基于曲线路径算法的2D仿真机器鱼水球斯诺克比赛策略

为了提高水中机器人2D仿真平台斯诺克赛项的得分,基于URWPGSim 2D(underwater robot water polo game simulator 2D)仿真平台,采用最短距离和最小旋转角度求和比较的方法,实验得出了机器鱼以不同速度行进时其偏转角度呈奇偶特征,以此研究了其比赛策略和带球算法。在策略上,确定了红球-粉球组合最优、红球进洞顺序为从左到右、红球进中上洞、粉球进左下洞。基于此,确定了一种基于曲线路径的带球算法,给出了中上洞、左下洞带球进洞路径规划,采用虚拟点位和距离阈值的模糊控制理论来实现算法。仿真结果表明：优化后的带球算法效率高,实际比赛效果好,所提出的比赛策略和带球算法可应用于水下机器人运动控制。     

机器鱼仿真3对3策略研究

在2D机器鱼仿真平台上,本文主要研究了机器鱼的进攻策略和防守策略.在策略中较详细地叙述了三条鱼之间的配合;同时,也较具体地分析了鱼找球,鱼顶球,绕开对方鱼和阻挡对方进攻鱼等过程,并且调试出了两个重要函数的程序.在仿真实验中取得良好的效果.     

三关节机器鱼的尾部动力学建模与仿真

机器鱼技术为研究高效、高机动性和低噪声的水下运载器提供了新的思路,是近几年水下机器人领域的研究热点之一.以三关节机器鱼为研究对象,建立了尾部动力学模型,并进行了仿真,由该模型出发对机器鱼的动力学进行了研究,分析了机器鱼速度与频率等的关系.该方法实现的运动仿真与真实的鱼的运动基本一致,速度随着摆动频率的降低而减小,随着相位差的减小而增加,摆幅对速度的影响很大.     

一种基于增强型烟花算法的自抗扰控制的机器鱼路径跟踪控制方法

机器鱼在未知水域进行路径跟踪时受到内外多种未知干扰因素的影响。自抗扰控制(auto disturbance rejection control, ADRC)具有较强的适应性、鲁棒性,是解决非线性、不确定性、强干扰、强耦合、大时滞等控制问题的一种有效方法。为了获得高质量的跟踪效果,提出基于增强型烟花算法的自抗扰控制(enhanced fireworks algorithm-auto disturbance rejection control,EFWA-ADRC)的路径跟踪控制方法。针对ADRC中参数的优化问题,采用增强型烟花算法(EFWA)在线调整,以提高机器鱼在路径跟踪过程中的抗干扰性。以多关节仿生机器鱼为研究对象,结合机器鱼的数学模型,在Serret-Frenet坐标系下建立路径跟踪误差模型,重点设计前向速度和转向速度控制率,构建基于EFWA-ADRC的路径跟踪控制系统。最后仿真与实验结果显示基于EFWA-ADRC与常规ADRC的控制方法使机器鱼分别在2.8 s、3.3 s左右跟踪给定路径,且跟踪误差分别保持在正负0.09 m、0.1 m内,相比于常规ADRC,所提出的控制方法使跟踪的稳态误差降低10%,证明提出的EFWA-ADRC控制器对受到强干扰的被控系统具有更优的控制效果。     

动态路径诱导算法及其仿真

引入虚拟路径和拥堵因子,提出实时道路状况对路径规划算法权值影响的关系模型,在Dijkstra算法的基础上实现车辆的动态诱导,并以VB与MapX构建的GIS系统平台对该算法进行仿真,证明算法的有效性．     

机器鱼的研究动态综述

机器鱼具有提高水下推进器的性能,且具有鱼类的高速、高效、灵活、噪声低的特点。首先从鱼的生理学角度及其游动机理分析和综述机器鱼的设计问题,其次分析了机器鱼必须解决的驱动、结构设计、稳定、防水等问题。最后探讨了这一领域关键的研究课题——速度效率、机动性、决策系统、定位导航、多传感器信息融合以及多机器鱼 方面的研究。     

