多分支残差注意力机制融合的图像超分辨率重建

针对图像超分辨率重建时存在特征映射不完全,以及映射特征易丢失而导致的重建效果不佳的问题,提出了一种多分支残差注意力机制融合的图像超分辨率重建算法。该算法在深层特征映射部分引入多分支架构,增加了网络宽度;并在每个分支中引入包括融合注意力机制的残差结构,对不同的特征信息进行侧重学习,提高了模型提取特征的能力;然后在非线性映射输出层对多个分支映射的信息进行叠加,进一步使特征信息融合,促进参数传递。试验结果表明,该算法在客观评价指标上和主观图像效果上均优于其他算法,有效提高了重建图像的细节清晰度。     

太阳能电站集热岛数据采集及监控系统的实现

针对太阳能电站监控数据信息量大、分布广泛等特点,采用eForceCon软件平台和分布式PLC远程控制单元完成太阳能电站镜场分布式数据采集及监控系统的设计.数据传输过程中采用多链路同步交互及多端口分时触发协调通信的设计思想,通过数据监听手段对各层设备间的通信状态进行测试.测试结果表明:上位IO Server和PLC主站采用多链路同步数据交互方式时,上下层间通信的请求、响应错误率为零;PLC主从站之间采用多端口分时触发协调通信时,1 min随机监听周期内,不同端口成功触发的非均衡性小于12.5%.分布式数据采集及监控系统在示范电站长期运行验证,上位IO Server与下位PLC主站、下位PLC主站与从站之间数据交互的实时性、可靠性完全满足实际应用需求.     

车牌识别的分布式结构处理方法研究

提出了一种车牌识别的分布式结构处理方法,能合理利用车牌识别系统的资源,提高车牌识别系统的识别效率,适合于多车道大流量的实际交通系统。对车牌识别系统在交通系统的应用和推广具有重要意义。     

计算机编制列车运行图分布式数据库系统规划与设计

基于对客户机／服务器分布式处理形式的分析,采用结构化设计和分布工ＰｏｗｅｒＢｕｉｌｄｅｒ程序设计的方法,在计算机编制列车运行图２．１版的基础上,对计算机编制列车运行图数据库系统的网络进行了规划与设计,为计算机编制列车运行图的研究拓展了新的空间。     

一种无需指定船舶位置的新型船舶大规模自主编队方法

[目的]针对船舶大规模编队通信量大、编队速度慢、不便于扩充等问题,提出一种新型的虚拟壁面编队方法。[方法]使用局部通信,根据自然规律,设定虚拟作用力驱使船舶向目标位置集合,并通过虚拟壁面调整队形,从而实现船舶编队的目的。[结果]结果表明,所提方法能够按照“就近原则”快速地完成编队,通信量低且不随编队规模而增加。通过对船舶编队的静态、动态、旋转、缩放和避障的仿真验证了这种算法的有效性。[结论]所提虚拟壁面法具有通信量低、编队速度快、扩充简单等优势,在船舶大规模编队中具有明显优势。     

生产执行系统在样车试制过程中的应用

随着信息技术与工业化的进一步融合,制造业的发展也面临着新的契机,“质量”逐渐在品牌建设和市场中占据着越来越重要的位置。在样车试制的过程中,生产执行系统的建设和使用能够有效提升样车的质量,这对我国汽车制造业自主技术创新水平的提升有着非常重要的促进性作用。基于此,文章将对生产执行系统的基本架构和主要功能进行介绍,最后,以试制信息管理系统为例,对生产执行系统在样车试制中的应用进行简单分析。     

分布式驱动电动汽车驱动力矩分配策略研究

文章通对过四轮独立驱动的分布式驱动的电动汽车转矩分配的研究,基于模糊算法和pi算法,通过对车辆横向稳定指标的评估从而计算补偿力矩。并且基于确定的补偿力矩具体给出转矩分配原则,最后同过使用CarMaker和Simulink进行联合仿真,证明了这种分配算法对车辆的稳定性有改善的效果。     

船舶智能制造模式的核心要素和体系架构

从现代造船模式和智能制造基本特征出发,提出船舶智能制造模式的定义、内涵、核心要素及体系架构,为船舶行业和造船企业推进船舶智能制造模式、构建船舶智能车间和智慧船厂提供思路。     

多无人水面船分布式自适应协调跟踪控制

针对多无人水面船(Unmanned Surface Vessel, USV)协调轨迹跟踪控制问题,基于仅邻近USV可以通信的无向连通通信拓扑,提出分布式自适应协调跟踪控制。使用领航者跟随协调策略,引入虚拟领航者,考虑仅虚拟领航者已知期望轨迹和目标速度的情况,通过获取邻居的实时位置和速度信息,计算每艘USV在团队中的实时期望位置和速度,从而定义聚合跟踪误差。基于聚合跟踪误差建立轨迹跟踪误差系统数学模型,使用自适应项补偿外界环境干扰,提出分布式自适应协调跟踪控制算法。基于Lyapunov稳定性理论,论证聚合跟踪误差收敛,进而得到跟随者相对于期望位置的跟踪误差、速度误差均有界并渐进收敛到零,最后仿真验证理论结果。     

基于检测无迹信息融合算法的多传感融合方法

针对单一传感器对目标车辆识别准确率低的问题,提出一种基于毫米波雷达和摄像头信息融合的目标跟踪方法,同时,基于扩展信息融合(EIF)和无迹信息融合(UIF)原理建立了检测无迹信息融合(CUIF)算法,对多传感器信息进行融合。CUIF算法采用分布式融合结构,将来自不同传感器的轨迹相互关联并融合以获得目标轨迹,并利用分布式检测系统对获取的传感器延迟信息进行实时系统状态补偿,从而解决了单传感器信号延迟、丢包等问题。通过CarSim与Simulink联合搭建仿真和试验平台对所研究的融合模型进行算法验证。试验结果表明,CUIF算法的目标丢失率比EIF和UIF减少了10%以上,它将时间延迟缩短至5 ms,满足系统对实时性的要求。