基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

减小螺旋锥齿轮齿面加工误差的参数修正方法

针对螺旋锥齿轮加工过程中因无法避免误差而导致齿面加工精度难以保证的问题，提出螺旋锥齿轮加工误差控制模型及加工参数修正方法。首先，基于实际加工中的刀具与工件相对位置与相对运动关系，依据坐标齐次变换与啮合原理，确定加工参数与加工曲面之间的函数关系，建立螺旋锥齿轮精确齿面模型；然后，计算实际加工齿面与理论齿面的法向距离，从而建立由加工参数驱动的齿面几何误差控制模型；接着，对加工参数进行敏感性分析，选取敏感性较高的加工参数作为误差补偿模型优化变量，以提高优化效率；最后，将齿面误差最小化问题转化为最小二乘法问题，基于改进的L-M算法进行求解，得到加工参数补偿量，以此对加工参数进行修正达到减小齿面加工误差的目的。采用一对由双重螺旋法磨削加工得到的螺旋锥齿轮副作为应用实例，对该方法进行实际加工验证，结果表明：加工参数调整后，螺旋锥齿轮齿面加工误差降低了65%以上，实际测量的齿面绝对误差均不超过0.005 mm,能够满足工程实际需求，证明该方法能够有效提升齿面加工精度。该方法可为螺旋锥齿轮乃至其他复杂曲面零件加工提供一种加工误差补偿思路。     

基于双目视觉的三维重建技术研究

随着计算机运算速度的提高以及图像采集设备的更新换代,人们越来越不满足于传统三维测量方式,非接触式测量技术蓬勃发展,成为国内外学者研究的热点,双目三维重建是研究重点之一。本文首先介绍了基于双目视觉的三维重建技术,然后在MATLAB和OpenCV实验平台上,采用经典立体匹配算法即AD-Census算法对花瓶进行三维重建。     

智慧排水系统建设创新思考

结合目前城市排水系统现状,吸收国内外城市排水信息化建设的成熟案例和优秀经验,充分利用物联网、移动互联网、大数据、云计算、地理信息集成(GIS)、建筑信息建模技术(BIM)、人工智能等新一代信息技术,以大数据理念"、互联网+"思维建设一套城市智慧排水系统。本文主要介绍了智慧排水需求与建设目标,并分析了智慧排水的基础架构及在城市中的实际应用。     

融媒体背景下传统民营科技型企业的互联网转型:协同进化视角

借助隐喻手段,基于融媒体发展背景,以协同进化为理论依据,剖析传统民营科技型企业的互联网转型过程,总结机理与路径,提出协同进化式转型的理论模型.以千城智联(上海)网络科技有限公司为案例企业,分析其与地方电视台的协同进化过程,研究发现:①基因改变意味着组织认知模式的变化,具体表现是互联网思维的建立以及从单式思维到链式思维的转变;②协同进化基本路径为企业基因改变→企业行为转变→合作方基因改变→合作方行为转变→企业与合作方性状变化;③协同进化的标志是生态位改变,后者由协同关系的转变来衡量,分别经历了买卖关系、资源共享关系、价值共创与共享关系三种状态;④协同关系的演进激发平台网络效应的形成.     

基于群偏好与用户偏好协同演化的群推荐方法

群推荐系统已经成为社交网络平台的重要工具,为群体用户提供兼顾个性化和整体满意度的产品和服务.现有群推荐方法大多是对个性化推荐方法的集成和聚合,忽略了群体和用户的交互影响以及群偏好和成员偏好的动态变化,从而无法保障群推荐系统的效果.为此,本文提出一种基于群偏好和用户偏好协同演化的群推荐方法,能够建模群体和用户的动态交互.具体而言,本文将用户偏好建模成其历史偏好和群影响的加权聚合结果,将群偏好建模成群历史偏好和新加入成员偏好的加权聚合结果,最终预测群体可能消费的产品列表和成员可能加入的群体列表.实验结果表明,本文所提模型在群体消费行为和用户加群行为的预测表现都优于基准算法,并兼具很好的鲁棒性.     

复杂性理论视角下粤港澳大湾区高校的协同发展

推动粤港澳大湾区高校协同发展,有助于提升大湾区高等教育整体质量,有助于建设国际教育示范区,有助于打造具有全球影响力的教育及人才高地.粤港澳大湾区高校在协同发展过程中面临宏观和微观层面多方面、多维度的复杂情况.在复杂性理论视角下,为实现粤港澳大湾区高校协同发展,大湾区高校需要建立非线性思维,认识协同发展的整体性;远离平衡状态,激活协同发展生命力;实现自组织发展,增强协同发展内驱力.     

拥塞控制新算法:试算平衡

根据资源的需求和供给关系,提出了拥塞控制新算法——试算平衡法,旨在按一定比例抑制资源的需求,以实现系统资源的供需平衡,进而达到拥塞控制的目的.     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

异常值和未知观测噪声鲁棒的卡尔曼滤波器

给出了对异常值和未知分布的观测噪声鲁棒的卡尔曼滤波器。分析表明当以Huber损失函数替代推导卡尔曼滤波器最大后验准则中观测误差的l₂范数时, 就构造了一个新的准则。由于Huber损失函数可同时描述l₁和l₂范数, 因此由这个新准则推导的卡尔曼滤波器, 在具有传统卡尔曼滤波器性质的同时, 也有了l₁范数对异常值鲁棒的特性。而当含异常值的观测噪声统计分布未知时, 利用含未知参数的高斯混合模型描述其分布以及变分贝叶斯推理, 提出了对异常值和未知统计分布观测噪声鲁棒的卡尔曼滤波器。仿真和实验在验证了分析结果正确的同时, 也表明提出算法的性能优于现有文献报道鲁棒类的卡尔曼滤波器。