关键词： 路径规划   APF-RRT   冗余点检测   人工势场法   路径平滑  

摘要： 针对RRT算法应用于多自由度机械臂三维空间避障运动规划过程中存在的规划效率低、内存消耗大、规划效果不稳定等问题，提出一种改进人工势场-快速扩展随机树(改进APF-RRT*)算法。为了提高路径探索速度，改进APF-RRT*算法引入改进的人工势场法使新的随机点有方向性的拓展，去除了路径冗余节点，使全局父节点重新连接，对全局路径进行碰撞检测，采用样条曲线平滑路径。仿真结果表明在复杂环境下，平滑后的改进APF-RRT*算法相比于RRT-connet算法和RRT*算法，路径长度最大下降21.45%，规划时间最大下降44.36%，该算法能够快速完成避障路径规划且路径轨迹更短。试验表明在气阀装配工况下，机械臂可以利用该算法顺利避开障碍物，完成预定路径，简化机械臂操作人员的操作难度，提高作业安全以及工作效率。

关键词： 强化学习   工作流   调度  

摘要： 工作流任务调度是分布式计算环境中的关键问题，其核心是在满足任务依赖约束下实现多目标优化。近年来，强化学习因其能够通过自主交互与试错学习动态环境下的最优决策策略，为复杂工作流调度提供了新的解决范式，并已成为该领域的研究热点。该文系统综述了基于强化学习的工作流任务调度算法的研究进展，从调度目标、核心算法、智能体结构等维度构建分类框架，总结实验验证数据与评价指标体系，为后续研究提供一定的理论参考与技术启发，对推动强化学习在工作流调度中的实用化落地、提升分布式计算系统效率具有重要意义。

关键词： 无人机集群   GNSS   协同定位   5G  

摘要： 针对城市密集环境中无人机集群面临的全球卫星系统导航信号（Global Navigation Satellite System，GNSS）缺失及测距/测角误差传播问题，提出一种GNSS/5G融合的协同定位算法。该算法先基于节点连通度动态分簇实现簇内协同定位；分簇缝合阶段引入连通度与距离加权策略抑制不可靠节点影响，并结合部分GNSS观测完成相对至绝对坐标转换；最后设计两步更新自适应卡尔曼滤波，融合5G基站观测与协同定位结果，采用指数加权移动平均动态估计噪声协方差以平衡多源误差。仿真结果表明：本算法计算复杂度低，定位精度高，恶劣环境下均方误差仅2.0554m，较传统算法提高68.39%，显著优于单一GNSS和5G定位，鲁棒性强，适用于具备5G覆盖的城市密集环境，能有效应对GNSS缺失及测距/测角误差大的复杂场景。

关键词： YB416A硬盒包装机   卡尔曼滤波   主轴编码器   机械振动   伺服控制   速度匹配  

摘要： 为解决机械结构振动引起的工艺质量问题，基于线性卡尔曼滤波原理设计了编码器振动抑制算法，以YB416A硬盒包装机双伺服驱动框架纸定长输送系统为例，验证了该算法的实用性。该算法通过当前测量值和预测的状态值通过反复地迭代计算，寻找到合适的值作为编码器真实位置值，进而滤除编码器测量值由于受到机械振动产生的干扰值，从而实现机械振动抑制的效果。在芜湖卷烟厂YB416A硬盒包装机上的双伺服框架纸定长输送系统中进行实验测试，结果表明：经卡尔曼滤波后，主轴编码器速度波动幅度由1.65%降低至0.83%，使得跟随的U型刀辊和展开输送辊实现了线速度匹配，解决了框架纸U型刀双切口的问题。该方法可以解决包装机中由于机械振动导致的伺服控制系统不稳定问题。

关键词： 模型,统计学   焦虑   精神卫生   学生  

摘要： 目的 探索初中生焦虑症状的影响因素,并基于机器学习算法构建预测模型,为初中生焦虑症状防控提供支持。方法 于2023年4—5月,采用分层随机整群抽样方法选取郑州市和商丘市的8 176名初中生为研究对象,采用青少年生活事件量表、简化的心理韧性量表、学校联结量表、亲子亲合问卷、广泛性焦虑量表进行问卷调查。采用Logistic回归探索初中生焦虑症状的相关因素,基于Logistic回归、随机森林和极限梯度提升(XGBoost)算法构建预测模型,并采用沙普利加性解释(SHAP)分析最优模型。结果 初中生焦虑症状检出率为16.3%。Logistic回归分析显示,女生(OR=1.22)、九年级(OR=1.27)、城市(OR=1.37)、父亲大学及以上学历(OR=1.26)、母亲高中学历(OR=1.26)、负性生活事件水平较高(OR=1.05)的初中生发生焦虑症状的风险均较高;家庭经济状况中等(OR=0.71)、学习负担中等(OR=0.59)、学习负担轻(OR=0.54)、睡眠质量中等(OR=0.46)、睡眠质量好(OR=0.26)和很好(OR=0.15)、心理韧性水平较高(OR=0.96)、学校联结水平较高(OR=0.96)、亲子亲合水平较高(OR=0.98)的初中生发生焦虑症状的风险均较低(P值均<0.05)。3种机器学习模型对初中生焦虑症状均表现出良好的预测效果(AUC值均>0.8),且XGBoost模型预测性能最优。SHAP分析结果表明,负性生活事件、睡眠质量、学校联结、心理韧性和亲子亲合是预测初中生焦虑症状排序前5的相关因素。结论 初中生焦虑症状检出率较高,XGBoost模型为初中生焦虑症状最优预测模型,负性生活事件、睡眠质量、学校联结、心理韧性和亲子亲合是初中生焦虑症状的重要相关因素。

