摘要：计算机博弈是人工智能的果蝇和通用测试基准.近年来,序贯不完美信息博弈求解一直是计算机博弈研究领域的前沿课题.围绕计算机博弈中不完美信息博弈求解问题展开综述分析.首先,梳理计算机博弈领域标志性突破的里程碑事件,简要介绍4类新评估基准,归纳3种研究范式,提出序贯不完美信息博弈求解研究框架;然后,着重对序贯不完美信息博弈的博弈模型和解概念进行调研,从博弈构建、子博弈和元博弈、解概念以及评估3方面进行简要介绍;接着,围绕离线策略求解,系统梳理算法博弈论、优化理论和博弈学习3大类方法,围绕在线策略求解,系统梳理对手近似式学习、对手判别式适变和对手生成式搜索3大类方法;最后,从环境、智能体(对手)和策略求解3个角度分析面临的挑战,从博弈动力学和策略空间理论、多模态对抗博弈和序贯建模、通用策略学习和离线预训练、对手建模(剥削)和反剥削、临机组队和零样本协调5方面展望未来研究前沿课题.对于当前不完美信息博弈求解问题进行全面概述,期望能够为人工智能和博弈论领域相关研究带来启发.

摘要：在基于数据的复杂系统建模过程中,各种不确定性信息普遍存在.一般而言,客观系统的随机性与人类认知的模糊性构成了不确定性的最基本内涵.为了对不确定性信息进行形式化的描述,促进人类对实际系统的理解,近年来各种不确定性理论得到极大发展.基于此,首先给出不确定性的来源、分类及特点;然后,从随机性、模糊性及混合不确定性3方面系统梳理贝叶斯推理、模糊推理、粗糙集、灰色理论和证据理论等方法在不确定性信息表示与推理方面的研究,同时总结分析上述理论在可靠性工程、信息融合和决策支持等方面的典型应用;最后,在对现有工作简要总结的基础上,提出不确定性理论在未来发展中面临的三大挑战,并给出潜在的解决思路,以期为该领域的研究者提供一定的参考.

摘要：为了进一步提升粒子群算法在离散优化问题中的性能,针对粘性二进制粒子群算法缺乏全局搜索能力、容易陷入局部最优和收敛速度慢的缺点,提出一种新的自适应参数策略和粒子散度指标,并结合模拟退火机制改善该算法的寻优能力.为了检验算法性能,通过选取不同维数的背包问题算例库以及不同规模的UCI特征选择问题算例库进行仿真实验,并对实验数据进行统计分析.实验以及分析结果表明,所提算法在寻优精度、算法稳定性和收敛速度上均优于对比算法.

摘要：针对传统鲸鱼优化算法全局探索能力不足、收敛精度低、速度慢等问题,提出一种基于围攻机制的改进鲸鱼优化算法.首先,使用Tent混沌映射和非线性参数,使种群的分布更均匀,并且协调了鲸鱼优化算法的探索与开发能力;其次,考虑算法适应度在寻优中的重要作用,提出限制适应度控制和高斯检测机制;最后,结合哈里斯鹰优化算法的围攻机制,提升鲸鱼优化算法的全局探索和局部寻优的能力.将改进的算法与多种算法在13个可变维基准函数上进行仿真测试,结果表明,基于围攻机制的改进鲸鱼优化算法,在拥有较好鲁棒性和稳定性的同时,能够保证收敛精度与速度.

摘要：尽管直流微电网内新能源的分布式电流均衡控制已经得到了广泛的研究,但实际直流微电网中的通信线路往往是不可靠或者不存在的.基于此,提出一种在无传统通信网络环境下的多母线直流微电网的电流边缘控制策略,以实现电流均衡.首先,设计面向直流微电网的信息-能量复合调制(information-energy dual modulation, IEDM)策略,消除传统的通信设备和通信网络线路,实现新能源电源之间的信息交互.其次,构建多母线直流微电网的状态方程模型,进而将其转化为标准的异构多智能体模型.基于此模型,提出直流微电网内二级控制器的多智能体H_∞边缘协同控制策略,同时基于IEDM策略,设计周期性动态事件触发通信协议.最后,通过半实物仿真测试系统验证所提出的基于信息-能量复合调制的多母线直流微电网的电流边缘控制策略的有效性.

摘要：转炉炼钢终点控制作为吹炼末期重要操作的关键是碳含量准确实时预测,而熔池中碳含量的氧化速率能够反映在炉口火焰纹理变化上,因此提取火焰纹理的准确特征是终点碳含量预测的关键,但是火焰纹理具有多方向多尺度不规则的特征描述难点.鉴于此,提出一种导数非线性映射方向加权多层复杂网络彩色纹理描述符,符合火焰不规则纹理的多尺度多方向特点.首先,将HSI空间下火焰图像映射至相位空间以增强空间位置关联信息;然后,基于复杂网络给出一种反映不同尺度顶点间连续变化的导数关系权重公式,结合方向信息构建炉口火焰图像的多尺度不规则方向加权彩色纹理复杂网络;最后,计算顶点方向加权度特征量化复杂网络拓扑连接模式,构建火焰彩色纹理特征,建立KNN回归模型预测终点碳含量.实验结果表明,所提出算法满足实际转炉炼钢吹炼过程实时性要求.

摘要：尽管许多高维多目标进化算法已被提出,但平衡种群收敛性与多样性的困难仍然存在.对此,提出一种基于指标选择和密度评估删除的高维多目标进化算法(indicator selection and density estimation deletion-based many-objective evolutionary algorithm,MaOEA/IS-DED).该算法在环境选择过程中采用基于$I_{\varepsilon+

摘要：复值有限内存BFGS(CL-BFGS)算法能有效用于求解复数域的无约束优化问题,但其性能容易受到记忆尺度的影响.为了解决记忆尺度的选择问题,提出一种基于混合搜索方向的CL-BFGS算法.对于给定的记忆尺度候选集,采用滑动窗口法将其划分成有限个子集,将各子集元素作为记忆尺度计算得到一组混合方向,选择使目标函数值最小的混合方向作为当前迭代的搜索方向.在迭代过程中,采用混合搜索方向的策略有益于强化对最新曲率信息的利用,便于记忆尺度的选取,提高算法的收敛速度,所提出的CL-BFGS算法适用于多层前向复值神经网络的高效学习.最后通过在模式识别、非线性信道均衡和复函数逼近上的实验验证了基于混合搜索方向的CL-BFGS算法能取得比一些已有算法更好的性能.

摘要：早期诊断轻度认知障碍是干预阿尔茨海默症的有效途径.目前常使用静息态功能磁共振成像和机器学习方法进行轻度认知障碍的辅助诊断,其关键是使用血氧水平依赖(blood oxygenation level dependent,BOLD)信号构建大脑的功能性连接.针对大脑静息态BOLD信号中存在各种外界噪音干扰的问题,提出结合多元经验模态分解与皮尔逊相关的重构方法与极正极负重构准则,将大脑默认模式网络的中心节点后扣带回皮层作为模板,重构BOLD信号以降低外界噪音干扰.实验结果表明,基于极正极负重构准则降噪后的BOLD信号构建功能性连接,相较降噪前的数据,在分类性能方面可以提高数据的差异性,在特征选择性能方面可以对数据集降维的同时进一步提升分类性能.此外,以上性能均优于传统重构准则.最后,对降噪后的最优特征子集进行统计性分析,发现脑岛可能是默认模式网络的相关脑区,小脑蚓体与后扣带回皮层可能构成一种认知功能补偿网络,这是以往研究中少有提出的结论.

摘要：频繁高效用项集挖掘是数据挖掘的一项重要任务,挖掘到的项集由支持度和效用这2个指标衡量.在一系列用于解决这类问题的方法中,进化多目标方法能够提供1组高质量解以满足不同用户的需求,避免传统算法中支持度和效用的阈值难以确定的问题.但是已有多目标算法多采用0-1编码,使得决策空间的维度与数据集中项数成正比,因此,面对高维数据集会出现维度灾难问题.鉴于此,设计一种项集归减策略,通过在进化过程中不断对不重要项进行归减以减小搜索空间.基于此策略,进而提出一种基于项集归减的高维频繁高效用项集挖掘多目标优化算法(IR-MOEA),并针对可能存在的归减过度或未归减到位的个体提出基于学习的种群修复策略用以调整进化方向.此外还提出一种基于项集适应度的初始化策略,使得算法在进化初期生成利于后期进化的稀疏解.多个数据集上的实验结果表明,所提出算法优于现有的多目标优化算法,特别是在高维数据集上.

摘要：提出一种改进$\varepsilon$约束法的飞蛾火焰优化算法($\varepsilon$ improved moth-flame optimization algorithm, $\varepsilon$IMFO)求解约束优化问题.该算法采用$\varepsilon$约束法对约束进行处理,考虑种群整体的约束违反度变化,提出一种基于火焰种群约束违反度的阈值$\varepsilon$计算公式;改进火焰种群的更新方法,首先,根据种群中个体的约束违反度与$\varepsilon$的关系将其分为两类:一类是约束违反度小于等于$\varepsilon$的个体,按照目标函数值排序,另一类是约束违反度大于$\varepsilon$的个体,按约束违反度排序;然后,先选择第1类中的个体,若数量没有达到种群数量的要求,继续从第2类中选取个体形成新一代火焰种群;最后,提出一种改进的飞蛾变异策略,在原始飞蛾变异策略的基础上引入2个随机火焰个体影响飞蛾变异,并增加优秀火焰个体对飞蛾变异的指导作用.通过25个测试函数以及2个实际的工程优化问题分别与其他13种算法进行的算法性能测试对比表明, $\varepsilon$IMFO算法在求解精度和稳定性等方面具有优势.

摘要：情感作为人类的高级认知,在环境学习和环境理解方面具有重要意义.将情感引入机器人搜索任务,同时结合记忆机理,提出一种具有情感和记忆机制的认知模型,由内部状态、感受器、环境状态系统、情感系统、动态知识库、行为决策系统以及执行器7部分组成.情感系统包含情感生成、情感状态以及情感记忆3个模块,其中,情感记忆用于提供内部奖励.记忆功能在动态知识库中实现.基于强化学习理论框架,将情感内部奖励与记忆进行融合,形成新的奖励机制,并设计相关认知学习算法.以需要“能量补给”的迷宫机器人搜索任务对所提出认知模型进行验证,结果发现,当面对不同情境时,机器人会产生不同的情感.结合前期记忆,机器人所作决策更“拟人”,表明情感和记忆机制设计的有效性.将所提出认知模型、无情感决策认知模型、基于$\varepsilon$-greedy策略的Q学习算法进行对比,结果表明,情感和记忆的引入,能够提高机器人的学习效率,同时学习过程更稳定.

摘要：针对机械臂在非结构环境中对未知物体抓取位姿生成困难及抓取稳定性差的问题,提出一种基于点云采样权重估计的抓取位姿生成方法.首先通过移动深度相机的方式拼接得到较完整的物体点云信息,并对物体的几何特性进行分析,有效避开物体不宜抓取的位置进行抓取位姿样本生成;然后结合几何约束条件实现抓取位姿搜索,并利用力封闭条件对样本稳定性进行评估;最后为了对实际的抓取位姿进行评价,根据其稳定性、夹取深度、夹取角度等设定抓取可行性指标,据此在工作空间输出最佳抓取位姿并完成指定的抓取任务.实验结果表明,采用所提方法能够高效生成大量且稳定的抓取位姿,并在仿真环境中有效实现机械臂对单个或多个随机摆放的未知物体的抓取任务.

