煤矿井下移动机器人运动规划方法研究

针对现有煤矿井下移动机器人运动规划所生成的轨迹存在超调、碰撞、不连续、不光滑等问题,提出了一种由路径规划、轨迹生成、轨迹优化3个部分构成的煤矿井下移动机器人运动规划方法。路径规划采用基于图搜索的A*算法实现,通过开始搜索、路径排序、继续搜索3个步骤循环迭代,快速规划出一条可通行的全局路径作为轨迹生成的初值。轨迹生成通过构建基于Minimum Snap的目标函数,并施加等式约束来实现。轨迹优化则是在轨迹生成的基础上施加不等式约束来实现:通过调整时间分配和构建基于Corridor轨迹规划的不等式约束,解决基于Minimum Snap轨迹生成在求解过程中出现的超调现象,并对整段轨迹本身进行约束,避免发生碰撞;通过引入调和函数Bezier Curve,构建基于Bezier Curve的Minimum Snap的轨迹优化问题,使得轨迹高阶目标函数的求解变得简单高效,最终生成一条适用于煤矿井下移动机器人的能量损失最小、连续、光滑、无碰撞、可执行的运动轨迹。在Matlab仿真环境中设计了随机地图,生成了包含时间分配、位置规划、速度规划、加速度规划的最优轨迹规划结果。实验结果验证了该运动规划方法的正确性和有效性。     

矿井瓦斯地质图自动生成方法研究

为了减少煤矿瓦斯地质图的绘制工作并增加其可信度,基于AutoCAD、Surfer和Excel软件,提出了一种绘制煤矿瓦斯地质图的新方法。该方法首先运用Surfer软件分别提取地形图和煤层底板等高线图中等高线的高程,并得到煤层埋深等值面;而后根据煤层瓦斯压力和含量实测数据,分别得到瓦斯压力与埋深和瓦斯含量与埋深的拟合方程,并将拟合方程导入Surfer软件后,生成煤层瓦斯压力等值线和瓦斯含量等值线;最后将煤层埋深等值面、瓦斯压力等值线和瓦斯含量等值线导入到Surfer软件,并通过编程处理后,生成矿井瓦斯地质图。实践表明,该方法不仅能自动快速生成瓦斯地质图,并且能准确反映实际情况,提高了瓦斯地质的可靠性。     

基于改进CGANs的入侵检测方法研究

近年来,机器学习算法在入侵检测系统(IDS)中的应用获得越来越多的关注。然而,传统的机器学习算法更多的依赖于已知样本,因此需要尽可能多的数据样本来对模型进行训练。遗憾地是,随着越来越多未知攻击的出现,且用于训练的攻击样本具有不平衡性,传统的机器学习模型会遇到瓶颈。文章提出一种将改进后的条件生成对抗网络(CGANs)与深度神经网络(DNN)相结合的入侵检测模型(CGANs-DNN),通过解决样本不平衡性问题来提高检测模型对未知攻击类型或只有少数攻击样本类型的检测率。深度神经网络(DNN)具有表征数据潜在特征的能力,而经过改进后的条件CGANs,能够通过学习已知攻击样本潜在数据特征分布,来根据指定类型生成新的攻击样本。此外,与生成对抗网络(GANs)和变分自编码器(VAE)等无监督生成模型相比,CGANsDNN经过改进后加入梯度惩罚项,在训练的稳定性上有了很大地提升。通过NSL-KDD数据集对模型进行评估,与传统算法相比CGANs-DNN不仅在整体准确率、召回率和误报率等方面有更好的性能,而且对未知攻击和只有少数样本的攻击类型具有较高的检测率。     

面向装配序列规划的最小生成树方法

基于最小生成树的求解方法,提出了一种简单、直观、通用性强的装配序列规划新方法。根据图论的基本知识,建立零件连接图,从产品可装配性的角度分析了影响两零件间装配关系密切程度的因素,引入了装配关系密切值λ,对零件间装配关系的密切程度进行了量化评判,再通过运筹学中求解最小生成树问题的破圈法,对零件连接图中的圈进行破除,即消除每个圈中装配关系密切值最小的边,得到最大密切程度的装配体生成树,之后对装配体生成树进行干涉分析,剔除了大量的冗杂序列,从而得到既可行又最优的装配序列。最后通过实例验证了此方法的有效性。     

帕特里克·怀特小说《人树》的叙事时序分析

《人树》以斯坦的一生为线索，在叙事时间的进程中融入对生命的深入思考，具有宏魄的内涵和史诗般的气韵。怀特对时间自如的处理充满了思考的张力。他用顺叙清晰地勾勒出故事的框架，用追叙和预叙打破了故事时间正常发生序列的安排，叙事时间由单一变得立体，使文本获得了别样的艺术韵味。从而使读者打破了传统的阅读习惯，和斯坦一起在时间的河流中寻找生命的依托和心灵的安顿。