摘要:各向同性线性系统作为一类特殊的线性系统,不仅具有广泛的应用背景,还具备许多一般线性系统不具有的特殊性质.鉴于此,系统地归纳总结各向同性线性系统的特点,特别是这类系统与其对应的复系数线性系统之间的关联;此外,讨论对各向同性线性系统设计各向同性反馈的必要性,并以航天器姿态控制系统为例介绍各向同性线性系统的具体应用实例;结合几类常见的可用各向同性线性系统描述的工程控制系统,对现有的相关结果进行归纳和介绍;最后对各向同性线性系统进一步的研究方向进行简单的展望.

摘要:学习率(learning rate,LR)是深度神经网络(deep neural networks,DNNs)能够进行有效训练的重要超参数.然而,学习率的调整在DNNs训练过程中仍存在诸多困难与挑战,即使以恒定的学习率选择为目标,为训练DNNs选择一个最优的恒定初始学习率也非易事.动态学习率涉及到训练过程的不同阶段,需对学习率进行多步调整以达到高精确度和快速收敛的目的:调整过程中学习率过小可能会导致模型收敛缓慢或陷入局部最优值;而学习率过大则会阻碍收敛,造成震荡发散.对此,综述了近年来基于深度学习算法的学习率研究进展,并对分段衰减学习率、平滑衰减学习率、循环学习率、具有热启动的学习率4种类型的学习率簇在几个常见数据集上的性能表现进行测试分析和对比研究,包括收敛速度、鲁棒性和均值方差等.最后总结全文,并对该领域仍存在的问题以及未来的研究趋势进行展望.

摘要:针对集中供暖系统管网水力失衡、流量供需失衡问题提出一种基于群智能的新型分布式优化算法.首先以系统输配送能耗最小为优化目标,将其分解为管网调节阀开度优化和换热站并联水泵运行优化两个子问题求解;其次建立调节阀模型和管网水力模型,在此基础上进行调节阀开度的优化,从而计算出系统最小供回水压差;然后基于改进的交替方向乘子法完成并联水泵的优化运行;最后以集中供暖系统实例验证算法性能.实验结果表明:相比传统集中式求解算法,该算法不受水利管网规模限制,利于实现工程中即插即用;相比其他分布式算法,该算法不仅求解速度快,而且可以得到较优的管网运行策略,节能效果较为显著.

摘要:准确估计空中目标的威胁值对于防空作战指挥决策具有重要的参考意义.针对空中目标特征繁杂易造成模型过拟合、正余弦算法易早熟以及陷入局部最优的不足,首先,通过套索算法(least absolute shrinkage and selection operator, LASSO)去除目标的冗余特征;然后,采用佳点集初始化种群、非线性振幅调整因子、随机惯性权重、自适应终点权重以及最优邻域高斯扰动等策略对正余弦算法(sine cosine algorithm, SCA)进行改进;最后,使用改进的正余弦算法对支持向量回归(support vector regression, SVR)模型进行优化,构建基于套索算法和改进正余弦优化支持向量回归的目标威胁估计模型.对比实验结果表明,改进后的正余弦算法加强了全局搜索能力和局部收敛速度,得到的目标威胁估计模型具有较高的准确度和稳定性,能够为防空作战指挥决策提供科学的参考依据.

摘要:针对基于深度神经网络的图像超分辨率重建算法在特征提取过程中容易丢失特征信息,导致重建图像缺少纹理和边缘细节等问题,提出一种多级信息补偿的U型网络图像超分辨率重建算法.首先设计一个用于图像超分辨率重建的U型网络,该网络通过下通道分支对输入特征进行多层级特征提取和通道压缩,通过底层模块对压缩后的特征进行融合并提取不同通道的相关特征,通过上通道分支对压缩后的相关特征进行多层次特征提取和通道恢复;然后设计多级信息补偿模型,对U型网络的通道压缩过程中丢失的信息和通道恢复过程中难以恢复的信息进行补偿;最后在不同放大倍数下的Set5、Set14、BSD100和Urban100测试集上对所提算法和主流算法进行对比测试分析,实验结果表明所提算法相比主流算法实现了在峰值信噪比(PSNR)/结构相似度(SSIM)指标和视觉效果上的巨大提升.

