排序方式: 共有6条查询结果,搜索用时 15 毫秒
1
1.
针对时空维度特征影响自动驾驶车辆轨迹精度的问题,提出基于时空融合的多头注意力(TSMHA)车辆轨迹预测模型,对于空间与时间2个维度的特征信息,分别使用多头注意力机制提取车辆空间交互感知与时间运动模式.为了获得互补特征,并除去特征数据中的冗余,将处理后的时空特征信息传输至门控特征融合模型进行特征融合.使用基于长短期记忆(LSTM)的编解码器结构,考虑编码与解码2个过程中轨迹之间潜在的相互作用,循环生成目标车辆未来预测轨迹.在训练过程中使用L2损失函数,以此降低预测轨迹与真实轨迹的差值.实验表明,与对比算法模型相比,在直线高速公路、城市十字路口、环岛场景下,本研究所提出的模型的精度分别提高了3.95%、 15.64%、31.40%. 相似文献
2.
3.
4.
5.
针对无线传感器网络节点能源受限的特征,以系统最小硬件开销为设计原则,提出了一种适用于基于测距的分布式定位方法(3/2-NANDB),该方法可在不增加单个独立节点硬件开销的情况下,利用附加的外部控制系统发射一个旋转定向波束充分挖掘节点间的冗余信息,有效排除节点位置的模糊性,从而可完全确定只有两个邻居节点的节点位置和部分只有一个邻居节点的节点位置,达到减少GPS携带节点数量、最大化网络内部可定位节点数目、扩大网络观察范围和延长无线传感器网络存活时间等目的.而利用该方法的节点二义性排除算法,还可以辅助其他现有的基于三邻居(3-NA)的定位算法提高整体定位性能. 相似文献
6.
分析了当前离散制造车间调度模式的不足和面临的挑战,在此基础上,提出一种5G技术赋能的智能离散制造车间主动调度模式,将生产过程的传统被动调度模式转化为“互联-预测-调控”的主动调度模式。针对实际生产中交货期变化、机器故障等异常工况,通过5G技术构建云-边-端协同的车间多源异构数据互联互通体系,打通各层级之间的通信壁垒,实现全生产要素的数据实时感知与互联以及生产指令的上传下达;基于感知数据,采用深度学习等人工智能技术实现车间运行状态与异常事件的精准预测;根据预测结果主动调控生产计划,优化资源配置,构建了云-边-端协同的主动调度机制,实现调度“规则+算法”的混合联动,降低异常事件对生产过程的影响,实现复杂动态制造环境下的车间性能优化。 相似文献
1