摘要：随着电信技术的发展,校园网络在高等教育中发挥着重要作用。然而,目前大学生沉迷网络现象日益严重。因此,如何防止大学生沉迷网络是大学教育和管理的一项重要任务。针对该问题,设计出一种包含数据获取、沉迷判定和网络管控的高校校园网络沉迷系统。针对目前存在的3种常见网络沉迷行为,即网络游戏沉迷、在线视频沉迷和网站论坛沉迷,提出了基于网络沉迷指数的评价体系和量化标准,并选取了4个影响网络沉迷指数计算的关键指标,即总时长、时间占比、频率、行为丰富度,制定出了沉迷指数的计算和预测方案,即采用层次分析法对网络沉迷行为及关键指标进行优化建模,并基于长短期记忆网络(LSTM)对沉迷指数进行预测和验证。最后通过计算机仿真得出LSTM预测模型的均方根误差为3.1386,相比其他预测方法该值最低,证实了所提网络沉迷判定和预测方法具有较高的可行性。

摘要：基于未来现代化海上作战背景,提出了利用多智能体深度强化学习方案来完成无人艇群博弈对抗中的协同围捕任务。首先,根据不同的作战模式和应用场景,提出基于分布式执行的多智能体深度确定性策略梯度算法,并对其原理进行了介绍;其次,模拟具体作战场景平台,设计多智能体网络模型、奖励函数机制以及训练策略。实验结果表明,文中方法可以有效应对敌方无人艇的协同围捕决策问题,在不同作战场景下具有较高的效率,为未来复杂作战场景下无人艇智能决策研究提供理论参考价值。

摘要：对保险杠进行轻量化设计,并保证碰撞安全性,用铝/碳纤维复合材料替换原保险杠防撞梁钢质材料。分别对保险杠各部分厚度及碳纤维铺层角度进行了设计,确定了铝合金和碳纤维的厚度,探讨了铝合金和碳纤维板的厚度对碰撞性能的影响,通过采用对碳纤维铺层角度优化的方法提高碰撞安全性。通过拉丁超立方采样得到的试验样本,用移动最小二乘法建立近似模型并验证其精度,利用多目标遗传算法对近似模型寻优,确定了碳纤维最佳铺层角度,得到优化后铝/碳纤维复合材料保险杠防撞梁。与原钢质材料的保险杠相比,优化后铝/碳纤维复合材料保险杠质量减轻了36.497%,且满足碰撞安全性要求。

摘要：卷积神经网络(convolutional neural network, CNN)模型量化可有效压缩模型尺寸并提升CNN计算效率.然而,CNN模型量化算法的加速器设计,通常面临算法各异、代码模块复用性差、数据交换效率低、资源利用不充分等问题.对此,提出一种面向量化CNN的嵌入式FPGA加速框架FAQ-CNN,从计算、通信和存储3方面进行联合优化,FAQ-CNN以软件工具的形式支持快速部署量化CNN模型.首先,设计面向量化算法的组件,将量化算法自身的运算操作和数值映射过程进行分离;综合运用算子融合、双缓冲和流水线等优化技术,提升CNN推理任务内部的并行执行效率.然后,提出分级编码与位宽无关编码规则和并行解码方法,支持低位宽数据的高效批量传输和并行计算.最后,建立资源配置优化模型并转为整数非线性规划问题,在求解时采用启发式剪枝策略缩小设计空间规模.实验结果表明,FAQ-CNN能够高效灵活地实现各类量化CNN加速器.在激活值和权值为16 b时,FAQ-CNN的加速器计算性能是Caffeine的1.4倍;在激活值和权值为8 b时,FAQ-CNN可获得高达1.23TOPS的优越性能.

摘要：长期以来,盆地边缘是砂岩型铀矿找矿与勘探的主要区域。然而,近年在盆地内部也探明了多个铀矿床、矿化点,表明盆地内部同样具有良好的铀矿找矿前景。文章剖析了盆地内部砂岩型铀矿的矿床特征,并据此凝练出“大型中-酸性火成岩隆起+隆起区翼部深大断裂”的关键控铀成矿要素。结合砂岩型铀矿成矿理论,设计了一套相适应的找矿方法组合。该找矿方法组合可分为2个步骤:(1)勘探靶区初筛。根据区域重、磁、放射性、遥感等资料查明盆地内部基底起伏和埋深、识别岩性和划分断裂,将岩性为中-酸性火成岩且发育断裂的隆起区圈定为潜在勘探靶区。结合含矿目的层产出特征、隆起区翼部坡度和隆起区面积等因素来初筛勘探靶区;(2)勘探靶区优选。在初筛的勘探靶区深大断裂位置沿隆起区方向布置并实施钻探。通过对地下水“补-径-排”体系、含矿目的层供铀和聚铀能力以及氧化-还原带发育情况等的评价来优选勘探靶区,为下一步铀矿勘探工作的布置与实施提供有益指导。该方法充分利用区域地球物理数据和公开可下载的资料,可极大地降低勘探成本。着眼于关键控铀成矿要素,优选相适应的地质、地球物理等方法,可有效提高盆地内部砂岩型铀矿找矿与勘探的效率。

