双向航道集装箱港口船舶调度优化算法

针对拥有双向航道的集装箱港口中船舶进出港所遇到的会遇和追越等问题,提出了一种重点考虑服务规则的新型船舶调度优化算法。首先,同时考虑双向航道的现实约束和港口夜航的安全规定;然后,构建了以所有船舶在港总等待时间最小为目标的混合整数规划模型来得出最佳的船舶进出港次序;最后,设计了嵌入聚合策略的分支切割算法对模型进行求解。通过数值实验可知,运用嵌入聚合策略的分支切割算法所得结果与下界值的平均相对偏差为2.59%。同时,与模拟退火算法与量子差分进化算法的对比结果表明,所提的分支切割算法所得的目标函数值相较于两个对比算法所得目标函数值分别减少了23.56%和17.17%,验证了该算法的有效性。在用所提算法得到方案的敏感性分析中比较了不同抵港安全时间间隔和船舶类型比例对方案结果的影响,为双向航道集装箱港口的船舶调度优化提供了决策支持。     

优化强化学习路径特征分类的脉象识别法

脉象识别是中医诊断的重要手段之一。长期以来,依据个人经验进行的脉诊制约了中医的推广与发展。因此,利用传感设备进行脉象识别的研究正在逐步展开。针对神经网络识别脉象的相关研究中,存在需要大量训练数据集,以及存在处理“黑箱”和时间花销较大等问题,在强化学习的框架下,提出了一种采用马尔可夫决策和蒙特卡罗搜索的脉象图分析法。首先依据中医理论对特定的脉象进行路径分类,然后在此基础上为不同的路径选择代表性特征,最终通过对代表性特征的阈值对比完成对脉象的识别。实验结果表明,所提方法可缩减训练时间和所需资源,并可保留完整的经验轨迹;且在提高脉象识别的准确率的同时,还可解决数据处理过程中的“黑箱”问题。     

任意初态下的工业机器人迭代学习控制

对迭代初值为任意值的工业机器人轨迹跟踪控制系统,提出了一种基于滑模面的非线性迭代学习控制算法,使机器人轨迹能快速、精确跟踪上期望轨迹。基于有限时间收敛原理,构建了关于机器人轨迹跟踪误差的迭代滑模面,在滑模面内,机器人轨迹跟踪误差在预定时间内收敛到零。设计了基于滑模面的迭代学习控制算法,理论证明了随着迭代次数的增加,处于任意初态的轨迹将一致收敛到滑模面内,解决了迭代学习中的任意初值问题。数值仿真验证了该算法的有效性和抗干扰能力。     

受天气与交通事故影响的安全路线选择模型

为完善安全为第一因素的路线规划导航系统,突出“以人为本”的理念,基于OD（Origin-Destination）的路段选择,综合考虑贵阳市交通事故数据和天气数据两大影响线路风险系数的因素。建立泊松分布模型和马尔可夫模型,分析区域内交通事故易发点在晴天、阴天、雨天发生交通事故点概率和路线概率,构建风险系数指标。针对模型求得的路线安全系数采用最大决策法选出最优安全路线。结果表明,贵阳市不同天气下发生的交通事故频率有差异,检验每个地点发生交通事故数服从泊松分布;现有导航软件推荐的第一路线并不是最优路线,第二条路线才是安全系数最大的路线。基于泊松分布模型和马尔可夫模型计算交通事故发生概率,为现有导航软件中增添了安全系数为第一参考值的人性化设置,有较好的社会价值和推广性。     

信息熵角度下的深度学习旁路安全评估框架

基于深度学习的建模类旁路密码分析（Deep Learning Side Channel Analysis/Attack,DLSCA）对于各种旁路攻击场景的密码破解效果都十分显著,但是DLSCA仍存有安全评估问题。基于AES对称加密算法的能量分析,通过信息熵角度分析准确率等传统机器学习性能指标无法评估DLSCA深度神经网络（Deep Neural Network,DNN）模型训练程度的原因。定义密钥信息量,分别阐释密钥信息量与旁路安全评估、DNN模型训练阶段性能评估的关系,建立深度学习模型与旁路分析二者的联系,提出以密钥信息量为核心的DLSCA安全评估框架。     

