首页期刊导航|中北大学学报(自然科学版)
期刊信息/Journal information
中北大学学报(自然科学版)
中北大学
中北大学学报(自然科学版)

中北大学

靳祯

双月刊

1673-3193

xbzr@nuc.edu.cn

0351-3925798

030051

太原13号信箱

中北大学学报(自然科学版)/Journal Journal of North University of China北大核心CSTPCD
查看更多>>本学报是自然科学类学术期刊,充分反映我校生要研究成果,促进学术交流,已被EI、CA、SA、PЖ、中国科学引文数据库等收录。
正式出版
收录年代

    基于改进人工势场法的RRT*无人船路径规划算法

    周卫祥许继强
    122-131页
    查看更多>>摘要:为了使RRT*能够更好地适应不同复杂程度的环境,并快速生成一条平滑的较优路径,本文在RRT*算法的基础上引入人工势场法,设计了基于改进人工势场法的RRT*算法.首先,对全局地图进行划分,并进行分区偏置采样;然后,改进节点拓展方式,引入障碍物大小因子来改进斥力势场函数,引导新节点的生成;同时,引入自适应变步长策略,根据距离障碍物的远近,以不同的步长拓展路径点.为了使规划路径更符合无人船的航行特性,采用三次非均匀B样条对改进算法生成的路径进行了平滑处理.为了验证本文改进算法的优势,通过设计特殊障碍物环境、简单障碍物环境以及复杂障碍物环境,对比分析了RRT、RRT*、人工势场法和本文算法,发现了本文改进算法生成的路径平均长度短于RRT、RRT*和人工势场法所规划的路径长度,路径规划效率更高,面对不同障碍物环境有更好的适用性.

    无人船RRT*人工势场法三次非均匀B样条路径规划

    基于水下目标抓取的UVMS抗扰控制方法研究

    魏延辉赵康康谢吉顺
    132-145页
    查看更多>>摘要:水下机器人-机械臂系统(UVMS)在水下作业过程中存在自身结构不确定性干扰、系统动力学耦合干扰以及海流干扰的问题,这对水下机器人的运动控制提出了更高的要求.本文以某欠驱动水下机器人系统作为研究对象,提出了一种误差受限的抗干扰控制方法.基于视线法和设定性能函数得到UVMS的误差动力学模型,再基于此模型设计水下机器人(AUV)抗扰控制器.通过牛顿-欧拉方程估算机械臂对于AUV本体的耦合干扰并进行实时补偿.采用神经网络控制补偿AUV系统的结构性不确定性,并利用自适应控制来补偿神经网络估计误差、非结构性不确定性误差和机械臂耦合干扰的补偿误差.通过机械臂静止和定点作业两组工况下的仿真实验发现,运动控制任务符合设定预期时间和跟踪精度,同时也验证了分离式UVMS运动控制方案在水下定点作业任务中的可行性和有效性.本文方法具有很强的鲁棒性,且能够通过此抗扰控制方法来抑制这些不确定性干扰的影响.

    UVMS抗扰控制器水下定点作业误差动力学方程

    面向无人机的可穿戴手势识别综述

    游昌欣韩晶方帆任兵...
    146-157页
    查看更多>>摘要:无人机实现通用化的关键之一是开发一种自然、直观的交互方式.手势作为日常生活中最普遍的交流方式之一,成为研究无人机人机交互的重点.本综述聚焦于穿戴式手势传感与识别方法,分析了肌电、应力应变、运动、超声和光电传感等主要手势数据的采集方式,并提出了动态和静态手势的数据处理与识别算法.此外,本综述还探讨了手势识别技术在无人机实时避障、路径规划与轨迹跟踪方面的应用.最后,总结了当前手势识别技术面临的普适性、鲁棒性和实时性等关键问题,并讨论了未来可穿戴手势识别技术的发展方向.通过与生物传感技术、边缘计算、云计算、强化学习、自适应学习以及多模态数据融合等技术的紧密结合,推动手势识别技术朝着更高精度、更自然的交互方式和更广泛的应用领域发展.

    可穿戴设备手势识别人机交互无人机传感技术

    两类非对称双箭型矩阵的广义逆谱问题

    苏然雷英杰李繁华
    158-162,169页
    查看更多>>摘要:针对两类非对称双箭型矩阵的广义逆谱问题,本文先将两类矩阵的两组特征对作为其特征数据,然后利用矩阵元素间具有的函数关系、线性关系及箭型矩阵的相关性质,将两类矩阵的逆谱问题转换为求解线性方程组的问题,进而实现了两类矩阵的重构.本文给出了该问题有唯一解的充分必要条件以及问题构造的算法,并通过相应数值实例验证了所得结果.

    特征对逆谱问题箭型矩阵线性关系函数关系

    度为2的广义星图矩阵的逆特征值问题

    李繁华雷英杰苏然
    163-169页
    查看更多>>摘要:运用两种不同的方法对度为2的广义星图矩阵(一种特殊类型的树的矩阵)的逆特征值问题进行了深入研究.首先,引入了一种标记这种树的顶点的方案,以便以多种特殊形式表示相应的矩阵.然后,针对给定的两类不同的特征数据,将此类矩阵的逆特征值问题转化为线性方程组求解问题,得到了所研究问题有唯一解的充分必要条件.最后,给出了矩阵唯一解的表达式和相应的算法.通过数值模拟实例验证了结果的准确性.

