随着同步定位与建图(simultaneous localization and mapping, SLAM)研究的深入,SLAM任务的复杂性和工作量随之增加,学者们的研究重点开始转向多机器人(或多车)SLAM。多个机器协同工作,提高了建图效率。进行多机器人(或多车)SLAM时,需将局部地图拼接构建全局地图。数字地图拼接技术通过对局部地图的重叠部分进行特征匹配和融合,实现了局部地图到全局地图的转换,提高了地图构建的精度和效率,在自动驾驶、多机器人系统、地理信息系统等领域具有重要的应用价值。本研究介绍地图拼接过程中常用的典型数字地图及其优缺点,分析地图拼接结果的影响因素;围绕同构和异构地图拼接两个方面,系统阐述数字地图的拼接方法;分析地图拼接技术存在的问题,指出异构地图拼接技术现存问题的解决思路。

针对室内无人车路径规划问题,采用改进A^*算法和动态窗口法(dynamic window approach, DWA),提出并设计一种混合路径规划算法,有效提升规划过程中的全局最优性和实时避障能力。采用动态权重平衡节点扩展速度,提高传统A^*算法在复杂环境下的规划效率;引入24邻域搜索策略,解决双向搜索重复访问节点的问题;将前后时刻的航向角之差引入轨迹评价函数,优化传统DWA对障碍物分布适应能力,减少在障碍物处的转向角度,提高在空旷区域的行驶速度;对规划算法的结果进行分析,结合仿真试验验证混合路径规划算法的有效性。试验结果表明,改进算法可以在规划最优路径的同时保证良好的实时避障能力。

针对如何降低车路协同系统中路侧单元间载带中继数据传输总时延的问题,考虑路侧单元覆盖范围内V2I(vehicle-to- infrastructure)下行数据传输速率自适应变化特性,提出一种基于车辆位置信息的数据传输调度策略。该策略综合考虑数据更新的随机性、位置差异的数据传输速率自适应性,依据数据缓存队列的状态转移构建马尔科夫链模型;同时,考虑路侧单元覆盖范围内存在多辆车的情况,提出基于车辆速度和车辆位置联合权重的车辆优先通信模型,以此为基础确定通信概率服务策略;建立以数据传输总时延最小为目标的非线性优化函数,通过线性化求解获得路侧单元数据传输调度最优策略。仿真结果表明,在车辆到达率、数据到达率变化的条件下,该策略均能有效减少传输总时延,且该策略能抵御数据到达率的变化,具有较好的数据传输稳定性。

为进一步缓解交通拥堵、提高道路通行能力,本研究基于分层多智能体强化学习提出一种联合个性化引导和交通信号控制的城市车辆路径引导方法:在交叉路口放置路径引导智能体和信号控制智能体,用于提供个性化路径引导策略和优化信号灯控制,平衡城市交通流量。为了克服预定义的图结构在表示动态交通状态特征时的局限性,信号控制智能体使用自适应图卷积网络挖掘同层次智能体间空间相关性;路径引导智能体结合平均场博弈,分析车辆平均动作以有效捕捉车辆之间的交互作用,实现车辆之间协调,并根据车辆的目的地为车辆提供个性化路径引导策略;为预防局部交通拥堵和交通严重不平衡,基于MAPPO(multi-agent proximal policy optimization)算法,通过集中式训练和分布式执行实现信号控制智能体之间的合作,以实现路径引导中方向的限流;基于分层强化学习方法,实现异质智能体之间信息的共享、交流以促进它们之间的协作。为验证本研究方法的效果,基于多种真实的开源交通数据集,在SUMO仿真平台上进行试验,并与多种基线方法进行比较。结果表明,本研究所提方法将车辆的平均行程时间最少缩短11.05%,平均延误时间最少减少19.90%,有效地提高了城市车辆通行效率。

针对传统人工势场法在智能车进行避障路径规划时极易出现的斥力参数难以标定、局部极值、势场力不平衡以及目标不可达等问题,提出一种基于改进人工势场的智能车动态安全椭圆路径规划方法。考虑到速度与跟踪误差关联性引入横向虚拟安全空间,构建基于动态补偿的横纵向椭圆动态安全距离模型,据此设置引斥力的作用范围,解决斥力参数难以标定的问题;基于高斯函数考虑位置矢量关系提出平衡因子和可变调节因子,解决局部极值、势场力不平衡以及目标不可达问题;设计模型预测控制器跟踪规划路径。试验结果表明:本研究提出的方法可有效解决传统人工势场法在智能车进行路径规划时出现的斥力参数难以标定、局部极值、势场力不平衡以及目标不可达等问题,同时与RRT^*算法相比,其算法运行效率提高69.5%,路径平均曲率降低62.2%,在单障碍物和多障碍物的车辆联合仿真规划场景中其平稳性和舒适性显著提高。实车试验结果表明算法可应用于实车路径规划。