摘要：为了提高四轮转向(4WS)汽车的操纵稳定性和主动安全性,建立汽车二自由度四轮转向模型和系统状态方程,应用LQR最优控制理论建立了以横摆角速度和质心侧偏角为优化目标的四轮转向线性控制二次型最优控制模型,并基于路径跟踪策略建立预瞄驾驶员方向控制模型。基于"人-车-路"闭环控制系统,在Matlab/Simulink、CarSim联合仿真环境下对普通前轮转向、前后轮转角比例控制、LQR控制的控制效果进行验证。结果表明:LQR控制器能够很好地改善汽车质心侧偏角和横摆角速度的动态响应特性,高速控制效果最佳,基于LQR控制的4WS汽车具有更好的道路循迹能力、高速稳定性和主动安全性。

摘要：根据某微型电动汽车的实验对标整车模型,建立有效的简易约束系统模型,研究64 km/h小偏置碰的乘员动态响应及约束系统输入条件。通过对约束系统中侧气帘质量流缩放率、安全气囊点火时间及安全带限力峰值等7个相关参数进行单变量乘员伤害分析,确定在小偏置碰撞下约束系统4个主要影响因素。设计四因素九水平的正交试验,计算约束系统不同匹配参数对乘员加权伤害指标(WIC)以及乘员头部、颈部、胸部、腿部等的影响等级,结合等级极差比参数给出小偏置碰约束系统调整及匹配建议。并进一步构建约束系统参数与WIC的高阶多项式代理模型,确定了约束系统的最优组合解。结果表明头部损伤指标HIC15降低了64%,整体加权综合损伤WIC值降低56%。

摘要：为了提高分布式电驱动汽车的横向稳定性,基于滑模变结构控制理论提出一种四轮转向和直接横摆力矩结合的横向稳定双层控制策略,并基于“人-车-路”闭环系统,对控制系统的有效性进行了仿真分析。首先,基于预瞄偏差理论和恒定横摆角速度假设,设计了一种三点预瞄滑膜驾驶员模型;其次,以质心侧偏角和横摆角速度偏差为控制目标,基于滑模变结构控制理论提出了一种四轮转向和直接横摆力矩结合的横向稳定双层控制策略,上层控制器对车辆进行后轮转角和直接横摆力矩控制,下层控制器对四个车轮的驱动转矩或制动力矩进行分配。最后,选取低速低附着路面和高速高附着路面两种工况,基于“人-车-路”闭环动力学系统对设计的横向稳定性控制策略进行了仿真验证。结果表明,设计的横向稳定双层控制策略能够有效改善车辆的横向稳定性,提高了车辆的轨迹跟踪能力和行驶安全性。

摘要：针对智能车辆在高速、低附着等极限工况下轨迹跟踪精度差,易出现侧滑、失稳等危险问题,基于分布式电驱动智能车辆,提出一种分层控制架构的轨迹跟踪算法。基于3自由度单轨车辆动力学模型建立了上层线性时变模型预测控制器(LTVMPC),通过滚动求解带约束的优化问题,得到最优前轮转角,同时由PID纵向驾驶员模型输出期望力矩实现车速跟踪。通过线性二次型调节器(LQR)设计了下层直接横摆力矩控制器,并根据垂直载荷优化分配方法,对计算得到的附加横摆力矩进行了力矩分配。最后,建立Carsim与Matlab/Simulink联合仿真平台,对所建轨迹跟踪控制的有效性进行了仿真分析。仿真结果表明:文中搭建的轨迹跟踪控制策略能显著改善分布式电驱动智能车辆在高速高附着与高速低附着路面的轨迹跟踪精度与横向稳定性。

摘要：这里研究在不同冲击度约束下智能汽车换道轨迹的优化问题。采用五次多项式作为车辆的换道轨迹模型,以自车速度、加速度以及冲击度为约束条件,兼顾车辆换道过程的安全性、舒适性和效率,用序列二次规划(SQP)算法对换道轨迹进行优化求解,得到最优换道运动轨迹;为研究冲击度约束设置对换道的影响,设计了换道轨迹求解的图形用户界面,根据换道耗时将换道模式分为激进型、普通型和舒适型,得到不同换道模式下冲击度限值,为智能汽车换道轨迹规划提供参考。