摘要：针对当前抓取检测模型对密集遮挡物体的检测效果差以及人工数据标注工作量大的问题,提出基于RGB-D图像融合的目标检测与抓取检测分步骤进行的改进方案.新方案支持将单物体图像训练的抓取检测模型直接应用于密集遮挡的多物体图像场景中.首先,考虑到密集遮挡场景下抓取物具有多尺度的特点,提出子阶段路径聚合(SPA)的多尺度特征融合模块,用于丰富RGB-D特征级别融合的目标检测模型SPA-YOLO-Fusion的高维语义特征信息,以便于检测模型定位所有的抓取物;其次,使用基于RGB-D像素级别融合的GR-ConvNet抓取检测模型估计每个物体的抓取点,并提出背景填充的图像预处理算法来降低密集遮挡物体的相互影响;最后,使用机械臂对目标点进行抓取.在LineMOD数据集上对目标检测模型进行测试,实验结果表明SPA-YOLO-Fusion的mAP比YOLOv3-tiny与YOLOv4-tiny分别提高了10%与7%.从实际场景中采集图像制作YODO_Grasp抓取检测数据集并进行测试,结果表明增加背景填充预处理算法的GR-ConvNet的抓取检测精度比原模型提高了23%.

摘要：研究面向移动目标的移动机器人机载视觉云台跟踪控制系统.首先,对视觉云台跟踪控制系统进行数学建模;然后,为提高移动目标的跟踪快速性和精度,基于有限时间控制技术提出一种新的有限时间视觉跟踪控制算法.严格的理论分析证明即使系统存在外部干扰也可以在有限时间内跟踪上目标,即通过控制云台转动能够保持在机器人运动过程中移动目标始终在相机视觉中心.仿真结果表明,所提出的有限时间控制算法可以实现移动目标的有限时间跟踪.

摘要：为了使移动机器人获得高精度和快速收敛的跟踪性能,设计一种基于积分终端滑模和滑模观测器的轨迹跟踪控制方法.首先,考虑到移动机器人在实际运动过程中会受到地面湿滑、摩擦等原因引起的侧滑扰动的影响,建立其在该扰动影响下的运动学模型;然后,利用该动态模型设计滑模观测器来估计系统受到的扰动;接着,将估 计的扰动值前馈至反馈控制器,用来抑制扰动对系统控制性能的影响,从而达到削弱抖振的目的;同时,基于跟踪 误差设计积分终端滑模面,并结合滑模面和扰动估计设计新型积分终端滑模控制器;最后,基于Lyapunov稳定性理论对整个闭环系统进行稳定性分析.仿真实验结果表明,所设计的控制器具有更高的跟踪精度和更强的鲁棒性.

摘要：考虑网联车辆队列在路段通信资源受限下的协同自适应巡航控制(CACC)问题,提出一种联合通信资源分配的网联车辆协同自适应巡航时滞反馈控制方法.首先,在头车-前车跟随的通信拓扑结构下,通过网联车辆队列中各车辆间的通信链路数量、该路段可使用的通信资源和当前时刻车辆间的间距误差建立二分图,根据车辆间的间距误差来调度有限的通信资源,将通信资源合理分配给有较大间距误差的跟随车辆;其次,利用非对称PD控制协议和网联车辆队列时滞纵向模型,应用线性矩阵不等式技术计算网联车CACC控制器,进一步得到车辆队列弦稳定性的充分条件;最后,通过Matlab/CarSim联合仿真验证该方法的有效性.

摘要：现有的基于矩阵分解的协同过滤推荐算法主要从定量的角度,利用用户的评分信息评估模型表现,而并未从定性的角度描述用户的不确定偏好信息.鉴于此,从用户偏好模糊概率的角度提出一种基于直觉模糊集的伯努利矩阵分解推荐算法为目标用户进行Top-n推荐.首先,根据用户偏好特征和直觉模糊集定义,将用户评分矩阵划分为隶属度矩阵、非隶属度矩阵和犹豫度矩阵;然后,借助伯努利矩阵分解模型对矩阵并行拟合,得到最优的潜在特征向量对,并将其内积按比例划分,从而获得目标用户对未评分项目偏好程度的直觉模糊数;最后,根据直觉模糊数排序规则确定最终推荐列表.在公开数据集上的实验结果显示,所提出方法在项目排序指标上均优于其对比方法,能够有效提高推荐质量.

摘要：声波具有良好的穿透性与较广的波长范围,能够突破传统光镊、磁镊、微流控技术的操控颗粒尺寸限制,因此非接触超声操控技术成为研究热点之一.为克服传统驻波声镊的应用局限性,深入探讨基于单面全息声镊系统实现的毫米级颗粒轨迹操控技术.根据Twin声阱模型提出求解相应相位矩阵的快速实现算法,以保证后续轨迹操控的实时性;根据被控颗粒受力模型及自平衡时长设定轨迹操控策略,以保证操控的稳定性;为确保声镊系统驱动信号的同步性,基于处理器FPGA设计相应复用电路;为提升实际轨迹的准确性,基于FPGA实时视觉测量功能实现闭环反馈.实验通过所设计的声镊系统成功完成直径3mm聚苯乙烯小球的正方形轨迹移动操控.结果表明,所提出系统声场生成和视觉检测计算效率高,轨迹操控快速同步,实时可靠,轨迹形状与目标轨迹一致性好.

摘要：针对负载为超级电容的并联DC-DC变换器系统,为了在固定时间内实现电流输出均衡目标,提出固定时间分布式协同控制方法.将耦合子系统之间的通信拓扑,利用无向图进行刻画.借助输入输出反馈线性化技术,将并联DC-DC变换器系统的电流均衡控制设计难题转化为固定时间内一阶多智能体系统的一致性跟踪问题.借助符号函数、拉普拉斯矩阵、牵制增益矩阵,基于最近邻原则,设计参数可调的固定时间电流均衡分布式协同控制律.利用李亚谱诺夫函数严格证明整个闭环系统的稳定性,并推导出收敛时间的上界.所提出的固定时间电流均衡分布式协同控制方法,可以克服有限时间协同控制方法对初始状态依赖性强的缺点,同时改善了系统的收敛性.借助仿真,验证了所提出方法的有效性和可行性.

摘要：宽度学习系统(broad learning system,BLS)因其特征提取能力强、计算效率高而被广泛应用于众多领域.然而,目前BLS主要用于单输出回归,当BLS存在多个输出时,BLS无法有效发掘多个输出权重之间的相关性,会导致模型预测性能的下降.鉴于此,通过Frobenius和$L_{2,1

摘要：提出一种基于最大均值差异(maximum mean discrepancy,MMD)的故障可诊断性定量评价方法.该方法无需构建任何系统模型,通过度量不同故障模式下测量数据之间的距离定量评价故障可诊断性,适用于结构复杂、不易于建模且能够获取测量数据的复杂系统.首先,将测量数据通过特征核映射到可再生核希尔伯特空间(reproducing kernel Hilbert space,RKHS)中,以MMD作为多元分布距离度量指标,将故障可诊断性定量评价问题转换为多元分布在RKHS中的距离度量问题;然后,利用数学推导分析测量噪声强度对故障可诊断性评价结果的影响;最后,通过仿真实例验证所提出方法的有效性.

摘要：气动调节阀的复杂特性,使得通过建立精确数学模型来描述阀门故障较为困难,因而数据驱动技术在其故障诊断领域颇受关注.但现有商业化的调节阀其控制系统仅配置了相当有限的硬件设备,这对故障诊断模型和学习效率提出了更高的要求.为此,提出一种基于多特征融合的气动调节阀快速自学习故障诊断方法.首先,提出基于云模型(cloud model,CM)和动态内部主元分析(dynamic-inner principal component analysis,DiPCA)的特征信息融合方法,提高诊断模型的输入信息质量;其次,建立一种低差异随机配置网络,按照低差异序列以监督增量方式快速自主构造调节阀诊断模型,从而有效提高模型的学习效率和紧致性;最后,利用DAMADICS平台的实验数据验证所提出方法的快速性和准确性.

摘要：针对现有的深度学习方法对小样本情况下的故障诊断精度不佳和图神经网络构造图的方式依赖其他算法的问题,提出一种图的构造方法,并基于该方法提出一种基于图注意力机制与先验知识库的PGAT(prior knowledge-graph attention network)模型.将有标签样本和无标签样本按照固定的方式连接在一起,通过引入图注意力机制计算出样本之间的相似程度,使得新加入的样本不依赖于图的拓扑结构,解决图卷积神经网络不易于扩展的问题.在基准数据集和氧气顶吹转炉数据集上的实验表明,在只有少量有效数据的条件下,所提模型相较于其他模型具有更好的故障诊断精度.

摘要：针对风力发电机组数据采集与监视控制系统(supervisory control and data acquisition,SCADA)监测参量间的耦合关联性,提出基于多参数耦合关联互信息编码的风电机组故障检测方法.该方法构建了SCADA数据的耦合关联矩阵,采用互信息变分自编码器对关联矩阵进行编码重构;将SCADA参量关联矩阵的重构误差作为机组健康评估指标,结合指数加权移动平均模型的迭代更新,对机组实时故障阈值进行自适应设置.两个风场的风电机组SCADA数据分析结果表明,所提方法充分利用了SCADA数据的耦合关联结构信息,能有效提高风电机组故障检测的准确性及对环境工况的鲁棒性.

摘要：现有基于控制信号编码的信息物理系统重放攻击检测方法主要是通过判断检测函数值的大小是否超出给定阈值来实现检测,这类方法普遍存在检测率与系统控制性能损失之间的矛盾.鉴于此,提出一种基于伪周期控制信号编码的检测方法.首先,在控制信号中加入预先设计的伪周期随机编码信号,并构造与之对应的伪周期测量值补偿信号,验证当系统矩阵稳定时,补偿信号的周期性;然后,对接收到的测量值信号,利用不同补偿信号进行补偿,获得检测函数最小时对应的补偿信号在周期中的位置;最后,通过比较该补偿信号与实际控制量水印信号在周期中的位置实现对重放攻击的检测.仿真实验结果表明,采用所提出方法,只需比较采用不同补偿信号下检测函数值的相对大小,便能够在有效地检测重放攻击的同时,降低控制编码信号的方差并减小系统控制性能损失.

摘要：受模型偏差和系统扰动等影响,复杂系统难以获得准确的状态估计,往往仅能确定状态的区间,即设计区间观测器.通常,考虑单一性能指标的区间观测器难以获得较好的观测效果.对此,研究一种$H_2/H_{\infty

摘要：实际工程中的多目标优化问题往往具有黑箱特性且需要耗时的功能性评估,采用传统的进化优化方法求解,存在计算成本高昂且难以实现的问题.考虑代理优化方法在处理需要功能性评估工程设计问题中的高效性,提出一种小样本数据驱动下的贝叶斯SVR自适应建模及昂贵约束多目标代理优化方法.该方法在实现过程中选取贝叶斯SVR模型以减少功能性评估过程的昂贵仿真成本,利用最大化约束期望改进矩阵聚合策略进行新设计方案选取,并通过小样本信息的不断更新实现数据驱动下的贝叶斯SVR模型自适应更新和逐步优化.贝叶斯SVR模型具有强的边界刻画能力及预测不确定性度量功能,可为新样本挑选提供预测精度保障及潜在的改进方向.所提出的切比雪夫距离和曼哈顿距离聚合策略从样本填充的改进范围考虑,使其具有较强的改进边界探索能力,在多变量优化问题中具有计算复杂度低、适用性强的特点.测试函数及工程实例结果表明:1)所提出的方法可在小样本条件下有效减少昂贵仿真成本,提升昂贵约束多目标问题的优化效率;2)获取昂贵约束多目标问题的Pareto前沿在收敛性、多样性及空间分布性方面均具有一定优势.

摘要：为了在社交网络中选择高价值代言人以达到尽可能好的移动优惠券投放效果,首先,根据粉丝数量和活跃状态对代言人社会传播能力进行建模,并利用移动优惠券类型的偏好程度和移动优惠券转发率对代言人个体分享意愿进行建模;然后,基于社会传播能力和个体分享意愿提出代言人价值的概念,设计代言人价值排序算法(endorser value rank algorithm);接着,在考虑代言人价值的基础上,针对企业利润和代言人收益最大化的多目标优化问题,建立移动优惠券投放模型,并设计基于遗传算法的HFNSGA算法,据此实现社交网络中基于代言人价值的移动优惠券投放;最后,通过在GitHub上的真实用户数据集对EVRank算法进行实验.实验结果表明,EVRank算法在准确率和匹配率上均优于其他相关算法,同时,算例分析表明,HFNSGA算法不仅可有效地求解高维多目标优化问题,且其解集有较好的分布性和均匀性,能够有效指导企业进行移动优惠券投放决策.