摘要:目前大多数RGB-D显著目标检测方法在RGB特征和Depth特征的融合过程中采用对称结构,对两种特征进行相同的操作,忽视了RGB图像和Depth图像的差异性,易造成错误的检测结果.针对该问题,提出一种基于非对称结构的跨模态融合RGB-D显著目标检测方法,利用全局感知模块提取RGB图像的全局特征,并设计了深度去噪模块滤除低质量Depth图像中的大量噪声;再通过所提出的非对称融合模块,充分利用两种特征间的差异性,使用Depth特征定位显著目标,用于指导RGB特征融合,补足显著目标的细节信息,利用两种特征各自的优势形成互补.通过在4个公开的RGB-D显著目标检测数据集上进行大量实验,验证所提出的方法优于当前的主流方法.

摘要:由于无人机视觉跟踪视角范围广且环境复杂,常遇到无人机飞行震动、目标遮挡、相似目标等问题,导致无人机跟踪目标发生漂移.因此,对具有回归计算的全卷积孪生网络跟踪算法(SiamRPN)进行改进,提出一种加强深度特征相关性的无人机视觉跟踪算法(SiamDFT).首先,将全卷积神经网络后三层卷积的网络宽度提升一倍,充分利用目标的外观信息,完成对模板帧和检测帧的特征提取;其次,在检测帧和模板帧分别提出注意力信息融合模块和特征深度卷积模块,两个深度的特征相关性计算方法能够有效抑制背景信息,增强像素对之间的关联性,高效完成分类和回归任务;然后,采用深度互相关运算完成相似性计算,并引入距离交并比的计算方法完成对目标的定位.实验结果表明,SiamDFT在无人机短时跟踪场景下精确率和成功率分别达到79.8%和58.3%,在无人机长时跟踪场景下精确率和成功率分别达到73.4%和55.2%,实景测试结果充分验证了所提出算法的有效性.

摘要:研究基于强化学习的飞机姿态控制方法,控制器输入为飞机纵向和横向状态变量以及姿态误差,输出为升降舵和副翼偏转角度指令,实现不同初始条件下飞机姿态角快速响应,同时避免使用传统PID控制器和不同飞行状态下的参数调节.根据飞机姿态变换特性,通过设置分立的神经网络模型提高算法收敛效率.为贴近实际的固定翼飞机控制,仿真基于JSBSim的F-16飞机空气动力学模型,利用OpenAI gym搭建强化学习仿真环境,以任意角速度、角度和空速作为初始条件,对姿态控制器中的动作网络和评价网络进行训练.仿真结果表明,基于强化学习的姿态控制器响应速度快,动态误差小,并能避免大过载等边界条件.

摘要:针对现有闭环检测算法因视觉干扰而产生的闭环误判问题,提出一种利用场景语义信息进行验证的闭环检测算法.该算法通过视觉词袋库模型检索闭环候选帧,用后验方法剔除算法可能产生的错误闭环.后验方法首先将场景中的语义信息抽象为语义节点;然后提取包含邻域信息的节点特征,并以此匹配图像间的语义节点,降低算法对于动态物体干扰的敏感性.随后,算法基于图像间的匹配语义节点构建相对位置网络,根据网络相似度验证闭环帧,提高闭环检测算法在具有相似纹理的场景中应对感知混淆的鲁棒性.实验结果表明,语义位置验证算法能够显著提升视觉词袋模型的检测准确率.与其他经典算法相比,所提出的闭环检测算法具备更快速、更准确的检测性能.

摘要:针对基本蚁群算法在二维静态栅格地图下进行移动机器人路径规划时出现的搜索效率低下、收敛速度缓慢、局部最优解等问题,提出一种自适应机制改进蚁群算法,用于移动机器人在二维栅格地图下的路径规划.首先采用伪随机状态转移规则进行路径选择,定义一种动态选择因子以自适应更新选择比例,引入距离参数计算转移概率,提高算法的全局搜索能力以及搜索效率;然后基于最大最小蚂蚁模型和精英蚂蚁模型,提出一种奖励惩罚机制更新信息素增量,提高算法收敛速度;最后定义一种信息素自适应挥发因子,限制信息素浓度的上下限,提高算法全局性的同时提高算法的收敛速度.在不同规格的二维静态栅格地图下进行移动机器人全局路径规划对比实验,实验结果表明自适应机制改进蚁群算法具有较快的收敛速度,搜索效率明显提高且具有较好的全局搜索能力,验证了所提算法的实用性和优越性.

