关键词： 热-机耦合   有限元模型   重载轮胎   接地力估计   温度修正  

摘要： 针对轮胎滚动过程中因温度升高产生的轮胎力估计偏差问题，开展基于热机耦合模型的重载轮胎三向力温度修正估计算法。建立了考虑热-机耦合效应的重载轮胎有限元模型，并对模型进行了一致性校验。探究了变温度、单一工况及复合工况下轮胎胎面外变形特性、接地特性及力学特性，分析了轮胎接地三向力温度敏感性，进而实现了重载轮胎三向接地力估计。为提高估计的稳定性与适用性，进一步构建敏感特征值的线性温度修正关系，并结合多工况仿真训练高斯过程回归模型，使温度变化引起的特征偏移得到有效补偿。结果表明：接地力温度修正估计模型通过校正因温度变化引起的胎体信号偏移，优化模型输入的系统性误差，相比于未修正模型，垂向力估计精度提高了6.38%，纵向力估计精度提高了12.16%，侧向力估计精度提高了4.6%，验证了所提出方法的有效性。

关键词： 林区巡检机器人   稠密SLAM   GCNv2   注意力机制   特征网格覆盖率   胸径测量   智慧林业   特征提取  

摘要： 针对林区巡检机器人自主导航和树木参数获取过程中对于环境精细感知的要求，由于传统的稀疏同时定位与建图（simultaneous localization and mapping,SLAM）点云稀疏而无法详细地描述复杂的障碍物和树木信息，稠密SLAM在林区非结构化环境中容易受到纹理重复、光照剧烈变化、枝叶摆动等干扰，造成定位漂移严重、稠密建图几何失真。为此，提出一种基于改进GCNv2(geometric correspondence network v)的稠密SLAM算法（GCN-SLAM）。首先，在特征提取网络中加入卷积块注意力模块（convolutional block attention module,CBAM），用通道和空间注意力机制一起加权来增强树干等静态结构特征响应，抑制高频动态噪声；其次，针对纹理重复造成的误匹配，用Tanh二值化松弛策略和包含难样本挖掘（hard negative mining,HNM）的三元组损失函数来提高该特征提取网络在弱纹理环境中的描述子鉴别力。基于ZED2i采集的林区数据集试验结果表明，GCN-SLAM方法在2个典型场景中均表现出更优的特征提取性能，在场景A中，特征网格覆盖率由35%提升至82%，平均单帧有效特征数由125提升至539，静态区域特征附着率达到92%；在场景B中，特征网格覆盖率由29%提升至85%，平均单帧有效特征数由115提升至480，静态区域特征附着率达到93%。结果表明，GCN-SLAM方法能够有效缓解复杂林下环境中的定位丢失与建图畸变问题，满足机器人精细化巡检作业需求。

关键词： Thermal management strategy   Hybrid electric drive tracked vehicles (HETVs)   Gated recurrent unit with multi-head attention (GRU-MHA)   Hierarchical control   Energy consumption optimization  

摘要： The development of efficient thermal management strategy is critical for hybrid electric drive tracked vehicles (HETVs) due to the severe thermal safety and energy consumption challenges encountered during complex operations. Conventional strategies struggle to balance high-precision temperature control with multi-objective collaborative optimization, while requiring long development cycles and exhibiting weak generalization capabilities. To address these issues, we propose a hierarchical thermal management framework integrating a gated recurrent unit multi-head attention twin delayed deep deterministic policy gradient with model predictive control (GMA-TD3-MPC). This framework dynamically integrates reinforcement learning (RL) and model predictive control (MPC), utilizing a gated recurrent unit with multi-head attention (GRU-MHA) module to optimize energy consumption and temperature control precision under cyclic conditions;meanwhile, it implements a dynamic threshold triggering mechanism to seamlessly transfer control to the MPC controller when approaching thermal safety limits. Our simulation results demonstrate that compared to baseline strategies, the proposed method accelerates convergence by approximately 28% and 40% over deep deterministic policy gradient (DDPG) and TD3, respectively. In a standard temperature environment (25 degrees C) under off-road conditions, compared to standalone MPC, the proposed strategy reduces temperature fluctuation ranges in high-temperature and low-temperature circuits by 44.19% and 6.45%, respectively, while achieving a 5.54% reduction in the total energy consumption and a 10.63% decrease in the peak power demand. Furthermore, under high-temperature conditions (45 degrees C), the strategy reduces the total energy consumption by 13.41%.

