摘要：在地铁隧道修建过程中若遇到复杂不良地质,单一工法有时无法将冻胀融沉位移控制在预期范围内,而采用注浆-冻结联合工法施工,能够有效控制土体融沉位移的施工参数。本文以广州地铁三号线某折返线隧道冻结工程为背景,隧道所处地层为砂质黏土地层,采用有限元数值分析软件,建立水热力耦合模型分析地铁隧道冻胀融沉位移场的发展规律,并与实测数据进行对比验证了模型可靠性,建立不同注浆半径的地铁隧道模型。通过对比其注浆控制效果,得出该法能够控制地表融沉位移的最佳注浆半径,并在此基础上研究了不同水泥掺量对土体融沉位移的影响,进一步得出能够有效控制土体融沉位移的施工参数。结果表明,采用水泥预加固-人工冻结联合工法施工,注浆半径选取4~5 m对融沉的控制效果最佳,注浆半径在4 m以上时土体融沉位移的效率开始有了明显的减弱。水泥掺量大于9%时,改善土体融沉位移的效率开始提高;而水泥掺量达到12%以后,改善土体融沉竖向位移的效率变缓。注浆半径设定在4 m,水泥掺量设定为12%,此时与原施工方案对比,自然解冻末期地表融沉量减小了73%。本研究的设计参数可为其他类似工程施工提供理论依据。

摘要：与传统移动群智感知系统的感知工人相比,无人机具有能够执行危险任务、易控制、不需要额外的激励成本等优点,因此无人机更适合作为任务执行的主体。然而无人机的能量有限,且感知任务的完成时间有限制,因此如何综合考虑以上2个因素设计一种高效的任务分配方法是一个关键问题。由此提出一种基于能量效益的无人机辅助移动群智感知系统任务分配方法,在能量效益最大化的同时提高系统任务完成率。该方法首先在无人机获得的回报和消耗的能量基础上定义了能量效益计算方式,用于评价任务分配方案的优劣;然后,设计了一种改进的模拟退火遗传算法以获得能量效益最大化的任务分配方案。经实验证明,与其他基准算法相比,所提出方法在任务平均能耗、系统任务完成率、系统能量效益有更好的表现。

摘要：随着5G技术的发展和6G技术的研究,低轨卫星网络在卫星物联网中的地位越发重要,而作为网络核心技术的路由策略仍面临一些挑战。本文针对低轨卫星网络拓扑结构动态变化、链路的不连续性、卫星能量供应受限等问题,为了及时感知星间链路状态和卫星的能量并选择正确的路由,将卫星物联网中的路由选择问题转化为马尔可夫决策过程下的最优策略问题,提出一种基于Dueling DQN(Dueling Deep Q Network)的自适应节能路由算法。该算法通过改进DQN中神经网络的架构,大幅度地提升了学习的效果。仿真结果表明,与传统的DQN算法相比,该算法能有效降低系统能耗,均衡网络负载,提高网络吞吐量。

摘要：由于目标视频中存在目标小、距离远等影响检测效果的因素,对小目标的捕捉难度较大,提出一种面向小目标的多空间层次安全帽佩戴检测算法,该算法将在Yolov5s的网络模型基础上进行个性化改进。设计一种多空间注意力模块,从不同角度考虑空间特征的效果并加以融合,加强显著性特征的空间位置关系;融合多空间尺度的特征,同时结合特征提取过程中的多种特征,适应对不同空间层次目标的捕捉,提高对小目标的检测能力;利用数据增强提高数据集的泛用性,使训练目标适应更多样的情景;优化损失函数,增强回归能力,提高训练效果。实验结果表明,所提算法的平均准确率达到91.5%,明显地减少了漏检情况。除此之外,将其部署到实际施工现场,展现了出对小目标优越的检测性能,具有极大的应用价值。

