基于知识图谱的我国农产品品牌研究述评

依据科学知识图谱相关理论，利用CiteSpace软件对农产品品牌相关文献进行可视化分析，再利用Netdraw软件描绘主要研究内容的网络关系，对我国农产品品牌研究的热点内容、演进历程和趋势进行分析.结果表明，农产品品牌研究内容主要集中在农产品品牌属性结构及效应、品牌评价、品牌建设运营及区域品牌/地理标志品牌等方面.研究内容的演进路径反映了不同阶段的研究特色，也契合了国家政策调整和经济社会发展需求变化.我国专注于农产品品牌研究的学者和机构较少，学者间或机构间也未建立起紧密的合作关系.未来研究应进一步完善农产品品牌基本理论及研究方法，拓展农产品品牌研究的深度与广度，建立合作紧密的学术研究网络.     

人工智能背景下的配送网络优化方法研究

伴随着人工智能的快速发展,在配送领域内无人机得到广泛应用;针对卡车和无人机在配送中的特征,提出卡车与无人机联合配送模式下的路线网络规划问题;在假定该模式具体应用情境的基础上,分别以碳排放量以及配送效率为目标建立路径规划模型,根据模型的特征设计了相应的求解方法;最后通过算例论证联合配送模式的可行性与有效性。     

基于多域网络的红外目标跟踪算法

随着红外探测器性能的不断提升, 红外目标跟踪在智能安防等领域的应用越来越广泛。然而红外图像分辨率较低, 依赖其进行目标跟踪仍然是一个制约相关应用发展的难题。针对红外图像分辨率低的特点, 以多域网络为模型算法框架, 结合目标运动过程中的尺寸变化特点, 提出了一种基于多域网络的红外目标跟踪算法。为了评估算法性能, 分别在VOT-TIR2016数据库和AMCOM红外数据上进行了实验。实验结果表明, 目标尺度预测机制能够显著提高算法的跟踪精度。     

自适应融合的长期目标跟踪算法

为了完成复杂场景中的长期视觉跟踪任务,解决尺度变化、外观变化和跟踪失败等问题,提出了一种双模型融合的长期跟踪算法.首先,将稀疏核相关滤波模型和颜色模型得到的跟踪响应进行自适应融合,构成更具鲁棒性的跟踪结果;然后,利用响应最大值来判断目标跟踪是否成功,并通过随机抽样学习用于在跟踪失败情况下重新检测目标的CUR滤波器,实现长期跟踪.在大规模基准数据集上的实验结果表明,算法在效率、准确性和鲁棒性方面优于现有相关跟踪算法.     

基于转发路径优化的交叉眼干扰结构

为了降低因路径引起的波程差,提出一种基于转发路径优化的交叉眼干扰结构。通过分析交叉眼信号传播路径,建立干扰信号传播路径模型。在雷达来波方向偏离交叉眼干扰天线中垂线的条件下,改变交叉眼双环路接收天线和发射天线位置,可以有效减小干扰距离较远时因波程差造成的相位变化,提高交叉眼干扰效果。仿真结果表明：在该结构下,交叉眼干扰与雷达的距离越远,波程差越小;雷达来波方向偏离交叉眼干扰天线中垂线越严重,波程差越小;当交叉眼干扰距离雷达较远（r>3 km）时,交叉眼天线中垂线附近波程差即可忽略,使干扰信号到达雷达时的相位差能够满足干扰要求。     

无末姿态要求下Reeds-Shepp车的最优路径导航

Reeds-Shepp路径的计算受末姿态的影响,无法直接在无末姿态要求的导航场景中应用。文章对Reeds-Shepp路径的规划应用进行研究,提出在无姿态要求下Reeds-Shepp车的最优路径导航方法,以及对应控制方案的生成规则。仿真数据证明了其在各种情形下的最优特性。利用该路径对导航方案进行设计能够有效降低自动驾驶车辆的行驶时间与运行成本,可广泛应用于军事工业以及民用的无人车、无人机、无人船等自动驾驶交通工具的导航系统,以实现控制其按最优路径行驶的目的。     

有毒重气泄漏事故的应急资源调度

针对有毒重气泄漏事故具有发生的突然性、危害的严重性等特点。建立了以应急加权总时间、应急总成本最小化为目标的多需求点、多供应点、多物资类型的优化调度模型。为了增强模型的实用性,增加了对车辆载重及最优路径选择的考虑。利用改进了的Dijkstra算法,将其作为多目标粒子群算法(MOPSO)的子算法对模型进行求解。针对MOPSO算法易陷入局部最优解的缺点,对惯性权重的更新方式进行了设计,增强了算法的全局搜索能力,同时在对粒子进行选择操作时借鉴了自适应网格法的思想,丰富了粒子群的多样性。最后,通过一个仿真实验验证了所提模型及算法的有效性。     

基于改进粒子滤波的视觉目标跟踪

针对目标跟踪算法在精度和鲁棒性上的要求,提出一种基于改进粒子滤波的视觉目标跟踪算法.首先,建立多种特征来描述目标外观模型,并对各特征分量的加权系数进行自适应调节;然后,利用分类重采样方法解决原始重采样方法中的粒子退化和匮乏问题;最后,提出一种新的模板更新机制,自适应选取运动模板或原始模板.实验结果表明,改进后的算法在具有挑战的跟踪视频序列上实验,具有良好的跟踪精度和鲁棒性,能够应对视频图像分辨率不高、目标转动变化、部分遮挡等复杂条件.     

基于Hamilton理论的无人车路径跟踪控制

针对当前车辆路径跟踪控制存在精度低、可靠性差的问题,基于Hamilton理论提出一种四轮驱动四轮转向无人车路径跟踪分层控制方法.通过集成车辆动力学模型和路径跟踪模型,建立了路径跟踪误差模型,结合系统控制目标,提出采用Hamilton理论设计车辆上层控制器,用于实现路径跟踪误差模型的镇定,从而提高车辆路径跟踪的精度与鲁棒性.同时,在下层控制器中,设计4个车轮纵向轮胎力分配算法,通过轮胎力的动态分配满足车辆上层控制需求.利用CarSim和Simulink搭建车辆路径跟踪联合仿真模型并进行仿真实验,仿真结果表明,提出的无人车路径跟踪分层控制策略能够通过前后轮转角以及4个轮胎力的实时控制与分配,抑制路径跟踪过程中的横向误差和航向误差,提高路径跟踪精度并确保控制系统的可靠性.      

基于改进强跟踪滤波器的UWB/AHRS紧组合定位方法

针对遮挡环境下的车辆定位问题,提出一种基于改进强跟踪滤波（ISTF）算法的超宽带（UWB）与航姿参考系统（AHRS）紧组合定位方法.该方法使用阈值鉴别UWB测距异常值并消除其影响,将强跟踪滤波（STF）算法应用到紧组合系统的数据融合中,并结合定位模型对算法进行改进,以提高算法的稳定性和对观测噪声的估计精度.仿真与实验结果表明,该方法能在复杂工况下提供车辆精确的定位信息,与UWB单独定位及采用几种非线性滤波算法相比,系统的鲁棒性更强、定位精度更高,具有很强的实用性.