基于机器人操作系统的机器人自主追踪系统设计

为了解决移动机器人在机器人操作系统(robot operating system, ROS)中的人脸追踪问题,提出一种基于Siamese目标跟踪算法开发的追踪系统。首先,开发了追踪系统的硬件平台;其次,开发了Siamese跟踪算法,实现了对人脸目标的实时跟踪;最后,实现了导航系统与视觉系统的开发及融合,并通过实时记录的追踪数据与追踪曲线,分析了该系统的追踪性能。实验结果表明:该系统能够在ROS系统下实现对人脸目标的实时跟踪。     

考虑中断的制造型供应链协调调度模型

供应链协调调度能有效提高企业应对供应链中断的能力。以两阶段制造供应链为研究对象，研究了中断情境下具有交付时间约束的多产品类型制造供应链协调调度问题。制造商接到包含多产品类型的工件加工订单，各工件需经供应商处理为原材料工件后，交付给制造商处理为完成品，各工件均有一个独立的交付期。如果供应商单方面调整工件加工顺序，会导致制造商冲突成本的增加，需双方协商处理。以最小化供应商总拖期交付成本和最小化制造商总冲突成本为目标，基于收益共享契约协调机制，构建了考虑中断的制造型供应链协调调度模型。设计了一个融合自适应邻域搜索算子的混合自适应遗传算法。通过算例仿真，验证了所提模型与算法的有效性。     

DOS攻击下不确定双边遥操作系统的控制

研究了存在定常时延和模型参数不确定的双边遥操作系统在受到拒绝服务攻击（denial of service，DOS）时的稳定性问题。利用位置误差结构，设计了基于事件触发的控制器，并利用自适应律估计机械臂模型中的未知参数。通过Lyapunov函数理论证明了双边遥操作系统的稳定性，并证明了基于事件触发的控制器不存在Zeno行为。通过数值仿真验证了基于事件触发的自适应控制器能够使遥操作系统在DOS攻击下保持稳定。     

基于自适应形态学的跳频信号参数联合盲估计

跳频通信的应用大大提高了军事装备的抗干扰和抗截获能力，使得跳频对抗技术面临严峻的挑战。为解决传统形态学跳频信号参数估计方法中结构元素选择困难问题并提高估计精度，提出了一种基于自适应形态学的跳频信号参数联合盲估计方法。首先，对跳频信号进行短时傅里叶变换获取谱图。然后，从其时间轴投影中获取结构元素尺寸的知识, 设计自适应形态学滤波器抑制谱图噪声, 提取跳频图案初步估计跳频参数。最后, 引入最小二乘估计方法, 对跳频周期和跳变时刻进行精估计。仿真结果表明，此方法能够同时估计出跳频频率、跳频周期和跳变时刻, 不需要其中某一种参数作为先验条件, 在复杂的通信环境也能够保持良好的估计性能。     

不同表面活性剂对CoSb_3纳米粉体的影响及其非晶化研究

分别选用不同的表面活性剂(SDBS、CTAB、EDTA、PVP),采用水热法成功制备CoSb_3纳米粉体.对制备的纳米粉体分别进行XRD和SEM表征,研究了不同表面活性剂对制备的CoSb_3纳米粉体的影响.结果表明不同表面活性剂对制备的CoSb_3纳米粉体形貌有显著的影响.并将水热法制备的CoSb_3纳米粉体,采用脉冲激光非晶化技术进行处理,结果表明纳米粉体实现了部分非晶化.通过样品的XRD分析研究了影响CoSb_3纳米粉体部分非晶化的条件,结果表明扫描重复次数的增加可以提高CoSb_3基方钴矿热电材料的非晶化能力,适当提高扫描速度有利于CoSb_3基方钴矿热电材料的非晶化.     

基于R语言的迪基-福勒检验的蒙特卡罗模拟

迪基-福勒(Dickey-Fuller)检验是时间序列的平稳性检验中常用的一种方法;由于检验统计量的极限分布是由标准维纳过程关于轨道的积分来表达的,很难得到其密度函数的显式表达式,因而确定检验临界值非常困难,蒙特卡罗方法是解决这类问题的金钥匙;基于R语言对t统计量的平稳性检验的临界值的随机模拟程序进行了研究,填补了文献空白,其计算程序和方法对于金融工程或经济计量统计分析与研究具有广泛的指导意义。     

时间尺度上奇异变质量可控非完整系统的Noether对称性

研究时间尺度上奇异变质量可控非完整系统的Noether对称性与守恒量.首先以时间尺度上的Hamilton原理为基础，建立时间尺度上奇异变质量可控非完整系统的运动方程，然后依据Hamilton作用量在无限小变换下的不变性，给出该系统Noether广义准对称性的判据和Noether广义准对称性所对应的守恒量，最后举例说明研究结果的应用.     

不同阶次下分数阶SIR传染病模型的稳定性分析

建立一类考虑Logistic增长与饱和传染率的不同阶次分数阶时滞传染病模型. 首先, 利用Jacobi矩阵和特征根轨迹法, 分析该模型的局部稳定性, 并给出基本再生数; 其次, 选取分岔参数作为时滞, 给出地方病平衡点发生Hopf分岔的充分条件； 最后, 利用数值仿真验证理论分析的正确性. 研究结果表明, 分数阶次的改变会影响系统的稳定性.     

基于改进CLDNN的辐射源信号识别

传统辐射源信号识别方法往往需要人工提取特征,不仅对专业知识要求较高,而且人为选择的特征不能够保证适用于大多数类型信号的识别,识别精度和识别速度也不能兼顾。针对上述问题,将语音处理领域常用的深度学习模型——卷积长短时深度神经网络(convolutional long short-term deep neural network, CLDNN)引入到辐射源信号的识别中,并将该模型中的长短时记忆层改为双向门控循环单元层。模型的输入为原始时间序列数据,特征提取和分类识别过程均在网络中进行,避免了人工选择特征的不完备性。实验结果表明,所提模型在低信噪比情况下也能够有效识别信号类型,同时与其他模型相比,实现了识别精度和识别速度之间的平衡。     

基于MapReduce模型带准备时间的平行机调度优化

研究了一类基于MapReduce模型的平行机调度问题.每个工件包含Map和Reduce两道加工工序,Map工序可以分割为若干个子任务,并且在多台平行机上同时并行加工,Reduce工序只有在该工件的所有Map工序的子任务加工完成后才能进行,而且Reduce只能在一台机器上加工且不可中断.结合工件具有释放时间和加工准备时间等约束,以最小化最大完工时间为目标,构建了混合整数规划模型,并设计了采用差分变异策略和逐维Levy扰动机制的改进正弦余弦算法来求解该模型.最后,利用数值仿真实验与标准正弦余弦算法及遗传算法进行对比,实验结果表明,运用改进正弦余弦算法求解的结果与下界值的平均相对偏差GAP为3.02%,较标准正弦余弦算法以及遗传算法的效果提升显著,显示了该改进算法的有效性.