个概率数据模型间的双向转换。仿真结果表明,上述算法可有效完成异质数据库间的双向转换;在交易发送频率分别为600笔/s、400笔/s时,上述算法双向转换时的查询性能与写入性能达到最优;在不同恶意节点概率并承受不同攻击情况下,该算法双向转换的安全性较高。

故障树和BAM神经网络在光伏并网故障诊断中的应用

介绍了光伏并网发电系统的主要故障模式及故障原因,以及故障树(FT)的理论和双向联想记忆(BAM)神经网络的结构与学习算法。针对光伏并网系统工作过程中可能出现的故障,提出一种将故障树和双向联想记忆神经网络融合在一起的故障诊断方法。通过故障树分析法(FTA)得到系统的所有故障模式,然后再由故障模式和根据维修经验的故障分析归纳出BAM的学习样本,即故障模式与故障分析之间的对应。通过光伏系统故障诊断的实验与应用,结果表明,该方法具有很好的实时性和有效性。

基于最短划分距离的网络流量决策树分类方法

对不同类别的应用数据流,根据其在最初若干分组中进行握手和参数协商的差异性,通过通信模式、载荷长度以及信息熵等特征,采用基于最短划分距离的方法构建决策树模型,对其进行流量分类。经过在4个不同类型的真实网络数据集上的离线分类实验,以及在校园网环境中的在线流量分类实验。结果表明该模型对8种常见协议的网络流量,分析其前4到6个分组的特征,能够在分类准确性和系统开销上取得较好的效果。与其他机器学习算法相比,该模型构建的决策树规模较小,分类时间较短,适合于实时流量分类问题。

基于双向RRT算法的管线路径规划及建模仿真

针对传统管线路径规划算法中存在的效率低、可靠性差、不易改变等问题,提出了一种基于改进RRT算法的管线路径规划及建模仿真方法。使用双向快速扩展随机树算法,以一定概率选择目标点、增加路径缓存等方式减小随机树生长的发散性;采用贪心算法去除冗余路径点;采用Catmull-Rom曲线进行关键点的曲线拟合;增加管线弯曲半径约束。运用改进的RRT算法进行了管线路径规划设计,并在Unity场景实现对管线的路径规划和模拟仿真。

一种基于RRT-ConCon改进的路径规划算法

针对RRT算法缺乏稳定性和收敛速度慢的问题,基于RRT-ConCon算法和朝向目标搜索的策略,提出了一种改进的双向搜索路径规划算法.该算法通过改变两条搜索路径的临时扩展目标点,使搜索路径不仅易于朝着目标点方向生长,而且提高了算法的稳定性,同时可以保证规划的路径接近最优解.改进的RRT-ConCon算法利用随机节点生成函数,使朝着目标点生长的搜索路径避免陷入局部极小值.同时,为了测试各种仿真实验环境,还设计了一种仿真实验环境平台,实验结果验证了本算法的有效性和稳定性.

原条量材设计中木材等级的确定

针对采用标号法进行原条量材设计时原木等级难确定这一问题 ,提出利用双向链表存储木材缺陷的信息 ,编制特定函数的办法 。

一种融合FTA与BAM的故障诊断方法

在研究故障树分析(FTA)和双向联想记忆(BAM)神经网络在故障诊断中应用的基础上,提出了一种融合FTA和BAM的故障诊断方法.故障树存贮了系统关于顶事件发生的全部知识,利用FTA得到系统所有的故障模式,进而归纳出BAM的学习样本,即故障树中故障现象(监测点状态组合)和底事件发生与否之间的对应.BAM通过联想记忆矩阵并行联想,得到诊断结果,扩展综合故障诊断能力.仿真结果表明该方法用于解决此类问题是有效的.