-
题名基于多目标约束的无人机光顺路径生成全局优化方法
- 1
-
-
作者
廖榆信
王伟
滕卫明
贺海晏
王战
王进
-
机构
浙江理工大学机械工程学院
浙江省白马湖实验室有限公司
浙江浙能数字科技有限公司
浙江大学流体动力与机电系统国家重点实验室
-
出处
《浙江大学学报(工学版)》
北大核心
2025年第7期1481-1491,共11页
-
基金
国家自然科学基金资助项目(52405041)
浙江省“尖兵领雁”资助项目(2023C01180)
浙江省自然科学基金资助项目(LQ22E050022)。
-
文摘
复杂环境中的路径规划是无人机安全作业的基础,为此提出综合考虑避障能力、飞行效率和稳定性约束的全局优化方法.采用柱面包络法对环境信息及障碍物进行规则化处理,分析无人机姿态变化对运动稳定性和飞行效率的潜在影响.建立效率、避障和稳定性3个优化目标,将优化空间从传统的一维或二维提升到三维.引入基于参考点的第三代非支配排序遗传算法(NSGA-Ⅲ)加速高维空间中的搜索过程,与改进的A*算法相比,收敛速度提高约49%.针对障碍物设计潜在风险点判断机制,结合五次B样条对初始最优路径进行二次优化,改善无人机轨迹的几何特性及光顺性,使飞行稳定性及效率分别提高66.7%和25%.通过仿真和实验验证NSGA-Ⅲ在轨迹规划方面的有效性.
-
关键词
路径规划
多目标
样条曲线
轨迹平滑
无人机
-
Keywords
path planning
multiple objectives
spline curve
trajectory smoothness
UAV
-
分类号
TP242
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名面向加密流量分类的深度可解释方法
被引量：2
- 2
-
-
作者
崔剑
麻开朗
孙钰
王豆
周君良
-
机构
北京航空航天大学网络空间安全学院
空天网络安全工业和信息化部重点实验室(北京航空航天大学)
浙江浙能数字科技有限公司
浙江浙石油综合能源销售有限公司
-
出处
《计算机应用》
CSCD
北大核心
2023年第4期1151-1159,共9页
-
基金
国家自然科学基金资助项目(32071775)。
-
文摘
目前的深度学习模型在加密流量分类任务上相较于传统机器学习方法的性能优势显著,然而由于它固有的黑盒特性,用户无法获知深度学习模型作出分类决策的机理。为了在保证分类准确率的同时提高深度学习模型的可信度,提出一种面向加密流量分类深度学习模型的可解释方法,包括基于原型的流量层级主动解释和基于特征相似显著图的数据包层级被动解释。首先,利用基于原型的流量原型网络(FlowProtoNet),在训练时自动提取各类流量的典型片段,即流量原型;其次,在测试时计算出待测流量与各类原型的相似度,从而在分类的同时实现训练集的溯源解释;然后,为进一步提升可视化解释能力,提出梯度加权的特征相似度显著图(Grad-SSM)方法。Grad-SSM首先通过梯度对特征图加权,过滤分类决策无关区域;接着,计算待测流量与FlowProtoNet提取的原型之间的推土机距离(EMD)得到相似矩阵,从而通过比较测试流量与该类原型,实现注意力热图的进一步聚焦。在ISCX VPN-nonVPN数据集上,所提方法的准确率达到96.86%,与不可解释的人工智能方法持平,而FlowProtoNet能通过给出与原型的相似度,进一步提供分类依据;同时,所提方法的可视化解释能力更强,注意力更聚焦于流量中的关键数据包。
-
关键词
加密流量分类
可解释人工智能
原型
溯源
可视化解释能力
-
Keywords
encrypted traffic classification
explainable artificial intelligence
prototype
traceability
visual explainability
-
分类号
TN391
[电子电信—物理电子学]
-