摘要:首先,针对三角网格路径规划方法采用D-P算法提取路标点时,其最大阈值不易确定等问题,提出基于碰撞检测的抽取路标点方法.同时采用Pure Pursuit算法跟踪路标点,对差速驱动机器人进行运动规划;然后,通过实验对比分析表明,在提取路标点时,与D-P算法相比,碰撞检测方法更加优越;最后,通过差速驱动机器人的运动规划实验表明:Pure Pursuit算法追踪路标点方法规划的运动轨迹为一条光滑曲线,能够有效地避开地图上的障碍物;机器人角速度和线速度均为光滑函数,变化平缓,在路标点附近出现较小波动,波动范围均在允许值内;运动规划时间为0.049s,完全能够满足实际需求.研究结果表明,基于路标点追踪的移动机器人运动规划是一种简单有效的运动规划方法.

摘要:触觉传感器(柔性电子皮肤)在机器人进行人机交互和工具操作时发挥着重要作用,如何有效利用触觉信息进行物体检测是当前研究的主要瓶颈.鉴于此,提出一种脉冲图残差卷积神经网络SNN-Atten-ResGCN的物体检测算法.首先使用图残差网络ResGCN模型训练触觉时间序列的表征信息,通过引入深度学习模型中的注意力机制拟合触觉数据图形结构的局部特征;然后对重构的触觉图形输入由3个LIF神经元和2个FC全连接层组成的SNN脉冲神经网络训练得到特征向量;最后投票层Vote解码网络特征并检测物体类别.在EvTouch-Objects和EvTouch-Containers两个家庭常见物体触觉数据集上进行对比实验,实验结果表明,所提出方法在保证模型迭代效率的同时,对各种不同的家庭工具对象和容器对象的检测准确率、精度、召回率和$F_1$-score均有提升.

摘要:针对多机器人执行全覆盖任务效果差的问题,提出一种基于滚动优化和分散捕食者猎物模型的多机器人全覆盖路径规划算法.首先,利用栅格地图表示作业的环境空间,并基于栅格地图修正捕食者猎物算法中的避开捕食者奖励,添加移动代价奖励和死区回溯机制构建分散捕食者猎物模型;然后,引入滚动优化方法,避免机器人陷入局部最优,预测周期内机器人覆盖栅格的累计奖励值作为适应度函数,并使用鲸鱼优化算法(WOA)求解最优移动序列;最后,在不同环境下进行仿真实验,得到的平均路径长度与生物激励神经网络算法(BINN)和牛耕式A*算法(BA*)相比分别减少了16.69%sim17.33%、10.32%sim20.03%,验证了所提出算法在多机器人全覆盖路径规划中的可行性和有效性.

摘要:随着目标跟踪技术在多种视觉任务中的广泛应用,跟踪算法的实时性变得越来越重要.全卷积孪生网络跟踪算法(SiamFC)虽然在跟踪速度方面较为理想,但在复杂的跟踪环境下很容易出现跟踪漂移.为了能在提高算法精度的同时保证实时性,提出一种基于负样本挖掘与特征融合的高速跟踪算法.首先,为了学到更深层次特征,又不过多增加额外参数运算,使用增加了剪裁层的轻量级网络ShuffleNetV2进行特征提取,提升跟踪速度;其次,在离线训练阶段引入不同种类的负样本对,加强对语义信息的学习,从而提升模型的特征判别能力;最后,为了得到更高质量的响应图,提出一种多尺度特征融合策略,充分利用浅层与深层特征,提高跟踪精度.在OTB100和VOT2018两个数据集上与其他跟踪算法进行对比实验,结果表明:所提出算法较基准算法SiamFC在各项指标上有大幅度提升,在两个数据集下分别收获8.3%和7.9%的增益;同时在NIVIDA GTX l070下的速度可达114FPS.

