【摘 要】
：
为解决水下机器人AUV自主航行问题,在水底环境状态已知的条件下,利用一种改进的蚁群算法研究AUV在复杂水底环境下的路径规划问题.首先基于栅格法建立水下三维环境模型,在该模型中每只蚂蚁采用分层前进与栅格平面法相结合的搜索模式搜索路径.根据水下自主机器人的速度和在水底的受力情况,来确定水下机器人能耗模型和路径规划的数学模型.在传统蚁群算法的基础上,基于Dij kstra算法改进初始信息素分配,考虑到水下水流的作用,不同的路径点消耗的能量有所差异,因此构造新的启发函数来消除这种影响.通过基于线性回归的信息素更新
【机 构】
：
上海海洋大学工程学院,上海 201306
论文部分内容阅读
为解决水下机器人AUV自主航行问题,在水底环境状态已知的条件下,利用一种改进的蚁群算法研究AUV在复杂水底环境下的路径规划问题.首先基于栅格法建立水下三维环境模型,在该模型中每只蚂蚁采用分层前进与栅格平面法相结合的搜索模式搜索路径.根据水下自主机器人的速度和在水底的受力情况,来确定水下机器人能耗模型和路径规划的数学模型.在传统蚁群算法的基础上,基于Dij kstra算法改进初始信息素分配,考虑到水下水流的作用,不同的路径点消耗的能量有所差异,因此构造新的启发函数来消除这种影响.通过基于线性回归的信息素更新方式来优化算法的收敛速度及求解质量.最后在使用改进的蚁群算法规划出来的路径基础上,采用贝塞尔曲线改善路径的平滑性,以便于AUV跟踪该路径.实验结果表明,改进的蚁群算法具有较强的全局搜索能力,收敛速度明显加快,规划出的路径明显优于传统蚁群算法和遗传算法的,适合水下机器人的路径规划.
其他文献
针对传统手势识别方法存在的耗能大、部署困难等问题,提出了一种基于WiFi的手势识别方法.通过从WiFi信号中收集到的信道状态信息中抽取多普勒频移组件,解决无线手势识别方法中提取的统计特征与具体手势动作映射关系不明确的问题.同时,提出了一种CGRU-ELM的深度混合模型,对提取到的多普勒频移组件进行特征提取和分类,并对常用的6种人机交互手势进行了识别.实验结果表明,该方法对于以WiFi信号为输入参数的手势识别平均准确度达到了93.4％.
针对大视差图像拼接过程中出现的错位、重影等问题,提出一种基于特征聚类的图像拼接算法.首先,以已匹配的特征点分布为依据在目标图像重叠区域构造泰森多边形.然后使用改进的AG-N ES层次聚类算法对特征点聚类,合并对应组内特征点所代表的泰森多边形,得到目标图像重叠区域的各个子平面.最后,求解对应子平面的单应性矩阵,并采取就近原则分配非重叠区域的单应性矩阵,对目标图像进行投影变换,得到拼接图像.实验结果表明,所提算法具有较高的配准精度,可有效改善大视差图像拼接过程中出现的误配准和局部失真问题.