关键词： 舰载机   保障作业   调度优化   强化学习   深度学习  

摘要： 在航母舰载机保障作业调度中，无模型强化学习（Model-free Reinforcement Learning, MFRL）在动态甲板场景下受到物理环境建模精度的制约，而基于模型的强化学习（Model-based Reinforcement Learning, MBRL）因环境模型与决策模型在迭代训练中存在相互依赖的协同优化问题，面临计算复杂度高与收敛困难的挑战。对此，本文提出了一种融合有模型与无模型特性的混合强化学习框架（MB-MF）。首先，利用历史调度数据训练基于深度神经网络的甲板环境模型，使其在最小容差范围内精确预测状态转移；然后，将收敛后的环境模型替代真实环境，内嵌入交互环境中，结合深度Q网络（Deep Q-Network, DQN）算法训练调度智能体，实现环境模型学习与策略优化的解耦；最后，经实验验证表明，与使用物理环境的MFRL相比，本方法在无需精确建模的情况下性能差距仅为4%。而相较于MBRL基线方法，舰载机出动时间则缩短34%。同时在资源受限场景中，决策速度较启发式方法提高近300倍，而调度质量仅降低17%。

关键词： 机器学习   数据科学   高维统计   随机优化   计算学习理论  

摘要： 机器学习是探索基于数据的生成、预测和决策等任务的算法构造及其机理分析的学科,它试图通过经验和交互来提升机器或系统的智能,由此导致了现代人工智能技术的革命性突破.数学上,现代人工智能技术可以描述为如何求解具有组合结构的高维复杂问题.所以我们应该利用所关注问题的内在结构和数据包含的随机信息来考虑算法设计和理论分析.通过结合不确定性量化和数据驱动两种思路来求解问题,从样本有效性和计算有效性两个维度来研究大规模高维推断和可扩展自适应算法,这孕育了现代机器学习一个新的框架—算法推断.它旨在利用算法从数据及其潜在生成分布推断出逻辑严谨、可证明、可信任的结论,关键思想是在算法设计和分析中如何利用和处理不确定性.本文回顾与展望算法推断的思想、进展和潜在方向.

关键词： 激光增材制造   多材料   体素化   路径规划   算法  

摘要： 针对多材料激光增材制造专用切片软件缺失的问题，本文提出一种多材料体素化与路径规划算法。首先，在体素化方面，提出按材料分区域体素化再合并的多材料体素模型构建方法，通过计算体素到三角形面片的距离及相对法向量的方向，对模型外围体素进行补偿扩充，解决零件边缘激光定向能量沉积单边搭接空缺与后加工余量预留问题。同时，对传统扫描线填充算法进行改进，突破其面对特殊模型在内部体素化中的应用局限。其次，结合材料边界差异化轮廓扫描与Z字形内部填充的混合路径规划策略，制定了从多材料体素模型到设备可执行代码的自动生成流程，可输出适配激光增材制造设备的程序代码。最后，基于激光定向能量沉积工艺开展的多材料样品制备验证实验结果表明，所研发的算法可实现多材料三维模型的体素化与路径规划，完成设备可执行程序代码的自动生成，并成功制备出形貌与设计模型吻合的多材料实体样件。该研究为多材料激光增材制造路径规划算法与专用切片软件的研发提供了新的技术路径。

