摘要：针对存在通信时延的无人机群集系统分群控制问题,设计了基于蚁群算法的协同分群控制算法。借鉴蚁群算法概率公式,利用个体自身位置信息和存在通信时延的任务信息(期望子群规模和群目标运动信息),设计了子群数量和规模可控、结构和速度调整较小的分群策略;将存在通信时延的群目标运动信息融入协同分群控制律中,实现了子群速度动态可控的分群,并利用Lyapunov稳定性定理和LaSalle不变性原理进行了稳定性分析;通过仿真实验进行了方法的有效性验证。结果表明,在通信时延约束下,所设计算法能够使群集系统实现结构和速度调整较小的可控分群行为。

摘要：以履带式水稻联合收获机为试验样机,通过开展半轴改造、传感器选型与标定、设备安装调试等工作,构建差逆变速箱载荷测试系统。并借助路谱信号处理软件对载荷时间历程分别进行预处理、雨流循环计数统计,得到田间行走非平稳工况载荷谱和各工况下的功耗,为完善差逆变速箱的结构设计提供理论依据。

摘要："中国翻译学"这一术语的提出旨在强调中国翻译研究的独特性。基于这一概念标签,中国翻译研究的学术合法性及其在世界翻译研究文化多样性中的特殊价值得以进一步彰显。张柏然先生作为"中国翻译学"坚定的倡导者之一,始终践行着从价值自觉、问题自知到理论自足这一以中国为本位的译学研究的文化自信道路,为中国译学的未来自主发展与当代译学话语构建提供前瞻性的思想引领。本研究立足于翻译学作为地方性翻译知识生产的实质,剖析"中国翻译学"的认知起点、历时演进与实践路径,以此描绘张柏然构建的"中国翻译学"路线图,并重释其译学思想的深层价值。

摘要：目的在点云场景中,语义分割对场景理解来说是至关重要的视觉任务。由于图像是结构化的,而点云是非结构化的,点云上的卷积通常比图像上的卷积更加困难,会消耗更多的计算和内存资源。在这种情况下,大尺度场景的分割往往需要分块进行,导致效率不足并且无法捕捉足够的场景信息。为了解决这个问题,本文设计了一种计算高效且内存高效的网络结构,可以用于端到端的大尺度场景语义分割。方法结合空间深度卷积和残差结构设计空间深度残差(spatial depthwise residual,SDR)块,其具有高效的计算效率和内存效率,并且可以有效地从点云中学习到几何特征。另外,设计一种扩张特征整合(dilated feature aggregation,DFA)模块,可以有效地增加感受野而仅增加少量的计算量。结合SDR块和DFA模块,本文构建SDRNet(spatial depthwise residual network),这是一种encoder-decoder深度网络结构,可以用于大尺度点云场景语义分割。同时,针对空间卷积核输入数据的分布不利于训练问题,提出层级标准化来减小参数学习的难度。特别地,针对稀疏雷达点云的旋转不变性,提出一种特殊的SDR块,可以消除雷达数据绕Z轴旋转的影响,显著提高网络处理激光雷达点云时的性能。结果在S3DIS(stanford large-scale 3D indoor space)和Semantic KITTI(Karlsruhe Institute of Technology and Toyota Technological Institute)数据集上对提出的方法进行测试,并分析点数与帧率的关系。本文方法在S3DIS数据集上的平均交并比(mean intersection over union,mIoU)为71.7%,在Semantic KITTI上的m Io U在线单次扫描评估中达到59.1%。结论实验结果表明,本文提出的SDRNet能够直接在大尺度场景下进行语义分割。在S3DIS和Semantic KITTI数据集上的实验结果证明本文方法在精度上有较好表现。通过分析点数量与帧率之间的关系,得到的数据表明本文提出的SDRNet能保持较高精度和较快的推理速率。