机器鼠走迷宫的优化路径算法及实践

提出了对树型迷宫的优化路径算法,用坐标法解决了“死胡同”的处理和最短路径的判断与选择问题,用PIC16F877单片机完成电路的设计与制作。     

基于博弈论的D2D通信资源共享算法

针对目前端对端(D2D)通信资源共享算法无法解决资源利用率和信道干扰之间矛盾的问题,为了改善D2D通信性能,设计一种基于博弈论的D2D通信资源共享算法.该算法将通信系统吞吐量作为目标,通过引入博弈论实现各用户间的通信资源共享,使通信链路之间合理地分配资源,减少信道之间的干扰,提高蜂窝链路的通信质量.与经典D2D通信资源共享算法进行对比实验结果表明,该算法明显提高了D2D通信质量,提升了信道利用率,系统总吞吐量得到大幅度提高.     

傅里叶级数的曲线仿真应用及算法

以电力系统日负荷曲线为例，应用傅里叶级数进行仿真，并提出用线性化回归方法求取傅里叶级数系数的新算法。     

基于PHAT-β广义互相关的变压器机器鱼避障时延估计仿真

针对变压器机器鱼避障过程中发射信号和回波信号时延信息难以准确估计的问题,提出一种基于相位变换加权(PHAT-β)广义互相关(GCC)算法的时延估计方法.区别于传统的基本互相关(BCC)算法,PHAT-β GCC算法可以根据信噪比在频城内对互功率谱进行灵活调节,提高了时延估计的抗噪性和准确性.首先对发射信号和回波信号进行...     

高密度D2D用户的潜在博弈资源分配算法

为解决高密度用户场景中多个设备到设备(D2D)用户复用同一个蜂窝用户资源时相互竞争的问题,提出了一种基于博弈论的D2D资源分配算法.首先构造基于最小化系统整体干扰的非合作博弈效用函数,同时考虑了系统中D2D用户之间的干扰以及D2D用户与蜂窝用户之间的干扰;继而设计该博弈的潜在函数,并证明该博弈过程是一个潜在博弈模型,进而证明了其纳什均衡的存在性.仿真结果表明,该算法相比现有方法具有更好的公平性和收敛性,能使用户获得更好的吞吐量,降低D2D用户受到的干扰.     

虚拟人群仿真的路径规划新算法

提出了一种用于虚拟人群仿真的路径规划新算法.该算法由全局路径规划模块和局部避碰模块组成.全局路径规划模块利用具有最短距离约束的Delaunay三角形方法分割虚拟环境,并由具有距离信息的单元入口图进行表示;局部避碰模块利用相互速度障碍物方法,并加入了停止规则.实验结果表明:通过对具有距离信息的单元入口图的遍历可获得并存储...     

仿生学习的机器鱼运动模式分析

运动行为建模是机器鱼研究领域的重点和难点,研究将一种新颖的仿生学习方法应用到多关节机器鱼运动模式学习和生成上。首先,通过视频采集设备对鲤鱼的运动行为进行记录,并对记录的视频数据作离散化处理后进行分析,提取得到了鲤鱼的3个基本运动模式:"巡游"、"游动转弯"和"C形急转"。然后采用通用内部模型(general internal model,GIM)对鲤鱼的运动模式进行学习,利用其函数逼近能力和在时间、空间上的可伸缩性,机器鱼可以学习、修正和再现真鱼的运动模式。最后结合红外传感器及避障算法实现了机器鱼的自主避障行为,从而证实了该方法的有效性。     

D2D网络功率和频谱资源分配策略

针对蜂窝通信系统高能耗、低通信资源利用率和低信道利用率的问题,提出一种基于能量效率(energy efficiency,EE)与频谱效率(spectral efficiency,SE)联合优化的网络资源分配策略.首先,在保证通信用户服务质量(quality of server,QoS)的前提下,提出一种基于启发式算法的...     