摘要：无人机航拍图像目标较小、图像视角变化大,导致目标检测效果不佳。针对此问题,设计了一种适用于无人机小目标检测的网络。该网络中的可变形卷积模块可以提高多视角目标的特征提取能力,以解决航拍图像目标视角变化剧烈致使目标特征难以提取的问题;特征平衡金字塔模块可以增强网络中底层小目标特征,以解决航拍图像中的小目标因特征易丢失而造成其检测效果差的问题;同时利用像素重组构建底层大尺度特征以解决特征平衡金字塔模块的底层特征卷积运算量大的问题;交叉自注意力机制获取目标上下文信息,改善严苛条件下的漏检错检问题。公开数据集上的仿真结果表明,在保证实时检测的情况下所提算法的平均准确度优于主流检测算法。

摘要：针对当前激光雷达数据采集误差大,效率低等难题,为了提高激光雷达数据采集精度和速度,设计了基于FPGA的激光雷达多通道数据实时采集系统。首先分析激光雷达多通道数据实时采集系统的工作原理,根据FPGA设计了系统总体架构,然后设计了激光雷达多通道数据实时采集的硬件和软件子系统,最后对激光雷达多通道数据实时采集系统进行了测试,结果表明,本系统抗外界干扰能力强,激光雷达数据采集精度超过93%,远远高于对比系统,同时激光雷达数据采集时间大约为9 ms,激光雷达多通道数据采集效率高,有利于后续激光雷达数据处理。

摘要：针对城市路网短时交通流预测受到许多复杂因素的影响,提出一种基于深度时空残差网络的路网短时交通流预测模型DST-ResNet(deep spatio-temporal residual network)。针对时空数据的两个独特属性邻近性和周期性分别设计相应的残差网络分支,通过为两个分支中相同的道路分配不同的权重动态聚合两个分支网络的输出,调整时空属性对不同路段交通流预测的影响程度,将两个残差网络的聚合结果与外部因素进行融合。通过选择RMSE和R^(2)为模型的评价指标进行实验验证,该DST-ResNet模型相较主流的LSTM模型具有更高的有效性和可行性。

摘要：介绍轻钢别墅龙骨成型机的加工过程。考虑到布局和加工的便捷性,采用Wi-Fi方式与松下Mewtocol协议建立通信。基于Python高效灵活、面向对象等特性,提出使用单进程方案、多线程方案、多线程与多进程相结合的通信方案。根据实验结果分析,多线程与多进程相结合的通信方案优于其他方案。一方面完成龙骨加工过程中加工数据的传输,发挥Wi-Fi通信的优势,提升工控机的便携性;另一方面能充分发挥多核CPU的性能,相比其他通信方案数据传输与加工控制相对独立,提高了工控机的资源利用率与实际生产加工效率。

摘要：为了降低系统模型参数变化对测试转台控制系统的影响,提出了基于惯量辨识技术的自适应内模控制方案.首先建立了某型号测试转台数学模型,设计了测试转台内模控制器,在此基础上采用基于扰动转矩观测器的惯量辨识算法来辨识测试转台转动惯量的变化情况,然后通过模糊控制器根据转动惯量的变化自动调整内模控制器的参数,从而确保了控制器的控制性能.仿真和实验结果表明,该控制方案对惯量的变化有着很强的自适应性,提高了测试转台控制系统的抗干扰性能和系统的鲁棒性,取得了较好的控制效果.

摘要：通过建立气动模型并进行联合仿真,探讨了气缸低速爬行现象和系统定位误差的来源,具体分析了气源压力、负载质量、摩擦力差值对气缸爬行的影响。采用单神经元PID控制算法和叠加颤振信号的方法,代替传统PID控制。结果表明气源压力大、负载质量小、动静摩擦差值小时有利于阻止系统的爬行;采用单神经元控制和叠加颤振信号的方法解决了系统的低速爬行问题。仿真证明系统定位精度由±0.61mm提高到±0.25mm,为低速阶段气缸平稳运行提供了较理想的控制策略。