摘要：部分分量一致指的是多智能体系统中所有状态变量的一些分量渐近趋于恒同这样一种现象,它是一种比恒同一致弱的群体动力学行为.基于二阶多智能体系统的动力学模型,设计一种自适应间歇牵制控制协议,通过置换矩阵方法将原偏差系统中待研究的状态分量转换为新偏差系统中前面部分的状态分量,并运用矩阵理论和部分变元稳定性理论,导出部分分量一致性准则,从而确保在指数稳定意义下该多智能体系统的部分分量一致性得以实现.最后,通过数值模拟验证理论分析结果.

摘要：针对传统基于前向欧拉近似的离散趋近律存在数值抖振的问题,首先,提出一种衍生于后向欧拉积分的广义离散趋近律,该广义离散趋近律具有全局无抖振收敛特性,并释放更多的参数设计自由度;然后,揭示趋近律参数对滑模变量收敛速率的影响关系,为参数整定提供理论依据;最后,在考虑系统不确定性时,给出滑模面最终的边界层,验证所设计的趋近律可同时确保系统的快速瞬态响应和高精度控制.数值仿真验证了所提出算法的有效性.

摘要：移动作业机器人的作业任务往往有多个目标,针对每一个作业目标,机器人的可停靠位置有无数个.如何在复杂环境和多作业目标约束下,对移动作业机器人进行合理的路径规划是一项难题.本文提出了一种基于可操作度的移动作业机器人路径规划方法,在进行长度最优路径规划的同时,优化机械臂对目标作业的灵活性.在节点采样阶段,研究了机器人的可操作度在笛卡尔空间的分布,获取机器人在可停靠区域内对目标的可操作度.采用高斯采样和梯度采样的方法在自由空间和移动机器人可停靠区域进行路径点采样,构建可操作度路线图.在路径搜索阶段,本文对传统蚁群算法进行改进,提出了适用于可操作度约束的启发式函数和局部最优预警策略.最后,本文在不同的仿真地图下对路径规划方法进行测试,证明了本方法在不同的环境下均有较高的适应能力,搜索出的路径代价较低,对目标的作业可操作度较高.

摘要：基于分解的高维多目标进化算法在处理不规则前沿优化问题时需要调整参考向量，为避免这一复杂操作，提出一种基于聚类引导和目标值和的高维多目标进化算法。该算法借助一个储存非支配解并定期更新的精英集，通过聚类引导当前种群进化，从而使当前种群保持较好的多样性。选择个体时，根据Pareto支配关系以及目标值和衡量个体的收敛性，基于该收敛性度量方式进行非支配排序和适应值排序，从而选择收敛性较好的个体。与7种算法在2套高维多目标优化测试题上进行对比实验，实验结果表明，该算法可有效解决不同类型的高维多目标优化问题。

摘要：随着供应链间渠道竞争的日益激烈，了解并分析消费者低碳参考效应对供应链低碳宣传水平的影响机理，将对供应链决策与协调产生重要影响。本文通过构建制造商主导的双渠道微分博弈模型，并将消费者低碳参考效应纳入模型中，分别在分散和集中情景下分析了消费者低碳参考效应对双渠道宣传水平的影响；针对分散情景下供应链整体利润损失，采用成本分摊契约协调供应链。研究表明：消费者低碳参考效应对双渠道宣传努力水平均存在抑制作用，且低碳参考效应对于线上渠道宣传水平的抑制作用更为明显；消费者低碳参考效应会导致制造商更愿意在线下渠道进行低碳宣传并销售产品；成本分摊契约能够在不影响制造商决策的情况下，有效促进线下宣传水平，并实现供应链成员利润的帕累托改进。

摘要：随机生成的回声状态网络动态储层存在大量冗余神经元,导致网络高维状态空间矩阵产生共线性问题而影响网络预测性能.为解决该问题,本文提出一种基于强化学习的储层神经元筛选优化方法(SC-ESN),其实质是基于集成学习的思想构建多个初始储备池,利用互信息度量储层池中每个神经元对网络性能的贡献,并结合强化学习的决策机制筛选出对网络输出有效的神经元,进而达到优化网络结构提高网络预测性能的目的.基于人工数据集和实际数据集的实验证明,本文所提SC-ESN模型与其它预测模型比较,该模型在保证预测性能的前提下具有最小结构.

摘要：针对现有态势评估方法在高动态、强对抗的近距空战环境下存在的空战对抗特性指标考虑不充分、常值权重应用不合理问题，本文提出了一种基于模糊动态权重的近距空战态势评估方法.首先，根据近距空战对抗特性，研究导弹攻击、机动特征和能量状态对空战态势的影响机理，从打击、占位、机动、能量态势和固有能力多角度构建态势评估指标体系并建立相应的指标评估模型；然后，设计了基于态势分类的模糊权重动态适配方法，利用区间二型模糊表征权重求解过程中的不确定性，同时结合最优最劣法确定态势指标模糊权重，根据态势典型样式进行权重适配与指标聚合；最后，基于空战对抗飞行数据进行了仿真验证与对比分析。仿真结果表明本文提出方法能够更加合理、准确地呈现近距空战过程中的态势变化情况.

摘要：跨区域、跨行业、跨组织融合已成为重要发展趋势，分析跨界融合供应链网络的风险传播过程，探讨跨界融合供应链网络抗毁性的提升策略，对跨界融合供应链网络应对风险冲击、实现安全稳定发展具有重要意义。本研究基于分布在不同领域的部分企业开展跨界合作的现实情况，构建了节点部分相依的跨界融合供应链网络，在考虑企业欠载和过载状态同时存在的基础上，提出跨界融合供应链网络风险传播模型，并设计基于不同外部冲击类型的网络恢复策略，从网络组合形式、跨界融合强度等方面对跨界融合供应链网络的抗毁性进行仿真分析。结果表明：1）异质结构的跨界融合供应链网络抗毁性更强；2）供应链核心企业或跨界团队企业受到风险冲击时，网络抗毁性下降幅度更加明显；3）跨界融合强度越大，网络抗毁性下降速度更快；4）网络恢复策略的恢复效益存在边际递减效应；5）调整风险传播模型参数能在一定范围内提高网络抗毁性，抑制风险大规模扩散。

摘要：近年来,控制障碍函数因其具有实时性强、兼容性强、约束性强、鲁棒性强等优势,已经成为无人机安全 领域的一个重要研究分支. 由于无人机系统多以非线性控制系统为主,且保障无人机飞行安全至关重要. 本文首 先以非线性控制系统为基础,展开介绍了控制李雅普诺夫函数、控制障碍函数、安全屏障证书的基本概念. 接着 围绕基于控制障碍函数构成的二次规划控制器差异的角度梳理其在无人机系统中的应用现状. 多无人机系统相 比单无人机系统拥有更高的任务效率和适应性,因此本文进一步梳理了集中式和分散式两种类型安全屏障证书 在成对无人机中的应用. 最后,本文针对当前控制障碍函数在无人机系统应用中存在的技术难题进行分析,并提出 未来需要进一步发展的研究方向.

摘要：由于传统人驾车(Traditional Human-driven Vehicles, HVs)驾驶行为会受到驾驶员的心理和生理活动的不确定性影响，这可能使得车辆频繁的加减速，进而导致混合交通条件下网联自动车(Connected and Automated Vehicles, CAVs)很难快速跟踪此行为。针对这一问题，本文首先提出一种改进的小波神经网络与长短时记忆神经网络相结合的方法提前预测传统人驾车行为。在此基础上，考虑通信时延和车辆运动学特性，提出了一种在多前车领导者跟随式通信拓扑结构下基于交通信息物理系统(Transportation-Cyber Physical System, T-CPS)的混行车群内车辆协同控制策略，使其能够快速跟踪上传统人驾车行为，并对混行车群内网联自动车之间的串稳定性进行了分析。最后，在混合交通条件下设置由1辆传统人驾车、1辆领头网联自动车和4辆跟随网联自动车形成的混行车群，利用下一代交通仿真(Next Generation Simulation, NGSIM) 车辆轨迹数据选出高质量传统人驾车状态，并通过仿真实验验证了所提协同控制策略的有效性和可行性。由仿真实验结果可知，本文所提协同控制策略可以保证所有的网联自动车能够快速跟踪上传统人驾车行为，同时提出的协同控制方法为解决新型混合交通带来的新问题提供了一定的理论指导和借鉴。

摘要：随着工业大数据技术的发展, 应用于工业对象的有监督方法得到了广泛研究. 然而, 由于真实数据往往遵循长尾类分布, 导致传统有监督模型在实际应用过程中存在模型退化以及模型失效等问题. 零样本学习(Zero-shot learning, ZSL)技术的提出为这一问题提供了一种新的解决思路. 零样本学习的目标是使用收集到的已见类别数据训练模型, 使得训练好的模型对于收集不到数据的未见类别同样适用. 零样本学习通过将故障的文本描述等辅助知识引入到模型中, 一定程度上缓解了模型在实际工业场景中对训练数据收集的依赖, 提高了模型的泛化性能. 然而, 目前领域内尚缺乏对零样本学习在工业领域应用的系统梳理与讨论, 而工业零样本学习在辅助知识的收集和处理、研究方法、应用场景等方面与其它领域的零样本学习相比也具有独特性. 鉴于零样本学习在工业领域潜在的巨大应用价值和未来的发展潜力, 本文系统性梳理和展示了从零样本学习理论模型到工业应用的动机、演变与挑战. 首先, 本文回顾了零样本学习设定与相关方法的发展脉络, 分析了零样本学习与其它任务设定之间的关联, 并指出了本文与前人综述的区别. 接下来, 本文回顾了工业领域零样本学习的研究现状, 介绍了典型的工业零样本学习任务和辅助知识、分析了工业零样本学习的特征和典型问题、梳理了工业领域零样本任务中应用的现有方法. 此外, 本文梳理了工业零样本任务的基准数据集和开源工作. 最后, 本文在现有研究的基础上总结了工业零样本任务面临的问题与挑战, 并对该领域的研究做出了展望.

摘要：目标检测是计算机视觉领域中的一个重要研究方向，针对目标检测算法中存在的模型庞大、多尺度目标检测等问题，基于HRNet和自适应空间特征融合(Adaptivelyspatialfeaturefusion，ASFF)提出了一种多尺度特征融合目标检测算法。首先利用通道拆分(Channelsplit)操作和深度可分离卷积(Depthwiseseparableconvolution，Dwconv)改进HRNet的基础模块，结合CSPNet改进HRNet的分支结构，减少模型的参数量，在得到轻量化L-HRNet三个分支后使用空间特征金字塔EESP(Extremelyefficientspatialpyramid)模块获得不同感受野大小特征，并将其融合后加强特征；其次使用ASFF模块自适应融合EESP模块输出多尺度特征，该模块为三个分支的特征分配不同的特征融合权重，自适应融合重要的空间特征；最后引入SIoU作为边界框定位损失函数，综合考量边界框回归之间的角度关系、中心点距离关系以及边界框的形状关系，使得预测框与真实框之间的损失度量更加准确。整体参数量为5.7M，在公开数据集PASCALVOC上达到了85.1%的mAP，在MSCOCO上的实验结果表明，mAP0.5?0.95达到了38.7%，在模型参数量较少的同时保持了较高的检测性能.

摘要：针对康达效应矢量推进器输出饱和以及矢量力矩耦合等固有推进特性, 为其欠驱动的水下机器人提出了一种最优等效补偿控制方法. 以轨迹跟踪误差为基础, 设计了滑模控制器, 并利用径向基神经网络和扩张状态观测器对执行器饱和以及外界扰动进行实时估计与补偿. 在此基础上, 最优等效补偿控制借助离散动力学方程构建了关于机器人递推状态偏差的代价函数, 通过在推进器推力可达集内寻求等效力矩使代价函数最小, 从而不仅保证了控制律满足推进器矢量力矩耦合特性, 还能有效抑制机器人欠驱动方向的扰动. 利用Lyapunov 理论最终证明了该控制方法在推进器自身特性约束下渐进稳定? 仿真实验数据也表明欠驱动水下机器人在该方法控制下可实现较精确的轨迹跟踪任务且鲁棒性较强.

