基于多目标根系生长算法的高精铜锭熔炼作业调度

本文提出一种基于植物根系生长行为的自适应多目标算法(multi-objective root growth algorithm,MORGA),用于求解高精度铜铸锭熔炼过程中的作业调度优化问题.首先,根据铜铸锭熔炼生产线现有的生产能力和熔炼工艺,以达到对客户承诺的交货期、降低生产成本的目的,建立以最小化生产总时间和订单未编入计划而受到的总惩罚值为目标的作业调度优化模型.然后,以植物根系分化式生长行为的数学仿真模型为基础,融入多目标优化策略,提出自适应多目标优化算法,设计编码规则,使其能够有效求解高精度铜铸锭熔炼作业调度模型.最后,利用实际生产数据对MORGA进行验证,并与经典多目标优化算法NSGAⅡ和MOPSO比较,MORGA获得了更优的结果.     

多目标根系生长算法在高精铜锭熔炼作业调度中的应用

本文提出一种基于植物根系生长行为的自适应多目标算法(MORGA), 用于求解高精度铜铸锭熔炼过程中的作业调度优化问题。首先,根据铜铸锭熔炼生产线现有的生产能力和熔炼工艺,以达到对客户承诺的交货期、降低生产成本的目的,建立以最小化生产总时间和订单未编入计划而受到的总惩罚值为目标的作业调度优化模型。然后,以植物根系分化式生长行为的数学仿真模型为基础,融入多目标优化策略,提出自适应多目标优化算法,设计编码规则,使其能够有效求解高精度铜铸锭熔炼作业调度模型。最后,利用实际生产数据对MORGA进行验证,并与经典多目标优化算法NSGAⅡ和MOPSO比较,MORGA获得了更优的结果。     

多目标根系生长算法在高精铜锭熔炼作业调度中的应用

本文提出一种基于植物根系生长行为的自适应多目标算法(MORGA), 用于求解高精度铜铸锭熔炼过程中的作业调度优化问题。首先,根据铜铸锭熔炼生产线现有的生产能力和熔炼工艺,以达到对客户承诺的交货期、降低生产成本的目的,建立以最小化生产总时间和订单未编入计划而受到的总惩罚值为目标的作业调度优化模型。然后,以植物根系分化式生长行为的数学仿真模型为基础,融入多目标优化策略,提出自适应多目标优化算法,设计编码规则,使其能够有效求解高精度铜铸锭熔炼作业调度模型。最后,利用实际生产数据对MORGA进行验证,并与经典多目标优化算法NSGAⅡ和MOPSO比较,MORGA获得了更优的结果。     

船舶狭小空间虚拟人维修姿态建模技术

针对现有虚拟人仿真技术在船舶狭小空间维修作业中存在的效率低下、需要较多人工干预、仿真成本高等问题,提出一种虚拟人姿态混合建模仿真技术。根据狭小空间中人体维修作业的特点,将虚拟人姿态建模分为虚拟人躯干及下肢姿态建模与虚拟人手臂姿态建模两部分。首先,提出一种基于姿态库的狭小空间姿态自动匹配算法,以确定虚拟人在狭小空间中的操作位置与姿态;在此基础上,建立多目标优化模型对手臂姿态进行求解,并实现维修仿真姿态的生成。以某型船舶机舱罐体阀门维修为例的实验结果表明,所提方法可以实现虚拟人姿态的自动定位与生成,且可有效提高维修仿真效率。     

虚拟人自适应行为的多目标模糊评估与仿真

使用模糊多目标评估方法定义人体的舒适度概念.在舒适度评估的基础上,运用基于规则的多阶段行为尝试策略实现虚拟人的行为规划;采用纳什平衡理论来优化虚拟人体模型的工作姿态.该方法可生成适应环境的人体连续行为仿真,并提供综合工效评估结果.     

基于APSO算法的多目标满意优化研究

提出了多变量系统的多参数多目标满意优化方法.将系统性能指标要求的满意设计与控制器参数优化融为一体考虑,通过设计性能指标满意度函数和系统综合满意度函数,构造出多目标系统满意优化模型,并用自适应粒子群算法实现其满意优化.仿真结果显示该方法可获得比传统粒子群算法更满意的综合性能指标,表明了该方法的有效性和实用性.     

