网络传播对大学生心理的负面影响及对策探讨

互联网的发展,渗透到人类生活的方方面面,逐渐改变着人们的工作、学习和生活的方式,也对人们传统思维方式产生了很大的影响。大学生作为网上常客,互联网对其影响是双重的。加强对网络的监测和管理、推进网络的法治化进程等措施可将网络传播对大学生心理的负面影响降到最低。     

一种适用于稀疏无线传感器网络的改进分布式UIF算法

分布式无迹信息滤波(Distributed unscented information filter,DUIF)算法是一种有效的非线性分布式状态估计多源信息融合方法,然而当将该算法应用于稀疏无线传感器网络(Wireless sensor networks,WSN)时,稀疏WSN中存在的无效节点会引起使滤波趋于发散的平均一致误差.针对该问题,本文提出一种改进DUIF算法.该算法不改变DUIF算法的级联结构,而是将其底层和上层滤波器分别改进为局部无迹信息滤波器(Local unscented information filter,LUIF)和加权平均一致性滤波器.LUIF对每个节点的局部多源观测信息进行局部融合,得到局部的后验估计信息向量和矩阵,进而将它们作为加权平均一致性滤波器的输入,最终得到不包含平均一致误差的分布式后验估计结果.其中,加权平均一致性滤波器是通过对由LUIF输出的局部后验估 计信息向量和矩阵分别进行平均一致性滤波而得以在改进DUIF算法框架下实现的.同时,在此过程中,相邻节点之间的状态估计互相关信息也被引入改进DUIF算法的输出结果中,进一步增强了滤波的可靠性.仿真实验结果表明,改进DUIF算法能够在稀疏WSN中对机动目标进行有效跟踪,在估计精度和抑制滤波发散方面明显优于标准DUIF算法.     

适用于稀疏动态无线传感器网络的并行融合分布式无迹信息滤波算法

稀疏和随机动态变化是实际无线传感器网络(wireless sensor network,WSN)中普遍共同存在的两种通信拓扑不稳定因素,使基于一致性算法的分布式无迹信息滤波(distributed unscented information filter,DUIF)算法适用于稀疏动态WSN,将极大提高其实用性.为此,本文提出一种并行融合DUIF(parallel fusion DUIF,PF–DUIF)算法.在PF–DUIF算法中,通过将实时局部后验估计均值和协方差用于局部无迹信息滤波器(local unscented information filter,LUIF)的Sigma点采样,使LUIF和加权平均一致性滤波器(weighted average consensus filter,WACF)得以并行运行,从而有效抵制由通信拓扑随机动态变化带来的较大一致跟踪误差的困扰;同时,WACF通过对LUIF输出的无偏局部信息矩阵和向量分别进行平均一致性滤波,最终得到不包含由稀疏通信拓扑引起的平均一致误差的分布式后验估计结果;进而,建立即时更新机制有效抑制随机动态通信拓扑引起的PF–DUIF算法滤波异步问题,同时,基于稀疏动态WSN的平均网络模型,在通信能量消耗受限条件下优化WACF均方收敛速率,从而提高PF–DUIF算法的整体滤波效率.仿真实验结果表明,PF–DUIF算法能够有效应用于稀疏动态WSN机动目标跟踪.     

移动机器人FastSLAM算法的对比研究

为有效缓解FastSLAM1.0算法中的粒子损耗问题,提高其精度,FastSLAM2.0算法提出了一种求取重要性函数的方法.该方法利用扩展卡尔曼滤波算法对移动机器人的位姿状态进行递归估计,得到各个时刻的位姿状态的估计均值和方差,并由此构建服从高斯分布的重要性函数.该重要性函数包含了机器人位姿的历史信息和最新的观测信息,因此可以延缓粒子损耗速度.给出了FastSLAM2.0算法的具体流程,并将其仿真结果与FastSLAM1.0算法进行比较,结果表明了FastSLAM2.0算法的精度优于FastSLAM1.0算法.     

三轮驱动移动机器人轨迹跟踪控制

针对三轮驱动移动机器人在轨迹跟踪控制过程中运动不平滑的问题,建立了移动机器人在一定运动约束条件下的运动学模型。根据移动机器人位姿误差微分方程的描述,设计了基于后退时变状态反馈方法的移动机器人轨迹跟踪控制器。基于李雅普诺夫方法,对轨迹跟踪控制器的稳定性进行了分析,证明了该控制器能够保证闭环系统全局一致渐进稳定。仿真结果验证了运动学模型的正确性,以及轨迹跟踪控制器的有效性。     

一种考虑先验估计误差相关性的快速DUIF 算法

针对稀疏无线传感器网络(WSN) 中加权平均一致分布式无迹信息滤波(DUIF) 算法估计次优和滤波效率较低的问题, 提出一种考虑先验估计误差相关性的快速DUIF 算法. 采用加权统计线性回归(WSLR) 方法线性化观测模型, 以节点共享信息作为平均一致性算法输入, 从而在极大后验估计中引入先验估计交互协方差信息; 设计最优通信连接边权值并自适应修正状态加权矩阵, 提高平均一致性算法收敛速率. 仿真实验结果表明, 所提出的算法能够有效应用于稀疏WSN目标跟踪.

     

基于预测控制的时滞多机器人编队脉冲控制

针对多机器人编队控制的时滞问题, 提出一种基于预测控制的脉冲控制方法. 首先, 利用一致性思想将多机器人编队控制转换为系统稳定性问题; 然后构建预测模型, 采用脉冲控制协议, 利用Schur 稳定性定理推导实现多机器人编队控制的充分条件; 最后, 在数值仿真中随机设置一种包含生成树的通信拓扑关系, 并比较了不同采样时间间隔下时滞系统的控制效果. 仿真结果验证了所提出方法的有效性.

     

基于RSSI的机器人室内卡尔曼滤波定位算法研究

针对移动机器人在室内环境中定位难的问题,提出了一种基于RSSI（Receive Signal Strength Indicator）的卡尔曼滤波定位算法。利用基于RSSI的定位方法估算用户的位置坐标,利用卡尔曼滤波算法对用户的估算位置坐标进行优化处理,以提高室内定位系统的性能和稳定性。实验结果表明,卡尔曼滤波算法是鲁棒的,可以有效改善系统的定位精度,达到了预期的目的。     

基于编码器—解码器的工艺过程生成方法

针对现有工艺过程生成方法对于不同专业适用性较差的问题，提出一种基于深度学习编码器—解码器结构的工艺过程生成方法。该方法利用工艺大纲文件数据，通过编码器提取大纲文件中工艺属性的特征，形成工艺属性文本表征向量，解码器根据表征向量逐步生成工艺过程。在钣金零件制造与装配两个专业工艺大纲文件数据上，比较研究了24种编码器—解码器结构，最高准确率分别达到0.8287和0.6973,即生成的工艺过程有82.87%和69.73%可直接接受，不需要后续修改。这一方面表明所提出方法能够有效地从数据中学习工艺属性与工艺方法间的关系，从而生成工艺过程；另一方面，在两个专业采用相同编码器—解码器结构，表明所提方法对于不同专业的适用性，具有迁移能力。