摘要：针对姿态任意、尺寸不一的物体以及抓取角度离散性问题，提出了一种基于语义分割与旋转目标检测的单目位姿估计方法。第一阶段，先利用Faster-RCNN(faster regions with convolutional neural networks features)进行抓取检测获取候选抓取框；其次，利用语义分割网络获取待抓取物体的轮廓信息；最后，利用语义分割结果为每个待抓取物体筛选置信度最高的抓取框，同时完成角度粗估计。第二阶段，利用旋转目标检测获取精细的抓取角度，以修正第一阶段抓取框的偏转角。此外，考虑到抓取物具有多尺度的特点，提出一种多尺度特征融合模块，使金字塔的所有层共享相似的语义特征。针对智能算法求解逆运动学时，出现迭代后期收敛速度慢的问题，利用牛顿法收敛速度快的优点，加快智能算法后期的收敛速度。基于V-REP仿真以及实际抓取检测实验表明，所提算法的抓取检测精度为98.4%，实际抓取成功率达到了88.3%，仿真抓取时的有害扭矩大小较修正前有所改善，能够满足机械臂抓取要求。

摘要：为解决因实际输出约束突变而与期望轨迹发生冲突所引起的系统跟踪的安全性问题，本文针对一类具有未知控制方向、未建模动态及时滞的不确定非线性系统，提出了一种自适应安全跟踪控制策略. 该策略基于一种新的预设有限时间性能函数提出了一种安全边界保护方法. 此方法可在实际输出约束突变时自动构建两条自适应调整的安全边界,确保系统同时满足安全边界约束和预设有限时间性能函数规定的控制性能. 在该方法中，提出了一种双向滤波平滑机制, 显著抑制了此时控制输入的大幅抖动. 仿真结果表明所提控制策略保证了系统的安全跟踪及控制性能.

摘要：针对车联网和自动驾驶的背景下的混合车流调控问题，本文提出通过路侧设备调节车流中受控自动网 联车速度以实现宏观交通流速度调控的方法. 本文首先将单个受控自动网联车对车流状态的调节过程描述为马 尔可夫决策过程，设计了衡量受控车辆对整体车流影响程度的动态网格，以受控车辆的实时期望速度为动作，并 综合考虑了受控车对网格车流的影响程度、对期望速度的响应快慢以及车流的安全性构造报酬函数，采用深度 确定性策略梯度算法进行策略寻优. 考虑到受控自动车周边交通环境的多样性，提出基于关键参数量的控制策 略模型簇. 其次，面向车流速度的实时调控，根据路段车辆簇的划分，提出多个路侧设备控制同一车辆簇的控制 权时序交接策略. 路测设备以簇为单位对信号覆盖范围内的车辆进行标记与跟踪，实时计算受控车辆的期望控 制信号并下发. 最后，将所提出的方法在多种场景下进行训练验证，结果表明提出方法在适用场景中能够实现 车流的平稳调速.

摘要：针对城市多交叉口系统具有强非线性、时变以及周期性等特点, 同时考虑道路固有容量, 以及道路拥堵缓解的迫切程度等因素, 在分布式控制架构下, 设计了基于分散估计分散控制的无模型自适应迭代学习信号配时方案. 该方案通过实时调整各交叉口信号配时来调节各路口的流量, 使每个交叉口流量处理能力均衡, 从而提高道路资源的利用率, 达到缓解城市交通拥堵的目的. 然后, 给出了该方案的收敛性分析. 最后, 通过仿真分析进一步验证了所提方案的有效性.

摘要：火电厂关键区域的管道、阀门等设备时常发生油液、蒸汽等物质的泄漏故障。为了提高火电厂管道及阀门泄漏故障的分割与检测精度,加快模型推理速度,提出了一种基于改进YOLOv7的火电厂管道及阀门泄漏分割与检测算法,通过在YOLOv7网络中加入相关实例分割模块,实现实例分割与目标检测任务的并行；通过融入极化自注意力机制和可分离的视觉深度自注意力模块(Separable Vision Transformer),来弱化复杂背景的干扰,强化对泄漏区域的边缘提取；然后在后处理阶段运用置信度传播簇机制(Confidence Propagation Cluster),提高模型定位的准确性；最后在颈部网络使用幽灵卷积降低特征冗余,并通过通道剪枝技术压缩模型,实现模型轻量化。实验结果表明,在加入各项改进后,算法分割任务与检测任务的mAP@0.5:0.95指标分别达到75.7%、82.2%,相较于基础模型,指标分别提高了11.9%、7.1%,且模型参数量减少了30.3%,可有效地应用于电厂的实际生产环境中。

摘要：研究了带有不确定扰动的一阶非线性多智能体系统的分布式快速有限时间二分跟踪一致性问题,其中,领导者具有所有跟随者都未知的外部输入.首先,基于全局有限时间稳定性理论、代数图论和变量变换,提出并分析了一种静态分布式非光滑协议,证明了在含扰动的非线性多智能体系统中,所有跟随者能在有限时间内快速地跟踪上时变的期望状态.该协议的局限性是控制增益会依赖于某些全局信息,如Laplacian矩阵的谱.为了消除这一限制,进一步设计了一种自适应分布式协议.理论分析表明,所考虑的多智能体系统在控制增益不依赖于全局信息的前提下同样能实现快速有限时间二分跟踪一致性.最后,用两个仿真实例验证了所提算法的可行性和有效性.

摘要：为了增强演化模糊系统在混沌时间序列中的在线预测性能, 本文提出一种基于核共轭梯度的演化模糊系统模型. 该模型通过基于结构演化的前件部分, 挖掘并捕获隐藏在时间序列中的模糊规则. 同时, 基于参数更新的后件部分有机结合稀疏学习策略和核共轭梯度算法, 以降低计算复杂度和提高模型收敛性能. 基于核共轭梯度的演化模糊系统不仅剔除了样本中的冗余信息, 而且有效平衡了模型的预测精度和预测效率. 仿真实验结果表明,相比其他对比模型, 本文所提出的模型在标杆和真实混沌时间序列的在线预测任务中均取得了最优的预测性能.

摘要：面向交通道路场景中多类别、可变规模的车辆目标检测需求，提出了一种兼顾精度和实时性的轻量化路侧视角多目标检测算法。首先，本文用 MobileNetV3 代替 CSPDarket53 作为检测模型的骨干网络，并通过深度可分离卷积来减少特征提取网络的参数。其次，使用空间金字塔池化（Spatial Pyramid Pooling，SPP）处理深度网络的输出特征图，选择轻量级骨干网络的不同深度特征图的输出，并通过路径聚合网络（Path Aggregation Network，PANet）融合深度语义信息和浅表观信息构成瓶颈模型。最后，在本文的检测头中，建立了三个具有不同特征图大小的网络输出，从而将同一图像的不同大小的对象信息获取为适当网络深度的对象信息，完成构建轻量级检测模型 M3-YOLOv4（MobileNetV3-YOLOv4）。通过模型 M3-YOLOv4 训练和测试数据集RSUA，训练结果的各类别AP平均值（mean Average Precision，mAP）为0.906，比一阶段检测模型 YOLOv4 的值低1.1%，M3-YOLOv4 模型的参数降至 YOLOv4 的10%。该模型在同一平台下的正向推理时间也具有明显的优势。

摘要：研究了一类通信信道受限下“领导者-跟随者”结构的多智能体系统一致性跟踪问题. 为了提升智能体的通信效率和降低能耗, 引入事件触发机制和轮询协议相结合的混合调度策略, 调节相邻智能体之间的信息传输, 提高信道利用率. 考虑到系统存在匹配的输入扰动, 构建基于信道调度令牌的分布式滑模控制策略及协同设计方法, 控制器仅依赖触发时刻的采样状态分量而不是实时状态信息, 从而有效降低控制能耗, 缓解数据冲突. 本文提出的协同控制策略不依赖于任何全局网络信息, 因此, 该控制策略的有效性不受网络规模的影响. 通过Lyapunov稳定性理论,给出了系统一致性误差的跟踪分析来保证领导跟随一致性. 同时, 通过求解所提出的优化问题得到了调度协议参数和控制器增益. 仿真实例验证了所提协同控制策略的有效性.

摘要：二分-分量一致性是指网络系统中部分具有相似特性智能体的某些分量随时间推移趋于相同的值, 而剩余智能体的某些分量则随时间趋于相反的值, 是一种弱于恒同一致和二分一致的动力学行为. 本文研究了符号网络上非线性多智能体系统的二分-分量一致性问题. 首先, 针对多智能体系统中各智能体之间存在的合作关系或竞争关系, 设计了有效的自适应牵制控制器. 随后, 基于 Lyapunov 稳定性理论和矩阵理论, 导出了该非线性系统二分-分量一致性得以实现的充分条件. 最后, 数值模拟验证了理论结果.

摘要：人体异常行为识别与检测技术已广泛应用于各种领域。由于视频中存在的物体遮挡、光照及视角变化、复杂背景等问题，使得利用轻量级人体骨架数据处理此类实时任务成为竞争性工具。多数研究从不同角度对此任务相关方法进行综述，但缺少针对人体骨架的整理工作。本文立足于骨架数据，系统综述了深度学习背景下的人体异常行为识别与检测方法。首先，按照应用场景中目标个数的不同，分类总结了典型的人体姿态估计算法。其次，依据特征提取网络的不同，将异常行为识别方法分为五类，分别围绕 CNN、 RNN、 GCN、 Transformer以及混合模型展开对比分析。然后，从数据与标签的映射学习角度，对三类异常行为检测方法进行了讨论。最后，介绍了基准数据集及其上相关算法的表现，并探讨了此任务所面临的挑战及展望，以期为本领域未来的研究提供参考。

摘要：目前机器学习技术已被广泛应用于工业智能故障诊断中，但其成功应用的前提条件是能够获取到充足的含标签故障数据以对机器学习模型进行训练。实际工业场景中，由于设备常运行于正常状态，故障数据的获取与标注成本巨大，可能无法达到模型训练的需求。现有少样本诊断方法通常依赖于额外的有标签数据，无法克服工业场景下的数据采集与标注局限。针对该问题，本文挖掘关键时序依赖特征以及专家先验知识与故障诊断任务之间的内在关联，提出了一种知识自监督深度表征学习方法以实现少样本故障诊断。该方法设计了一个掩码信号重构与先验特征预测多任务联合的模型预训练策略，利用与目标设备类似设备积累的海量历史无标签数据对工业智能故障诊断模型中的特征提取器模型进行预训练，使得模型在无需额外标注数据的前提下，提取具有专家先验知识引导的时序变化模式，从而获取高泛化故障表征能力。通过上述基于知识自监督表征的预训练方法，在诊断过程中仅需利用目标设备的少量有标签故障样本对模型的全局参数进行微调，从而克服模型对有标签样本的依赖性难题。本文通过一个跨数据集的故障诊断实验来模拟跨设备的少样本故障诊断场景，验证了本文所提方法在少样本场景下的有效性。

摘要：针对时滞和阶次未知的双率采样输出误差系统,在有限采样数据条件下,提出一种辅助模型正交匹配追踪迭代辨识算法.首先根据双率采样数据建立目标系统的辨识模型;其次考虑到输入通道的时滞与系统阶次未知,采用过参数化方法,通过设置足够长的无噪输出数据和输入数据回归项,得到一个稀疏度为待辨识参数个数的稀疏系统;然后结合辅助模型思想和压缩感知中的稀疏恢复方法实现参数向量和无噪输出的交互估计,即利用正交匹配追踪算法估计出参数向量,再利用该估计值构建辅助模型计算无噪输出并以此更新参数估计向量;最后根据得到的参数向量结构计算出系统的阶次与通道的时滞.仿真实验表明所提算法能够利用少量采样数据实现系统参数、时滞和阶次的高精度联合估计.

