摘要：Reducing crop loss to diseases is urgently needed to meet increasing food production challenges caused by the expanding world population and the negative impact of climate change on crop ***-resistant crops can be created by expressing endogenous or exogenous genes of interest through transgenic ***,enhanced resistance by overexpressing resistance-produced genes often results in adverse developmental *** open reading frames(uORFs)are translational control elements located in the 5′untranslated region(UTR)of eukaryotic mRNAs and may repress the translation of downstream *** investigate the function of three uORFs from the 5′-UTR of ACCELERATED CELL 11(uORFsACD11),we develop a fluorescent reporter system and find uORFsACD11 function in repressing downstream gene *** or simultaneous mutations of the three uORFsACD11 lead to repression of downstream translation efficiency at different ***,uORFsACD11-mediated translational inhibition is impaired upon recognition of pathogen attack of plant *** coupled with the PATHOGENESIS-RELATED GENE 1(PR1)promoter,the uORFsACD11 cassettes can upregulate accumulation of Arabidopsis thaliana LECTIN RECEPTOR KINASE-VI.2(AtLecRKVI.2)during pathogen attack and enhance plant resistance to Phytophthora *** findings indicate that the uORFsACD11 cassettes can be a useful toolkit that enables a high level of protein expression during pathogen attack,while for ensuring lower levels of protein expression at normal conditions.

摘要：本文研究了无人机集群躲避动态障碍物下的队形控制问题。首先,引入针对动态障碍物的碰撞预判机制判断集群是否需要对障碍物进行规避。其次,在动态障碍物与无人机间构造斥力场实现避障。最后,根据一致性理论设计基于集群各无人机之间、无人机与虚拟领导者之间的位置、速度一致性控制律,结合人工势场法实现躲避动态障碍物下集群队形的形成与保持。仿真结果表明,集群无人机能够在以分布式方式躲避动态障碍物的同时实现队形的形成、保持与重构。

摘要：针对多无人机协同对抗快速目标的追逃博弈问题,研究了多无人机的协同追捕策略。基于解耦多智能体深度确定性策略梯度算法DE-MADDPG研究了多无人机协同对抗快速目标的追捕策略,设计了多无人机协同追捕的全局奖励和局部奖励两种奖励函数,训练后的多无人机能够有效地执行协同追捕任务。通过设置快速目标的多种逃逸控制策略,仿真验证了所设计的方法能够利用追捕无人机的数量优势,通过协作完成对快速目标的协同围捕,并且通过比较,验证本文所提出的算法相比MADDPG算法更快地取得了收敛效果。

摘要：无人机追逃对抗问题是当今空战领域的研究热点,传统解决方案对此问题存在诸多限制,如模型难以适应复杂动态环境从而快速做出决策、对不同任务场景泛化性较差等问题。基于DDPG(deep deterministic policy gradient)算法设计了无人机追逃对抗策略;在此基础上,设计多种逃逸无人机的对抗机动策略,利用课程学习思想,在DDPG的训练过程中逐步提高逃逸无人机的智能程度,从而递进式地训练追捕无人机的对抗策略。仿真结果表明,相较于直接进行训练,利用课程学习的方法所训练的追捕无人机的追捕策略能够更快收敛,并能更好地执行对敌机的追捕任务,且能够适用于具有多种对抗机动策略的敌机,有效地提升了无人机追逃对抗决策模型的泛化性。

摘要：以障碍物随机分布的复杂环境下多无人机攻防对抗机动决策为研究背景,构建了攻防双方运动模型及雷达探测模型,将双延迟深度确定性策略梯度(TD3)算法扩展到多智能体领域中以解决多智能体深度确定性策略梯度(MADDPG)算法存在值函数高估的问题;在此基础上,为了提升算法学习效率,结合优先经验回放机制提出了优先经验回放多智能体双延迟深度确定性策略算法(PER-MATD3)。通过仿真实验表明本文所设计的方法在多无人机攻防对抗机动决策问题中具有较好的对抗效果,并通过对比验证了(PER-MATD3)算法相较其他算法在收敛速度和稳定性方面的优势。

摘要：为评估城镇污水管网收集效能,提出了污水管网分区水质监测与化学质量平衡模型相结合的污水管网诊断评估方法,并联合贝叶斯-马尔科夫链蒙特卡洛模拟算法解决了溯源解析的不确定问题,对污水处理厂进水有机污染指标质量浓度偏低和可生化性低的原因进行了解析。以武汉市某污水处理厂服务区域为研究对象,建立了生活污水、工业废水和地下水的属地化水质特征因子数据库,并开展了污水干管分区水质特征因子监测。结果表明:通过耦合贝叶斯-马尔科夫链蒙特卡洛模拟算法与化学质量平衡模型,实现了基于水质监测的水量来源占比合理解析;研究区污水干管中电子工业废水量占比高达53.2%~74.4%,地下水入渗量占比为14.3%~29.5%,污水处理厂进水可生化性低的主要原因是大量无机工业废水排入污水管网;应加强对工业废水排入污水管网的监管,重点对研究区域上游污水管段的破损状况开展排查,通过精准化手段提高污水治理效能。

摘要：针对无人机(unmannd aerial vehicle,UAV)对快速运动目标的协同探测问题,设计了一种多UAV协同探测控制算法。首先假设每架UAV都携带相同的探测载荷,根据载荷特性设计了针对快速运动目标的UAV协同探测队形。然后引入固定时间控制一致性协议到UAV载荷角度控制中,控制载荷持续照射目标;引入有限时间一致性协议到UAV编队控制中,用以形成协同探测队形,并通过二跳网络加快队形的收敛。通过将UAV队形控制与UAV载荷的角度控制相结合,从而实现UAV对快速运动目标探测时间的最大化,极大的延长了高速运动目标被发现的时间。最终通过理论分析和仿真实验证明了该控制算法的有效性。

摘要：针对无人机对运动目标的协同围捕问题,设计了一种快速协同围捕控制算法。首先,基于人工势场法设计了无人机与目标的动态博弈关系,使得目标的运动更加趋近于现实场景下逃跑者的行为模式。其次,利用无人机与目标的速度关系,将二维阿波罗尼奥斯圆扩展为三维阿波罗尼奥斯球,通过阿波罗尼奥斯球设计了无人机编队围捕队形。然后,将无人机获取的目标信息引入到一致性协议,以此来完成无人机编队对目标的协同编队围捕,并引入二跳网络加快围捕队形收敛,提高了无人机编队的任务执行效率。最终,通过仿真实验证明了该控制算法的有效性。

摘要：光电探测具有较高的实际应用价值,在光电探测过程中,由于多种因素的综合影响,因素之间互相干扰,使得光电探测控制十分困难。为了获得理想的光电探测控制效果,针对当前光电探测控制方法存在的不足,设计了群智能算法优化PID参数的光电探测自动控制系统。首先以光电探测控制精度为目标,设计光电探测控制的目标函数,然后引入群智能算法和PID组合机制实现光电探测控制,并采用群智能算法实时优化PID参数,最后在Matlab 2017平台上进行了光电探测控制的仿真测试。结果表明,本系统有效降低了光电探测控制误差,提升了光电探测控制精度,使温度波动保持在±0.04℃以内,且在2 min内达到稳定状态,具有较强的鲁棒性。

摘要：考虑造价全过程管理对建筑施工企业做好成本控制、提高盈利能力的重要性,分析建筑施工企业全过程造价管理的工作内容,提出投标、施工及竣工结算各阶段造价管理工作的具体措施,助力企业通过造价管理实现项目盈利。