结合LSTM的强化学习动态环境路径规划算法

在路径规划领域已经涌现出了诸多的优秀的经典算法,但这些传统方法往往基于静态环境,对于动态可变环境缺乏处理能力.本文提出一种结合LSTM强化学习动态环境路径规划算法.首先,本文以环境图像作为输入,最大限度了保证了原始的信息来源.而后构建了自动编码器用来对环境图像进行特征降维,降低了整体模型的复杂程度.最后采用深度强化学习算法DDPG进行路径规划,其中Actor部分采用LSTM的网络构建,使Actor在决策时可以参考前序信息,做到有预测的避开动态障碍.最后通过实验证明了本文算法的可行性和高效性.     

基于冗余路径和节点密度的非均匀负载均衡分簇路由

为了解决分簇路由协议中簇头由于管理簇内数据和传输簇间数据导致簇头消耗过多能量而缩短网络生存周期的问题,提出了一种基于簇间冗余路径和簇内节点密度的分簇路由协议;首先,加入能量因素以改进簇头选举方式,提出了一种基于节点密度和基站距离的非均匀分簇方法以减少靠近基站和节点密集区的簇头负载,采用节点存储多条从簇头到基站的冗余路径以增强路径的可靠性;仿真实验证明基于冗余路径和节点密度的分簇路由,能实现网络区域的非均匀分簇、最大程度地均衡节点负载,且较其它方法具有较长的网络生命期和较多的信息传输量.     

基于云自适应遗传算法的NoC路径分配研究

路径分配是NoC设计流程中的两个关键步骤之一;路径分配的结果对NoC系统的性能尤其是通讯延时有着很重要的影响;多约束条件下的NoC路径分配问题是NP完全问题,要求出其最优解比较困难,目前常用的方法是利用启发式算法求得其较优解;文中提出一种基于云自适应遗传算法的NoC路径分配解决方案,该算法利用云模型对传统遗传算法加以改进,采取新的方法自动调整遗传算法过程中的交叉概率pc和变异概率pm,将适应度与云模型的3个参数Ex、En、He相互结合,从而达到优化遗传算法的目的;将此算法应用于2D-Mesh拓扑结构的NoC中,以平衡链路负载和联合优化为实验目标,以优化静态通讯分配结果;实验证明,文章所采取的算法在平衡链路负载和联合优化方面均取得了良好的效果。     

基于MasterCAM软件的4轴钻孔加工

MasterCAM是一套CAD/CAM软件,该软件具有强大的计算机辅助设计和计算机辅助制造功能,集工件的二维几何图形设计、三维曲面设计、刀具路径模拟和加工实体模拟等功能于一身,在多轴加工中,表现也尤为出色,并提供友好的人机交互。     

液化气灶旋钮注射模设计与数控仿真加工

随着现代机械工业发展,计算机辅助设计(CAD)和计算机辅助制造(CAM)已显示出巨大的潜力,并广泛应用于产品设计和机械制造中。数控加工技术已广泛应用于模具制造业,其中数控铣削是复杂模具零件的主要加工方法。对于简单的模具零件,通常采用手工编程的方法,但大多数模具的型芯和型腔,往往都具有比较复杂的曲面,要加工这样的曲面,手工编程是难以完成,因此需要借助于CAM软件编制加工程序,如Pro/ENGINEER、NX或MasterCAM等。     

“中国制造”的两化融合创新路径

我国制造业信息化起源于上个世纪末期,但是真正蓬勃发展起来并向广度深度挺进,也只有近十年的时间,特别是国家成立信息化领导小组以来,制造业信息化更是受到全方位重视。2007年10月,党的“十七大”报告正式将信息化列入“五化”,提出“两化融合”的概念,即信息化与工业化融合,走新型工业化的道路。     

立足浦东探索智慧城市建设路径

作为国内最早“吃螃蟹”的城区,浦东新区自2008年提出建设“智慧浦东”至今,在智慧城市建设理念和实践等方面都取得了较好的成效,在探索中国智慧城市建设思路方面正在逐步形成具有浦东特色的路径和模式,现总结成文以飨读者,希望为中国智慧城市提供建设性的思路,用智慧引领发展模式变革,让城市更智慧、产业更健康、     

独轮移动机器人被动式避障和目标跟踪控制仿真实验

为了使移动机器人能在动态环境中安全地运动并探索周围的情况,针对动态变化的环境中,传感器范围有限的一类非完整系统-独轮移动机器人,提出了一种新的被动式目标跟踪控制方法,使其能在动态变化的环境中有效地避免静止和运动的障碍物.文中在极坐标下,考虑了移动机器人和障碍物的相对运动,首次将极坐标变换与李雅普诺夫分析方法结合起来,提出一种解决独轮机器人的位置跟踪和避障问题的方便实用的被动式控制算法:更重要的是,所提出的方法考虑了运动控制的饱和约束.通过仿真实验证明了提出的独轮机器人多目标控制的李亚普洛夫设计的有效性,为进一步研究多移动机器人或具更复杂的非完整约束机器人的多目标控制奠定了基础.     

基于并行遗传算法的配送路线求解

遗传算法(Genetic Algorithm)是一类借鉴生物界的进化规律演化而来的随机化搜索方法,已经成功运用在很多大规模的组合优化问题中。利用如今流行的并行计算机系统,对遗传算法进行并行化,可解决标准遗传算法的速度瓶颈问题。本文在MPI并行环境下,用C++语言实现了粗粒度模型的并行遗传算法。结合并行遗传算法的特点,提出了解决物流配送路线优化的策略以及给出相应的算法过程,并进行了有效验证。通过研究结果表明,与传统遗传算法相比,并行遗传算法提高了运算速度,降低了平均开销时间并且最小总路径值更理想。     

基于云模型的机器人自主乘梯控制方法研究

为了实现机器人在无人协助时完成乘梯操作,提出了机器人自主乘梯控制方法。首先建立了机器人乘梯过程的有限状态机模型,然后介绍了基于数据融合理论的多传感器融合定位方法和基于颜色识别技术的机械臂末端位置调整方法,最后提出了有次序目标点路径规划方法及基于云模型的机器人路径跟踪方法。实验表明,所提出控制方法能够保证机器人准确完成乘梯过程,且具有较好的实用性和有效性。