摘要:探讨空间连续型机械臂执行在轨操作任务过程中的自适应轨迹跟踪控制器设计问题.首先,对于具有显著非线性特征的连续型机械臂动力学模型,考虑运动过程中存在的建模误差和外部干扰因素,设计变结构动力学控制器;然后,基于深度强化学习(deep reinforcement learning, DRL)对变结构控制器参数进行在线调整,实时优化控制器性能;最后,提出一种针对强化学习网络稀疏训练方法,训练过程中采用具有随机稀疏拓扑结构的稀疏连接层代替神经网络的全连接层,并以一定概率对连接薄弱的网络进行迭代剪枝,使得DRL的策略网络由初始稀疏拓扑结构演化为无标度网络,在不降低训练精度的基础上压缩网络规模.仿真结果表明,所提出基于强化学习的自适应控制器能够有效地进行连续型机械臂的跟踪控制,通过稀疏学习的方法,控制器在保证控制精度的同时,双隐层网络节点参数量下降99%,大幅降低了计算成本.

摘要:通过分析在速度控制运行模式的雕刻机系统输入角速度与输出位置之间的机理关系,将其系统利用一个积分因子和一个稳定传递函数相连接的模型进行模拟.通过引入微分滤波器对采样数据进行处理,将难以辨识的临界不稳定积分模型转换成易于辨识的稳定模型.提出一种能够精确估计带积分因子的递推最小二乘算法,并采用辅助变量法消除因滤波引起的有色噪声的影响.所提出算法可以确保在开环状态下对积分系统进行精确估计.针对多轴雕刻机运动控制系统,提出一种基于中间观测器的容错跟踪控制算法.针对与输入通道匹配的过程故障,设计基于故障估计值的容错控制反馈率以进行有效补偿;对于不匹配故障,通过调节中间观测器增益实现充分抑制.最后,通过与现有算法进行对比实验,验证了所提出算法的可行性和优越性.

摘要:为了满足锂离子电池电极缺陷检测精度与实时性的需求,解决电极图像背景噪声复杂、缺陷微小且对比度低等问题,提出一种基于注意力机制与多尺度特征融合的电极缺陷YOLO检测算法.在YOLOv4的基础上,首先,将SE(squeeze-and-excitation)注意力模块嵌入特征提取主干网络中,区分feature map中不同通道的重要性,强化目标区域的关键特征,提高网络的检测精度;其次,加入融合空洞卷积的池化金字塔(ASPP)结构,增大网络感受野的同时最大程度地保留多尺度特征信息,提高算法对小目标的检测性能;然后,设计一种多尺度稠密特征金字塔,在三尺度特征图的基础上增加一个浅层特征,采用稠密连接的方式融合特征,提升浅层细节特征与高级语义信息的融合能力,增强对微小缺陷特征的提取;最后,采用$ K $-means++算法聚类先验框,引入focal loss损失函数增大小目标样本的损失权重,有效提高网络学习的收敛速度.实验结果表明,所提算法较原YOLOv4模型的mAP值提升6.42%,较其他常用算法综合性能上有着较大的优势,可较好地满足实际工业生产的实时监测需求.

摘要:随着多轴同步控制系统应用日益广泛,对其安全可靠性的要求也愈加迫切,尤其当元部件不可避免地逐渐退化时,对系统依旧具有持续工作的期许.鉴于此,针对一类考虑单轴执行器退化的多轴同步控制系统,将感知与认知相结合,提出一种基于系统剩余寿命(RUL)预测的动态矩阵(DMC)-PID串级延寿控制方法.首先,在不改变原有多轴同步系统结构的前提下,通过串级方式引入DMC作为延寿控制器,辅以PHM模块作为自主维护分析决策器,构建具有实时RUL预测和延寿功能的多轴同步系统新架构;然后,建立执行器隐含退化状态与多轴同步系统性能等感知信息之间的联系,得到多轴同步系统RUL分布的解析解并用于实时预测;接着,将其与同步系统的期望工作时长相结合,作为在线自主维护的认知依据,并基于给出的一种同时依赖执行器退化状态和延寿期许的自适应参数调节律,用以在线动态调整DMC约束矩阵Q和R的元素值,通过更契合退化过程特征和延寿需求的方式以减缓执行器退化、延长系统使用寿命,进而实现多轴系统性能与耐用性之间的更优折衷平衡;最后,通过舞台多电机同步控制系统仿真实验验证所提出方法的有效性.