摘要：在时序数据因果关系发现研究中,传统算法针对时间窗口内时序数据之间的因果关系进行分析,存在因果关系识别准确率受限、算法复杂度较高等问题.为解决该问题,本文首先对概要因果图、因果概要互信息和条件因果概要互信息进行定义,在此基础上推导出基于因果互信息的时序变量定向规则,而后区分是否存在混杂因子,结合PC和FCI算法分别提出改进的PCSMI和FCISMI算法。实验结果表明改进后算法能够在低复杂度条件下有效提升时序数据因果发现的准确率。

摘要：非完整轮式移动机器人被广泛应用于军事设备、物流运输、医疗和家居服务等场景. 本文采用一种光滑的反馈控制策略来同时解决非完整移动机器人的目标点镇定问题与轨迹跟踪问题, 以使得移动机器人能够自适应地在点镇定和跟踪控制中平滑地切换. 首先, 本文针对点镇定与跟踪问题构建了统一的数学模型. 其次, 基于数学模型并结合一致$\delta$持续激励理论, 本文设计了一种基于时变函数的新型控制器. 该控制器不仅能在无参考轨迹的先验知识条件下解决点镇定控制问题的同时获得更为光滑的自主运动轨迹和更快的收敛速率, 且能够很好地实现期望轨迹跟踪. 基于Lyapunov稳定性理论，本文给出了点镇定和轨迹跟踪误差的稳定性分析. 最后, 通过数值仿真与工程实验验证了所提方法的可行性和有效性.

摘要：利用某一给定度量作为属性评价指标以及启发式算法的约束条件,是大量属性选择方案的关键. 然而,属性相似性评价的缺失与朴素的逐个选择机制,使属性遍历存在冗余,故时间消耗巨大. 此外,单一度量限制了属性评价视角,难以挖掘出高学习性能的属性. 鉴于此,提出一种属性选择框架,其中,1)利用属性粒度及属性间的知识距离对属性分组,组内属性具有明显差异性且组间属性具有较强区分能力,使属性遍历以组为单位,有效压缩候选属性搜索空间,提升属性选择效率; 2)利用提出的受限Pareto最优原则,对属性组进行迭代选取,最终得到期望的属性子集. 在12 组UCI 数据集上,通过注入4种不同比例的属性噪声进行实验,结果表明: 相较于8 种流行方法,所提方法得到的属性选择结果,在分类稳定性这一指标上,平均提升了5.89%;在分类准确率这一指标上,平均提升了12.28%;在时间消耗这一指标上,所提方法平均降低了59.27%.

摘要：针对未知环境下机器人难以准确理解障碍分布并有效搜索目标的问题, 本文提出一种基于激光雷达的启发式导航算法. 在雷达数据中引入上升/下降沿进行障碍边沿界定及检测, 提出边沿匹配算法识别狭窄间隙和连续障碍, 经间隙去除与安全性拓展, 得到表征周围环境中的连续障碍集合; 面对遮挡目标的障碍, 提出启发式临时目标选取方法并设计其切换条件, 使机器人以较短路径提前避让各类障碍并渐进抵达全局目标. 基于MATLAB 进行一系列仿真和对比, 结果表明本文算法显著提高了机器人在复杂未知环境下的通行效率、轨迹平滑度和全局搜索能力. 基于ROS的实验验证了本文算法在实际环境中的有效性.

摘要：针对基于联合检测嵌入范式的多目标跟踪方法中，检测与ReID任务间冲突导致系统性能劣化的问题，本文首先设计了一种用于富集多层语义信息并重构特征图针对不同分支倾向的网络，有效缓解检测与ReID分支在优化中对于特征信息需求的恶性竞争；其次采用了一种强化的关联策略，该策略将检测信息更深入地引入到关联流程中，旨在为更多检测结果提供关联机会同时抑制环境干扰在关联中带来的长期损害，有效降低关联过程中误关联和漏关联的发生。实验结果表明本文方法相对于当前的先进方法展现了强大的潜力，在MOT17测试集上取得了75.7% MOTA,73.4% IDF1及60.0% HOTA的性能。

摘要：本文针对不确定非线性系统设计了一种新型指定时间二阶滑模(SOSM)控制器. 首先, 通过选取新的滑模变量, 将标准的二阶滑模积分链系统推广至带有非匹配项的新二阶滑模动态系统, 新滑模动态系统的使用可以有效减少传统滑模系统控制通道中的不确定性. 其次, 通过使用时变放缩函数的概念, 在非匹配项的增益函数上界未知的情况下, 针对新的滑模动态系统提出了一种基于切换策略的指定时间SOSM 控制算法. 所提出的控制器从一个有限时间域的SOSM控制器切换到传统的有限时间SOSM控制器, 前者可以保证滑模变量在有限时间域内实现指定时间收敛到零, 且收敛时间不依赖于系统的初始条件, 后者可以保证滑模变量此后始终保持在零. 最后, 对闭环系统的指定时间稳定性进行了分析. 通过仿真对比验证了理论结果.

摘要：结合加速度计运行机理复杂，测试样本少的特点，提出一种基于置信规则库（BRB）和弹道仿真的健康状态评估模型。首先，基于BRB建立了初始的健康状态评估模型。由于定性知识的主观性，初始的评估模型难以提供准确的评估结果因而需要被优化。然而，在以往的研究中优化所需的健康状态真实值一般通过专家给定，存在模糊性和不精确的问题。因此，根据加速度计在导航过程中的物理模型，基于弹道仿真方法准确计算了其健康状态的真实值。基于协方差自适应进化算法（P-CMA-ES），健康状态真实值被用于初始评估模型的优化，从而准确、快速地进行健康状态评估。最后，以某型加速度计的健康状态评估为例，验证了所提方法的有效性。

摘要：针对一类隐蔽虚假数据注入(FDI)与执行器故障共存的工业信息物理融合系统(ICPS),将数据驱动与机理解析方法有机结合,研究了综合安全控制与通讯协同设计问题.首先,设计了一种服从指数型自适应律的离散事件触发通讯机制(ADETCS),并构建了可同时抵御网络FDI攻击与物理部件故障的自适应ICPS框架;其次,基于数据驱动技术,通过优选和优化建立了FDI攻击的预测模型PSO-CatBoost,对攻击进行准确重构与补偿;接着,借助于增广型Lyapunov-Krasovskii泛函、改进仿射Bessel-Legendre不等式等少保守性技术,推证出了鲁棒观测器及综合安全控制器的求解方法;最后,通过四容水箱实例,验证了文中方法的有效性,结果表明将数据驱动的隐蔽FDI重构补偿与机理解析的补偿误差抑制深度融合,主被动协同有效容侵了网络攻击,结合对故障的主动容错,并在ADETCS下随系统行为变化自适应调整触发参数,可显著提升ICPS的双重安全防御能力,节约更多的网络资源.

摘要：对角支撑是四足机器人复杂动态及线性行走必备的一种状态. 然而，目前尚无有效的状态估计算法，无法支撑相应控制策略. 为此，提出了一种融合惯性测量单元（Inertial measurement unit, IMU）和运动学约束的状态估计算法. 首先针对对角支撑状态下运动学模型欠约束带来的位姿估计难题，通过分解机身坐标系到参考坐标系的变换矩阵，简化运动学方程，并利用 IMU 提供的可信俯仰和横滚角测量值，推导获得其余四个位姿量的解析式；进一步基于腿部微分运动学和 IMU 提供的俯仰和横滚角速率，结合位姿量的导数获得线速度和偏航角速率的解析式. 仿真分析验证了该算法的有效性；实验结果表明位姿估计值准确、无漂移，偏航角速率和线速度的均方根误差分别小于 2deg/s 和 9mm/s，优于现有算法且满足实际控制需求.

摘要：针对一类具有执行器饱和的切换系统，提出一种基于组合非线性反馈控制（CNF）的事件触发控制方法，以达到在保证系统性能的同时减少网络带宽占用的目的。首先，为了降低系统资源成本，构造事件触发机制来判断是否对系统当前状态进行采样，设计组合非线性反馈控制来提高系统的暂态性能；其次，利用多Lyapunov函数方法得到饱和切换系统在驻留时间切换信号下渐近跟踪问题的充分条件，同时证明事件触发最小的时间间隔大于零，避免了芝诺（Zeno）行为；最后，通过仿真实例验证了所提方法的有效性。

摘要：传统孪生网络目标跟踪算法采用互相关或者深度互相关的方式计算对模板帧与检测帧进行相似性度量，无法有效适应极端的目标形变，本文以无锚点框的目标跟踪算法为基础，设计一种基于图网络的IoU感知目标跟踪算法。首先，以ResNet50为基础，在每个残差结构后引入通道自适应调整模块NCAM，构造具有通道自适应调整的特征提取网络；其次，基于图网络设计一种新的模板帧与检测帧的相似性计算方式，将特征图像素点视为图网络的节点，对模板特征与检测特征的图网络节点进行相似性计算。最后在分类与回归部分，在分类部分采用IoU感知的分类损失函数在分类分支与回归分支之间建立联系，在回归部分选用CIoU损失计算离线训练阶段的回归损失。在OTB2015、UAV123、VOT2018、VOT2019等4个数据上对本文算法进行测试实验，由实验结果证明本文算法的有效性。

摘要：智能群体的意图识别是多智能体领域的一个热点问题, 由于智能群体规模及环境内障碍物分布具有不确定性, 意图识别模型的泛化能力往往有限. 针对该问题, 本文提出了一种基于态势图序列的意图识别方法, 将观测得到的智能群体信息转化为态势图序列, 基于态势图序列训练识别模型; 此外, 为降低对专家知识的依赖, 采用卷积神经网络对运动态势图的斥力场因子进行估计; 针对含有障碍物的环境, 提出障碍物阻碍态势的生成方法, 从而提高模型对环境变化的适应能力. 最后, 与其它几种意图识别方法对比并进行消融实验, 验证了本文方法的准确性及泛化能力.

摘要：针对柔性制造系统中机器与混合多载AGV(automated guided vehicle)集成调度问题,以最小化最大完工时间为目标,提出一种改进混合离散差分进化算法,通过离散操作进行差分进化算法的变异、交叉,并对每次迭代的最优个体进行变邻域搜索。设计基于工序和机器的双层编码结构,以及基于多载AGV调度规则的解码策略；设计基于关键路径的变邻域搜索,通过选择关键路径上的工序进行工序交换产生邻域结构,提高局部搜索效率；设计基于粒子群算法的种群更新策略,将较差解向全局最优解进行位置移动,提高全局搜索效率。最后通过实验证明所提多载AGV调度规则的有效性,算法改进策略的有效性,以及所提的算法的有效性和优越性。

摘要：当前，机器人的应用场景正在不断更新换代，数据量也在日益增长。传统的机器学习方法难以适应动态的环境，而增量学习技术能模拟人类的学习过程，使机器人能利用旧知识来加快新任务的学习，在不遗忘旧技能的前提下学习新的技能。当前对于机器人增量学习的相关研究仍然较少，因此本文主要介绍机器人增量学习研究进展。首先，对增量学习进行简介。其次，从参数和模型的角度出发，将当前机器人增量学习主流方法分为变参数方法、变模型方法、混合方法三类，分别对每一类进行了论述，并给出了相应的增量学习技术在机器人领域中的应用实例。再次，对机器人增量学习中常用的数据集和评价指标进行了介绍。最后，对增量学习未来的发展趋势进行了展望。

摘要：本文提出了一个概率深度学习框架,通过基于物理信息的神经网络对非线性微分系统中的不确定性进行量化和演化分析.该算法中使用潜在变量模型(即噪声/随机变量模型)来构建系统状态的概率表示,并将偏微分方程描述的物理定律引入训练过程中,建立约束关系,为基于小样本数据集的训练提供了一种有效的机制.所提出的概率物理学信息神经网络算法提供了一种灵活的框架,能够表征由输入中的随机性或观测中的噪声引起的物理系统输出的不确定性,避免了重复采样昂贵的实验或数值模拟器的需要.最后,通过包含随机变量的非线性系统示例对所提算法进行验证,验证了方法的有效性.

