一种形态学梯度滑降算法的研究

滑降算法是一种重要的图像分割工具,然而基于滑降算法的图像分割在很大程度上依赖于待分割图像梯度的计算.提出了一种多尺度形态学梯度滑降分割算法.该算法首先利用多尺度形态学梯度,通过大小不同的结构元素提取图像梯度特征,获得梯度图像,然后利用滑降算法进行图像分割,为了减少滑降算法的过分割现象,提出了区域面积和区域相似性规则的区域合并的方法.实验结果表明,本方法具有较好的分割效果,同时分割中结构元形状、尺度可以灵活选取,使得该方法适用范围相对比较广泛.     

一种减小TOA测量距离中NLOS影响的DMS模型和估计算法

有效的滤波方法和多尺度估计是无线定位技术的重要研究方向。为了减小在蜂窝网无线定位中非视距传 播(NLOS)对波达时间(TOA)测量距离的误差影响,先结合NLOS误差特性对标准Kalman滤波进行修正,然后提 出将不同采样率的修正Kalman滤波方程与多个尺度联系起来,建立了一种动态多尺度系统(DMS)模型,并给出基 于Haar小波的实现方法。仿真结果表明,基于上述方法优于直接进行Kalman滤波的效果,能较大幅度地提高 TOA测量距离的精度。     

城乡结合部道路交叉口多目标信号配时优化模型

随着我国城镇化进程的加快,城乡结合部道路交通问题日益显著。为提高城乡结合部道路交叉口的交通运行效率、环境效益和交通安全,提出信号配时多目标优化方法,综合考虑延误、通行能力、停车次数、车辆尾气排放等因素构建模型,运用遗传算法进行求解。以某典型交叉口为例进行分析,给出改进设计方案并进行交通仿真评价。研究结果表明,通过多目标信号配时优化可以缓解城乡结合部道路交叉口交通拥堵和污染物排放的问题,具有较好的交通信号控制效果。     

基于模型预测控制的轮式移动机器人轨迹规划

针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control -MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。     

基于博弈和多智能体的汽车共享服务联盟协同策略研究

基于演化博弈和多智能体仿真,以加强联盟管理、提升联盟服务商合作积极性为目标,研究汽车共享服务联盟协同策略.从演化博弈视角设计综合考虑服务商自身与联盟内其他成员历史信息的学习规则,构建汽车共享服务联盟的多Agent仿真模型,研究收益、成本及惩罚等不同参数设置对服务商协同策略的影响.依据仿真实验结果提出了不同收益、成本和惩罚参数场景下加强联盟合作的策略,为汽车共享服务联盟的协同策略提供决策支持.     

多金属氧酸盐纳米纤维催化O2氧化5-HMF

2,5-二甲基呋喃(DFF)是一种用途广泛的化合物,可作为前体用于合成各种高附加值产品,可通过氧化5-羟甲基糠醛(HMF)得到.然而,5-羟甲基糠醛的有氧氧化有不同的途径,从而会产生DFF,2,5-呋喃甲酸(FDCA)或马来酸酐(MA)等产物.迄今为止,均相和非均相金属催化剂均被作为氧化剂用于对HMF氧化为DFF的研究.特别是含钒的多金属氧酸盐(POMs)被发现可以氧化HMF生产DFF,MA等一系列产品.本文通过采用静电纺丝和表面活性剂成孔技术合成了介孔纳米纤维H_5PMo_(10)V_2O_(40)/meso-Zr O_2(f)并通过IR,~(31)P MAS NMR,XRD,SEM,TEM,N_2吸附-脱附测试对其进行了表征.H_5PMo_(10)V_2O_(40)/meso-Zr O_2(f)纳米纤维,其在氧气作为氧化剂氧化5-羟甲基糠醛(5-HMF)到2,5-二甲酰基呋喃(DFF)反应中表现出高的催化活性和产物的选择性,源于复合催化剂良好的氧化还原性、Lewis酸中心、Br?nsted酸中心及纳米纤维高的比表面积.     

基于模型的多目标优化问题方法研究

基于模型的多目标优化方法目的是创新一种通过黑箱评估的多目标函数优化算法,该算法从解空间上的混合分布中迭代生成候选解,并根据采样解的控制数来更新混合分布,求解过程的搜索偏向于Pareto最优解的集合。算法在解空间上寻找混合分布,使得混合分布的每个分量都是以帕累托最优解为中心的简并分布,并且每个预计的Pareto最优解都通过一个阈值距离均匀地分布在Pareto最优解集上,实验通过几个基准函数和方法证明了该算法的性能。     

多精英采样与个体差分学习的分布估计算法

提出了基于多精英采样和差分搜索的分布估计算法EDA-M/D (Estimation distribution algorithm based on multiple elites sampling and individuals differential search)。EDA-M/D利用多精英个体独立采样生成子代来提升算法全局搜索能力,利用精英群体分布的σ²约束采样半径,实现种群从全局搜索逐步过度到局部搜索。当精英群体停滞时,劣势个体借助精英群体的μ和种群历史最优解进行差分搜索,帮助种群跳出局部最优解。通过多精英采样与差分搜索的自适应协同实现种群宏观信息与个体微观信息的有机融合。实验结果表明EDA-M/D在稳定性和搜索能力方面均表现出明显的优势。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

基于邻域搜索JADE的二维Otsu多阈值图像分割

为进一步提高分割精度并加快分割速度,提出了一种基于邻域搜索可选外部存档自适应差分进行算法(简称为JADE-GL)的二维Otsu多阈值图像分割方案。首先,针对原始JADE算法精英突变策略收敛速度慢、容易陷入局部最优等问题,提出了基于邻域半径搜索的改进突变策略,以提升算法的全局探索和开发能力。然后,将所提算法与现有分割方法以及其他JADE变种算法进行二维Otsu多阈值分割对比实验。最后,通过函数收敛曲线、分割距离测度、峰值信噪比(peak signal to noise ratio, PSNR)等指标定量分析算法的性能。实验结果表明,随着阈值数增加,提出的算法无论在收敛速度、分割精度还是分割图像效果上都有显著提升。