视角受限传感器网络强栅栏覆盖判定算法

栅栏覆盖研究如何分配网络时空资源来确保移动目标穿越监控区域时被监测．本文通过视角受限节点传感方向的调整,设计一种分布式算法以判定网络能否提供强栅栏覆盖．算法主要思想是利用节点及邻居节点的物理位置关系构建强／弱栅栏对．另外,本文设计贪心策略优先选择邻居节点数多的候选节点构建强栅栏路径．仿真实验证明：本算法可以较小代价判定并改善网络强栅栏覆盖性能．     

基于异构模糊神经网络集成算法的自主车导向控制

设计了基于神经网络的自主车导向控制器,建立了异构模糊神经网络控制器的结构,并由实验数据产生训练样本和验证样本集.该控制器通过精确控制2个驱动轮的差动转速实现路径跟踪.实验结果表明,采用异构模糊神经网络集成算法的导向控制器能够稳定地实现跟踪导向路径的控制功能.     

基于部分随机用户平衡的可靠性网络设计

为减少交通事故导致的路网性能不确定性,基于部分随机用户平衡描述交通事故影响下的路网状态,建立了可靠性网络设计问题的双层规划模型.上层模型将期望总行程时间作为路网可靠性指标,并将其与投资费用的加权和作为优化目标;下层模型综合考虑出行者信息的不完备以及交通事故影响的局部性,扩展了部分用户平衡模型,描述交通事故发生时的交通流模式.用基于蒙特卡洛模拟的遗传算法求解模型.算例表明:与已有确定性网络设计方法相比,本文方案鲁棒性更好,在需求水平为100、150和200辆/h时,社会成本平均增加了18%,社会成本的增加率随交通需求的增加而减少.     

考虑路段失效的军事物流配送中心选址模型

针对战场保障网络常常遭受敌人打击的现象,建立了考虑路段失效的军事配送中心可靠选址模型.模型为双层规划形式,上层规划的目标是优化系统在无路段失效和出现路段失效时所覆盖的总的需求量,下层规划的目标是最小化某一路段失效时系统覆盖的需求量.采用启发式算法求解下层规划,运用遗传算法求解整个模型.通过一个算例验证模型的优越性和算法的有效性.算例结果表明,尽管模型所得选址方案在无路段失效时覆盖的需求量,小于不考虑路段失效的最大覆盖模型选址方案覆盖的需求量,但在最佳路段失效时模型选址方案的覆盖效果优于后者.     

新汉车载工业计算机的移动网络检测忧化

每一个移动运营商的目标都是为客户提供最佳的通话质量。在中国,一个专业的移动运营商致力于为客户提供满意的整体解决方案而努力：标准和优化的性能和高品质的无线网络,服务和内容,最大化的满足客户需求。此项目公司采用了新汉的VTC车载工业计算机,动态地在所覆盖的各网点进行分析,优化,标准,故障排除,诊断和检查移动通信网络。     

基于深度学习的绝缘子故障检测仿真研究

针对无人机巡检中采集到的绝缘子图片受干扰严重、检测精度低的问题,在YOLOv5s算法的基础上进行优化,基于改进后的YOLOv5s算法进行了绝缘子故障检测的仿真研究。通过在颈部网络添加CBAM注意力模块、运用K-means聚类重新计算先验框大小、采用MetaAconC作为激活函数3种措施改进了原算法,并基于Python进行了实验结果分析。实验结果表明本方案算法平均精度均值mAP达到了96.7%,对比原YOLOv5s模型,平均精度均值m AP提升3.3%;且方案算法训练出的权重文件大小仅有15.1 M,仅比原YOLOv5s大了0.1 M,仍然保持了轻量化的特点,在智能巡检工作的部署上有良好前景。     

混合交通流环境下基于改进强化学习的可变限速控制策略

现有的可变限速(VSL)控制策略灵活性较差,响应速度较慢,对驾驶人遵从度和交通流状态预测模型的依赖性较高,且单纯依靠可变限速标志(VMS)向驾驶人发布限速值,难以在智能网联车辆(CAVs)与人工驾驶车辆(HDVs)混行的交通环境中实现较好的控制效果。对此,结合深度强化学习无需建立交通流预测模型,能自动适应复杂环境,以及CAVs可控性的优势,提出一种混合交通流环境下基于改进竞争双深度Q网络(IPD3QN)的VSL控制策略,即IPD3QN-VSL。首先,将优先经验回放机制引入深度强化学习的竞争双深度Q网络(D3QN)框架中,提升网络的收敛速度和参数更新效率;并提出一种新的自适应ε-贪婪算法克服深度强化学习过程中探索与利用难以平衡的问题,实现探索效率和稳定性的提高。其次,以最小化路段内车辆总出行时间(TTS)为控制目标,将实时交通数据和上个控制周期内的限速值作为IPD3QN算法的输入,构造奖励函数引导算法输出VSL控制区域内执行的动态限速值。该策略通过基础设施到车辆通信(I2V)向CAVs发布限速信息,HDVs则根据VMS上公布的限速值以及周围CAVs的行为变化做出决策。最后,在不同条件下验...