【摘 要】
：
车联网是物联网在智能交通领域的运用,也是智能交通系统的重要组成部分。车联网本质上是一个庞大的无线传感器网络,其中路边节点与车辆之间能够进行无线通信,从而实时感知车辆位置,并与车辆进行数据交互。为了保证车辆与网络的实时通信,车联网需要具备高精度目标追踪能力。然而,当前主要追踪方法依靠的是全球定位系统等传统技术,不具备足够的追踪精度,且易受到天气与建筑因素影响。本文基于车联网中目标追踪场景,设计了三种
论文部分内容阅读
车联网是物联网在智能交通领域的运用,也是智能交通系统的重要组成部分。车联网本质上是一个庞大的无线传感器网络,其中路边节点与车辆之间能够进行无线通信,从而实时感知车辆位置,并与车辆进行数据交互。为了保证车辆与网络的实时通信,车联网需要具备高精度目标追踪能力。然而,当前主要追踪方法依靠的是全球定位系统等传统技术,不具备足够的追踪精度,且易受到天气与建筑因素影响。本文基于车联网中目标追踪场景,设计了三种基于强化学习的传感器节点动态调度算法,并取得以下成果。（1）在无线传感器网络目标追踪环境下,系统需要动态调度传感器节点,在保证追踪精度的条件下减少因节点工作产生的能量消耗。针对时间同步下无线传感器网络节点动态调度问题,提出基于卡尔曼追踪的值迭代调度算法,对传感器节点进行序贯决策。该算法能够基于卡尔曼滤波预测的目标位置,动态调整传感器节点的激活范围。仿真结果表明,所提出的基于Q学习节点调度算法与基于SARSA节点调度算法相比,能够在维持相同追踪精度情况下消耗更少的能量。（2）进一步考虑上述模型中传感器节点之间数据传输时间不同步问题,构建基于扩展卡尔曼滤波的目标追踪模型。针对扩展卡尔曼滤波在模型中会产生更高维度的状态空间的问题,提出双层深度神经网络值迭代调度算法。该算法基于扩展卡尔曼滤波进行目标位置预测,并基于预测结果动态调整传感器节点的激活范围。仿真结果表明,在相同追踪精度下,所提出的基于双层深度Q网络的节点调度算法与基于Q学习和SARSA的调度算法相比,能够节省更多的传感器节点工作与通信能耗。（3）由于扩展卡尔曼预测过程中,追踪结果会因省略状态转移函数中的高阶项而产生误差,而粒子滤波通过蒙特卡洛采样预测目标,相比于扩展卡尔曼滤波具有更好的精度,因此基于粒子滤波构建非线性目标追踪模型。然而,粒子滤波的算法复杂度会随着采样点数的增加呈指数级增长,为了提高算法的收敛速度,设计基于粒子滤波的策略迭代调度算法。该算法在粒子滤波的预测结果基础上,动态决策传感器节点的激活范围。仿真结果表明,所设计的基于深度确定性策略梯度节点调度算法相比于基于值迭代的调度算法具有更快的收敛速度。同时,对于相同的调度算法,在粒子滤波模型中要比在扩展卡尔曼滤波模型中,在相同精度下能够产生更少的传感器节点工作与通信能耗。
其他文献
随着信息化技术在传统制造业的快速发展与应用,对数据资源合理利用的需求日益增长。离散制造设备作为数据资源的来源,在离散制造的发展方向中扮演着重要的角色,因此研究基于离散制造设备的物联系统,实现对数据的利用与整合具有重要的意义。本文主要以五洋纺机有限公司数字工厂为应用场景,以FANUC-0i/30i和海德汉i TNC530系统的机床与加工中心为对象进行了研究。首先,根据离散制造设备物联系统对数据实时预
本文是以C形龙门三平动并联机构和C-A型双摆头构成的五轴联动混联机床为研究对象,针对该机床的运动学分析、轨迹插补、速度控制及冗余滑块位置规划等关键技术进行了重点研究。主要内容如下:首先进行了机床运动学分析。根据五轴联动混联机床的结构特点和运动关系,推导出机床的位置反解方程、位置正解表达式、并联机构的速度逆雅克比矩阵及加速度映射关系,简单解释了机构正解的多解性及定解方法。其次,针对混联机床的运动关系
