期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进K-means算法和总时最短机制的无人机群多目标分配围猎策略 被引量:4
1
作者 胡滨 朱亚辉 +2 位作者 杜致泽 赵子昕 周延年 《西北工业大学学报》 EI CAS CSCD 北大核心 2022年第6期1297-1304,共8页
无人机(UAV)群多目标围猎是一种重要的战术手段,提出了一种基于改进K-means和总时最短机制的围猎策略。大规模的任务分配问题结构复杂、解算难度大,为了得到较高的围猎效率,减少单机计算量,采用混合式的体系结构将复杂的多目标围猎问题... 无人机(UAV)群多目标围猎是一种重要的战术手段,提出了一种基于改进K-means和总时最短机制的围猎策略。大规模的任务分配问题结构复杂、解算难度大,为了得到较高的围猎效率,减少单机计算量,采用混合式的体系结构将复杂的多目标围猎问题逐步分解为UAV个体需要执行的任务集合,降低了系统的耦合性和任务解算的复杂度。该策略利用改进的K-means算法将多目标围猎问题分层,形成多个独立的单目标围猎子系统。在子系统内部将单目标围猎任务分解为多个UAV容易执行的子任务,并以总时最短机制在子任务和UAV之间建立一一对应的匹配关系,各UAV只需执行待执行的子任务即可达到多目标围猎的目的。仿真实验表明,多无人机群可以有效地对多个目标的围捕任务进行合理分配,证明了该分配策略的有效性。 展开更多
关键词 多目标围猎 任务分配策略 无人机群 K-means法
在线阅读 下载PDF
改进Agent算法在机房数字化管理中的应用研究 被引量:3
2
作者 李萍萍 霍晓钢 《科技通报》 北大核心 2014年第1期127-130,共4页
针对高校实验室数字化管理成为必然趋势,目前的实验室数字化管理系统无法满足高校的管理需求的问题,本文提出了一种基于Agent技术的机房数字化管理系统。该系统在传统的分布式机房管理系统的基础上,加入了Agent技术,减少了网络数据的传... 针对高校实验室数字化管理成为必然趋势,目前的实验室数字化管理系统无法满足高校的管理需求的问题,本文提出了一种基于Agent技术的机房数字化管理系统。该系统在传统的分布式机房管理系统的基础上,加入了Agent技术,减少了网络数据的传输,本文还针对本系统提出了实验室机房任务分配策略,对实验室的机房进行数字化分配。仿真实验表明,基于Agent技术的机房数字化管理系统及任务分配策略不仅提高了实验室机房管理的效率,还保证了其管理的精确性。 展开更多
关键词 实验室管理 机房数字化管理 AGENT技术 任务分配策略
在线阅读 下载PDF
一种基于FPGA的变电站仿真模型并行解法
3
作者 张炳达 乔平 +1 位作者 王潇 陈雄 《智能电网》 2016年第10期1012-1018,共7页
为降低变电站培训仿真系统的建设成本,研究一种基于可编程逻辑器件(field-programmable gate array,FPGA)的变电站仿真模型并行解法。在分析梯形法和因子表法求解仿真模型的基础上,设计一种以乘–除–加运算为基本粒度的并行计算平台。... 为降低变电站培训仿真系统的建设成本,研究一种基于可编程逻辑器件(field-programmable gate array,FPGA)的变电站仿真模型并行解法。在分析梯形法和因子表法求解仿真模型的基础上,设计一种以乘–除–加运算为基本粒度的并行计算平台。为方便地进行消去节点排序和消去任务分配,用单线图描述变电站结构,并给出节点消去计算量与节点度之间的关系。为缩短仿真模型的求解时间,采用基于最小视在消去计算量的消去节点安排方法,以及等待方式与替代方式相结合的消去任务分配方法。实践表明,采用所提出的并行计算平台和任务分配策略,一个具有88?4个节点的变电站一次系统能以50?s仿真步长在一块EP3C120上运行。 展开更多
关键词 变电站 培训仿真 细粒度并行计算 节点消去次序 任务分配策略
在线阅读 下载PDF
智能选矸机器人关键技术研究 被引量:19
4
作者 张袁浩 潘祥生 +3 位作者 陈晓晶 霍振龙 任书文 季亮 《工矿自动化》 北大核心 2022年第6期69-76,111,共9页
介绍了智能选矸机器人应用与研究现状,指出目前智能选矸机器人主要基于X射线和图像识别原理,利用高压气动分拣和桁架机器人抓取进行煤矸分离;智能选矸机器人分拣执行机构主要有桁架式、并联式、串联式等类型,响应速度快,常常以“拨”和... 介绍了智能选矸机器人应用与研究现状,指出目前智能选矸机器人主要基于X射线和图像识别原理,利用高压气动分拣和桁架机器人抓取进行煤矸分离;智能选矸机器人分拣执行机构主要有桁架式、并联式、串联式等类型,响应速度快,常常以“拨”和“抓”的形式分离矸石;在胶带运输过程中,智能选矸机器人“拨”需要考虑不同矸石尺寸的兼容性及运动路径的优化,“抓”需考虑机械手的作业空间及机器人的承载能力。分析了智能选矸机器人在现场复杂环境中有效实现矸石分拣的基于深度学习的煤矸识别、面向非结构多约束环境的选矸机械臂运动规划、基于力反馈的机械臂主动柔顺控制、多臂协作分拣任务分配策略及控制等关键技术,并指出基于深度学习的煤矸识别技术作为选矸机器人的关键技术之一,仍需在煤矸数据集高效构建方法、煤矸识别算法的泛化性提升及实时性优化等方面进行进一步研究。结合现场应用和机器人智能化发展需求,指出了智能选矸机器人今后的研究方向:针对现场复杂环境进行技术改进,提高煤矸识别算法的鲁棒性和自适应性;适应复杂环境的智能感知和控制技术及矸石高精度三维位姿估算技术的研究;基于力位混合控制的选矸机器人智能拣矸技术研发;智能选矸机器人井下选矸技术探究。 展开更多
关键词 智能选矸机器人 矸石分拣 图像识别 煤矸识别 机械臂 运动规划 智能感知和控制 任务分配策略
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部