摘要：泊车跟踪精度直接影响泊车效率、剩余泊车空间甚至泊车安全。当前,自动泊车路径跟踪绝大部分采用基于模型的反馈控制,模型参数的不确定性会导致泊车路径跟踪算法控制性能下降,进而产生较大的跟踪误差。为减小模型参数不确定性对泊车路径跟踪效果的影响,提出了基于迭代学习的前馈控制策略。考虑到在时间域对系统进行迭代学习控制通常受执行器实际速度的影响,所以控制时将系统由时间域转换到与期望路径相关的空间域。由于系统模型中的一些状态变量难以测量,且系统无法满足D型迭代学习率收敛条件,所以提出H_(∞)观测器设计准则以准确估计状态信息。同时,构造具有观测误差的增广系统以进行迭代学习控制,在线性二次型最优控制(LQR)的初次泊车跟踪信息基础上进一步减小泊车路径跟踪误差。进行硬件在环(HIL)测试,验证了该方法具有良好的实际应用潜力。试验结果表明,经过多次迭代后,与LQR初次控制的泊车跟踪效果相比,所提出的控制方法能更准确地跟踪期望路径。

摘要：针对汽车门板紧固件在复杂场景下存在的检测准确度较低和实时性较差的问题,提出一种小目标改进算法YOLOv8-SOD(small object detection)。在主干网络引入SPD(space-to-depth)模块和自适应权重分配模块,在算法的颈部网络输出位置增加选择性注意力模块,将CIOU损失函数替换为MPDIOU损失函数。实验结果表明,YOLOv8-SOD算法平均检测精度为99.1%,比模板匹配方法和YOLOv8算法分别提高了9.4%、2%,达到了工厂生产流水线的检测标准,具有实用价值。

摘要：近年来,随着乙烯、丙烯等脂肪族不饱和化合物用量日益剧增,利用选择性加氢脱氯技术将多氯代烃转化为这类高附加值化学品受到学术界和工业界的广泛关注,其核心在于高性能催化剂的设计与制备。首先综述了加氢脱氯合成烯烃用催化剂的研究进展,重点归纳总结了催化剂活性组分如Pd、Pt的几何结构、电子结构以及催化助剂、制备方法等对烯烃生成的影响规律。其次,从动力学、理论计算等方面对催化选择性加氢脱氯合成烯烃反应机理进行了概述。此外,总结了造成催化剂失活的四个主要因素。最后指出,基于金属氟化物在高温强腐蚀性HCl气氛下结构保持稳定、易于实现调控载体与活性组分之间相互作用等特点,设计制备金属氟化物负载型Pd、Pt催化剂,是实现温和条件下选择性加氢脱氯合成烯烃的一个重要途径。

摘要：目前,肺结节检测通常是对实性肺结节的单一型检测,不同类型肺结节对应多种肺癌类型,多类型检测有助于提高肺癌的整体检出率,提升治愈率。为实现对实性、混合型、磨玻璃型多类型肺结节检测,对YOLOv8模型进行针对性改进。提出RepViTCAA模块对主干部分的C2f模块进行改进,提升微小肺结节检测精度并对模型进行轻量化设计。提出ECLA-HSFPN模块,重建模型特征融合部分,提升尺度不固定肺结节检测精度。将KAN网络融入模型当中,基于KAN网络非线性特征学习能力强的特性,进一步提升微小肺结节检测精度,增强模型泛化能力。基于Inner-IoU辅助框思想,对CIoU损失函数进行改进,进一步解决肺结节尺度不固定问题,提升模型检测精度。在LUNA16数据集中进行测试,改进模型相比原模型及YOLOv9、RT-DETR等主流模型各项评价指标均有提升。在4种类型(实性、磨玻璃型、混合型、微小型)肺结节的专项数据集中测试,改进模型检测效果优于原模型。在LUNA16与本地医院的混合数据集中进行泛化性测试,改进模型具有较强的泛化能力。针对多类型肺结节检测任务,模型的改进较为有效,可以准确检测不同类型的肺结节。

摘要：针对现有的路面病害检测算法在复杂环境下检测精度低、模型复杂度高的问题,在YOLOv5基础上,提出了一种融合可变形卷积的轻量级路面病害检测算法(lightweight deformable convolution YOLOv5,LDC-YOLOv5)。首先,针对真实路面病害复杂不规整的特点,使用可变形卷积(Deformable Conv)和深度卷积(Depthwise Conv),设计了一种轻量级特征提取模块,代替原网络主干部分的C3模块,使卷积核聚焦在无规则裂缝病害上,增强病害特征提取能力。其次,针对特征融合阶段出现算法复杂度过高的问题,使用轻量级卷积GhostConv,构建一种轻量级特征融合模块,代替原网络颈部网络部分的C3模块,降低网络参数和复杂度;为避免真实路面出现光照不均,出现阴影遮挡路面病害目标而造成的病害漏检的情况,在主干网络部分,引入轻量级注意力机制TripletAttention,增强算法对病害信息上下文之间的理解能力。最后在IEEE公开数据集RDD2022和Kaggle公开数据集Road Damage上进行测试,实验结果表明,与YOLOv5s相比,mAP50在两个数据集上分别提升了1.4%和4.2%,且模型参数量仅为YOLOv5s的67.6%。

