基于POMDP模型的机器人行动的仿真优化

策略梯度优化算法是一种很重要的强化学习算法,对实现机器人的自主导航有着重要的应用价值.在部分可观Markov决策过程(POMDP)的基础上,实现了两个有限记忆的策略梯度优化算法:基于模型的GAMP算法和无模型的IState-GPOMDP算法,并利用该算法对机器人走迷宫的问题进行了仿真.通过分析仿真结果,对这两种算法引入了基于观测的优化;并发现在所给报酬函数下,策略梯度算法中的步长参数也在一定程度上影响着优化策略的效率.     

RAFT聚合法研究丙烯酸酯自由基聚合链间转移过程

针对丙烯酸酯自由基聚合过程中链间转移常数测定难题,提出了新的测试策略,即在低分子量聚丙烯酸酯存在下,以UV标记的RAFT试剂N-咔唑二硫代甲酸苄基酯(BCBD)调控第二单体进行RAFT聚合,聚合产物经梯度淋洗聚合物色谱(GPEC)分离,直接测定由向聚合物转移所产生嵌段物的相对摩尔比,并以此估算增长链自由基向另一种聚合物...     

梯度应力作用下模型试件声发射-红外特征及岩爆孕育演化研究

为研究不同梯度应力作用对岩体岩爆特性的影响及岩爆孕育的时空演化规律,借助YB-A型岩爆模拟试验装置对具有岩爆倾向性的模型试件进行梯度应力作用下的加卸载试验,利用高速摄像机、红外热像仪和声发射(AE)等监测手段,捕捉试件在加载作用下的AE变化特征及红外辐射特征,对模型试件加载过程中AE特征参数进行处理并对热像进行图像增强处理与能量演化分析,分析梯度应力作用下模型岩爆孕育过程的时空演化规律。研究结果表明：模型试件受均布加载、低梯度加载与高梯度应力下的岩爆孕育演化特征存在明显差异;模型试件在梯度应力作用下的岩爆孕育过程中呈现出的AE特征、红外辐射时空演化特征与岩爆孕育发生过程具有良好的同步性,且其AE特征与红外辐射特征随应力梯度作用的不同而存在明显的差异;随着模型加载应力梯度的增大,模型加载过程中能量累积段时间增加、耗散阶段时间变短、能量释放率变大,能量积累-耗散-释放各个阶段的差异是模型岩爆烈度随加载应力梯度增强的原因。     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient,MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system,MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法.分析算法框架及训练方...     

基于板-梁理论的FGM双轴对称箱形截面组合扭转理论与有限元验证

基于板-梁理论研究FGM双轴对称箱形截面组合扭转理论与有限元验证.首先,选取弹性模量变化函数,建立能量变分模型,引入无量纲参数,获得双轴对称箱形截面组合扭转的近似解析解;然后,利用微分方程模型计算双轴对称箱形截面组合扭转的精确解析解,给出微分方程解答;最后,利用ANSYS有限元分析软件进行验证,将本文研究所得解析解和ANSYS有限元分析软件得出的解析解进行对比,对比结果验证了本文理论推导及所给出的自由扭转刚度、约束扭转刚度表达式的正确性.     

基于正则化正交非负矩阵分解的旋转目标检测方法

小样本的旋转目标检测是指在样本数少的情况下进行旋转目标检测模型的训练,深度学习在旋转目标检测领域往往需要庞大的样本数和计算算力。现有的基于机器学习的旋转目标检测方法大多有着对目标尺度和姿态敏感的缺点。因此提出一种基于正则化正交非负矩阵分解的旋转目标检测方法,来解决小样本的旋转目标检测难题。首先,针对样本不具有各种角度的图片,对样本进行旋转后进行背景填充,这样便于更好的表征学习。其次,提出一种基于正则化正交非负矩阵分解算法对旋转样本的梯度直方图特征进行表征学习。最后,为了测试算法在特征学习后的有效性,利用支持向量机对特征提取后的数据进行训练和测试。实验结果表明本文的目标检测方法在多个数据集中可以取得不错的效果。     

一种单平面电极阵列结构的介质上电润湿数字微流控器件

一种高介电常数(K=7.6～11.6)的有机铁电聚合物材料——偏氟乙烯与三氟乙烯共聚物首次作为介质层用于介质上电润湿效应的数字微流控器件.在30 V的外加电压下,液滴与器件间的固-液接触角可以从118°下降到75°,并且呈现明显的电压极性相关性.基于此现象,设计并制作了新型的单平面电极阵列结构的数字微流控器件,简化了器件结构和工艺流程,整个工艺步骤可以与集成电路工艺兼容.新型器件成功实现了3μL的液滴的往返运输,工作电压只需20 V.     

基于两级扫描线优化的快速立体匹配算法

通过引入视差梯度理论,提出了一种弱连续性约束,它表示相邻点的视差变化总在一定的范围之内.同时引入了一种两级扫描线优化方法,它从水平和垂直两方向进行扫描线优化.最后把弱连续性约束与两级扫描线优化方法结合起来得到一种快速立体匹配方法.通过对比实验表明,与未加入弱连续性约束的两级扫描线优化算法相比,所提算法计算量更少,同时减轻了同纹理区域的匹配不确定性;与传统一维扫描线优化算法相比,该算法具有更高的匹配准确性并解决了扫描线间的不连续性.     

Krylov subspace method based on data preprocessing technology

The performance of adaptive beamforming techniques is limited by the nonhomogeneous clutter scenario. An augmented Krylov subspace method is proposed, which utilizes only a single snapshot of the data for adaptive processing. The novel algorithm puts together a data preprocessor and adaptive Krylov subspace algorithm, where the data preprocessor suppresses discrete interference and the adaptive Krylov subspace algorithm suppresses homogeneous clutter. The novel method uses a single snapshot of the data received by the array antenna to generate a cancellation matrix that does not contain the signal of interest （SOI） component, thus, it mitigates the problem of highly nonstationary clutter environment and it helps to operate in real-time. The benefit of not requiring the training data comes at the cost of a reduced degree of freedom （DOF） of the system. Simulation illustrates the effectiveness in clutter suppression and adaptive beamforming. The numeric results show good agreement with the proposed theorem.