基于改进蚁群算法的植保无人机路径规划

针对传统蚁群算法在含障碍植保无人机路径规划中存在的易早熟、易陷入局部最优的问题,提出了一种改进蚁群算法。为降低算法陷入局部最优的概率,对启发因子进行了改进,在路径搜索的后阶段把利用贪心算法求得的从当前点到终点的距离作为新的启发因子。为提高算法的全局搜索能力,对挥发系数进行了自适应改进。采用最大最小蚁群策略对信息素浓度进行限制,避免算法早熟。仿真结果表明在复杂的作业环境下,改进蚁群算法的性能更好,具有更强的路径寻优能力。

基于CIOQ架构改进iSLIP调度算法的研究

为了提高数据在传输过程中的性能指标和用户服务质量,针对CIOQ架构和iSLIP调度算法进行研究,提出了一种优先匹配队列信元数量达到满载的PMQF_iSLIP调度算法。算法先判断VOQ队列中的信元数量是否等于设置的最大容量,再根据判断结果执行不同的算法步骤,最终更新已完成匹配端口的优先级,在下一次匹配时,使端口具有优先匹配的权力。最后通过自己开发的数据交换仿真平台,对改进的算法进行仿真和分析,仿真结果表明,在相同的流量模型下,改进的算法减少了丢包率,增加了吞吐率。

决策空间自组织多模态多目标鲸鱼优化算法研究

针对当前多模态多目标优化算法在获得Pareto解集的完整性、收敛性方面的不足,提出了一种决策空间自组织多模态多目标鲸鱼优化算法(MMO_SOM_WOA)。首先将鲸鱼优化算法首次用于求解多模态多目标问题,通过鲸鱼优化算法本身的随机性提高寻找Pareto解集完整性的能力。其次将自组织映射网络与鲸鱼优化算法相结合,迭代开始时为鲸鱼优化算法建立良好的邻域。最后使用精英反向学习策略初始化种群和非支配排序机制获得均匀且完整的解。通过与当前5种经典算法在多模态多目标优化问题上进行仿真对比,结果表明MMO_SOM_WOA算法兼顾Pareto解集的多样性和Pareto解的完整性,收敛速度和收敛精度均得到提升具有较高的性能,有效解决多模态多目标优化问题。

基于改进U-net的金属工件表面缺陷图像分割方法

针对金属工件表面小尺寸缺陷及受非均匀光照影响的图像缺陷难以分割的问题,提出了一种改进的U-net语义分割网络,实现金属工件表面缺陷图像的精确分割。首先,在U-net网络中融入CBAM(convolutional block attention module)模块来提升图像中缺陷目标的显著度;其次,采用深度超参数化卷积DO-Conv(depthwise over-parameterized convolutional)代替网络中部分传统卷积,增加网络可学习的参数数量;然后,采用Leaky Relu函数代替网络中部分Relu函数,提高模型对负区间的特征提取能力;最后,采用中值滤波及非均匀光照的补偿方法进行图像预处理,减弱非均匀光照对金属工件图像表面缺陷的影响。结果表明:改进后的网络平均交并比、准确率和Dice系数指标分别达到0.833 5、0.933 2、0.867 4,改进的网络显著提升了对金属工件表面缺陷图像的分割效果。

三维荧光光谱结合BP神经网络与SWATLD检测油类污染物

随着经济发展对石油资源需求量的不断增大,各种石油污染问题日渐严重,对生态环境及人类健康造成巨大威胁。因此,准确识别及时处理油类污染物对减轻溢油危害具有重要意义。石油是一种复杂的有机化合物,主要由较强荧光特性的芳香烃成分及其衍生物组成,不同类型的石油所含多环芳烃的成分和含量不同,三维荧光光谱3D-EEM在石油污染物的检测领域应用十分广泛。基于三维荧光光谱技术,采用BP神经网络结合自加权交替三线性分解(SWATLAD)算法对油类污染物进行定性定量的研究。实验以0^(#)柴油、95^(#)汽油和煤油为研究对象,首先,使用F-7000荧光光谱仪采集待测样品的光谱数据,对得到的数据进行激发、发射校正和去散射处理。其次,为解决小波阈值去噪阈值处信号不连续和过度收缩小波系数带来的难以准确还原真实信号的问题,提出了一种改进的阈值函数,去噪后的信噪比(SNR)和均方误差(MSE)分别为18.3547和10.2617,更为真实的还原有用信号。并通过基于误差反向传播的BP神经网络对预处理后的光谱数据进行训练,训练后预测值与真实值的曲线拟合度较好,表明后续经光谱仪采集的荧光数据直接输入神经网络即可输出预处理好的待测数据,简化了实验操作步骤。最后,采用SWATLD对经小波变换和BP神经网络处理后的数据进行分解,解析得到的0^(#)柴油、95^(#)汽油和煤油的激发与发射光谱与真实光谱拟合度较高,计算平均回收率分别为103.64%、99.33%和97.85%,经验证,三维荧光光谱结合改进小波变换和BP神经网络的方法可以对荧光物质进行快速、精确检测。

