面向设计意图的STEP知识图谱关键技术研究

针对产品信息交换中设计意图语义挖掘需求,以STEP AP242为基础,构建产品三维几何信息与非几何信息语义关联的STEP知识图谱,实现STEP设计意图提取和交换.重点研究了STEP知识图谱语义模型构建、面向知识图谱构建的STEP知识提取以及基于知识图谱的STEP知识推理等关键技术;提出了面向设计意图的语义元模型、基于增强学习的多语义特征知识提取及其规则挖掘和路径推理技术,有效弥补了传统本体规则定义和推理方法的缺陷;最后结合实例论证可行性.

面向边缘计算的改进混沌蝙蝠群协同调度算法

针对边缘计算的大数据量和强实时性交互处理需求,研究面向边缘服务器的计算能力、服务时间、带宽、内存等多目标优化的任务资源协同调度算法.首先提出面向多目标优化的边缘计算资源协同调度模型,在此基础上提出了改进混沌蝙蝠群协同调度算法,通过二维扰动因子和混沌因子减少群组算法陷入局部最优的概率,同时提升找到最优调度解的概率.实验证明该算法能够在满足多目标优化的前提下边缘计算能力更突出,能够满足强实时性大数据处理需求.

一种面向边缘计算QoE的服务组合及调度方法

在边缘计算资源协同与调度QoE优化前提下,对两阶段边缘服务组合及调度提出一种改进的天牛须粒子群算法.该算法将天牛须搜索算法中的天牛抽象成粒子,将单个个体的天牛须搜索算法拓展至群体,并引入二阶振荡机制和动态因子.不仅改进了位置更新公式和动态参数机制,改进群体觅食时的位置更新时的动态参数机制,丰富了群体移动时的位置多样性,并且提高了算法的全局搜索能力.通过QoE限制条件下的服务组合与调度仿真实验结果分析得出,该算法能够在满足用户请求QoE的条件下使得请求的整体执行时间开销达到最小.

面向群组机器人路径规划的Voronoi-APF算法研究

自组装是群组机器人协作中的重要研究领域,路径规划和障碍躲避是该领域的核心问题.人工势场算法(APF)及其改进在机器人路径规划中应用广泛但其在动态目标指派、迭代速度、机器人抖动等方面表现不尽如人意,因此本文提出了一种基于Voronoi约束的改进人工势场算法(VAPF),来实现群组机器人在动态目标指派策略的避障路径规划.通过匈牙利算法的目标点指派和替换策略为群组机器人提供相对最优目标指派,以群组机器人实时位置构建Voronoi图并限制机器人运动区域来保证碰撞避免,机器人个体通过人工势场算法进行自身的短程路径规划以保证障碍躲避.实验证明相较于其他现有的算法,其在通用性、时间消耗、路程消耗方面都有着一定程度的优化.

一种求解云服务组合全局QoS最优问题的改进杂交粒子群算法

针对云计算环境下云服务体系的构建研究了云服务组合的全局Qo S最优问题,提出一种改进杂交粒子群算法.该算法通过动态因子和二阶振荡机制的引入改进速度更新和动态参数机制,丰富了种群的多样性,并且提高了算法的全局搜索能力.同时采用的杂交策略也降低算法对问题模型的依赖性.通过对无局部Qo S限制和有局部Qo S限制条件下的云服务组合仿真实验结果分析得出该算法能够求得质量更高的全局Qo S值,并且运算耗费时间随问题规模基本呈线性增加趋势,说明该算法能够适用于大规模云服务组合问题.

Storm启发式均衡图划分调度优化方法

针对现有Storm调度器未考虑通信代价,负载不均、无法动态重调度等缺陷,提出了基于启发式均衡图划分算法的调度策略.通过对Storm建立调度模型,将负载检测作为调度器的输入实现动态并行参数优化和重调度优化,最终减少集群节点间的数据发送率,并且保持节点间负载均衡.实验表明本文算法建立的动态调度器能够有效减少数据处理延时,提升集群吞吐量,实现对集群性能的整体优化.

