1 南京航空航天大学核分析技术研究所 南京 211106
2 江苏省高校放射医学协同创新中心 苏州 215031
3 兰州大学核科学与技术学院 兰州 730000
4 苏州冠锐信息科技有限公司 苏州 215008
核辐射场区全覆盖路径规划对于辐射环境下区域作业者的辐射安全有重要意义。本研究基于生物启发神经网络算法，提出一种进行辐射剂量最优控制的全覆盖路径规划算法。首先，利用福岛核电站部分地形以及蒙特卡罗粒子输运程序分别构建模拟核辐射场区的障碍物分布和辐射剂量场，然后，采用Python语言进行算法仿真试验，模拟核辐射场区的每一个栅格定义为一个神经元，建立起生物启发神经网络，将栅格剂量率与神经元活性耦合实现路径规划的辐射剂量最优控制，分别采用单个、4个和8个移动单元进行仿真试验。结果表明：单个移动单元的规划路径在实现100%覆盖率，4%覆盖重复率的同时，能够优先覆盖低剂量区，延后覆盖高剂量区，实现了过程剂量和累积剂量的最优控制。为提高全覆盖的时间效率和获得更低的单体累积剂量，对算法进行多单元协同搜索的改进，结果表明：4单元和8单元仿真的覆盖重复率分别为5.72%和6.29%，1单元、4单元和8单元仿真完成全覆盖时间分别为30 min、9 min和4 min，时间效率成倍提高；最大单体累积剂量分别为4.11×10-3 mSv、1.28×10-3 mSv和0.85×10-3 mSv，也在显著降低。本文提出的算法能实现过程剂量和累积剂量最优控制的全覆盖路径规划，另外算法可以协同规划多单元路径，显著降低单体累积剂量，对辐射环境下区域作业的辐射防护有重要意义。
生物启发神经网络 核辐射场区 全覆盖路径规划 多单元协同 剂量控制 Bio-inspired neural network Nuclear radiation field Complete coverage path planning Multi-unit collaboration Dose control 辐射研究与辐射工艺学报
2024, 42(1): 010601
西安工业大学电子信息工程学院，陕西 西安 710021
现行可见光定位技术采用各类传感器以及混合复杂算法实现定位，操作难度大且易受干扰，导致系统的定位精度不稳定。为提高可见光室内定位的精度与稳定性，提出将迁移特征学习与生物启发网络相融合的方法并将其应用于可见光室内定位中，在可见光环境下采集图像，利用改进的小波阈值去噪法去除图像噪声对深度特征的影响，提取可见光图像的深度特征并建立指纹库，构建天牛须搜索算法优化的神经网络模型，进行训练与定位测试。结果表明：在实测定位阶段搭建的0.8 m×0.8 m×0.8 m实验环境中，预测坐标的平均误差为4.26 cm，其中，误差小于4 cm的预测点数量占总坐标点数量的63.4%，误差小于6 cm的预测点数量占总坐标点数量的78%。所提方法为室内定位提供了一种稳定可靠的方法。
光通信 可见光视觉成像 图像深度特征 生物启发 神经网络 室内位置感知 中国激光
2023, 50(10): 1006007