摘要:针对浮选过程的故障工况信息不足难以建立准确识别模型,导致调整浮选生产工况不及时,从而无法正常稳定运行的问题,提出一种基于跨域流形正则化特征域适应方法.该方法将已有相似完备浮选过程积累的丰富工况信息作为源域迁移至未建模的不完备浮选过程的目标域中,首先,通过最大域内类密度和局部流形正则化约束分别保留原始判别信息和维持域内邻域结构信息不变,从而提取完备工况与不完备工况域间的特征并投影至公共子空间;然后,由最大均值差异缩小源域与目标域间分布差异,建立分类识别模型,再结合D-S证据理论,融合浮选过程泡沫的静态特征与动态特征信息,提高对不完备浮选过程工况识别的泛化能力,保证得到较好的识别分类效果;最后,通过仿真实验验证所提出方法的有效性.

摘要:信息物理系统(cyber-physical systems,CPSs)的应用愈加广泛,但因其本身具备开放性,易遭受网络攻击,并且攻击者越来越智能,故有必要开展CPSs安全性的相关研究.鉴于此,考虑具有多个远程状态估计子系统的信息物理系统在DoS攻击下的交互过程.每个系统中各传感器监控各自的系统,并由调度器为各个传感器的数据包分配通道,将其本地估计发送给远程状态估计器,目标是最小化总估计误差协方差.为了更接近实际应用场景,考虑在多信道传输过程中通道信号会受到不同环境影响,因此在不同环境的信道传输数据需要消耗的能量有所不同.调度器和攻击者对于通道的选择,需要满足通道对最低能量的需求才能进行传输和攻击.对于攻击者而言,考虑其更加智能,如果对一条通道攻击后仍然有剩余能量并满足其余通道要求,则可同时选择攻击其他通道进行攻击,进而实现与调度器相反的目标.在此基础上,构造一个双人零和博弈,并采用纳什Q学习算法求解双方的最优策略,为研究信息物理系统安全状态估计提供研究思路.

摘要:CGAN能够从数据中学习其分布特性,被引入不平衡数据处理中对少数类样本进行过采样,可以生成符合原始数据分布的新样本,因此比传统的重采样方法具有更好的处理效果.然而,CGAN对数据分布特性的学习易受限于样本规模,在少数类样本规模较小时不能充分学习其分布特性,难以保证生成样本的质量.针对这一问题,提出一种将CGAN与SMOTEENN相结合的不平衡数据平衡化处理方法.首先,从既有的少数类样本出发,采用SMOTEENN方法生成一定规模的少数类样本;然后,在此基础上训练CGAN模型,保证其能够生成符合原始少数类样本分布特征的新样本;最后,再利用CGAN重新生成符合原始少数类样本分布的新样本构建平衡数据集.为验证所提出方法的有效性,基于公开的不平衡数据集开展对比实验研究.实验结果表明,相对几种经典的不平衡数据处理方法与近期文献报道的方法,所提出方法在几项不平衡数据分类评价指标上表现出明显的优势.

摘要:针对细粒度图像分类任务中潜在的可区分特征太过细微难以捕捉、忽视不同特征间的关系等问题,提出一种随机选择全局多样化分类网络模型.首先,尝试以ConvNeXt作为主干来提升分类性能,并设计随机消除增强选择策略(REBS),通过特征消除分支和特征增强分支相互作用,促进网络学习更多相关信息,捕获潜在的可区分特征;然后,提出全局多样化模块(GDM),对不同层次的特征图进行交互建模,提高网络对比线索的能力;最后,建立内标压印数据集,将细粒度算法应用于真伪鉴定工作,实现细粒度图像分类任务在自然场景下的实际应用.所提出方法在CUB-200-2011、Stanford Cars和FGVC-Aircraft三个公开数据集上分别达到了91.9%、93.8%和93.5%的准确率,相比其他先进对比方法性能有较大幅度提升.在自建的内标压印数据集上达到了96.8%的准确率,能够实现真伪图像的准确分类.

