面向工业物流服务的智能车及循迹算法的研究

将工业物流服务的智能循迹小车作为研究对象,并结合循迹算法原理,采用混合遗传算法,设计了智能循迹小车。经测试验证,小车能准确接收配送任务,按需求将物件运送到指定工位并语音播报提示,在行驶过程中能够自动避障,并在执行任务过程中能够将输运信息上传至上位机进行实时数据处理。最后,搭建了工业物流模拟服务平台,实现了对运送全程的追踪记录,进而提高工业生产自动化的程度,降低制造企业的生产成本,促进企业信息化建设。     

基于族群机制的花朵授粉算法

针对花朵授粉算法易陷入局部极值、收敛速度慢等不足,提出一种具有族群机制的花朵授粉算法。该算法把种群分成多个族群,各族群的最优个体再组成新的种群,进而促进种群间的信息交流,有效地协调种群进化过程中的全局搜索和局部搜索能力,避免个体的早熟收敛,提高算法的全局寻优能力及收敛速度。通过8个CEC2005benchmark测试函数进行测试比较,仿真结果表明,改进算法的寻优性能明显优于基本的花朵授粉算法、粒子群算法和蝙蝠算法,其收敛精度、收敛速度、鲁棒性均较对比算法有较大提高。     

固定节点3D网格部署的水下传感器网络分簇路由算法

水下传感器网络是应用于水下通信的重要传感器网络技术。提出了基于固定节点3D网格部署的水下无线传感器网络分簇算法,设计了3D网格的编址和分簇方法,实现了基于地址分配的节点定位,构建了算法的能耗分析模型。采用MATLAB完成了算法的性能仿真,对比了DS-VBF、IAR和GEDAR 3个算法的平均数据传输延迟和网络生存时间(TTL)。实验结果表明,此算法的平均数据传输延迟较短,可明显提高UWSNS的生存时间。     

基于活跃度和任务的目标导向VANETs路由算法

针对车载自组织网络(VANETs)中节点移动速度快、节点任务分布不均、网络拓扑结构不稳定等特点,提出了一种基于节点活跃度和任务的目标导向VANETs路由算法GATRA(goal-oriented routing algorithm based on activity and task)。该算法根据当前运动节点的运动方向与目标节点的关系,以及任务饱和程度,综合考虑采用消息携带还是转发策略,以节约传输平均时延。在选择中继节点时,综合考虑邻接节点的位置、运动速度和方向等影响因素,设计节点活跃度的计算方法,作为选择中继节点的策略,从而提高了消息传输的成功率。仿真结果表明,与当前典型的VANETs路由算法相比,GATRA算法在传输成功率和平均延迟时间上具有较大提升。     

自适应综合抗干扰通信中的若干问题

本文简要地讨论了研究和开发自适应,综合抗干扰通信系统的意义,介绍了一些自适应、综合抗干扰通信技术。     

以“四史”学习促高职院校“三风”建设实践研究

“四史”学习教育是高职院校思想政治教育的重要内容,对促进高职院校的“三风”建设、培养社会主义合格建设者和可靠接班人具有重要意义。在新时代下,高职院校应结合“四史”学习教育,深入推进“三风”建设,把“三风”建设作为学校发展的重要抓手,将学习教育成效转化为师生干事创业的实际行动。本文从“四史”学习教育对高职院校“三风”建设的重要意义出发,总结了以“四史”学习教育促高职院校“三风”建设的具体措施。     

学习强国平台在思想政治教育教学中的路径探索研究

本文探讨了学习强国平台在思想政治教育中的角色与挑战。通过分析平台的优势,如智能化学习、多样化资源和时效性,以及挑战,如技术应用限制和内容质量问题,提出了创新路径。强调整合资源、设计个性化学习路径、提升内容质量以及加强师生互动是推动平台在思政教育中发展的关键。最后,强调平台需持续创新以更好满足用户需求,进一步促进思政教育的全面发展。     

高空高马赫数侧向喷流数值模拟

高空环境下,侧向喷流在飞行器的姿态转换及热防护方面起到关键作用,同时也由于来流稀薄,直接模拟蒙特卡洛方法(DSMC)对侧向喷流干扰流场的模拟具有很好的适用性。在非结构网格计算的DSMC数值算法的基础上,针对喷流的高密度区及激波区提出了一种自适应网格技术,可以用于对高空稀薄区的大气来流与侧向喷流的干扰流场进行模拟预测。通过模拟二维平板侧向喷流,对编制的算法可靠性进行验证,研究了时间步长对流场模拟结果的影响及其数值的选取原则,并模拟计算了不同喷流/来流压力比下的复杂干扰流场结构和气动力的变化规律。     

基于改进粒子群算法的四旋翼BSMRC优化策略

针对四旋翼无人机反步滑模鲁棒控制器(BSMRC)因参数整定困难而限制其工程应用的问题,设计了一种基于改进粒子群算法(IPSO)的BSMRC参数优化策略。建立了含未知扰动的无人机非线性模型并设计了补偿未知扰动的BSMRC,通过Lyapunov第2方法对系统稳定性进行了证明。接着,从惯性权重和学习因子两方面对经典PSO算法改进,提升了其收敛速度,在此基础上自动整定了BSMRC参数。通过仿真表明了IPSO可使BSMRC参数快速收敛到最优解。通过模块化编程及自动代码生成技术将最优BSMRC算法部署至Pixhawk 4飞控进行了飞行实验,结果表明了IPSO优化策略的有效性,体现出了BSMRC的强鲁棒性和抗扰性。该优化策略解决了无人机BSMRC参数整定效率低下的问题,并采用基于模型设计(model-based design, MBD)技术提高了无人机控制系统的开发效率。     

无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。