基于混合负载平衡的并行启发式搜索算法

在分析了迭代加深启发式搜索(Iterative Deepening A*)算法及其可并行性后,提出了一种新的基于混合负载平衡的并行迭代加深启发式搜索算法。该算法综合了静态负载平衡和动态负载平衡的优点,可以在多结点的并行搜索计算中获得很高的加速比和效率。给出了该算法的Java RMI实现。通过在72个结点的并行机上的试验表明,该算法可以极大地提高并行搜索算法的加速度和效率。     

新一代多模型迭代算法在70 kVp成人副鼻窦CT扫描中的应用

探讨成人在70 kVp副鼻窦CT检查中降低有效辐射剂量的同时,获取最佳图像质量的新一代多模型迭代算法(Adaptive Statistical Iterative Reconstruction-V,Asir-V)的权重。本研究对20例成人患者进行副鼻窦Revolution CT检查,采用70 kVp、230 mA条件下进行螺旋CT扫描,扫描完成后对每例患者的原始数据采用不同权重(0,20%,40%,60%,80%,100%)的后置新一代多模型迭代算法(Adaptive Statistical Iterative Reconstruction-V,Asir-V)重建的方法,共获得120幅图像,并对每例6组图像进行客观评价及主观评分。客观评价包括噪声(standard deviations, SD)和对比噪声比(contrast noise ratio,CNR),主观评价由2名评价医生对图像质量评分并对两者的主观一致性进行评价。每例患者扫描完成后,记录其剂量长度乘积(dose-length product,DLP)和CT容积剂量指数(CT dose index volume,CTDI_vol),并计算其平均有效辐射剂量(effective dose,ED)。客观评价结果表明不同权重的Asir-V图像噪声随着Asir-V权重的提升而降低,CNR值随着Asir-V权重的提升而升高,且有效辐射剂量ED较常规头颈部CT检查的平均辐射剂量明显减少;主观评价结果表明不同权重的Asir-V图像评分不同,在Asir-V 60% 时评分最高,且2名医生主观评价一致性好。结合主客观评价结果,认为在70 kVp、230 mA成人副鼻窦Revolution CT检查中,Asir-V 60％的图像既可满足临床诊断的需要,也可明显降低有效辐射剂量。     

Batch-to-batch optimal control of a batch polymerisation process based on stacked neural network models

A neural network based batch-to-batch optimal control strategy is proposed in this paper. In order to overcome the difficulty in developing mechanistic models for batch processes, stacked neural network models are developed from process operational data. Stacked neural networks have enhanced model generalisation capability and can also provide model prediction confidence bounds. However, the optimal control policy calculated based on a neural network model may not be optimal when applied to the true process due to model plant mismatches and the presence of unknown disturbances. Due to the repetitive nature of batch processes, it is possible to improve the operation of the next batch using the information of the current and previous batch runs. A batch-to-batch optimal control strategy based on the linearisation of stacked neural network model is proposed in this paper. Applications to a simulated batch polymerisation reactor demonstrate that the proposed method can improve process performance from batch to batch in the presence of model plant mismatches and unknown disturbances.     

应用改进迭代最近点方法的点云数据配准

提出了基于点云边界特征点的改进迭代最近点(ICP)方法来提高逆向工程中点云数据配准的效率和精度.首先,提出了基于点云边界特征点的初始配准方法.对点云最小包围盒进行三维空间划分,建立空间网格模型;运用边界种子网格识别及生长算法,从点云边界提取特征点,运用奇异值矩阵分解法(SVD)求出点云的变换矩阵,得到初始配准结果.然后,提出了改进的ICP精确配准方法.对点云对应点赋予权重,剔除权重大于阈值的点,通过对目标函数引入M-估计(M-estimation),剔除异常点.最后,在初始配准的基础上,运用改进的ICP方法精确配准.对经典ICP方法和改进ICF方法做对比实验,结果显示,改进方法的配准效率提高了70％以上,误差减小到0.02％.实验表明,本文方法大幅提高了点云配准的效率和精度.     

移动机器人的离散迭代学习控制

移动机器人是一个集环境感知、动态决策与规划、运动控制与执行等多种功能于一体的综合自动化系统,对移动机器人的运动轨迹跟踪静、动态特性的要求也越来越高。迭代学习控制是一种能够有效地处理重复跟踪控制问题或抑制干扰性问题,提高系统性能的先进控制方法,能在给定的时间范围内实现未知对象实际运行轨迹以高精度跟踪给定期望轨迹,且不依赖精确数学模型。建立了移动机器人的运动模型,将迭代学习控制应用于具有重复运动性质的移动机器人,完成了迭代学习控制结构和控制率设计,通过仿真可见,该系统稳定收敛,能实现移动机器人良好的轨迹跟踪。     

薄壁容器的极限压力迭代法及其应用

薄壁压力容器不同于普通压力容器 ,在受到压力发生轴向拉伸时 ,当材料达到屈服极限后还将发生塑性变形 ,其实际爆破压力 (极限压力 )远大于屈服极限。根据斯塔尔法 ,介绍一种薄壁容器极限压力迭代求解方法 ,并对其应用进行了研究 ,这对薄壁压力容器的设计、试验、制造具有十分重要的参考价值。     

流场超声层析成像中图像的迭代滤波反投影重建

为提高流场超声层析成像的图像重建质量,提出了一种迭代滤波反投影图像重建算法。该算法借鉴联合迭代重建算法的原理,将滤波反投影算法引入迭代重建过程。首先,利用滤波反投影算法,通过投影数据残差重建误差图像对流场图像进行修正,实现图像的迭代重建。然后,通过优化迭代步长,使每步迭代后投影数据残差均取得极小值以便加快收敛速度。最后,基于流场连续、紧支撑分布的特点,在迭代重建过程中引入投影数据的细分内插和流场图像的圆域修正。实验表明:相比于滤波反投影算法,迭代滤波反投影算法可使理论流场重建的图像误差平均减少26%,流量误差由1.77%减小至±0.25%以内;程序运行时间为0.63s,仅为联合迭代重建算法的0.89%。该算法可实现对直管段内和单弯管下游实际流场的可靠重建,满足流场高精度实时成像的要求。     

离散系统单调收敛高阶迭代学习控制

研究了一类离散线性时不变系统高阶迭代学习控制在相应范数意义下的单调收敛条件,给出了对给定目标函数迭代学习控制参数的最优解,并讨论了其收敛速度。常见的离散P型、D型及PD型ILC算法均可看作是所讨论算法的特例。仿真结果表明采用给出的最优设计具有更好的迭代学习单调收敛性能。     

物联网数据接入最优分流算法设计与仿真

采用传统方法对物联网数据接入进行分流时,易导致网络拥塞和节点瘫痪,存在网络拥塞率较高、最大上传带宽较低和网络平稳运行时间较短的问题.为解决上述问题,设计了物联网数据接入最优分流算法.通过"流"的局部性定义,确定数据接入分流的约束条件,并构建分流过程中的能量消耗模型.运用该模型和空间重构方法对物联网数据做特征提取,获取物...     

MIMO系统中的迭代分组MAP检测算法

该文提出了在分组MAP检测器内部进行干扰信息更新和检测信息迭代反馈的检测算法。在MIMO系统基本的分组MAP检测算法基础上,利用先检测分组产生的后验信息替代先验信息提高干扰信号的估计精确度,进一步可以使用迭代反馈的方法在检测器内部进行反馈检测分组的后验信息,从而提高了检测信号的分集度。仿真结果表明在未编码系统中改进的分组检测方法能够显著地提高系统误码率性能,在编码系统中能够加快整个系统的收敛。