摘要:在城市轨道交通中,优化时刻表是提高能效、改善乘客体验的重要手段.潮汐客流给时刻表的优化带来了较大的困难.此外,地铁建设期购置多少列车、运营期如何在有限车数下制定时刻表也是常常被忽视的问题.对此,以列车发车间隔为决策变量,构建列车运行模型以及乘客行为模型,考虑车数限制条件,设计列车能效与乘客体验的优化目标,建立一个非线性多目标优化问题.该问题采用NSGA-II算法进行求解.以某城市某条地铁线路为算例,通过放宽车数限制最多可以节能11.1%,同时增加车辆储备带来的边际效益递减;通过设计非对称的时刻表,可以在列车能效上最多得到4.6%的优化.当客流具有潮汐特征时,通过设计非对称时刻表可以带来显著的收益.

摘要:在近些年的制造环境中,由于市场对多品种、小批量定制产品需求的增加,生产制造更加深入地向着柔性方向发展.如何利用现有资源,提高生产效率,实时地对系统性能进行评估与预测,并对基于小批量生产的实时调度进行优化改进,在分布式柔性生产系统中具有重要的研究意义.因此,基于退化机器模型的多批次串行生产线的性能进行分析,并对分布式生产系统进行任务调度及预测性维护.具体地说,对于具有退化机器模型及有限容量缓冲区的生产系统,首先采用马尔科夫分析方法建立数学模型;随后,提出精确方法来计算此生产系统模型实时的性能指标,并针对该模型下的调度问题,设计最优完成时间指标优化算法;此外,提出基于退化机器模型的预测性维护策略以减少完成时间;最后,通过数值实验验证该算法的可行性和有效性.

摘要:针对由再制造商、线上线下竞争回收商和消费者组成的逆向供应链,考虑技术创新研究竞争背景下逆向供应链的微分博弈问题.利用伊藤过程刻画再制造技术先进度的随机演化过程,基于成员的利润结构,构建逆向供应链的随机微分博弈模型.运用贝尔曼连续型动态规划理论,求解动态和稳定均衡状态下成员的反馈策略,揭示再制造技术先进度的动态随机演化特征.最后结合算例,分析两种均衡状态下,回收商的竞争程度和消费者对直接回收价格的敏感系数对各成员均衡策略以及利润的影响.研究表明:提高再制造技术先进度可降低直接回收价格和转移回收价格;由于随机干扰因素的影响,再制造技术先进度始终围绕其期望上下波动,最终稳定于一个稳态值;回收商的竞争有利于激励再制造商投入更多的技术创新努力以提高再制造技术先进度,进而提高电子废弃物的整体可再制造率,但会降低回收商的单位获利,并且过度的竞争不利于电子废弃物的回收.

摘要:针对通勤客流需求的动态性、不均衡性和随机性等复杂特征,提出基于灵活编组的城轨车底运用计划及鲁棒客流控制策略两阶段随机规划模型.第1阶段为编组类型指派和车底运用计划优化模型,以极小化系统运营成本为目标;第2阶段为车站协同限流鲁棒优化模型,以极小化乘客等待时间为目标.通过线性化方法将原模型重构为可被CPLEX等优化软件直接求解的混合整数线性规划模型.算例结果表明,灵活编组模式在仅增加0.5%乘客等待时间的基础上,可降低约30.2%的系统运营费用,表明灵活编组方案在满足客流需求的同时可合理地降低运营费用.此外,所提出鲁棒客流控制策略能够避免传统鲁棒优化方法过于保守的问题,对于实际运营过程中随机客流需求具有较好的适应性.

摘要:针对存在冲击影响的冷贮备系统,研究其最优切换及视情维护决策问题.首先,在系统结构和切换式运行和维护特性分析的基础上,制定基于周期切换和状态检测的切换式离线视情维护策略;其次,建立累积冲击过程影响下系统退化所致的软失效和极端冲击过程所致的硬失效竞争可靠性模型;再次,通过分析两类冲击过程影响下系统运行与备用设备交替使用、维修过程中的状态转移特性,重点推导各检测周期时刻系统状态概率分布的迭代计算模型;然后,以系统平均费用率最小为目标,建立解析决策模型,以求解系统的最优切换周期和维护阈值.最后,以矿井主通风系统为案例验证策略及模型的有效性,并分析模型对参数的灵敏度.结果表明,系统的最优维修策略随机冲击影响的不同而变化显著.

