导弹打击地面弱红外目标的数字孪生导引律

当红外制导导弹攻击地面目标时,自然或人为因素会导致目标红外特征减弱或消失,致使导引头无法探测或间断探测目标,极大影响制导精度。为解决这一问题,提出一种导弹攻击地面弱红外目标的数字孪生导引律。根据红外导引头在物理世界的导引过程,在数字世界构建目标及导引律的孪生数字模型,通过仿真得到并保存制导全过程中各时间点上导弹运动及控制的状态参数,作为制导过程的数字孪生。实际引导中,当导引头无法得到测量信号时,它的数字孪生数据立即被激活接管导引头的工作,以导引头的孪生数据为控制系统提供加速度指令。仿真算例表明,导引头的数字孪生可在导引头无法捕获信号时,为控制系统提供机动指令对导弹实施精确引导。数字孪生导引律对红外伪装、红外干扰及恶劣气候具有鲁棒性,有广阔的应用前景。     

基于AI技术的钢筋数量智能识别技术研究

当前,绝大多数工地清点钢筋等材料使用传统人工方式,人工清点方式耗费人力且容易造成数量统计错误。为解决上述问题,设计了一个基于AI技术的钢筋数量智能识别模型。根据实际环境中拍摄的钢筋图片作为样本集,使用LabelImg标注工具进行数据标注,利用YOLOv3算法训练识别模型,使用PyTorch作为机器学习平台。本系统使用YOLOv3算法构造神经网络进行深度学习从而训练模型,使用Loss函数、mAP函数、计算F₁值等多个参数进行评估模型,利用训练好的模型绘制框图预测钢筋位置以及计算出图中的钢筋总数。经测试,识别率为97.83%。     

基于Flink的智能餐饮推荐系统研究

随着信息时代的发展,许多餐厅将美食上传到互联网平台供消费者选择,面对大量美食,消费者往往陷入选择困难的场景之中。针对上述问题,基于用户协同过滤算法,利用大数据流计算引擎Flink实现了一款实时智能餐饮推荐系统。系统前后端设计分离,前端使用Thymeleaf和BootStrap等技术,后端使用Spring Boot框架,集成Kafka、Redis、MySQL等组件。Spring Boot负责处理用户的请求,评分数据录入MySQL,前端将采集到的数据清洗后交付Kafka消息队列,Kafka将信息传递给Flink进行流计算分析,实时计算结果放入Redis数据库,供Spring Boot和Thymeleaf使用。最终实现用户登录注册、热门美食推荐、个性化美食推荐功能。