表面贴装过程调度问题的粒子群优化算法

表面贴装机是大型电路板表面贴装中最重要的设备之一,实现表面贴装过程的优化调度对提高其加工效率有着重要作用;该类调度问题由物料摆放优化问题和加工路径优化问题两部分组成.在分析了表面贴装过程调度问题特征的基础上,提出了一种离散粒子群优化算法.针对问题特征,构造了相应的编码方法,提出了一种基于启发式的粒子群初始化方法,以及适用于该调度问题编码特征的粒子更新机制,并设计了用于优化物料摆放顺序的再调度算法.通过对某大型表面贴装企业的实际数据所进行的数值计算,其结果表明了该算法的有效性.     

基于大规模天线的无线供能通信原型系统设计和实现

无线供能通信技术是未来6G时代支撑能量可持续无线通信的关键技术.本文首次提出了完整的基于大规模天线的无线供能通信系统的原型设计,并在软件定义无线电平台上实现了由32发射天线基站端、用户端和反馈链路组成的原型系统.在基站端,通过设计灵活的帧结构,原创性地提出了无线能量动态传输方案,实现了原型系统在信道估计准确性与无线能量传输效率之间的性能平衡.在用户端,通过建立实际的非线性能量采集模型和能耗模型,提出了新颖的用户端信息-能量双阈值电池管理方案,以满足不同的信息和能量传输需求.基于用户端状态信息的快速反馈,本文建立了闭环控制的无线能量和信息自适应传输系统框架.丰富的室内和室外实验验证了无线供能通信原型系统良好的无线环境适应性和传输性能.     

面向云网融合的细粒度多接入边缘计算架构

随着智能终端设备的爆发式增长,多接入边缘计算(multi-access edge computing,MEC)成为支持多服务、多租户生态系统的关键技术之一.多接入边缘计算通过结合云端的移动计算技术和接入网的无线通信技术,实现了云端和网络的高效融合.然而,目前的边缘计算技术对于所有可能的资源(例如计算、通信、缓存)并没有细粒度的控制能力,因此并不能对延迟敏感的实时服务提供很好的支持.为了解决这个关键问题,设计了 一种基于软件定义(software defined)的细粒度多接入边缘计算架构,可以对网络资源和计算资源进行细粒度的控制并进行协同管理,并设计了一种基于深度强化学习Q-Learning的两级资源分配策略,从而提供更有效的计算卸载和服务增强.大量的仿真实验证明了该架构的有效性.     

光学镀膜宽光谱监控的信号压噪

使用CCD(电荷耦合器)进行光学镀膜宽光谱监控过程中,监测信号受外界杂散光干扰、真空室内背景辐射等因数影响,信噪比低难于准确监控.本文通过对系统前端光路改造以及后期数据数字滤波处理,达到信号压噪目的,使系统在宽光谱膜厚监控过程中具有稳定性好、精度较高、响应速度快等优点.     

显式知识推理和深度强化学习结合的动态决策

近年来,深度强化学习在序列决策领域被广泛应用并且效果良好,尤其在具有高维输入、大规模状态空间的应用场景中优势明显.然而,深度强化学习相关方法也存在一些局限,如缺乏可解释性、初期训练低效与冷启动等问题.针对这些问题,提出了一种基于显式知识推理和深度强化学习的动态决策框架,将显式的知识推理与深度强化学习结合.该框架通过显式知识表示将人类先验知识嵌入智能体训练中,让智能体在强化学习中获得知识推理结果的干预,以提高智能体的训练效率,并增加模型的可解释性.将显式知识分为两种,即启发式加速知识与规避式安全知识.前者在训练初期干预智能体决策,加快训练速度;而后者将避免智能体作出灾难性决策,使其训练过程更为稳定.实验表明,该决策框架在不同强化学习算法上、不同应用场景中明显提高了模型训练效率,并增加了模型的可解释性.