关键词： 自动光学检测系统   特征矢量   一对多支持向量机   贴片元件   焊点缺陷检测  

摘要： 针对自动光学检测系统（AOI）中的在PCBA贴片元件焊点缺陷检测问题，提出了一种改进的基于特征矢量的一对多支持向量机（SVM）缺陷检测分类算法。利用工业相机采集出PCBA焊点缺陷图像，通过对比实验筛选出适合分类训练的特征矢量，包括等效椭圆、欧拉数、圆度、不均匀性和几何矩等参数。对提取的焊点图像区域特征进行处理，使用一对多支持向量机对焊点正常、多锡、少锡、元件偏移以及缺件六类缺陷进行分类。实验结果表明，该检测算法能够有效识别出PCBA贴片元件的焊点缺陷，分类准确率可以达到98.89%以上，具有较快的分类速度，适合实时在线缺陷检测的应用。

关键词： 月含沙量预测   小波包变换   一对一优化算法   在线惯序极限学习机   权值偏差优化   智能优化算法  

摘要： 为提高月含沙量时间序列预测精度及可靠性,提出不引入“未来信息”的小波包变换（WPT）-一对一优化（OOBO）算法-在线惯序极限学习机（OSELM）月含沙量时间序列预测模型,并将所构建的模型应用于云南省龙潭站月含沙量预测中,利用平均绝对百分比误差（MAPE）、平均绝对误差（MAE）、纳什系数（NSE）进行优劣对比分析。结果表明,WPT-OOBO-OSELM模型预测的平均绝对百分比误差、平均绝对误差、纳什系数分别为1.107%、0.360 g/m3、1.000,预测效果与WPT-OOBO-OSELM （全）模型相当,优于其他对比模型;WPT-OOBO-OSELM模型预测精度基本不受“未来信息”的影响,能客观真实地反映出月含沙量预测效果,具有较好的实用价值和意义;OOBO对OSELM权值和偏差的优化效果优于GJO/GWO/SCA/SSA/MTB O/WOA/CO/TSO/AEFA/SOA,智能优化算法寻优能力越强,获得的OSELM权值和偏差越优,所构建的组合模型性能越好。该研究成果可为相关时间序列预测研究提供参考。

关键词： 图像去雾   天空区域分割   图像融合   图像增强   颜色失真  

摘要： 针对现有的去雾算法在处理包含大面积天空区域的有雾图像时出现颜色失真及整体亮度偏低等问题，提出了基于天空区域分割的图像去雾算法（Image Dehazing Algorithm based on Sky Region Segmentation，SSID）。SSID算法首先分割有雾图像，获得天空区域和非天空区域，使用改进的ZID（Zero-Shot Image Dehazing）算法和Color-Lines算法对非天空/天空区域进行去雾，将去雾后的两个区域进行Alpha融合；其次，利用改进的Automated MSRCR（Automated Multi-Scale Retinex with Color Restoration）算法对输入的有雾图像进行增强；最后，将融合后的图像和增强的图像再进行拉普拉斯金字塔融合得到去雾图像。实验结果表明，与其它6种经典的去雾算法相比，SSID算法在客观定量评估和主观视觉效果方面都表现良好。

关键词： 大语言模型   小样本调优   推荐系统   信息注入   混合相似度  

摘要： 针对大语言模型（LLM）在处理用户交互特征高度离散的推荐场景中所暴露出的关键挑战，即对目标项目的注意力弱化以及由此引发的错误推理问题，本研究设计并实现了一个目标感知的检索增强推荐框架（TARec）。该框架的构建基于三大核心模块。首先，通过多任务联合学习方案，利用多样化的指令集对基础大语言模型进行预先优化，旨在全面激活并增强其底层的语义理解和推荐知识表征能力。其次，框架引入了创新的混合相似度模块HSM，该模块能够动态融合来自不同模型生成的特征，从而精准地挖掘并检索出与当前目标项目最相关的用户历史交互行为，实现对用户深层偏好的精确捕捉。本研究设计了独特的信息注入模块，它将HSM检索到的用户偏好信息与外部生成的关于目标项目的增强知识进行整合，注入到模型的输入提示中。这一机制强制模型在推理过程中对目标项目进行定向聚焦，有效克服了注意力分散的问题。研究结果表明，该框架在零样本和少样本学习场景下展现出卓越的性能和强大的泛化能力。

摘要： 传统绘画承载着丰富的历史信息与审美价值,但因材料老化、保存条件与外界环境的长期影响,色彩常常出现不同程度的退化,因此色彩重构在艺术研究与文化遗产保护中具有重要意义。随着计算机图像算法的发展,绘画色彩的分析方式逐渐从依赖经验的主观判断转向由数据驱动的精细建模,使色彩结构、颜料光谱与老化特征能够在多尺度视角下得到准确解析。通过融合采集技术、深度学习与可视化模型,本文旨在为传统绘画的数字复原提供系统化的技术框架,使色彩重构在科学性、可解释性与艺术性之间取得有效平衡。