摘要：应用传统数值计算方法求解微波加热媒质过程的温度分布时，存在自由度数量大且无法快速获取温度分布的问题，为此本文开展如何平衡计算精度和求解速度的研究。一方面，推导了微波加热模型有限元离散格式的高阶非线性方程组，并构建了瞬像矩阵。在此基础上，引入特征正交分解(Proper Orthogonal Decomposition, POD)方法获取最优POD基底，进一步降维得到低阶微波加热离散控制方程。另一方面，建立了TE10波辐射下矩形波导中媒质内部显性耗散功率表达式，开展了微波加热媒质全局温度分布的有效计算。数值计算结果表明，本文所提基于POD的微波加热求解方法不仅能够准确求得加热过程中媒质内部的温度分布，并且计算速度提升了82.9%~85.5%。同时，该方法具有当加热边界条件或初始条件发生变化时，无需重新计算POD基底，用较少基底就能够描述高阶模型超99.9%以上能量的特点，对微波加热媒质过程温度分布的实时控制和快速计算具有重要意义。

摘要：针对网络化无人车存在网络带宽、计算资源受限等问题, 提出一种基于事件触发的自适应路径跟踪控制策略. 考虑轮胎侧滑影响, 建立车辆非线性路径跟踪模型, 设计基于有限时间稳定的自适应反步控制器. 通过设计 自适应律估计侧滑角, 抑制轮胎侧滑效应对路径跟踪控制系统的影响, 保证系统在有限时间内达到稳定且收敛至期望路径. 另外, 本文所提出的事件触发机制可以在保证系统路径跟踪性能的前提下有效减少控制指令的传输次 数. Simulink/CarSim 联合仿真实验表明, 在轮胎侧滑干扰的影响下, 本文所设计的方法能保证系统具有期望的路径跟踪性能, 同时降低网络带宽占用率.

摘要：针对樽海鞘群算法(Salp Swarm Algorithm,SSA)在求解复杂优化问题时存在的易陷入局部最优、收敛精度低等缺点，提出一种基于混合策略改进的樽海鞘群算法(ISSA)。首先，采用Sobol序列实现樽海鞘种群的初始化，使初始种群在解空间中分布更加均匀，进而提高算法的全局寻优能力；其次，在领导者位置更新阶段引入步长控制因子，根据不同寻优时期自动调节领导者的搜索范围，有效平衡算法的全局搜索与局部搜索；然后，采用改进的透镜成像策略对领导者进行映射，避免算法陷入局部最优；此外，在追随者位置更新阶段，引入了一种自主选择追随机制，改善追随者的盲从性，以提高算法的收敛精度；最后，与其他几种代表性优化算法在12个基准测试函数上进行仿真实验对比，并进行Wilcoxon秩和检验，实验结果表明：本文所提ISSA在收敛速度和精度上有明显提升，相较于其他优化算法具有更好的寻优效果和稳定性。另外，通过两个工程设计案例实验进行测试，进一步验证了所提ISSA 的可行性和适用性。

摘要：在本文中, 具有弯曲和扭转变形的柔性翼系统由一个四阶PDE方程与一个二阶ODE方程描述，其中各个通道的干扰和参考轨迹来自于一个未知外系统. 此时所有干扰和参考轨迹的系数均未知, 且由于外系统初值未知, 扰动和参考轨迹的时变状态也未知. 首先, 本文将柔性翼系统的鲁棒输出调节问题转化为跟踪误差系统的镇定问题, 此时, 来自于干扰和参考轨迹的时变未知项被进一步转化为未知系数与已知的时变信号的组合. 然后,提出了非线性自适应控制, 其中, 非线性对数项用于保证时变输出约束, 自适应律用于估测未知干扰的系数. 基于Barrier Lyapunov 函数, 本文证明了闭环系统跟踪误差的收敛性, 以及跟踪误差的时变约束特性. 此外, 本文通过Matlab数值仿真进一步验证该控制方法的有效性.

摘要：研究了磁悬浮系统在非线性建模下的两个问题: 时变有界扰动产生的系统振荡和通信网络传输导致的数据丢失. 首先, 借助于同胚坐标变换对磁悬浮系统不可控的高度非线性进行抑制. 然后, 在控制中分别利用自适应律和指数衰减项来消除外部风阻和内部噪声电压, 并将指数衰减项与量化分解方法相结合弥补量化误差带来的影响. 构造的连续鲁棒自适应反馈控制器解决了有量化输入和受干扰磁悬浮系统的渐近跟踪问题. 最后, 用仿真结果验证了控制策略的有效性.

摘要：针对基于随机采样的RRT机械臂路径规划算法在全局工作空间下采样效率低、随机性强等问题,提出了一种基于采样点优化RRT算法的机械臂路径规划算法.相对于全局工作空间采样,优化算法首先基于非障碍物空间生成随机采样点,以降低算法碰撞检测概率与冗余节点的生成,再结合一定概率的人工势场法产生启发式采样点,使得机械臂臂体于路径规划采样过程中既能保证随机采样的概率完备,又能使采样点更具目标导向性.其次,为使得路径更加简洁平滑,使用了冗余节点删除策略剔除路径中的冗余节点来优化最终路径.最后在二维、三维的仿真环境中对优化算法进行了对比实验分析,证实了算法在随机采样路径规划算法中的良好性能,并在IRB 1200-7/0.7机械臂上进行避障规划算法试验.仿真和试验结果都表明该算法在机械臂路径规划中的可以获得更高的规划效率和更优的路径.

摘要：针对闪电连接过程算法鲁棒性欠佳、个体多样性有限等不足,提出一种多策略改进的闪电连接过程算法.采用透镜成像学习策略与准对立学习策略扩张候选解搜索域并筛选精英种群,有效提升初始化实验点个体质量,避免自有随机因子过度影响算法收敛性能;设计实验点自适应动态跟随机制,在提升算法寻优性能的同时兼顾探索开发能力的协调,克服算法早熟,强化算法自适应性;采用镜像均值替代策略替换当前最优解与种群均值,防止算法因个体同化程度升高而增加局部停滞概率,敦促算法脱离局部最优.选取基准测试函数进行智能算法对比寻优实验、改进算法对比寻优实验及Wilcoxon符号秩检验实验,实验结果直观表明改进算法寻优性能的优越性及改进策略的有效性.通过多策略改进的闪电连接过程算法优化长短时门循环控制单元参数进行变压器故障诊断工程应用实验,进一步验证改进算法的工程实用性.

摘要：本文以带惩罚项准则函数为基础, 研究了受控自回归系统的辨识问题. 通过负梯度搜索, 极小化带惩罚项 的准则函数, 得到计算参数估计的递推关系, 并利用一维线搜索确定最佳步长, 推导了带惩罚项投影梯度辨识算 法和带惩罚项随机梯度辨识算法.为了提高带惩罚项随机梯度算法的收敛速度, 使用多新息辨识理论, 推导了带 惩罚项多新息随机梯度辨识算法. 最后, 通过仿真例子验证所提算法有效性.

摘要：: 扩展置信规则库（EBRB）中的规则数量和参数取值共同影响EBRB推理模型的决策准确性和计算效率。为此，本文提出一种基于规则聚类和参数学习的改进EBRB推理模型，称为RCPL-EBRB模型。所提模型的基本原理为：先依据密度聚类分析对EBRB进行规则聚类，以识别EBRB中无效的扩展置信规则和优化传统EBRB的建模过程；再以聚类所得的规则簇（即 Sub-EBRB）进行参数学习和规则推理，保证激活规则集合的一致性，从而提高RCPL-EBRB模型的决策准确性和计算效率；文末，引入非线性函数拟合和基准分类问题数据集开展模型有效性检验和参数灵敏度分析. 结果表明RCPL-EBRB模型比现有EBRB推理模型和传统机器学习方法具有更高的决策准确性。

摘要：针对智慧交通中多点位监控视频分析时出现的计算任务繁重、设备之间资源利用不均衡的问题,提出一种基于云控制的视频分析卸载方案.首先,针对客户端算力不足而无法完成视频分析任务的问题,使用一种视频卸载框架,将部分视频分析任务切块卸载至云服务器处理;其次,针对服务器和多客户端之间的算力资源竞争问题,提出一种阶段优化卸载算法,平衡设备之间负荷,提高资源利用率;最后,针对不同点位的客户端需求不同的问题,在算法中加入精度和能耗偏好,满足不同客户端的需求.通过与其他卸载方案对比的实验表明,本方案能够更好地对视频分析任务进行合理分配,提高系统收益,并通过扩展实验证明了本系统的扩展能力.

摘要：本文为实现对一类二阶非线性系统的轨迹跟踪控制设计了一种准滑模无模型自适应控制算法(quasi-sliding mode-model free adaptive control,SM-MFAC). 首先,将模型分解为串联的两个离散子系统,并给出了整体系统伪偏导数(pseudo partial derivative,PPD)的表达式；然后利用两个子系统的输出数据设计出子系统2输出的期望状态, 进而通过采用MFAC对在线更新的期望状态进行不断追踪来实现对整体目标的跟踪控制；接着对SM-MFAC控制系统进行了稳定性分析, 证明了系统输出误差渐进跟踪到零的某个邻域内和等效控制输入是有 界的；最后,以自由漂浮空间机械臂的关节轨迹跟踪控制为例来验证SM-MAFC控制理论, 在多体运动学与动力学仿真软件MBdyn中搭建了一个平面两连杆的自由漂浮空间机械臂,关节系统中存在死区、输入饱和以及摩擦特性, 通过在matlab-simulink中的联合仿真表明： MFAC控制方案无法准确地估计出该类二阶非线性系统整体PPD的数值,导致控制性能降低,而本文所设计的SM-MFAC控制器相对于PID(proportional-integral-differential)、基于比例-微分(proportional-differential,PD)的MFAC可以更快更准确的追踪目标曲线.

摘要：为充分利用高铁非高峰期的列车运能,高铁快运已成为铁路快捷货运发展新趋势.然而,受客运需求波动影响,载客动车组可用于高铁快递的运能呈现高度不确定性,给日常运营组织带来巨大挑战.为增强高铁快运系统应对随机运能的能力,提出一种考虑随机运能的高铁快递运输计划优化方法.首先,采用离散场景刻画列车运能的不确定性,以最大化高铁快运期望总收益为目标,综合考虑快递的送到时限和运营约束,针对场景概率分布精确已知情形,构建两阶段随机规划模型(SP).基于此,进一步考虑场景概率分布信息部分已知情形,构建两阶段分布鲁棒优化模型(DRO).基于盒式模糊集,借助对偶理论将DRO模型转化为等价的整数线性规划模型并利用GUROBI求解.最后,基于宁杭高铁设计数值实验验证模型的有效性,结果表明：相较于SP模型,DRO模型体现出较强的鲁棒性,只需付出较小的代价即可有效抵抗运能波动对运输计划的影响,并且能改善最坏情形下解的质量,切实改善高铁快递实际运营中的稳定性.

摘要：针对由于复杂多变的环境因素造成的无线通信系统通信中断的智能网联车辆队列控制问题,提出一种基于组合间距策略的分布式纵向车辆队列控制器. 首先, 通过嵌入固定间距策略、固定时距策略和可变时距策略进行组合来应对由于领导车或跟随车通信中断的特殊情况, 并考虑队列通信中断后建立新的通信拓扑结构. 然后, 基于三阶非线性动力学车辆模型, 考虑相邻车辆间的加速度误差以及组合间距策略开发一种新型车辆队列控制器. 利用Lyapunov-Krasovskii定理推导出车辆队列的渐近稳定性条件. 同时, 通过使用无穷范数方法验证串稳定性. 最后, 通过Matlab数值仿真和Simulink & PreScan 联合仿真验证所提出控制器的有效性和稳定性. 仿真结果表明, 基于组合间距策略的车辆队列能够应对不同场景满足不同的间距需求.

摘要：抽象技术作为人工智能研究中高效拓展决策的重要组成部分,已经被广泛应用于大规模的决策问题.蒙特卡洛树搜索虽然在众多决策领域取得了卓越的成就,但是在现实决策问题中面临着决策空间巨大和规划周期很长的问题.本文研究了抽象技术及其在蒙特卡洛树搜索中的应用,从状态空间和动作空间两个角度出发分析了抽象技术如何提升蒙特卡洛树搜索的决策能力,并对抽象蒙特卡洛树搜索研究中仍需要解决的问题和未来的研究方向作了进一步展望.

