考虑BOM的FMS生产线能力规划问题

针对印刷装配板(Printed Wiring Board, PWB)的制造过程,建立了一个基于多种需求状态的多计划期多种产品类的能力规划模型.该模型考虑了机器的柔性、产品类的BOM(Bill of Materials)约束(物料需求约束)以及进行生产能力调整的风险.考虑该模型是一个大规模的混和整数规划问题,无法用一般的数学软件直接进行求解,提出了一种求解近似最优解的方法,首先应用启发式算法减少装配线能力调整决策变量的搜索空间,然后应用遗传算法进行搜索.最后通过实例分析验证了该方法的可行性及其在管理学上的意义.     

带有止步和中途退出的同步N-策略多重休假的M/M/R/K排队系统的性能分析

研究了带有止步和中途退出的同步N策略多重休假的M/M/R/K排队系统.在服务员全忙或者正在休假时,到达的顾客或者决定进入系统等待服务,或者不进入系统;而进入系统的顾客因为等待的不耐烦在没有接受服务的情况下也可能离开系统.当系统变空时,所有服务员立即进行N策略多重休假.首先,利用马尔科夫过程理论建立了系统稳态概率满足的方程组.其次,利用分块矩阵的解法求出了系统稳态概率的矩阵解,并得到了系统的平均队长、平均等待队长及顾客的平均损失率等性能指标.最后,求出了在服务员全忙时进入系统并最终接受服务的顾客的条件等待时间分布及条件平均等待时间.     

一类混合时滞系统的混沌同步与应用

针对一类混合时滞系统的同步性问题,提出了这类系统混沌同步的一般化结果.利用Lyapunov函数,结合不等式技巧及驱动-响应方法,通过一个控制律来实现两个可辨识混合时滞系统的状态同步,并获得了实用的构造性代数条件,使得混沌同步的研究结果一般化,推广了已有结果.讨论了所获得的结果在生物学及神经网络中的应用,得到相应的同步控制充分性条件,进一步扩展了已有结果.     

全数字突发模式8PSK系统的时钟和载波同步

突发模式传送系统中前导字作为系统开销降低了数据传送效率,提出一种全数字无前导字突发模式8PSK接收机方案,接收机的时钟和载波恢复均采用前向同步技术,并对载波频偏恢复算法进行了详细推导,并通过仿真验证了算法的可行性和有效性。     

一种新的模糊神经网络删剪策略

模糊规则的数量直接决定模糊神经网络结构的复杂度和效率.基于神经网络自构行学习(NNSCL)算法,用共轭剃度预条件正则方程算法求取删除隐层神经元后的剩余权值,得到改进的NNSCL-1算法.将此算法应用到模糊神经网络的规则推理层,可以极大地优化网络的规则及结构,并且结构优化后不需要重新训练也能保持网络的精确度和泛化能力.仿真结果显示了此算法的有效性和可行性.     

电场下HR神经元的分岔分析及其同步

应用数值仿真与自适应同步控制方法,分析了Hindmarsh-Rose(HR)神经元模型在外加电场的影响下产生的复杂动力学行为.在基于数值模拟得到的双参数图像中了解到该系统具有倍周期分岔、加周期分岔模式以及"梳状"的混沌结构.在此基础上,运用Lyapunov稳定性理论以及未知参数自适应律设计出满足同步条件的自适应控制器,...     

基于字符行特征的车牌倾斜矫正算法

针对Hough算法在识别白色反光车牌时的不足,提出了基于车牌字符行特征的倾斜矫正算法.该方法采用通过字符行倾斜度恢复车牌原貌的机理,即从多个角度来对图像倾斜的方向扫描,分别记录各扫描平行线组中具有车牌字符信息的行数,对应字符行数目最多的扫描角度就是图像倾斜的角度.实验表明,该算法能较理想地减少车牌倾斜给车牌字符分割及识别带来的负面影响,运算量小且易行可靠.     

机器人足球训练中视觉感知与动作执行同步机制

主要研究RoboCup训练中球员视觉感知与动作执行同步的技术.在全面分析RoboCup现有同步方法存在问题的基础上,提出一种动态的视角调整方法,即通过对球员视角宽度的调整控制视觉信息到达的时刻,结合动作指令发送的特殊策略,实现球员向服务器发送指令时机的优化,以达到最佳同步效果.关于球员视角宽度动态切换的实现,具体包括:基于增强视觉检测的视角切换与分类视角动态切换2种方法.对比实验证实了该同步技术的优越性.     

基于数字电视无线广播信号的定位模型和系统

分析了使用数字电视(DTV)无线广播信号定位系统的必要性与可行性.提出了基于帧同步的DTV定位原理.分析了DTV定位测距特性,即在一个历元异步顺序得到多个测距观测值.推导了相关伪距观测模型和载波多普勒积分模型,在此基础上给出了DTV定位模型,包括观测方程和状态方程.仿真结果表明,DTV定位技术能够显著提高独立定位或组合导航系统定位精度.DTV定位是一种具备亚米级测距误差和米级定位精度,可成为传统卫星定位有益补充或替代的定位技术.     

面向移动机器人大视角运动的图神经网络视觉SLAM算法

针对移动机器人在大视角运动下光照变化剧烈或遭遇纹理稀疏场景易出现特征点提取困难,极端角度下特征难以匹配导致对极几何计算误差较大问题,提出一种融合改进图神经网络的视觉SLAM算法。基于先验位置估计的特征提取网络,通过先验位置估计实现图像特征点快速均匀检测与描述,构建真实准确的特征点信息。基于图注意力机制的特征匹配网络,通过消息传递图神经网络聚合特征点信息,使用自我与联合注意力机制对前后图像帧分权重特征匹配。将特征提取与匹配图神经网络与ORB-SLAM2系统后端非线性优化、闭环修正、局部建图模块融合,提出一个完整的单目视觉GNN-SLAM系统。实验结果表明：该算法在KITTI数据集上与ORB-SLAM2算法相比,绝对轨迹误差降低37.59%,相对位姿误差降低19.67%。