摘要:针对传统人工回收和智能回收在回收方式上的差异,考虑消费者对智能回收渠道的选择偏好,分别构建单一传统回收、单一智能回收、双回收渠道下分散决策和集中决策模型,以及制造商分别与传统回收商和智能回收商合作的决策模型,分析了竞争回收下制造商的回收定价与回收合作策略.研究表明:相对于单一回收渠道,双回收渠道竞争会促使传统回收商和智能回收商提高回收价,但会降低回收商的利润;与单一回收渠道相比,双回收渠道下制造商、零售商和供应链的利润会增加,而制造商与回收商合作可进一步提高制造商、零售商和供应链的利润;以双回收渠道分散决策为参照,制造商与传统回收商和智能回收商之间均有合作动机,且制造商与传统回收商合作后的增量利润较大,制造商与智能回收商合作后的增量利润较小.

摘要:为保障交通系统安全性和卡车货运自动化的发展,有必要对自动卡车货物运输专用网络进行科学规划与布局.考虑到自动卡车专用道会减少普通车辆的路权,对普通车辆的出行路径选择行为造成影响,首先从路网整体出发,以系统出行时间最小为目标,充分考虑路网普通车辆的出行路径选择行为,构建一种新的自动卡车专用运输网络设计的双层规划模型;然后提出一种基于实数编码的改进差分进化算法求解建立的双层规划模型,不仅保证解的可行性,还可避免复杂的不可行解修复过程.通过Sioux\ Falls基准网络实例和大量随机算例对比测试验证了所提出模型和算法的有效性.

摘要:研究具有未知参数和外部干扰机械臂的自适应渐近跟踪控制问题,提出一种自适应命令滤波反步策略,利用命令滤波器避免传统反步中对虚拟控制函数的微分计算,并建立误差补偿机制补偿滤波误差.与现有的针对机械臂的命令滤波反步跟踪控制相比,跟踪误差可以渐近收敛到零,并且只需要设计一个自适应参数.最后,通过仿真验证该方案的有效性.

摘要:在室内定位场景中,锚节点的部署对定位性能具有重要影响.考虑存在障碍物的室内环境,基于缺少环境详细信息或者缺少设备模拟室内信号传播的基本场景,综合考虑可定位率、定位精度以及是否冗余部署的指标,设计一种新的评价函数,并利用改进的引力搜索算法(GSA)进行求解,在可接受时间成本内得到室内定位锚节点部署问题的较优解.仿真实验中将所提出算法与3种参考算法进行对比,在定位率、几何精度因子(GDOP)值、定位误差等方面所提出算法都表现出较优的性能;同时,针对考虑部分因素的评价函数进行比较,通过对多个指标项的分析,证实所提出的评价函数可以获得较优的锚节点部署方案,从而能够有效改善锚节点拓扑,提高定位性能.

摘要:近年来相依网络鲁棒性的研究引起人们广泛关注,考虑到实际网络中具有边耦合关系的一类双层边耦合网络,研究网络中存在边失效时双层网络中的网络结构和负载容量模型参数对边耦合网络鲁棒性的影响.研究结果表明:网络结构越趋向异质化,网络鲁棒性越好;直接受攻击网络的负载容量参数能够有效改变网络的相变行为,容量增大使得耦合网络的相变行为从一阶到混合相变,再到二阶相变,但不会提高网络在大规模攻击下的存活规模,并且通过增大直接受攻击网络的负载容量参数来改善网络鲁棒性能需要花费的代价较高;间接受攻击网络负载容量参数增大可以显著提高网络的鲁棒性,其效果受网络初始负载分布影响.进一步研究发现,改变网络的初始负载模型函数可以调整影响网络存活规模的负载容量参数的关键值,最后分析了成本约束下耦合网络鲁棒性能最优化的容量参数设置.