通过填补缺失数据提升交通流数据质量,对高速公路交通流数据进行准确实时预测,本研究首先采用低秩张量分解理论对缺失数据进行修复,利用基于注意力机制的卷积长短期记忆神经网络构建预测模型,并使用山东省高速公路收费系统实际交通流数据对本研究提出的方法进行验证。结果表明:通过对缺失数据进行分类识别,利用混淆矩阵确定识别缺失数据的阈值,引入三维张量模型采用低秩张量补全方法进行缺失数据修复,相较于拉格朗日插值法、KNN以及SVR方法,本方法修复数据效果最优;本研究提出的交通流组合预测模型,相较于SVR、CNN、LSTM和CNN-LSTM四种预测方法,在不同路段、工作日和非工作日均具有更高的预测精度,流量预测的均方误差M_SE和平均绝对百分比误差M_APE分别下降22.47%和8.41%,平均速度预测的M_SE和M_APE分别下降42.83%和6.32%。本研究提出的模型为高速公路交通状态预测方法研究提供了新思路。

采用探地雷达对典型路段的路面裂缝识别并定位。通过钻芯取样与铣刨观察结合的方法验证,构建了包含728张雷达图像的数据库;采用YOLO v8l算法学习裂缝特征,通过在YOLO v8l算法的基础上引入注意力机制和修改激活函数,克服了路面裂缝图像特征多变、噪声杂波明显等对于智能判识造成的干扰,同时消除了模型的过拟合现象;对算法修正后,模型的计算参数增多,计算效率提升,修正算法的识别精确度和召回率分别达到99.4%和92.3%。训练过程中平均精度均值与损失函数的震荡幅度较小,表示该数据集标注原则统一,证明了采用该方法识别路面裂缝的有效性与可靠性。

为了解决目标检测器预训练数据集与图像描述生成任务数据集存在类别差异导致物体识别错误,以及不同场景样本规模存在差异导致模型对少见场景中对象间关系理解不足的问题,提出融合多尺度视觉和文本语义特征的图像描述生成算法(multi-scale visual and textual semantic feature fusion for image captioning, MVTFF-IC)。多尺度视觉特征融合(multi-scale visual feature fusion, MVFF)模块通过图注意力网络对全局、网格和区域特征进行建模,以获取更具代表性的视觉表征;深度语义融合模块(deep semantic fusion module, DSFM)通过交叉注意力机制整合包含对象关系的文本语义特征,以生成更准确的描述。在微软常见物体场景(Microsoft common objects in context, MSCOCO)数据集上的试验结果表明,MVTFF-IC基于共识的图像描述评价指标C_DIEr达到136.7,优于许多现有的流行算法,能够更准确地捕捉图像中的关键信息,生成高质量的描述。

针对白鲸优化算法搜索效率不足、易陷入局部极值的问题,提出增强型白鲸优化算法(enhance beluga whale optimization, EBWO)。加入基于权重的抢食型白鲸并应用于算法的开发阶段,丰富该阶段的位置更新方式,利用贪婪机制选择更优位置,提高解的质量;引入自适应高斯策略对鲸坠阶段的白鲸局部扰动,使其调整至最优位置附近,加快算法的收敛速度;使用凸透镜成像学习策略对信息分享后的位置做反向处理,提高算法跳出局部最优值的能力。通过对10个基准测试函数和CEC2020测试集的寻优对比分析,以及Wilcoxon秩和检验可知,EBWO的寻优速度和收敛精度都得到较大提升。为了验证EBWO算法的实用性和可行性,将其应用到减速器和压力容器工程设计的求解,通过试验分析可知,EBWO算法在解决实际优化问题上具有一定的优越性。

针对多用户多信道异构认知物联网频谱交易背景下的资源分配问题,为满足多业务次用户衡量频谱报价性价比的需求,设计一种适用于不同网络环境、不同运营商频谱分配策略设置的通信性能数学分析方法。通过推导频谱交易成本及吞吐量、丢包率等性能指标的闭式表达式,独立分析用户成本及通信性能问题,提出一种满足定制化用户性能需求的动态报价策略,实现用户频谱交易成本及通信性能的多目标最优化。仿真结果表明,相比于固定报价策略和基于用户需求动态报价策略,所提动态报价策略能有效保障用户的服务质量。