运动场景下的多目标人体姿态估计

为提高群体活动场景下细粒度人体姿态估计的准确率,优化网路中人体识别及姿态估计算法,在现有研究的基础上,提出一种结合多尺度预测以及改进并行注意力模块的多目标人体姿态估计算法。在充分利用不同尺度特征信息的基础上,实现高质量的人体姿态估计;针对运动场景下多目标人体姿态数据集较少,提出一种数据集CUPB Sport Dataset。实验结果表明,该算法在公开基准数据集和自制数据集上分别达到了81.4 mAP和79.7 mAP,验证了该算法在运动场景下针对多目标的高效性。     

基于Multi-Agent的人机环境仿真设计系统

提出了用于制造过程仿真和人机工程分析的多Agent智能设计系统。基于模糊多目标决策理论建立了虚拟人自适应作业行为仿真模型。在虚拟环境中,智能化的虚拟人能自主完成作业任务的仿真,优化自身的工作状态,同时提供人机工程的评估结果。通过仿真实验,证明了所用技术的可行性。     

起重吊装多机器人系统协作避障规划研究

针对起重吊装多机器人系统实际作业情况,进行了该机器人系统协作避障规划研究.首先,基于栅格法提出了优化姿态转角--动态栅格法的路径规划改进算法;其次,设计了基于传感器技术的自适应协作系统.该协作避障方法具备了寻找全局最优路线的能力,同时实现了多机器人系统内部的稳定协调合作;最后,建立了Matlab与LabVIEW联合仿真系统,仿真结果表明该系统是可行且高效的.     

基于AlphaPose优化模型的老人跌倒行为检测算法

针对在低功耗、低成本硬件平台快速准确检测老人跌倒高危行为的问题,提出了一种基于AlphaPose优化模型的老人异常行为检测算法。首先,对行人目标检测模型和姿态估计模型进行优化,以加快人体目标检测和姿态关节点推理;然后,通过优化的AlphaPose模型快速计算得到人体姿态关节点图像坐标数据;最后,计算人体跌倒瞬间头部关节点线速度与胯部关节线速度之间的关系,以及人体中垂线与图像X轴之间夹角的变化来判断跌倒现象的发生。将所提算法移植到Jetson Nano嵌入式开发板上,并与当前主要的基于人体姿态的跌倒检测算法YOLOv3+Pose、YOLOv4+Pose、YOLOv5+Pose、trt_pose和NanoDet+Pose进行对比分析。实验结果表明,在所用嵌入式平台上,图像分辨率为320×240时,所提算法的检测帧率达到8.83 frame/s,准确率为0.913,均优于对比算法。该算法具有较高的实时性和准确率,能够及时检测老人跌倒行为的发生。     

基于多级动态模型的2维人体姿态估计

提出一种利用多级动态模型来估计单目视频中的人体姿态的方法.首先,构建了一种多级动态人体姿态模型,该模型将人体姿态视为各部位姿态的铰接组合,用部位姿态的最优估计来逼近整体姿态的最优估计,从而解决了整体姿态估计带来的歧义性问题.其次,提出了一种通过构建虚拟姿态来计算视频相邻帧之间姿态一致性的算法,该算法能够有效利用视频中表观特征及运动特征的连续性,从而提高姿态估计精度.此外,使用粒子群优化算法用较小的姿态样本优化出最优部位姿态,并将最优部位姿态重组为最优的人体姿态.通过实验验证了所提方法的有效性,并与几种前沿方法进行了比较.实验结果表明,本文方法有效提高了人体姿态估计的准确度.     

关于车间调度优化问题的仿真与设计

研究多目标柔性车间调度优化问题.由于传统车间调度存在局限性,造成车间多目标调度优化困难.为此,结合实际生产过程的特点和约束条件,构建了以最大完工时间、加工成本为目标函数的柔性车间调度模型,提出了多种群自适应免疫遗传算法.在初始种群中采用多个种群同时进化,能够有效保持种群的多样性;在算法中将自适应策略用于免疫操作中,提出动态自适应提取疫苗,以提高算法的执行效率,使算法更具灵活性和自适应性.仿真结果表明,改进算法对大规模复杂问题具有搜索速度快、稳定性强的特点,提高了调度的效率.     

基于STC-IMM 结构的自适应多模型跟踪算法

针对机动目标跟踪问题,基于转换时间条件交互多模型(STC-IMM)结构,提出一种转换概率自适应的STC-AIMM算法。该算法根据滤波器收敛时间预设了模型转换时间条件,保证了滤波器对目标后验状态的合理逼近,同时通过模型转换概率的自适应算法实现了模型与目标运动模式的实时最优匹配。理论和仿真分析结果表明：相比交互多模型(IMM)算法和STC-IMM算法,该算法能够发挥滤波器最优性能,实现模型概率的优化分配,对目标不同强度的机动具有良好的适应性、跟踪稳定性和更高的跟踪精度。     

基于轻量级姿态估计的跳绳检测计数算法

针对人体姿态估计算法可实施性低以及基于姿态估计的跳绳计数精度不高的问题, 提出了一种基于轻量级人体姿态估计网络的跳绳计数算法. 该算法首先输入跳绳视频, 接着利用帧间差分法提取关键帧图像并送入人体姿态估计网络进行关节点检测; 同时为了解决轻量级网络检测精度不高的问题, 提出优化的LitePose检测模型, 采用自适应感知解码方法对模型的解码部分进行优化从而减少量化误差; 然后采用卡尔曼滤波对坐标数据进行平滑降噪, 以减小坐标抖动误差; 最终通过关键点坐标变化判断跳绳计数. 实验结果表明, 在相同图像分辨率和环境配置下, 本文提出的算法使用优化的LitePose-S网络模型, 不仅未增加模型参数量和运算复杂度, 同时网络检测精度提高了0.7%, 且优于其他对比网络, 而且本算法在跳绳计数时的平均误差率最低可达1.00%, 可以利用人体姿态估计的结果有效地判断人体起跳和落地情况, 最终得出计数结果.     