摘要：无监督域自适应行人重识别旨在将源域训练的识别能力泛化到目标域上，以减少对标签的依赖。目前基于聚类方法的网络，聚类过程中不可避免会受到环境噪声的影响，降低网络原有识别性能。为了解决这一问题，提出了一种基于相关性得分的伪标签优化行人重识别网络。首先，通过计算全局和局部特征之间前k个相似样本集合的相关性得分，找到两类特征直接可靠的关联性，从而提取已有伪标签优化方法所忽略的局部细粒度特征。然后，再利用得分对局部伪标签进行优化处理，降低网络对与行人无关局部特征的关注。此外，依赖于相关性得分，利用优化后局部伪标签的预测结果对全局伪标签进行细化，缓解聚类过程中噪声的同时也细化了行人的特征完整表示。与近年无监督域自适应行人重识别方法相比，本文提出的网络在DukeMTMC-ReID、Market1501和MSMT17三个公开数据集上的实验结果表现优异，证明了所提网络的有效性。

摘要：基于现实行为系统中存在的时滞效应和多变量灰色预测系统中需区分新旧信息及预测趋势不可控的情况，通过引入改进的阻尼累加生成算子与时滞系数，提出了多变量时滞阻尼累加灰色模型(TLDAGM(1, N))及其扩展形式，本文模型理论上可达到与传统多变量灰色预测模型的兼容性。讨论了模型的参数估计方式及求解方法，给出了模型的参数优化方法及具体的建模步骤。最后将该模型应用于我国高新技术企业产值及河南省粮食产量预测问题中并与传统多变量灰色预测模型进行比较。结果表明：本文模型的模拟精度和预测精度均显著优于传统多变量灰色预测模型，新模型能够较好的识别多变量行为系统数据中包含的时滞性、重要性及时间序列的趋势因素。实例分析的结果验证了本文模型的合理性、适用性和有效性。

摘要：为了提高康复步行训练器人的智能性和安全性，提出了一种运动速度决策的康复训练机器人限时学习迭代控制方法，目的是抑制训练者位姿不确定性和人机速度不协调对系统安全性能的影响。建立了具有系统不确定偏移量的康复步行训练机器人动力学模型，通过比较康复训练机器人当前的运动速度和训练者的实际步行速度，提出了机器人运动速度的决策方法，从而使康复者主动训练模式下实现人机速度协调运动；进一步，利用机器人决策的运动速度和动力学模型建立跟踪误差系统，提出了有限学习时间的迭代控制方法，并基于Lyapunov理论验证了跟踪误差系统的有限时间稳定性。通过仿真对比分析和实验研究，结果表明文中提出的速度决策方法和跟踪控制方法能使人机系统协调地进行主动模式的康复训练。

摘要：准确感知和认知复杂工业过程的运行状态对于实现过程智能控制和优化决策至关重要, 是当前实现工业人工智能需要解决的关键问题之一. 传统过程监测理论系统已不能满足现代工业生产过程对过程运行状态认知的精细化及准确化的需求, 因此, 复杂工业过程运行状态评价技术应运而生, 近几年来备受学术界和工业界关注并快速发展. 本文首先从复杂工业过程的主要特性以及数据提取过程中面临的问题出发, 回顾了基于数据驱动的相关工业过程运行状态评价方法. 然后根据最优性评价结果总结导致状态非“优”的原因, 并进一步给出相关非优因素追溯方法. 最后对现有研究内容和这一领域中值得进一步可能的发展方向做出总结和展望.

摘要：尽管许多高维多目标进化算法已被提出,但大多数高维多目标进化算法仍无法有效处理具有不规则Pareto前沿的高维多目标优化问题.为此,本文提出基于目标迁移和条件替代的高维多目标进化算法(Many-objective evolutionary algorithm based on objective transferring and condition replacement,MaOEA-OTCR).在环境选择过程中,该算法利用目标迁移策略和条件替代准则协作逐一选择收敛性和多样性好的个体进入下一代.具体地,前者首先选择位于Pareto前沿边界的极值解进入下一代,以确定Pareto前沿的范围;同时选择收敛性最好的若干个体进入下一代,以加速种群收敛;然后迁移已选解集且利用迁移解集和未迁移解集的最大距离来选择收敛性和多样性好的个体进入下一代.后者利用基于角度和收敛性评估的条件取代准则来防止前者过度强调多样性.此外,提出一个多标准决策的匹配选择策略,旨在增加具有良好收敛性和多样性种群个体结合的概率,进一步提升算法的搜索效率.为了验证MaOEA-OTCR的有效性,在三个测试集上与8个先进的高维多目标进化算法进行对比实验.实验结果表明,MaOEA-OTCR 在处理高维多目标优化问题时不仅能获得较强的竞争性能,而且有能力处理具有不规则Pareto前沿的高维多目标优化问题.

摘要：目标跟踪是实现人机交互的重要一环,二维激光雷达探测范围广、精度高,被广泛用于目标跟踪,但由于缺失语义信息,难以区分外观近似的物体.针对这一问题,提出一种基于激光与UWB序列匹配的目标跟踪方法,使用最近邻算法关联激光聚类,构建物体轨迹,并基于改进的高斯相似度计算物体的激光轨迹与UWB测距序列的相似度,根据相似度大小实现目标的匹配定位.此外,针对目标被遮挡的情况设计了重跟踪算法,利用UWB测距信息、目标丢失位置和目标特征模型在环境中搜索被遮挡的目标.利用TurtleBot2机器人平台,在10米×10米的室内环境中进行了实验验证.实验结果表明,本文所提出的方法能够以8厘米的精度稳定地跟踪携带UWB节点的目标.

摘要：航运物流行业涉及多个环节，因此航运物流区块链平台的应用需要许多物流企业积极加入。航运物流区块链平台应用下的航运物流信息披露水平和消费者偏好都会对物流企业的参与决策产生影响。基于消费者存在航运物流服务、信息偏好以及有两个船公司可选择参与已搭建好的航运物流区块链平台（简称“上链”）的假设，用两阶段博弈模型刻画了航运物流信息披露下的两个船公司的博弈均衡，进而通过对比三种“上链”模式分析船公司的“上链”决策。研究发现，当消费者更关注航运物流服务水平时，与都“上链”相比，两个船公司都“不上链”能使双方获益；同时，披露航运物流信息和虚报舱位数量多的船公司能获益更多；若仅有一个船公司“上链”，能获得最大的收益。当消费者更关注航运物流信息披露水平时，若两个船公司都“上链”，能实现共赢，同时，披露航运物流信息水平高的船公司，其收益更高；同样，若仅有一个船公司“上链”，能获得最大的收益。研究结论为航运物流企业是否在航运物流业务应用区块链技术提供有益的管理启示。

摘要：激光同步定位与地图构建(Simultaneous Localization and Mapping, SLAM)算法在位姿估计和构建环境地图时依赖环境结构特征信息, 在结构特征缺乏的场景下, 此类算法的位姿估计精度与鲁棒性将下降甚至运行失败. 针对这一问题, 本文结合惯性测量单元(Inertial Measurement Unit, IMU)不受环境约束、相机依赖视觉纹理的特点, 提出一种双目视觉辅助的激光惯导SLAM算法, 解决了纯激光SLAM算法在环境结构特征缺乏时的退化问题. 具体而言, 本文采用双目视觉惯导里程计算法为激光扫描匹配模块提供视觉先验位姿, 并进一步兼顾视觉约束与激光结构特征约束进行联合位姿估计. 此外, 本文提出互补滤波算法与因子图优化求解的组合策略, 完成激光里程计参考系与惯性参考系对准, 并基于因子图将激光位姿与IMU数据融合以约束IMU偏置, 在视觉里程计失效状况下为激光扫描匹配提供候补的相对位姿预测. 为进一步提高全局轨迹估计精度, 本文提出基于迭代最近点匹配算法(Iterative Closest Point, ICP)与基于图像特征匹配算法融合的混合闭环检测策略, 利用六自由度位姿图优化方法显著降低里程计漂移误差并构建环境地图. 最后, 本文在公开与自制数据集上进行实验验证, 并与主流开源的激光/激光-IMU/视觉-IMU算法进行对比.实验结果表明,本文所提算法可以在结构特征缺乏环境下稳定运行, 并且相较于对比算法具有更高的位姿估计精度和算法鲁棒性.

摘要：针对实际流程工业过程存在动态时变和概念漂移特性,导致软测量模型预测精度下降的问题,提出了基于低秩重构表示的动态回归迁移模型.为了更好的描述动态过程,在动态内模型偏最小二乘框架下,将高维过程数据映射到低维潜变量空间中,来捕获质量变量和潜变量之间的动态相关性.为了减小概念漂移,在获得动态相关性的同时,通过增强不同工况质量变量估计值之间的相关性,来实现数据的条件分布对齐.在三个公开工业数据集上的实验结果与静态基模型相比分别提升了14.8%、33.1%、30%和47.3%,与动态基模型相比分别提升了4.2%、5.6%、8.4%和43.2%. 表明本文提出的方法可以有效地提高模型的预测精度和泛化能力.

摘要：大数据背景下,仿真模型通常有许多因子,仿真筛选实验（Screening）就是识别出其中对响应（仿真输出或系统绩效）起最重要作用的少部分因子（亦称仿真输入或变量）的重要方法.目前常用的筛选方法有序贯分支法（SB）与基效应（EE）法.相较于SB方法,EE以其不假设具体的仿真输入/输出数学关系（model-free）的优势在近年来不断发展并被应用于诸多领域,然而其劣势在于计算效率.为提高EE仿真模型的计算效率,本文提出一种改进的更具一般性的整群抽样方法（简称ECS）.相较于现有整群抽样方法,ECS通过拆分矩阵的方式自动构造抽样矩阵,利用该矩阵能够为每个因子生成数量相同且满足目标的基效应,节省了大量的仿真预算.蒙特卡罗仿真实验表明ECS在不损失实验效力的基础上大大提高了实验效率,充分证明了该方法的有效性.

摘要：收缩理论作为一种区别于Lyapunov理论的非线性系统分析方法, 它主要基于微分几何和流体力学的知识发展而来, 为系统控制提供了新颖视角和理论工具. 本文介绍收缩理论的一些基础知识, 以及收缩系统的联合、部分收缩理论和控制收缩度量等重要结果, 然后综述收缩理论在分析系统稳定性、跟踪控制、协同控制、状态估计以及学习控制等领域的应用现状, 最后对收缩理论的未来发展趋势进行展望.

摘要：随着智能制造和绿色制造战略的提出，实际生产对小批量定制化加工的需求日益增加，同时为了进一步提高生产制造的加工效率和产品质量，返工生产线在企业中的应用也日益频繁. 基于小批量生产背景，针对应用随机故障机器和有限缓冲区的多返工生产系统，进行了瞬态性能分析，并对多返工系统进行生产调度. 为定量分析该生产系统的瞬态性能，通过马尔科夫分析方法建立了系统的数学模型，提出了一种动态的分解和聚合算法来预测系统的生产率、消耗率、在制品库存等瞬态性能指标，基于仿真对比实验验证了所提出算法的精确性和有效性. 此外，针对返工生产系统在劳动力有限的情景下，采用优化算法对各机器效率进行合理分配来优化系统的生产性能. 最后，通过劳动力分配实验结果总结了分配策略，为该系统的生产运行提供了决策支持.

摘要：针对考虑能量消耗的绿色置换流水车间调度问题, 以最大完工时间和总能量消耗为优化目标, 提出了一种混合分解多目标进化算法(HMOEA/D). 首先, 为了保持初始种群的多样性, 使用一种混合初始化策略产生高质量初始种群; 其次, 采用禁忌搜索策略作为局部搜索算子, 强化算法跳出局部最优能力; 最后, 提出节能策略, 以进一步优化总能量消耗目标. 通过对标准测试集进行仿真实验, 并与代表性算法进行比较, 实验结果验证了所提出算法的优越性.