基于事件触发机制的神经网络同步控制

对于混合时滞神经网络同步控制中控制器存在随机摄动的问题,提出一种基于事件触发机制的非脆弱控制器。首先,使用一个服从伯努利分布的随机变量描述控制器增益摄动存在的随机性;其次,在神经网络同步控制过程中引入事件触发机制;接着,构造一个新颖的双边李雅普诺夫函数,充分考虑系统状态信息,同时利用改进的积分不等式对泛函导数进行放缩,得到同步误差系统指数稳定性的充分条件;最后,基于解耦技术设计了非脆弱控制器。通过仿真实例验证了所提控制器的有效性。实验结果表明,在四罐系统中,在相同采样周期下,与现有的指数衰减系数相比,所提控制器获得的指数衰减系数提升了0.16。

具有混合时滞和丢包的不确定神经网络同步

研究了一类具有丢包现象的不确定神经网络的指数同步问题.所提出的Lyapunov-Krasovskii泛函能够充分利用系统信息,并且采用一种改进的积分不等式,得到线性矩阵不等式形式的稳定性准则来求解控制器.所得到的结果保守性较小,能够实现更大的衰减速率.采用一种切换系统的方法来分析系统指数稳定性,将存在丢包的同步误差系统建模为标准的切换系统模型,推导出和丢包率相关的平均驻留时间切换条件.最后通过两个数值算例验证了理论的有效性.

高性能输入排队交换机的公平调度算法研究

针对目前输入排队下的调度算法无法同时满足非均匀流量下的公平性能和时延性能问题,提出一种穷尽优先服务空队列和混合权重(EPEMW)调度算法。首先,通过优先服务空队列多的输入端口;其次对非空虚拟输出队列(VOQ)长度和非空VOQ首信元等待时间两个权重综合考虑;最后采用穷尽服务策略和每次时隙只对改变的数据包进行重排序。实验结果表明,在伯努利均匀流量下,EPEMW算法实现100%的吞吐率和更低的延时;在突发均匀和伯努利热点流量下公平性能最好,其平均公平性指数分别为99.83%和99.82%。

基于改进YOLOv5的金属工件表面缺陷检测

目的针对金属工件表面小尺寸缺陷检测精度低的问题,提出以YOLOv5网络为基础,结合注意力机制与Ghost卷积的表面缺陷检测算法。方法首先,在原网络中增加SE通道注意力模块,增加缺陷有关信息的权重,减少无用特征的干扰,从而提高目标的检测精度。然后,将网络中空间金字塔池化模块的池化方式由最大池化替换为软池化,使得在下采样激活映射中保留更多的特征信息,获得更好的检测精度。最后,采用Ghost卷积块替换主干网络中的常规卷积模块,提取丰富特征及冗余特征,以此提高模型效率。结果改进后网络平均精度均值达到0.9978,相比原网络提高了7.07个百分点。结论该网络显著提高了金属工件表面缺陷检测的精度。

基于超分辨率对抗网络的傅里叶叠层成像技术

傅里叶叠层成像(FPM)受硬件和算法等因素的限制,成像的整体性能有待提高。为解决传统FPM技术成像速度慢、成像质量低的问题,融入深度学习的FPM图像重建方法得到广泛关注。基于此,提出一种基于超分辨率对抗生成网络的FPM模型,在原有网络基础上通过增加密集块连接实现全局特征融合并且使用一种加权损失函数提高图像重建质量。分辨率板图像重构结果表明,所提深度学习方法较传统方法重建效果显著、重建速度更快。

基于全局变步长的傅里叶叠层显微成像重构算法

为了进一步提高重构算法的抗干扰能力和鲁棒性,提出了一种基于梯度下降法和牛顿法的全局法,并在此基础上,又提出了基于最优化理论的二分法与牛顿法两类变步长更新策略,使得迭代过程能够自主地选择最佳更新步长。为了充分利用顺序法和全局法各自的优势,制定终止判断准则使二者相结合。仿真和实验数据验证了所提算法的抗干扰能力优于各顺序法的结论,尤其当成像器件的噪声较大时,提出利用暗场图像信息来计算各阶梯度值的方法以减小噪声的影响。并且,上述方法只需要额外的3~5轮迭代过程即可得到满意的结果,时间仅增加了几秒钟。