本文以定深电液伺服控制系统的应用为背景,以优化系统在复杂工作环境下的稳定性为目标,重点针对定深电液伺服系统内部参数的摄动、不确定性,以及控制系统对外部负载扰动的抗干扰性问题,开展了基于神经网络的PID控制策略以及滑模变结构控制策略研究。本文首先分析了定深电液伺服系统的结构及工作原理,对其中重要的机械元件进行选型介绍。在此基础上分析了系统的动态特性并构建其数学模型。此外还将对定深电液伺服系统控制性能
随着空中和地面移动机器人的深入研究,促进了具有多种运动能力的多栖机器人的发展。陆空两栖机器人作为多栖机器人的一个重要分支具有空中和地面两种运动能力。陆空两栖机器人自主运动时,需要为机器人规划出一条从起点到目标点无碰撞的三维路径。同时在运动过程中,陆空两栖机器人需要根据当前的环境信息自主决策选择较优的运动模式。因此,以复杂环境下陆空两栖机器人为研究对象,开展了针对环境建模、路径规划算法以及切换决策算
目前,虚拟演播室已经成为当下节目制作的主流技术,而摄影机器人作为虚拟演播室的主要组成部分之一,也成为了机器人项目中的热门研究对象。本文针对虚拟演播室摄影机器人进行研究,对摄影机器人进行了结构设计、仿真分析、实验优化等方面的研究。在结构设计方面,根据设计方案对摄影机器人各个关键部件进行设计。针对电控云台的设计要求,完成了云台的结构设计,并进行了内部减速器的设计及选型;基于平行四边形原理对摇臂部件进行
磁电复合材料作为一种新型智能材料,具备磁电转换能力,能够直接感知外部磁场,在磁电传感器与换能器领域具有广阔的应用前景。非晶态磁致伸缩合金在数十奥斯特的磁场作用下就会发生饱和磁化,产生非线性磁致伸缩效应,从而非晶态合金/压电复合材料在较高幅度的激励磁场作用下产生非线性磁电效应。现有研究表明:通过解调奇次谐波输出,可实现静态/低频动态磁场的测量,且无需另外施加偏置磁场。本文从理论和实验两个方面对非晶态
本课题来源于企事业委托项目,负责研发虚拟演播室摄影机器人的视觉模块,主要实现摄影机器人对目标主持人的识别与跟踪的系统开发,其核心模块主要有人脸识别模块、深度定位模块与目标跟踪模块。本文首先对虚拟演播室下摄影机器人的工作空间需求进行分析,提出了一种轨道式摄影机器人,并对其结构与控制系统进行了详细介绍。本文对该摄影机器人进行了运动学分析,并对其进行了逆运动学求解。虚拟演播室下,除主持人固定外,其他嘉宾
滚珠丝杠副作为数控机床的核心传动部件,其性能直接影响数控机床的定位与传动精度。经过多年可靠性工程的研究,国内滚珠丝杠副的综合性能已经获得了极大的提升。而作为可靠性工程的重要组成部分,滚珠丝杠副的可靠性增长承担着设计加工优化改良,现场使用规范操作的任务,而目前对这方面还鲜有研究。本文依托国家科技重大专项,旨在建立与验证一个适用于不同型号丝杠的可靠性增长体系与评估方法。本文首先建立了滚珠丝杠副可靠性增
随着摄像头的不断更新换代,图像的分辨率越来越高,所占空间也越来越大,为图像的存储和传输带来了巨大的挑战。除了考虑增加存储空间、升级带宽外,还应该从图像本身出发,研究图像压缩技术,在保证图像质量的情况下,尽量减少存储空间。基于深度学习的图像压缩方法近几年发展迅速,其中基于卷积神经网络的方法已经成为主流的压缩方法。该类方法主要分为四部分:编码器、量化器、熵编码器以及解码器。编码器采用卷积层提取图像特征
近年来,如何解决标记多义性问题已成为机器学习和数据挖掘领域的一个热门研究点。在传统的机器学习框架中,比较成熟的标记多义性学习范式是单标记学习和多标记学习。前者假设一个示例仅仅只有一个标记,后者认为一个示例可以和多个标记相关。因此,相比于单标记学习,多标记学习可以解决更多的标记多义性问题。然而,无论是单标记学习还是多标记学习都只能解决“哪些标记与示例相关”的问题,无法回答“每个标记是怎样对示例进行描