目的:探讨心理护理对脑出血术后恢复期早期患者生存质量的影响.方法:随机于2019-11至2021-01这期间,将我院收治的脑出血术患者,共选择86例作为本次的研究对象,根据患者入院的顺序将其进行分组,包括43例的对照组患者,在患者术后恢复期中应用常规护理,以及另外的观察组患者,同样43例患者,在对照组护理基础上实施心理护理,对两组患者护理后的生存质量情况展开分析.结果:观察组患者的生存质量指标评分与对照组患者相比明显更优,(P＜0.05).结论:对于脑出血术后恢复期早期患者的心理护理,可进一步保障患者的生
针对Yolov3算法应用于人体检测中的准确率低,参数量、计算量和模型体积大难以在资源有限的嵌入式平台上实现等问题,提出了YOLOv3改进及其模型压缩算法.在YOLOv3中通过引入密集连接与多分支结构,增加网络宽度和多尺度感受野,加强特征重用,提高了模型的检测精度;对改进的YOLOv3通过联合优化权重损失函数和BN层缩放因子的L1正则项等方式进行通道剪枝,从而减小了参数量和计算量,模型体积得到了大幅压缩.实验结果表明,改进后YOLOv3算法的检测精度提升了6.01％,模型体积减小了38.46％;经过压缩后,
基于区间值广义正交模糊环境和Frank算子,定义了区间值广义正交模糊Frank算子的运算法则,提出了区间值广义正交模糊Frank加权平均算子(IVq-ROFFWA)和加权几何算子(IVq-ROFF-WG),并研究了它们的幂等性、有界性和单调性.然后提出了基于IVq-ROFFWA算子的多属性群决策方法(M AGDM),该方法通过选取满足条件的q值,使用IVq-ROFFWA算子集结得到目标区间值模糊数,比较它们的得分得到最优方案,还得出了不同q值不影响最优方案排序的结论.最后通过实际案例验证了基于IVq-RO
目的:分析在发热门诊的护理工作开展当中,健康教育的实施效果.方法:选择我院发热门诊在2021年1月至9月期间接诊的94例患者为研究样本,将所有患者随机均分成对照组(n=47)及研究组(n=47),给予对照组患者常规方式护理干预,研究组患者则需接受健康教育干预,对两组患者的护理满意度进行比较.结果:研究组患者接受干预后的护理满意率远高于对照组,相关数据进行比较后存在统计学差异(P＜0.05).结论:针对发热门诊患者的护理方式选择而言,给予健康教育的效果较好,该方案可行性较强.
针对软件缺陷预测中数据维度的复杂化和类不平衡问题,提出一种基于代理辅助模型的多目标萤火虫算法(SMO-MSFFA)的软件缺陷预测方法.该方法采用了多组策略萤火虫算法(MSFFA),以最小化数据的特征选择比率和最大化模型评测A UC值为多目标目标函数,分别以随机森林(RF)、支持向量机(SVM)和K近邻分类算法(KNN)为分类器构建软件缺陷预测模型.考虑到进化算法自身的迭代特点,嵌入代理模型离线完成部分个体评价函数的计算,以缩短计算耗时.在公开数据集NASA中的PC1、KC1和MC1项目上进行实验验证,与N
引入了n元伪加权有穷自动机——带有n个有限字符集的伪加权有穷自动机、分明型n元伪加权有穷自动机和确定型n元伪加权有穷自动机的概念.根据状态转移函数在每个字符集上是否带空转移,将以上自动机分为4类:带r-型空转移的n元伪加权有穷自动机和带空转移的n元伪加权有穷自动机和带r-型空转移的分明型n元伪加权有穷自动机和带空转移的分明型n元伪加权有穷自动机.给出了以上自动机所识别语言的定义并探究了它们之间的关系,讨论了状态转移函数在每个字符集上是否带空转移对其接受语言的影响.
针对实际场景中目标检测算法部署算力缺乏和资源不足的问题,提出了一种基于改进通道和层剪枝的模型剪枝方法,通过设置自适应局部安全阈值以改进通道剪枝,同时通过综合评价整个残差结构值的方法进行层剪枝,并将模型剪枝方法用于口罩人脸检测.首先采用基于人脸的数据扩增方法构建口罩人脸检测数据集并使用该数据集训练YOLOv4目标检测网络;然后使用改进通道和层剪枝的模型剪枝方法对YOLOv4模型进行剪枝得到不同的剪枝模型,将这些剪枝模型在口罩人脸数据集上与YOLOv4和YOLOv4-tiny进行对比实验.性价比最高的剪枝模型
针对噪声污染、光照变化等复杂环境下人脸图像识别问题,提出一种改进标签一致KSVD字典学习的人脸识别算法.该算法通过改变标签一致KSVD算法的字典更新方式,用主成分分析算法分解误差项,用最大特征值对应的特征向量修改字典原子.通过字典学习过程得到原子与类别标签对应的判别性字典.目标函数综合了重建误差、稀疏编码误差和分类误差.最后,在分类阶段利用学习到的字典和分类器参数对测试样本进行分类.在有光照变化的Ex tend Yale B人脸库、表情变化以及遮挡影响的A R人脸库上分别取得了99.01％ 和97.94％