面向边缘端的施工人员实时检测方法

施工人员检测在施工管理工作中有重要的应用价值。施工现场图像背景复杂且视角多样,给施工人员检测任务带来难度,同时施工现场大多基础配套设施不完善,并且网络条件较差,不适合在大型GPU工作站上进行模型部署。针对以上问题,以YOLOv3检测网络为基础,加入特征金字塔池化模块,增加多尺度特征融合并改进候选框,提升检测精度,同时采用通道剪枝算法对检测网络进行轻量化处理以适应边缘端设备算力,提出一种面向边缘端的施工人员实时检测方法。该方法在自制的施工人员数据集上平均准确率可达到88.23%,较YOLOv3检测方法提升4.89个百分点,且将模型大小压缩至原来的1/13,检测速度提升一倍,在嵌入式设备Jetson Xavier NX上检测速度可达到69.08帧/s,满足在施工现场进行实时边缘端检测的要求。     

基于CPU+FPGA的临近空间信道模拟器

针对临近空间通信信道中的气象性损耗和非气象性损耗进行了理论分析,着重研究大气吸收损耗、降雨衰减和多径衰落等信道传播特性的建模方法,建立临近空间信道模型;提出了一种基于中央处理器(central processing unit,CPU)和现场可编辑门阵列(field-programmable gate array,FPGA)的临近空间信道模拟器软硬结合实现方案,并对希尔伯特变换和多普勒频移的实现方法进行分析;结合卫星导航模拟器和信号发生器产生的实际信号对信道模拟器的性能指标和统计特性进行测试;实测结果表明,信道模拟器输出信道衰落的各项统计特性符合理论结果,信道模拟器可实现分辨率和最大值分别是5 ns和5115 ns的多径相对时延以及分辨率和最大值分别是1 Hz和1.6 MHz的多普勒频移;该信道模拟器可辅助分析临近空间信道环境对信号传播的影响.     

基于LoRa自组网无线传输技术实现用电信息采集系统设计

针对传统通信技术存在经济需求高、易被外界干扰、功率损耗高等问题,设计了一套非常适用的解决方案,该方案基于LoRa自组网无线传输技术,与A/D用电信息采集系统结合,组成一套很好的方案;通过LoRa扩频技术和低功耗技术来解决远距离无线通信易受到干扰和功率损耗高的问题,利用A/D用电信息采集系统解决大数据环境下传统采集方法准确率低的问题;经过仿真实验结果表明,该方案LoRa无线传输技术的远距离通信和低功耗能够实现,在大数据环境下A/D用电信息采集系统的准确率比WEB自动采集程序高达3%。     

基于布谷鸟搜索优化神经网络的锂电池荷电状态预测

锂电池荷电状态(SOC)的预测是电动汽车锂电池管理系统中最为关键的技术之一;为实现对SOC的高精度的预测,提岀了一种基于布谷鸟搜索算法(CS)优化的误差反向传播(BP)神经网络的锂电池SOC预测方法,该方法的核心难点之一,在于优化BP神经网络的初始权值和阈值,从而可以改善易陷入局部最优的情况,减小算法对初始值的依赖;Matlab仿真结果表明,CS—BP神经网络算法的均方根误差值比BP算法的均方根误差值平均降低了0.010 6,CS—BP算法具有更高的预测精度和极强的泛化性能.     

面向智能电网的PCA近似法错误数据注入攻击

准确的状态估计对于维持智能电网的正常运行至关重要。论文在雅可比(Jacobian)矩阵和状态变量分布假设未知的情况下,采用主成分分析近似法(PCA-Sim)研究了错误数据注入攻击问题,从线路测量的相关性中对Jacobian矩阵进行推导,验证了错误数据注入攻击近似隐形攻击,并且结合累积分布函数(cdf)分析了所提方法的性能。通过对IEEE14配电网系统在均匀状态变量、高斯状态变量和混合状态变量条件下漏检概率与决策阈值的仿真研究,结果证实了所提方法的有效性。