面向群组机器人自组装的Voronoi图边界求交细分路径规划方法

自组装是群组机器人实现各种目标配置的有效途径,群组路径规划是群组机器人自组装实现的关键问题所在.本文在CVT算法基础上提出了一种基于Voronoi图边界求交细分的VBIT算法.首先根据群组机器人成员位置绘制相应Voronoi图,然后利用匈牙利算法为机器人与目标地分配对应关系,通过将机器人与目标地连线和机器人所在单元的交点作为下一次机器人移动起始点,多次迭代后达到目标配置.实验结果证明在自组装的精度、耗时、适用性方面比现有算法更优.

面向云制造资源调度预测的学习模型

云制造资源调度面临着多目标优化基于群组智能优化调度算法对云制造任务求解耗时较长,本文首先提出一种基于ONBA并结合二阶振荡和差分进化算法的改进算法,利用改进算法获取云制造模型的调度数据,并通过该调度数据对IDBN深度学习模型进行训练.通过对深度学习学习率的改进,达到通过深度学习模型快速预测云制造模型调度结果.实验结果表明,通过这种方式,我们可以对调度结果进行准确的预测并大大缩短所消耗的时间.这给传统的多目标群组优化开辟了一条新的道路.

一种面向移动端的快速手势分割优化方法

针对移动端手势分割存在的移动设备计算资源有限和手势分割易受到复杂背景干扰等问题,本文提出了一种面向移动端的快速手势分割优化方法.首先结合场景变化率对背景模型的更新速率进行自适应控制,以加强背景模型对环境变化的适应性;然后通过HSV和YCbCr色彩空间构建肤色模型,有效提取肤色区域,排除非肤色运动物体干扰;再通过局部区域定位,减少冗余计算量,同时防止将慢速移动的手部误判为背景.实验结果证明,该方法可以快速排除复杂环境干扰,较准确高效地实现手部分割.

一种基于改进ACF特征的手部检测方法

如何在存在噪声和类肤色背景的环境中进行高效精确的手部检测,是手部检测研究的一大问题.提出一种基于改进ACF的检测方法.该算法在基于多色彩空间肤色模型和边缘直方图基础上对ACF特征进行改进,以多色彩空间肤色模型来突出肤色物体与非肤色物体之间的差异,以边缘直方图来描述物体间的边界信息.同时为提高算法性能,对物体检测算法框架进行了改进.一方面改进特征计算过程,对于每个图像只进行一次特征计算;另一方面利用Edge Boxes获取候选窗口,以此减少候选窗口的数量.最后使用Xgboost对每个候选窗口对应的特征进行判别.实验证明,在存在高斯噪声和受人脸干扰的情况下,该方法可以有效地进行手部检测.

一种基于改进烟花算法的MBD产品信息轻量化方法

MBD产品信息轻量化要求满足在保留产品语义信息的前提下实现几何信息轻量化.传统的产品信息轻量化方法实现CAD模型简化的同时无法保留产品的非几何语义信息,难以满足M BD产品信息轻量化要求.本文以STEP AP242为研究对象,提出了一种基于改进烟花算法的MBD产品信息轻量化方法.首先针对STEP AP242构建统一的产品语义模型,实现了非几何信息与几何信息的统一表达,并进行关键特征语义的简化分配;然后在构建的产品语义模型基础上引入了改进的烟花算法对几何信息进行轻量化,通过对爆炸半径的优化和动态更新种群进化维数,对简化模型的关键特征精度可控,提高了简化后模型的质量,降低了算法的时间开销;最后实例分析验证有效性和可行性.

一种改进深度强化学习的MBD语义推理方法

MBD模型在包含几何信息和非几何信息同时还包含了大量的潜在语义关系.传统的推理算法存在推理深层次实体关系能力有限、时间复杂度大、推理多跳路径能力不足等问题,难以满足面向MBD模型的语义推理需求.本文在基于MBD的STEP知识图谱构建基础上,提出了基于改进深度强化学习的MBD设计语义推理方法.将基于MBD的STEP语义元模型映射到马尔可夫决策模型,通过对动态贪心算法参数、奖励值和学习率的改进来加快神经网络的收敛速度,实现对STEP知识图谱中MBD潜在语义规则的推理.最后以减速器传动轴的MBD语义推理为例证明可行性.