智能农业除草机器人研究现状与趋势分析

智能农业除草机器人融合了环境分析、路径导航、视觉识别和运动控制等多种技术,是应用于精准农业中除草作业的智能机器人系统,作为农业机械化研究的热点备受国内外学者关注;对除草机器人的国内外研究现状进行了梳理,进一步分析了除草机器人的特点与优势;总结了除草机器人系统控制、移动导航和机器视觉等关键技术的研究进展,指出关键技术的发展前景与空间;结合除草机器人的技术研究特点与市场环境分析了其未来发展趋势;针对目前除草机器人存在的问题提出解决思路与研究方法,为除草机器人智能化、自动化和集成化发展研究提供理论参考.     

结合边缘信息和门卷积的人脸修复算法

针对任意形状遮挡下人脸修复,现有方法容易产生边缘模糊和恢复结果失真等问题。提出了一种结合边缘信息和门卷积的人脸修复算法。首先,通过先验人脸知识产生遮挡区域的边缘图,以约束人脸修复过程。其次,利用门卷积在部分像素缺失下的精确局部特征描述能力,设计面向图像修复的门卷积深度生成对抗网络(GAN)。该模型由边缘连接生成对抗网络和图像修复生成对抗网络两部分组成。边缘连接网络利用二值遮挡图和待修复图像及其边缘图的多源信息进行训练,实现对缺失边缘图像的自动补全和连接。图像修复网络以补全的边缘图为引导信息,联合遮挡图像进行缺失区域修复。实验结果表明:相比其他算法,该算法修复效果更好,其评价指标比当前基于深度学习的图像修复算法更优。     

基于二阶k近邻的密度峰值聚类算法研究

密度峰值聚类(DPC)是近年来提出的一种新的密度聚类算法,算法的核心是基于局部密度和相对距离,通过画出决策图,人为选定聚类中心,进而完成聚类.DPC算法利用截断距离计算局部密度,本质上只考虑了周围近邻节点的数量,且算法采用单步分配策略,一定程度上限制了算法对任意数据集的计算精度和有效性.针对上述问题,提出基于二阶k近邻的密度峰值聚类算法(SODPC).算法通过引入节点的二阶k近邻,计算直接密度和间接密度,重新定义局部密度的计算方式.在此基础上,定义非中心节点的多步骤分配策略完成聚类.通过人工和真实数据的测试,证明了该算法对不规则、密度不均匀的数据集具有较好的聚类效果.     

矿井提升机变频调速控制系统研究

针对煤矿用提升机存在机械磨损严重、耗电量大的问题,设计基于变频调速的矿用提升机控制系统。详细分析变频调速直接转矩控制原理和电压型逆变器原理,并完成仿真验证。给出变频调速控制系统总体方案设计、硬件设计和软件设计并完成工业试验。试验结果表明,该变频调速控制系统能够保证矿井提升机安全、稳定运行,降低机械磨损并达到节电的目的。     

Sunway supercomputer architecture towards exascale computing: analysis and practice

Science China Information Sciences -     

Determining node duty cycle using Q-learning and linear regression for WSN

Wireless sensor network(WSN)is effective for monitoring the target environment,which consists of a large number of sensor nodes of limited energy.An efficient medium access control(MAC)protocol is thus imperative to maximize the energy efficiency and performance of WSN.The most existing MAC protocols are based on the scheduling of sleep and active period of the nodes,and do not consider the relationship between the load condition and performance.In this paper a novel scheme is proposed to properly determine the duty cycle of the WSN nodes according to the load,which employs the Q-leaming technique and function approximation with linear regression.This allows low-latency energy-efficient scheduling for a wide range of traffic conditions,and effectively overcomes the limitation of Q-learning with the problem of continuous state-action space.NS3 simulation reveals that the proposed scheme significantly improves the throughput,latency,and energy efficiency compared to the existing fully active scheme and S-MAC.     

信息安全专业课程思政的逆向教学设计——以西安电子科技大学“无线通信网络安全”课程为例

课程思政是信息安全专业课程教学中的新课题。依据逆向教学设计理论,以西安电子科技大学“无线通信网络安全”课程为例,在厘清课程思政建设理念和原则的基础上,从课程前端设计、层级化的课程思政教学目标、合理化评价、多样化学习活动、教学反馈5方面出发,构建了一个基于问题式学习的系统化课程思政设计流程。通过本案例的演示,为其他信息安全专业类课程开展课程思政教学设计提供了参考和借鉴。     

基于主动预防策略的风电场智能运维管理解决方案

风电场运维模式落后、设备智能化低,造成风电场运维成本高和发电量低。随着风电场数量不断增多,业主投资趋于理性,传统风电场被动运维管理模式迫切需要提高,使其向数字化智能化方向发展靠近。针对于此,基于主动预防策略,通过构建智能运维管理平台以及先进运维手段,提升运维工作自动化水平,确保风场设备健康运行与快速维护,以适应智能电网安全、稳定、高效运行。     

正弦波下砂岩ms级损伤预测模型

为获得毫秒(ms)级正弦波损伤变量预测模型,对岩样在不破坏情况下进行了不同波形不同频率的轴向力加卸载试验。提出了不同步时间段的定义,进而获得不同峰值荷载下不考虑不同步时间条件下的动态泊松比分别与即时荷载、即时横向长度、即时轴向高度之间的线性关系,从而得到线性关系中系数与峰值荷载间的拟合公式,即可联立不同已知条件,通过少量几个加载力峰值下的试验数据,对任意峰值荷载下动态泊松比与相关参数间的线性关系进行预测。以此为基础研究得到,在误差允许的范围内,采用动态泊松比与即时横向长度的线性关系,推导出体积应变、损伤变量的计算公式和方法,可以很好地对加卸载过程中岩样的体积应变、损伤的变化做出ms级的精确预测,也为在已知少量循环试验下获得岩石动态参数,即可对ms级的损伤进行精确预测的模型提供了方法。     

基于GA-ANN模型的A2/O工艺运行参数优化

影响A~2/O工艺运行的参数有许多,这些因素相互联系、相互作用,影响工艺效率.为了弥补控制单一变量法或者设计正交试验法的不足,综合考察多种运行参数对工艺运行效果的影响,建立了基于遗传算法进行全局寻优的神经网络模型(GA-ANN模型),并应用于某城市污水处理厂A~2/O工艺的运行优化.获得该厂调试运行期间154组有效监测数据后,随机选取2/3的数据用于GA-ANN模型的求解,1/3的数据用于模型的检验,对工艺运行参数进行优化,得到最佳运行参数组合.结果显示,建立基于遗传算法的神经网络模型用于A~2/O工艺运行参数的优化是可行的,可以为污水处理厂运行参数的设置提供理论参考,对调试工作、提高工艺运行效率具有一定的实际指导意义.