基于随机森林误分类处理的3D人体姿态估计

为解决基于随机森林的3D人体姿态估计算法容易出现的误分类问题, 提出一种基于自适应融合特征提取和误分类处理机制的改进算法.该算法利用自适应融合特征提取方法自适应提取深度融合特征, 此特征可表达图像距离信息和部位尺寸信息, 增强特征的表征能力; 针对识别部位误分类问题, 分别从识别部位误分点聚集情况和迭代整合思想出发, 提出误分类处理机制, 改善部位识别结果; 最后提出可进一步处理误分点的改进主方向分析(Principal direction analysis, PDA)算法, 自适应计算出部位主方向向量, 实现3D人体姿态估计.结果表明, 该算法能有效去除部位误分点, 并显著改善了3D人体姿态估计.     

基于交互式自适应概率数据关联的目标跟踪算法

在联合交互式多模型概率数据关联思想的基础上,将自适应滤波算法应用到概率数据关联滤波器中,提出了一种适用于杂波环境机动目标跟踪的新算法-交互式自适应概率数据关联(Interactive Multiple Models Adaptive Probabilistic Data Association-IMM-APDA)算法,避免了模型选取的不确定性,扩大了机动目标的跟踪范围,实现了杂波环境中对目标较高精度的状态估计.理论分析与仿真结果验证了该算法的优越性,提高了目标跟踪精度.     

基于自适应特征融合的无纹理3D目标跟踪

基于轮廓匹配的无纹理3D目标跟踪算法需要根据3D模型和2D投影轮廓的3D—2D匹配点连续估计目标的位置和姿态,但在背景复杂和运动模糊的情况下容易错配导致跟踪失败.针对此问题,提出一种基于自适应特征融合的3D目标跟踪算法.首先在3D模型投影轮廓附近进行轮廓匹配和颜色统计建模,以提取轮廓特征和颜色特征;然后定义基于轮廓特征和颜色特征自适应加权的能量函数,并计算其相对于位置和姿态参数的偏导数;最后通过LM优化算法求解位置和姿态参数的最优值.为处理目标和相机的快速运动,采用由粗到细的策略在多尺度视频帧中迭代跟踪.定性和定量实验结果表明,在复杂背景和运动模糊的情况下,该算法仍能实现快速稳定的跟踪,具有较高的精确性和鲁棒性.     

两级差分进化算法求解多资源作业车间批量调度问题

以优化生产周期为目标,研究并建立了多资源作业车间批量调度问题模型.提出一种新的两级差分进化算法,采用两级染色体编码来解决批量划分和排序优化问题;设计了基于自适应差分进化算法(DE)的全局搜索操作,并在算法框架中嵌入了基于Interchange邻域结构的局部搜索;基于等量划分原则,为每个工件确定最优批次数及子批次的批量大小,并为各子批次确定最优排序.通过单资源算例和多资源实例仿真表明了模型和算法的可行性和有效性.     

基于轮廓图像空频域特征的人体姿态分层识别算法

人体姿态识别是当前自动视频理解技术的研究热点,其难点在于在实际应用中很难同时保障准确度、鲁棒性和实时性.当前基于二维图像的主流算法中,一类为基于高层人体结构的信息,其准确度高,但实时性较差;另一类为基于低层图像信息,算法简单,但其准确度较低.针对该问题,文中提出一种人体姿态建模和识别算法.该算法首先采用高斯混合模型快速提取运动目标和归一化轮廓图像,然后利用人体轮廓参数构建一组12维特征向量,建立人体姿态模型,最后通过分层识别方法实现对人体姿态的认知.该算法可以有效地识别人体姿态,计算复杂度较低,对存在干扰的图像具有较好的识别效果.基于标准视频库的实验结果验证了方法的有效性,与链码标记算法的对比实验验证了方法的优越性.     

基于双鱼群算法的电力系统无功优化

提出一种基于双鱼群算法的电力系统无功优化方法.该方法以基本人工鱼群算法为基础,增加具有捕食行为的凶猛鱼群,重新定义鱼群的行为方式和寻优过程,并引入逃离因子以扩大搜索空间.采用随机尝试次数变化的动态歩长以增强双鱼群算法的全局优化能力.运用线性加权α法,以系统有功网损最低及电压偏差水平最优为目标,通过罚函数的形式建立无功优化模型.在无功优化目标函数中引入动态惩罚系数以提高算法的自适应调节能力.选取基本人工鱼群算法、改进遗传算法及所提出的双鱼群算法分别对IEEE14节点系统进行仿真实验,结果显示双鱼群算法在计算精度、收敛稳定性等方面均有明显优势,更切合电力系统运行的实际.