摘要：西南艰险山区分布有大量岩质边坡,长期冻融作用引起岩体力学性能发生劣化,进一步导致边坡稳定性降低。为研究岩体在冻融作用下的损伤劣化规律,选取某高陡边坡工程的低孔隙率石英岩进行不同冻融循环次数条件下的单轴压缩试验,分析其力学劣化和能量演化规律,并基于能量演化规律提出岩石完全压密点的确定方法,以完全压密点为分段点建立考虑压密段的岩石分段损伤本构模型。研究结果表明:前期冻融循环作用对石英岩的影响较小,当冻融循环次数>40时,石英岩的力学性能出现明显劣化,破坏模式由剪切破坏逐渐向拉-剪复合破坏转变;确定弹性能耗比K(耗散能/弹性应变能)为1.2对应的点为完全压密点,压密应变随冻融循环次数的增加呈线性增大;考虑压密段的岩石分段损伤本构模型与试验数据的匹配度较好,可更准确地描述冻融损伤石英岩的变形破坏特性。

摘要：在大规模物联网(internet-of-things,IoT)系统中,无人机使能的移动边缘计算(mobile edge computing,MEC)可缓解终端IoT设备的性能限制。然而,由于不均匀的IoT设备分布与低效的问题求解效率,如何在大规模IoT系统中高效执行计算卸载面临着巨大的挑战。现有解决方案通常无法适应动态多变的多无人机场景,导致了低效的资源利用与过度的响应延迟。为解决这些重要挑战,提出了一种新型的面向大规模IoT系统的多无人机部署与协作卸载(multi-UAV deployment and collaborative offloading,MUCO)方法。设计了一种基于约束K-Means聚类的无人机部署方案,在提升服务覆盖率的同时保证覆盖均衡。设计了一种基于多智能体强化学习(multi-agent reinforcement learning,MARL)的多无人机协作卸载策略,将来自IoT设备的卸载请求进行拆分与分布式执行,进而实现高效的协作卸载。大量仿真实验验证了MUCO方法的有效性。与基准方法相比,MUCO方法在不同场景中平均可以取得约23.82%和28.13%的无人机部署性能提升,且能取得更低的时延和能耗。

摘要：针对车辆移动过程中服务质量(QoS)下降的问题,提出了一种基于凸优化使能深度强化学习的服务迁移(service migration via convex-optimization-enabled deep reinforcement learning,SeMiR)方法。将优化问题分解为两个子问题并分别求解;针对服务迁移子问题,设计了一种基于改进深度强化学习的服务迁移方法,以探索最优迁移策略;针对资源分配子问题,设计了一种基于凸优化的资源分配方法,以推导给定迁移决策下每台MEC服务器的最优资源分配,提升服务迁移的性能。实验结果表明:与基准方法相比,SeMiR方法能够有效提升车辆的QoS,在各种场景下均展现出更加优越的性能。

摘要：针对某700 mm×249 mm长条形空间反射镜组件结构设计要求,对反射镜及其支撑结构进行了详细的光机结构设计。首先,从反射镜材料选择、径厚比、支撑方案及轻量化形式等角度出发,对反射镜进行结构设计。通过理论计算得到长条形反射镜的支撑点数。对支撑点位进行了优化,并探索了支撑孔位对反射镜自重变形的影响规律。其次,为满足反射镜组件的力、热环境适应性要求,设计了一种新型柔性支撑结构,并给出了柔性铰链薄弱环节对反射镜面形精度的影响;对支撑结构安装位置深度进行优化,给出反射镜面形精度关于支撑结构安装位置的变化曲线。然后,对反射镜组件进行了有限元分析,自重和5℃温升载荷工况下,反射镜面形精度峰谷(Peak Valley,PV)值和均方根(Root Mean Square,RMS)值最大分别达到58.2 nm和12.3 nm;反射镜组件一阶固有频率为259 Hz,低频正弦扫描振动条件下柔性支撑最大应力响应为138 MPa。最后,进行了动力学试验测试。测试结果表明,反射镜组件一阶固有频率为255 Hz,有限元分析误差为1.7%。分析和试验结果表明,反射镜组件结构设计合理,满足设计指标要求。

摘要：为使某航天设备上所搭载的小型空间(TOF)相机在宽温度工作范围以及复杂动力学环境下能够较好成像,对空间TOF相机大视场光学镜头开展了优化设计。首先,根据镜头的设计指标要求采用近远心光路设计了光学系统,并对系统进行了分析;然后通过对比材料性能,选取铸钛合金(ZTC4)作为镜头支撑结构材料;并探讨了镜座在加工前、后的加工工艺;随后利用有限元参数化优化和自适应响应面优化算法对镜头关键部件之一的镜筒(壁厚)进行了优化设计。优化后镜筒的质量由75 g减少至51.2 g,减重率达到31.7%;最后对整机进行了过载适应性分析、温度适应性分析和模态分析,并进行了相关测试试验。分析和试验结果表明:该空间TOF相机的各项光机结构性能均满足设计指标要求。