基於智能算法的目標檢測、路徑規劃與跟蹤控制

目錄

第1章緒論

1.1目標檢測研究現狀

1.2目標跟蹤研究現狀

1.3跟蹤控制研究現狀

1.3.1列車跟蹤控制

1.3.2多智能體協同控制

1.4深度強化學習研究現狀

1.5本章小結

第2章基於深度學習的目標檢測

2.1目標檢測相關理論和算法基礎

2.2基於深度學習的目標檢測方法

2.2.1Faster R-CNN模型

2.2.2SSD模型

2.2.3YOLO模型

2.3基於YOLOv4的列車行駛前方目標檢測

2.3.1列車前方目標數據集制作

2.3.2評價指標

2.3.3MobileNet系列網絡

2.3.4基於MobileNet和聚類思想的YOLOv4目標檢測模型

2.3.5仿真實驗與分析

2.4面向目標遮擋和樣本分布不平衡的MYOLO-lite模型優化

2.4.1基於遮擋目標的SoftNMS算法

2.4.2樣本分布不平衡問題

2.4.3仿真實驗與分析

2.5基於YOLOv5的淺海生物多目標檢測

2.5.1淺海生物數據集制作

2.5.2基於k-means聚類算法先驗框的設計

2.5.3引入註意力機制的YOLOv5模型結構

2.5.4仿真實驗與分析

2.6基於改進BiFPN的YOLOv8淺海生物目標檢測與密度計算

2.6.1基於YOLOv8 BiFPN設計P2小目標神經網絡結構

2.6.2實驗網絡環境參數及評價指標

2.6.3仿真實驗與分析

2.6.4基於目標檢測的淺海生物密度計算

2.7本章小結

第3章基於深度學習的視頻目標跟蹤

3.1基於YOLOv4深度學習的列車視覺動態視頻檢測

3.1.1系統架構設計

3.1.2動態視頻檢測的實現

3.2基於改進YOLOv8的淺海生物目標跟蹤

3.2.1淺海生物預警方案框架設計

3.2.2優化DeepSORT算法結構

3.2.3拓展卡爾曼濾波

3.2.4仿真實驗與分析

3.3基於PyQt5的可視化界面設計

3.4本章小結

第4章基於智能算法的運行路徑規劃

4.1列車速度曲線優化指標模型

4.2基於遺傳算法的高速列車軌跡優化

4.2.1實現步驟

4.2.2仿真與分析研究

4.3基於禁忌搜索算法的地鐵軌跡優化

4.3.1實現步驟

4.3.2仿真與分析研究

4.4基於DDPGK算法的列車運行控制策略

4.4.1控制策略框架設計

4.4.2經驗知識庫及策略推理機制

4.4.3列車運行環境設計

4.4.4算法流程設計

4.4.5仿真驗證分析

4.5本章小結

第5章基於神經網絡的水面船舶跟蹤控制

5.1船舶運動數學模型

5.1.1三自由度運動學模型

5.1.2動力學模型

5.2船舶航向與主推進器的神經網絡自適應控制

5.2.1問題描述

5.2.2動態模糊神經基礎

5.2.3船舶航向控制

5.2.4穩定性分析

5.2.5航向跟蹤仿真分析

5.2.6船舶航向與主推進器聯合控制

5.2.7船舶航向與主推進器聯合控制仿真分析

5.3欠驅動水面船舶的動態模糊神經網絡魯棒自適應跟蹤控制

5.3.1問題描述

5.3.2控制器虛擬輸入

5.3.3動態模糊神經網絡自適應控制器的設計

5.3.4穩定性分析

5.3.5仿真分析

5.4基於神經網絡穩定自適應的欠驅動水面船舶編隊控制方法

5.4.1問題描述

5.4.2運動學控制器設計與穩定性分析

5.4.3動力學控制器設計與穩定性分析

5.4.4仿真分析

5.5本章小結

第6章基於多智能體的列車編隊協同控制

6.1理論基礎知識

6.1.1列車動力學基礎

6.1.2多智能體編隊一致性控制理論

6.1.3李雅普諾夫穩定性理論

6.2基於切換拓撲與狀態觀測器的列車多智能體編隊控制

6.2.1問題描述

6.2.2多智能體編隊協同控制策略

6.2.3切換拓撲下控制律設計

6.2.4狀態觀測器設計

6.2.5穩定性分析

6.2.6仿真分析

6.3考慮輸入飽和與模型不確定性的動態事件觸發編隊控制

6.3.1問題描述

6.3.2控制器設計

6.3.3穩定性分析

6.3.4仿真驗證與對比分析

6.4本章小結

第7章通信限制下列車多智能體跟蹤控制

7.1理論基礎知識

7.1.1事件觸發機制相關理論 

7.1.2相關定義和引理 

7.1.3DoS攻擊相關理論 

7.2基於LMI的通信時滯列車非奇異滑模編隊控制方法設計

7.2.1問題描述

7.2.2穩定性分析

7.2.3仿真分析

7.3基於BLF的DoS攻擊下列車多智能體彈性跟蹤控制策略設計

7.3.1問題描述

7.3.2狀態觀測器設計

7.3.3基於BLF的狀態受限彈性控制器設計

7.3.4穩定性分析

7.3.5仿真分析

7.4本章小結

參考文獻