Collision avoidance is critical in unmanned surface vehicles (USVs) and is especially challenging in scenarios involving ships of different intelligence levels. To address this problem, inspired by risk analysis and collision avoidance habits of seafarers, this paper proposes a human-like collision avoidance method based on deep reinforcement learning (DRL) and velocity obstacle (VO). It first introduces a navigation impact factor (NIF) calculation module based on fuzzy theory to simulate human beings' attention mechanisms when facing multiple ships. To be compatible with human beings' regulations, the convention on the International Regulations for Preventing Collisions at Sea (COLREGs) is first to be integrated into the calculation of the NIF calculation module, and the VO algorithm is incorporated into the reward function, which can reduce collision risks in paths and improve safety requirements. In addition, a series of reward functions are carefully designed to balance safety, smoothness, and driving operation. To validate the performance, experiments are conducted on our virtual simulation platform. The results show that our algorithm can accurately assess the impact of target ships (TS) on own ship (OS) in complex environments and can obey the COLREGs. Collision avoidance can be achieved effectively and the path is smoother.

In this paper, a new variant of convolutional neural network (CNN) based on L1 regularization is proposed. The main consideration is to generate a sparse weight matrix, i.e., to generate a sparse neural network model. To some extent, L1 regularization prevents the occurrence of overfitting and effectively improves the learning efficiency of the network. Unfortunately, the L1 regularization term is non-smooth, which leads to the occurrence of oscillations in experiments and poses a great challenge to the theoretical analysis. So, we overcome this drawback by using polishing techniques and rigorously prove the monotonicity of the error function and the strong and weak convergence theorems of the algorithm. Finally, numerical simulations on several data sets support our theoretical results and the superiority of the proposed algorithm.

The optoacoustic transducer has emerged as a new candidate for medical ultrasound applications and attracts considerable attention. Optoacoustic diagnosis and treatment sometimes require high-intensity acoustic pressure, which is often accompanied by the problem of laser-induced damage. Addressing the laser-induced damage phenomenon from a theoretical perspective holds paramount importance. In this study, the theoretical model of laser-induced damage of the carbon nanotubes–polydimethylsiloxane (CNT–PDMS) composite optoacoustic transducer is established. It is found that this laser-induced damage belongs to thermal ablation damage. Furthermore, the correctness of this theory can be confirmed by experimental results. Most importantly, when the laser energy density is less than threshold value of laser energy density, the optoacoustic transducer can work stable for long time. These encouraging results demonstrate that this work can provide significant guidance for the exploration and utilization of optoacoustic transducers.

The development of autonomous berthing system is the key to realize vehicle autonomous navigation system. Accurate trajectory tracking is crucial for autonomous berthing of unmanned surface vehicles(USVs). In this paper, a novel fixed-time autonomous berthing sliding mode control scheme is proposed, which introduces the fixed-time into the design of sliding mode surface. Compared with the traditional method, this method not only keeps the advantage of avoiding singularity, but also has faster convergence performance, and the convergence time is bounded by a constant, independent of the initial state. In addition, the discontinuous terms of the existing control algorithm are replaced with non-smooth terms to completely eliminate chattering. Finally, the simulation and comparison experiments show that the proposed control scheme is better than the typical control scheme.

This paper refers to the technical requirements of gravitational wave telescopes and focuses on the design and alignment of the telescope's primary and secondary mirror system. Parameters for the reflective telescope's primary and secondary mirror system are determined based on the design requirements. The materials for the mirror system structure are chosen by analyzing stiffness ratio, thermal expansion coefficient, and surface roughness. The deformation and stress of the support structure under gravitational conditions are analyzed, and its rationality is verified through temperature simulation. Before the alignment, a sensitivity matrix for system aberrations is obtained by introducing maladjustments in different degrees of freedom to guide the alignment. Using the autocollimation method and flat mirror interferometer for system testing, the results show a wavefront error RMS of RMS=0.0316 λ and PV=0.318 λ (λ=632mm). The test results indicate that the primary and secondary mirror system structure meets the initial design requirements.

ABSTRACT This article investigates the problem of event‐triggered integral sliding mode control (ISMC) for a class of nonlinear networked cascade control systems (NCCSs). Due to the limited communication bandwidth between network nodes, uncertain delay can occur during transmission. This may result in a deterioration of the capabilities of NCCS and system instability in certain instances. Thus, an event‐triggered mechanism (ETM) and ISMC are introduced into the system, and a new model is constructed to increase the network bandwidth and reduce the effect of nonlinear perturbation. After that, the design of two controllers and ETM is accomplished through the use of the Lyapunov generalized method and linear matrix inequality (LMI) techniques. Finally, a simulation example of a power plant model is given to verify the effectiveness of the method. The results show that, for the first time, the event‐triggered ISMC is applied to NCCSs, which greatly saves the network bandwidth resources. The states of the system can reach the sliding mode surface (SMS) in finite time and remain stabilized there afterward, which ensures the stable operation of the system.