    向量对特征对逆特征值问题广义星图图矩阵

    车体刚强度结构优化对连发武器射击精度的影响

    白文杰韩晓明任广武于君然...
    170-177页
    查看更多>>摘要:为减小射击时车体振动对车载连发武器射击精度的影响,建立了某轮式车辆车体有限元模型,对火炮典型射击工况下车体的受力进行了分析,以提高车体结构刚强度为优化目标,在车体后方横向增加变截面梁来改进相应的薄弱结构.车体改进前后的模态测试与射击试验结果表明,经过车体结构优化可有效改善整车环境下对射击精度影响较大的身管一阶模态频率,5连发射击时的射击精度得到有效提高.

    车体结构优化连发武器模态测试射击精度

    安全高效毁伤旋翼手榴弹的结构设计

    韩泽瑜张会锁
    178-184页
    查看更多>>摘要:针对提高手榴弹使用安全性与高效毁伤能力的工程应用要求,设计了一种采用旋翼装置控制保险解除与弹道姿态的新型手榴弹结构.在分析握片式手榴弹与弹跳式空炸手榴弹的基础上,提出了旋翼手榴弹的设计思路.通过作用机理分析,采用理论计算与动力学仿真相结合的方法完成了旋翼手榴弹的结构设计,并采用ADAMS分析软件对结构安全解保和实现高效毁伤的功能可行性进行了仿真验证.仿真结果表明:旋翼手榴弹以45°方向和30 m/s的速度投掷时,其旋转圈数14.5圈大于所需圈数9.5圈;以45°方向进行投掷时,旋翼手榴弹的最低投掷速度为25.95 m/s;旋翼手榴弹在弹道垂直下降段的平衡速度为8.7 m/s.该结构可以实现空中安全解保,旋翼装置可以调整手榴弹的弹道姿态,为定高空炸创造弹道条件,可为相关工程应用设计提供参考.

    手榴弹旋翼保险装置弹药高效毁伤

    弹丸侵彻混凝土目标的热固耦合数值分析

    常慧珠张冬梅麻旭东李世中...
    185-193页
    查看更多>>摘要:针对侵彻过程中侵彻深度计算不精准的问题,以弹靶模型为研究对象,基于ANSYS/LS-DYNA软件建立弹靶模型,对35CrMnSi弹丸侵彻C30混凝土靶的侵彻深度进行了计算.以侵彻速度和角度为初始变量设置了33组不同工况,进行了侵彻过程的热固耦合数值分析.提取了弹丸温度场、侵彻深度、侵彻速度衰减等数据进行了深入分析,得出了弹丸侵彻过程中温度升高与侵彻深度之间的关系.结果表明:1)垂直侵彻时,随着侵彻速度的增大,弹头侵蚀加剧,温度变化更显著;2)非垂直侵彻时,温度升高极值点由弹头中心转移至弹丸侧身,弹丸着角增大,温度升高加快,侵彻深度减小;3)侵彻结束时,弹丸温度与侵彻深度成相关比例,相同侵彻角度工况中比例相同.对弹丸侵彻过程中温度场进行分析可提高侵彻深度预测模型的准确性,研究结果可为侵彻引信测试提供参考.

    ANSYS弹丸温度场侵彻深度热固耦合

    基于图神经网络的物联网入侵检测研究

    李聪宇赵利辉安洋
    194-204页
    查看更多>>摘要:针对物联网入侵检测中网络设备的异构性以及设备间的复杂关联性,本文基于图神经网络(Graph Neural Network,GNN)提出一种GraphSAGE-GAT模型,可以有效捕捉物联网设备之间的关联关系,并还原物联网设备之间的通信拓扑,从而达到提升物联网异常检测准确率的目的.首先,基于物联网设备间的网络流数据构建了设备关联关系图,然后利用GraphSAGE(Graph Sample and Aggregate)算法对相邻设备节点进行采样,从而可利用相互关联设备节点信息增强设备节点的嵌入信息表示;再利用图注意力网络(Graph Attention Network,GAT)为提取到的关联设备节点之间的关系自动化地学习到相关性权重,并通过多层聚合函数将关联设备节点的表示进一步融合,得到设备关联图节点的嵌入表示向量,从而进一步增强各设备节点的表示能力.最后,根据融合后的图节点嵌入表示向量实现对设备网络节点样本的良性和攻击分类.基于数据集NF-ToN-IoT-v2和NF-BoN-IoT-v2进行了实验验证,结果表明,本文所提出的模型GraphSAGE-GAT在物联网入侵检测上的准确率分别高达97.25%和98.62%,均优于现有最新的基线检测模型,可进一步保障网络数据的通信安全.

    物联网入侵检测特征选择GraphSAGE图注意力网络

    基于对偶对抗学习的多维时间序列异常检测

    李泽宇乔钢柱张苗苗
    205-212页
    查看更多>>摘要:时间序列中异常点的无监督检测是一个具有挑战性的问题,要求模型能够快速准确地发现异常数据.VAE类深度神经网络模型能在数据压缩和恢复中学习数据的特征,但由于训练过程中缺乏对抗性,无法更好地区分正常数据和异常数据特征,导致模型训练困难.针对该问题,本文提出一种基于对偶对抗思想的改进多维时间序列异常检测方法.首先利用滑动窗口将数据集划分为合适的长度的序列,使用正常序列数据训练模型.继而利用对偶结构加强两组编码器解码器之间的对抗性,以更好地学习正常数据特征,减少训练难度.最后,将含有异常数据的待测数据放入训练好的模型,根据待测序列在模型中的异常得分,结合阈值技术进行异常判定,并从待测数据中获得异常序列片段,计算评价指标.实验表明,本文方法Dual-AE具有模型容易训练且稳定性强的特点,并且相对于USAD方法,在水文数据集SWaT上F1分数提升了0.01,召回率提升了0.01,在WADI数据集上F1分数提升了0.09,召回率提升了0.02.异常检测性能指标上,比现有的生成式异常检测模型有明显提升.

    多维时间序列编码器-解码器对偶对抗学习异常检测