基于神经网络的移动机器人路径规划算法的仿真

研究一种基于神经网络的移动机器人路径规划算法，充分利用神经网络的融合性和并行性提高移动机器人路径规划算法的运算速度．此算法也可以解决机器人的全局路径规划和局部路径规划问题．仿真结果表明这种算法可以快速可行地实现无碰撞优化路径规划，并且对动态环境具有较好的适应性．     

距离受限的蜂窝网络D2D通信资源分配算法

为了进一步提升第5代移动通信网络(5th Generation,5G)的系统性能以及用户的服务质量(Quality of Service,QoS),就蜂窝通信网络中终端直通(Device to Device,D2D)通信的资源分配问题,提出一种距离受限的资源分配算法。考虑D2D通信用户复用蜂窝通信用户的上行频率资源的情况。建立蜂窝网络中D2D通信系统模型;分析D2D通信用户的接收信号和受到的干扰情况,推导出D2D通信用户的信干比表达式;根据预设的信干比门限值,推导出D2D通信与蜂窝用户复用相同频率的安全距离;基于推导出的复用安全距离,提出一种距离受限的资源分配算法。所提出的距离受限的资源分配算法将蜂窝通信用户占用的频率资源分配给复用安全距离之外的D2D通信对,能够确保D2D通信与蜂窝通信之间的干扰控制在合理范围之内。仿真结果表明:距离受限的资源分配算法能够有效提高系统吞吐量,并降低D2D通信的中断概率。     

基于2D先验的3D目标判定算法

提出一种基于2D先验的3D目标判定算法.首先用轻量级MobileNet网络替换经典SSD的VGG-16网络，构建出MobileNet-SSD目标检测模型；其次，通过改进网络结构，提高模型对小目标的检测能力，并引入Focal Loss函数来解决正负样本不均衡和易分样本占比较高的问题；在相同数据集上，将改进算法与Faster R-CNN、 YOLOv3及MobileNet-SSD进行对比测试，其平均精度mAP分别提高了7.2%、 8.8%和10.6%;最后，通过改进算法获取ROI,利用深度相机将二维ROI转换为ROI点云，并借助直通滤波来判断目标物体是否为真实场景物体，既省去了传统点云识别中的诸多步骤又避免了点云深度学习中三维数据集制作难度较大的问题，在识别速度和识别精度上达到了较好的平衡.     

基于遗传退火的密集D2D网络资源分配算法

针对高密集场景下传统D2D资源分配算法接入率较低的问题,提出了基于遗传退火的密集D2D网络资源分配算法.首先根据小区内用户之间的干扰情况构建干扰图;然后根据干扰图为D2D用户构建候选信道集合;最后设计适应度函数,并通过遗传退火算法寻找适应度最高的信道分配方案,以提高系统总吞吐量和D2D接入率.仿真结果显示,提出的算法与图着色算法和随机分配算法相比,系统总吞吐量平均增幅为6.2%和21.8%,D2D用户接入率平均增幅为14.7%和44.5%,表明该算法在提高系统总容量的同时,还能有效提升D2D对的接入率.     

一种LTE网络D2D通信资源共享算法

在LTE网络下部署D2D (Device-to-Device)系统能有效降低基站的负荷,但是D2D系统共享蜂窝系统资源时会产生系统间干扰,通过合理的资源分配可以有效降低这种干扰.文中提出一种LTE网络中D2D贪婪资源分配算法,该算法能保证蜂窝系统不受D2D通信的干扰影响,同时单个D2D对可以复用多个蜂窝用户资源,以提高D2D系统的吞吐量.最后通过仿真给出本算法与随机分配和干扰感知分配算法的性能比较.     

基于WT-W2D2DPCA的人脸识别算法研究

人脸识别过程中,针对二维主成分分析(2DPCA)算法在特征提取和数据降维上存在的问题,本文首先引入双向二维主成分分析(2D2DPCA)算法,该算法同时考虑图像行与列方向上的信息.考虑到人脸图像存在信息冗余而影响识别率的问题,于是本文提出一种基于小波加权双向二维主成分分析(WT-W2D2DPCA)的人脸识别算法.该算法首先采用二级小波分解对人脸图像进行预处理,提取其低频部分;然后根据人脸图像的特性,将低频部分进行奇偶分解,并引入加权思想,重组低频人脸图像,最后在ORL人脸数据库上进行双向二维主成分分析.实验结果表明,该方法不仅克服了传统2DPCA系数矩阵大的问题,而且得到了比传统的2DPCA、2D2DPCA算法更好的识别效果.