为支撑岩土、隧道工程中的岩石选样及现场施工的岩石强度测试,研究利用小尺度滚刀直线切割试验反推岩石强度。从隧道工程现场和岩石矿场采集单轴抗压强度为50~230 MPa的岩石试样共9批次,制备棒状和块状试样并分别开展单轴压缩、巴西劈裂和小尺度滚刀直线切割试验;选取其中7批次试验数据,分别得到单轴抗压强度、劈裂抗拉强度与直线切割试验的法向力均值、峰值及峰均值的拟合函数,用剩余2批次试验结果验证所得预测模型的准确性。结果表明:岩石单轴抗压强度与法向载荷的拟合相关系数大于0.9,劈裂抗拉强度与法向载荷的拟合相关系数大于0.8,说明岩石强度与切割载荷成强线性相关性;验证试验发现,利用法向力均值、峰均值验证时,岩石单轴抗压强度的预测值与试验值误差小于5%,劈裂抗拉强度的预测值与试验值误差小于10%,说明所建模型具有较高的准确性。使用本研究所提出的试验方法及所建模型,可以快速准确地预估岩石试样的强度,为室内试验时岩石采样和现场施工时岩石强度评估提供了一种有效的手段。

为研究黄河泥沙对水泥材料性能的影响,采用黄河泥沙部分替代水泥制备砂浆,研究泥沙质量分数对砂浆流动度、凝结时间、力学性能的影响,并通过微观试验分析泥沙对水泥水化过程、水化产物和微观结构的影响。结果表明:泥沙的掺入导致浆体凝结时间缩短、流动性降低,其28 d活性指数为66.5%,主要发挥物理填充作用贡献基体强度;泥沙中CaCO₃为水泥水化提供成核位点,加速水泥早期水化进程;CaCO₃与C₃A发生反应,生成单碳酸盐(monocarbonate, MC),Ca(OH)₂参与上述反应,生成半碳酸盐(hemicarbonate, HC),抑制钙矾石(ettringite, AFt)向单硫型硫铝酸钙(monosulphate, AFm)转变。

为研究超高性能混凝土(ultra-high performance concrete, UHPC)加固钢筋混凝土桥墩加固区构造参数对桥墩抗震性能的影响,基于桥墩拟静力试验结果,采用ABAQUS有限元软件建立桥墩有限元模型,基于试验数据验证桥墩有限元模型的准确性,采用控制变量法对加固层高度、加固层厚度和墩身配筋等构造参数进行分析。研究结果表明:随着加固层UHPC高度的增大,墩身塑性损伤减少,对墩身抵抗初始变形能力和抗弯承载力的提高产生了积极影响。桥墩在一定加固层厚度下对墩身的约束作用会达到饱和状态,继续增加加固层UHPC厚度对墩身损伤及各项指标不会产生明显影响。纵筋强度的增加对UHPC加固后桥墩抗震性能影响较大,较大程度地增加了桥墩的水平抗弯承载力,同时使得墩身的位移延性系数降低,不同强度纵筋桥墩骨架曲线整体发展趋势相近,等强度和等体积代换为高强度纵筋后,墩身整体刚度的退化速率延缓,桥墩弹性工作能力增强。

为更精准地预测基坑开挖诱发的支护结构变形,构建一种紧邻隧道深基坑变形预测模型,采用灰狼优化算法(grey wolf optimizer, GWO)自动优化长短时记忆网络模型(long short-term memory, LSTM)中的超参数,提升了原始LSTM模型预测结果的准确性。以南京市区内某紧邻隧道的深基坑项目为工程背景,对比分析BP神经网络、原始LSTM和GWO-LSTM模型的基坑变形预测结果,3种模型的决定系数(R2)分别为0.992、0.967和0.999,说明了GWO-LSTM模型在预测深基坑变形方面的优势和准确性。最后,采用GWO-LSTM模型对D₁₄监测点变形进行预测分析,预测结果与实测值基本一致,研究结果可为紧邻隧道深基坑安全建设提供技术支撑。

针对分布式光伏大量接入电网导致的弃光问题,提出基于岭回归的配电网分布式光伏消纳能力预测方法。剖析分布式光伏消纳的影响因素,引入分布式光伏消纳影响因素贡献度,提出一种灰色关联度分析方法评估不同影响因素与分布式光伏消纳的关联程度。构建基于岭回归方法的分布式光伏消纳能力预测模型,将分布式光伏消纳影响因素关联度高的评价项纳入预测模型中,推导出分布式光伏消纳驱动因素与预测模型的关联映射关系,结合情景模拟方法,制定未来光伏消纳能力的发展策略。在SPSSPRO系统中进行仿真计算,结果表明,所提方法能够较好地预测分布式光伏消纳能力,为未来光伏消纳能力的提升提供策略建议。

针对目前台区理论线损数据驱动研究中面临高质量数据样本规模不足的问题,提出一种基于样本扩容和数据驱动的台区理论线损计算方法。构建生成对抗网络,采用Adam优化器优化确定网络参数;对台区样本进行K-means聚类分析,提出依据轮廓系数和误差平方和优选聚类数目的方法,通过台区合理分类有效降低人工神经网络训练的计算量;基于扩容后的样本集训练各类台区,建立台区理论线损的人工神经网络分析模型。采用山东省聊城市某地的台区实际数据进行仿真分析,结果表明,所提方法可有效扩容样本集,提升人工神经网络模型的训练效果,提高台区理论线损分析的精度。