关键词： 干扰资源分配   组网雷达系统   改进哈里斯鹰优化   压制概率   干扰效能  

摘要： 针对突防背景下干扰组网雷达面临的资源分配实时性差、干扰效能不足的问题，提出一种基于改进哈里斯鹰优化（improved Harris Hawks optimization,IHHO）算法的干扰资源分配方法。以组网雷达压制概率为干扰效能评价指标，考虑雷达信号处理与抗干扰技术影响，建立关于波束调度、功率分配、干扰样式选择的联合优化模型，并使用IHHO对模型进行求解。IHHO通过引入密钥编码增强了对混合变量的优化能力，并融合人工旅鼠算法的搜索策略与混沌映射机制加快了收敛速度。仿真结果表明，相比其他对比算法，IHHO在突防全程的干扰有效性分别提升22.5%、20%、30%、25%，且运行耗时最少，结果标准差最低，证明IHHO寻优能力强，且运行速度快、运行结果稳定。

关键词： 低轨卫星   多普勒定位   信赖域   收敛性能   定位、导航与授时(PNT)  

摘要： 针对低轨多普勒迭代解算中存在初始点敏感、容易收敛至局部最优解等问题，提出一种基于信赖域方法的低轨星座多普勒定位算法：通过结合增益比评估机制和基于多普勒信息矩阵条件数的阻尼区间，自适应调整信赖域半径以动态约束迭代步长，实现多普勒定位的正则化迭代求解，有效抑制大偏差初始点下的迭代发散和错误收敛；最后在轨道高度1 000 km的低轨星座典型场景下进行仿真实验。结果表明：所提算法在初值误差达1 000 km量级时，正确收敛率相较于迭代最小二乘估计（ILSE）算法提升10.48%；在1～850 km的较低初值误差量级下，正确收敛率均保持所列算法中的最优水平；收敛后的定位精度与理论定位精度在统计意义上无显著差异。所提算法能够为低轨增强导航系统提供较为鲁棒的多普勒定位解算能力，助力综合定位、导航与授时（PNT）体系的泛在服务。

关键词： 政府大数据平台   治理效能   数据分布结构   技术环境   制度环境  

摘要： 数字时代，建设大数据平台成为政府治理变革的一种重要体现，但不同领域大数据平台的治理效能存在差异。原因在于，虽然高层级政府因为大数据平台汇集多源数据而拥有一定的相对低层级政府的信息优势，但这种信息优势能否转化为理想的治理效能，取决于数据的真实性、丰富性、有效性。政府大数据平台能够汇集何种数据，很大程度上取决于数据分布结构，而数据分布结构受技术环境和制度环境的影响。技术环境影响数据在多元主体间的自然分布状态，界定了数据获取的技术可及性；制度环境则影响数据在多元主体间的合法流动空间，界定了数据占有的制度排他性。由此，技术可及性和制度排他性的搭配组合形塑着特定领域政府大数据平台实际面对的数据分布结构，进而深刻影响其治理效能。

关键词： 扫描规划   风险评价   智能优化算法   综合管廊   三维激光扫描  

摘要： 为了降低综合管廊场景点云采集工作对人工主观经验的依赖，提出了一种基于风险评价的点云采集方案智能优化方法。根据综合管廊的先验模型构建了扫描规划问题的解空间模型，通过组合赋权法进行了风险评价以设定各风险分区的质量要求，并依据扫描约束采用了智能优化方法求解最佳扫描方案。采用3种不同的优化方法在一条多种节段构成的管廊场景进行了采集试验。结果表明，仅稳态遗传算法生成的扫描方案达到了预设的85%扫描完整性要求，在高风险区域满足0.004 m的扫描精度，且相比统一LOD要求的采集方法，扫描效率提升了约21%。点密度分析显示，实地采集点云与优化求解结果基本一致。所建立的扫描求解设计模型与不同结构形式的管廊节段对照良好，验证了该方法的可行性。