基于弹性绳理论的自主车辆防碰撞的路径规划

基于人工势场的引导策略,通过建立包括车道边界和障碍车的道路危险势场,采用弹性绳模型实现了车辆在高速公路上的车道保持和紧急避障功能。为了保证车辆在高速情形下避障的安全性,在障碍车辆原有势场基础上,在障碍车辆的前后各增加一个引导势场,使车辆能够提前避障,从而避障过程更安全。再结合Carsim仿真,在车辆的路径跟随过程中观察主车的横摆角速度的变化来判断车辆的稳定性。对直道和弯道两种情形进行避障仿真对比分析,结果表明:在障碍车辆前后添加引导势场能提前避障,从而使避障过程更安全。     

基于指数-兰彻斯特方程的岛礁作战效能评估

通过建立指数-兰彻斯特方程模型对海军陆战队兵力夺控珊瑚岛礁兵力编组的作战效能进行评估,分析各战斗阶段的兵力损耗,检验作战方案实施的效果,为优化兵力编组和完善作战方案提供依据.     

基于改进鱼群算法在管道最优抢修路径的研究

当油气管道发生安全事故时,为保证在最短的时间内达到事故现场,需选择最优的抢维修路径。文中提出了一种新型的最优路径计算方法——鱼群算法,并针对其在搜索空间、收敛性以及寻求最优解等方面存在的不足,提出了改进鱼群算法。结合实际工程案例,对鱼群算法和改进鱼群算法在相同循环次数下寻求最短路径做了对比,结果显示改进的鱼群算法成功率高、收敛快,具有一定的应用价值。     

Progress and Perspective of Artificial Intelligence and Machine Learning of Prediction in Anesthesiology

Artificial intelligence (AI) has long been an attractive topic in medicine,especially in light of the rapid developments in digital and information technologies.AI has already provided some breakthroughs in medicine.With the assistance of AI,more precise models have been used for clinical predictions,diagnoses,and decision-making.This review defines the basic concepts of AI and machine learning (ML),and provides a simple introduction to certain frequently used algorithms in AI and ML.In addition,the review discusses the current common applications of AI and ML in the prediction of anesthesia conditions,including those for preoperative predictions of difficult airways,intraoperative predictions of adverse events and anesthetic effects,and postoperative predictions of vomiting and pain.The use of AI in anesthesiology remains in development,even without extensive promotion and clinical application;moreover,it has immense potential to maintain further development in the future.Finally,the limitations and challenges of AI development for anesthesia are also discussed,along with considerations regarding ethics and safety.     

������������֯������Ⱥ�Ľ�ͨ��Ԥ��

为了提高城市交通流预测神经网络方法的快速动态学习能力,提出了一种生长自组织神经网络群,将复杂的神经网络个体分解为多个训练简单的神经网络群组,并利用设计的动态生长自组织算法来避免神经网络在学习新知识的时候对已有知识造成破坏,同时保持整个群工作的高效稳定,规模不过度扩张.该神经网络群尝试解决神经网络的一次性学习问题,具有动态知识增殖学习能力和更强的错误自修复能力及系统适应灵活性.仿真结果表明,这一方法能够更精确地实现函数逼近和城市交通流自适应动态预测,适用于需要不断快速动态学习的复杂系统.     

海底管道外表面阴极保护系统优化设计

针对海底管道外表面阴极保护系统优化设计,在传统的规范设计基础上,提出基于数值模拟计算的优化设计技术,设计可以完整描述实际工程中海底管道外表面防腐系统状态的大规模样本,基于边界元方法实现4480种管型（32120个数值模型）的大规模数值模拟计算,得到海底管道外表面阴极保护系统大规模优化设计数据库。在对输入、输出参数进行相关性分析的基础上,应用L-M算法和贝叶斯正则化算法实现两级人工神经网络映射关系的训练。数值仿真结果表明,建立的神经网络映射模型精度高达0.05%,收敛性良好,可以为海底管道外表面阴极保护系统优化设计提供先进的技术手段。     

浅述人工智能在隧道工程中的应用

 目前，传统隧道的相关技术主要依靠经验类比和少量的数值分析，其局限性将会大大限制隧道技术的发展。因此，将人工智能引入到隧道工程中显得尤为必要。简要介绍了人工智能，并分别从隧道的设计、施工、运营和维护等方面论述了人工智能在隧道工程中的应用。隧道工程的人工智能化，将使隧道工程的相关技术得到优化，从而大大提高隧道工程的安全性、高效性、舒适及节能性。     

公路施工机械设备技术状况管理系统

分析了公路施工机械设备管理信息化的必要性及可行性,论述了利用软件工程的理念,结合用户需求,开发机械设备技术状况管理系统的方法,介绍了系统的结构和主要功能模块.     

应用遗传算法技术优化路面养护决策

本文应用遗传算法技术，结合人工神经网络，提出了路面养护决策的一种新方法－－基于遗传算法的人工神经网络（GANN法），并分析了其工作原理，与传统方法相比，该方法加快了系统的决策学习速度，提高了决策的可信度，实用计算结果表明，GANN为处理路面养扩决策这类复杂非线性优化问题，提供了一种高效最优化的解决方案。     

神经网络模型在高速公路软基沉降预测中的应用

借助人工神经网络模型 ,建立了可依据现场量测信息对软基路堤沉降量随时间而发展的过程进行动态预报的分析方法。其要点是 :建立公路软基沉降预测的神经网络结构 ,并将前期沉降观测值作为样本 ,通过神经网络结构的训练寻求沉降及其主要影响因素的内在关系 ,据以预测后期沉降量