摘要：本文在碳交易政策背景下，以投资碳减排技术的制造商和投资区块链技术的零售商组成的供应链为研究对象，建立了基于技术投资的集中决策模型、分散决策模型和纵向合作决策模型，运用微分博弈的方法研究了供应链的技术投资决策与纵向合作策略问题，并设计了双向成本分担契约来协调供应链。研究结果表明：只有当零售商的边际利润满足一定条件时，零售商才会选择与制造商纵向合作，且碳交易政策的存在会使纵向合作的条件变得更加严格；纵向合作能够实现供应链“减排增效”的双重红利；当碳交易价格高于某一阈值时，消费者绿色偏好和绿色信息敏感度的增加会降低供应链成员的技术投资水平；在一定条件下，双向成本分担契约能够完全协调供应链。

摘要：为了提高多核学习(Multiple Kernel Learning, MKL)的表示能力同时降低其计算成本, 本文提出了一种融合深度特征与多核学习的最小二乘孪生支持向量机(Least Squares Twin Support Vector Machine, LSTWSVM)算法. 针对支持向量机等核分类器在多核学习中高计算复杂度的问题, 提出了一种基于边缘错误最小化原则的多核LSTWSVM框架, 利用分类器优势提高了多核学习的性能. 针对高斯多核浅层结构的问题, 采用MKL法设计了一种基于深度神经网络多层信息的高鲁棒性深度映射核, 将此深度核与多尺度高斯基核以核矩阵哈达玛积方式相融合, 来构造一组新的具有高度表达能力的改进核. 最后, 本文将基于LSTWSVM的多核训练算法与改进的多核结构进行高度集成, 通过大量基准数据集与工业数据实验表明, 其能有效结合深度学习与多核学习的优势, 且以较低的计算成本提高了分类精度与泛化能力.

摘要：针对超宽带信号在非视距环境下测距误差大等问题，基于首径和最强径的位置差、接收信号与首径的功率差及距离残差，提出一种计算简单、识别准确度高的非视距识别方法，并基于偏置卡尔曼滤波和极大似然估计算法，提出一种超宽带信号接收强度和信号达到时间相融合的非视距误差抑制方法，最后开展动、静态场景实验以验证算法的可靠性。实验结果表明,所提出的方法对于非视距场景的平均识别准确度达到95.42%，定位的平均距离误差在0.14m以内。

摘要：针对多水面船协同控制过程中存在的时变海洋环境干扰、模型参数不确定性、速度测量值未知和输入饱和的问题,提出了一种基于非奇异快速终端滑模的固定时间分布式协同控制方案.\;该方案保证了协同控制系统的全局固定时间稳定性.\;首先,设计了一个固定时间扩张状态观测器,用于估计速度和集总干扰(包括时变海洋环境干扰和模型参数不确定性).\;其次,设计了一种新型的固定时间辅助动态系统来处理输入饱和.\;再次,基于固定时间非奇异快速终端滑模面提出了一种分布式抗饱和的滑模控制器,消除了系统的奇异性,并且使得收敛时间上界独立于系统的初始状态.\;最后,为了避免在编队控制律中使用邻船的加速度,设计了一种改进的一致鲁棒精确微分器来估计邻船的加速度信息.\;仿真结果验证了所提方案的有效性.

摘要：网络结构对实现网络完全能控有很大的影响。因此，在不增加驱动节点的前提下，仅基于网络结构来优化复杂网络的能控性具有重要意义。本文提出一种将静态对称网络划分成由多个快照（每个快照是一个静态网络）组成的动态时变网络的方法，利用时变网络的优势减少驱动节点提高网络能控性。给出了由多个快照组成时变对称网络能控性的判据，快照的最优划分，驱动节点数量与快照数量的关系。通过实际例子说明该划分方法的应用过程，并在模型网络和真实网络进行仿真验证，结果表明通过时间分段的方法可以有效减少对称网络中驱动节点的数量，提高网络能控性。

摘要：针对一类非高斯噪声环境下固定点平滑估计问题,设计了一种使用最大相关熵准则作为最优估计标准的平滑估计算法,称之为固定点最大相关熵平滑估计(Fixed-point maximum correntropy smoother, FP-MCS)。首先基于矩阵变换给出最大相关熵Kalman滤波的新表达形式；然后以此为基础,引入新的状态来扩展系统,并推导出固定点最大相关熵平滑估计的在线迭代方程；进一步比较平滑前后状态估计误差协方差,从理论上分析算法的性能改进,同时比较其计算复杂度；最后通过算例验证所设计的算法在非高斯混合噪声干扰下的有效性和优越性。

摘要：为解决由区域配送中心和不同地点前置仓构成的多地点库存系统的动态调拨问题，建立了以最小化总成本为目标，考虑紧急和预防纵向调拨、紧急横向转运的多地点库存动态集成调拨模型。由于模型的非线性特征，设计了一种嵌入贪婪紧急横向转运修复策略的鲸鱼优化算法（Whale optimization algorithm embedding greedy emergency lateral transshipment repair strategy, GELTR-WOA）。通过基于现实场景产生的不同规模算例的数值实验，验证了算法的有效性。最后，探究了加入紧急横向转运对系统运作成本的影响，并分析了单位缺货损失、单位运输成本等因素对调拨策略的影响，从而为电商企业提供库存管理建议。

摘要：随着我国电动汽车保有量迅速增长, 大量退役动力电池亟需回收和利用. 本文研究碳限额与交易政策下电动汽车动力电池制造商开展梯次利用业务决策. 针对由一个动力电池制造商、一个零售商和一个梯次利用商组成的闭环供应链, 分别构建制造商不开展和开展梯次利用业务两种模式下闭环供应链模型. 用Stackelberg博弈理论求得均衡解, 通过理论比较和数值分析探究关键参数对最优决策和制造商模式选择的影响. 研究发现, 制造商最优碳减排水平随碳交易价格增加而增加, 随碳减排成本系数增加而降低, 随消费者低碳偏好系数增加而增加. 制造商开展梯次利用业务并非总是最好选择, 需满足以下条件：一是可梯次利用比例高于一定阈值, 二是制造商为开展梯次业务而投入的成本小于一定阈值, 三是制造商梯次利用单位收益高于一定阈值且梯次利用商梯次利用单位收益低于一定阈值.

摘要：卷积神经网络表征与预测能力往往依赖结构合理性, 但其主流结构均由人工设计, 存在设计难度高、算力要求强、时间开销大等问题. 如何让神经网络自主搜索合理结构并节约计算资源是当前研究重点. 目前, 基于部分通道连接的可微分结构搜索算法, 以其高效的显存利用率在搜索速度和分类性能上表现良好. 然而, 其针对通道的随机采样策略易造成重要信息丢失, 当通道连接不足时性能明显下降. 为此, 本文提出一种基于通道性能度量的神经网络结构搜索算法, 利用注意力机制提取通道重要性系数, 并以此对通道进行排序采样. 此外, 考虑到预热阶段导致搜索不充分, 产生较大离散化误差, 本文在结构权重连续化的过程中设计温度正则化系数, 提升权重差异. 实验证明, 所提算法能够在节约计算资源的基础上搜索出更优的卷积神经网络结构.

摘要：在基于深度学习的轴承剩余使用寿命(Remaining Useful Life，RUL)预测方法中，时间卷积网络(Temporal convolutional network，TCN)忽略了振动数据中未来时间信息的重要性，长短期记忆网络(Long and short-term memory network，LSTM)难以有效地学习振动数据的长时间序列特征. 针对以上问题，提出了一种基于并行双向时间卷积网络(Bidirectional TCN, Bi-TCN)和双向长短期记忆网络(Bidirectional LSTM, Bi-LSTM)的轴承RUL预测方法. 首先，对多传感器数据进行归一化处理，并将每个传感器数据进行通道合并，从而实现多传感器数据的高效融合. 然后，采用Bi-TCN和Bi-LSTM构建了并行的双分支特征学习网络，其中Bi-TCN提取数据的双向长时间序列特征，Bi-LSTM提取数据的时间相关特征. 同时，设计了一种特征融合注意力机制，该机制分别计算了Bi-TCN和Bi-LSTM的输出权重，以实现两种网络输出特征的自适应加权融合. 最后，融合特征通过全连接层并输出轴承RUL的预测结果. 利用西安交通大学轴承数据集和PHM 2012轴承数据集进行了RUL预测实验，实验结果表明，与其它先进的预测方法相比，所提方法可以准确预测更多类型轴承的RUL，同时具有更低的预测误差.

摘要：工业过程运行状态评估方法是对过程当前运行状态进行合理的评价，以为工业过程的安全、高效运行提供有益的指导。带钢轧制过程具有流程长且系统层级多等特点，而传统的运行状态评估往往采用集中式的评估方法，难以对轧制过程全流程的运行状态进行合理的评估。针对此问题，本文提出了一种融合分层分块信息的轧制过程运行状态评估方法。主要包括，采用了一种多层级分块的评估策略，将全流程分为若干个层级和子块，提高了评估结果的可解释性；提出了一种联合核主成分分析（Kernel Principal Component Analysis， KPCA）和t-分布随机邻域嵌入算法（t-distributed Stochastic Neighbor Embedding，t-SNE）的特征提取方法，并行地提取全局和局部的特征信息；进而，针对传统的支持向量机（Support Vector Machine, SVM）的输出结果为硬判型输出，本文将 SVM 的输出结果映射为后验概率，并通过D-S 证据理论来融合多个层级的运行状态评估结果，从而实现了决策层面的信息融合，提高了评估结果的准确性。最后，将本文提出的方法应用于实际带钢轧制过程，与各类传统的方法相比，评估准确率提高了近18%。

摘要：目前多目标优化算法主要针对如何处理多个目标之间的冲突，对于如何处理约束却考虑较少，针对此，本文提出一种求解带约束优化问题的混合式多策略萤火虫算法(HMSFA-PC)。首先，提出一种改进的动态罚函数策略对约束优化问题进行预处理，从而将其转换为非约束优化问题；其次，对萤火虫算法本身进行改进：采用Lévy flights搜索机制有效地增大搜索范围；引入随机扩张因子改进算法吸引模型，使种群突破束缚，有效避免早熟收敛，维护种群收敛性；提出自适应维度重组机制，根据不同迭代时期，选择差异性较大的个体，进行信息交互，相互学习，有效改善种群的多样性。实验部分：为检验算法处理无约束优化问题的性能，将其在基准测试函数上通过与部分经典算法以及新近算法进行比较；为检验算法处理约束优化问题的性能，将其在实际约束测试问题中将其与一些顶尖约束求解算法进行比较。结果表明，HMSFA-PC在处理无约束优化问题时具有收敛速度快、收敛精度高等优势，并且在动态罚函数的协作下求解实际约束优化问题时仍具有良好的优化性能。

摘要：针对迅速紧急处置突发公共卫生事件的需求，作为有效隔离控制疫情扩散的关键举措之一，提前规划应急医疗设施选址及规模，对于快速响应、节约建设成本和社会资源具有重要意义。本文针对需求不确定的突发疫情状况，研究了应急医疗设施的建设选址以及床位规模的优化决策问题，以最小化建设选址与运营成本以及床位资源供求比差异为优化目标，建立了双目标整数规划模型。根据模型特点，设计了epsilon约束精确算法和基于就近原则思想的启发式算法进行求解，同时运用非支配排序遗传算法（NSGA-Ⅱ）进行对比分析。数值实验结果验证了所设计算法的运行效率。研究结论对于应急医疗设施建设选址及规模决策具有良好的应用指导价值，可为管理者决策提供一定的理论依据。

摘要：本文主要研究了分数阶Buck变换器的互补滑模控制(CSMC)方法. 首先, 基于电子元件实际非整数阶的特性和Riemann-Liouville(R-L)定义相比Caputo定义更能准确描述Buck变换器模型的结论, 建立了基于R-L定义的分数阶Buck变换器数学模型. 然后, 将参数不确定性和外部扰动统一为匹配干扰和不匹配干扰, 建立两个分数阶干扰观测器(FDOB)分别实现对干扰及其分数阶导数的跟踪. 进而, 设计新型分数阶互补滑模面, 利用CSMC的高精度和分数阶微积分的记忆特性提升滑模运动的鲁棒性和稳态精度, 然后, 设计了新型趋近律, 提升趋近速度的同时保证了滑模面邻域内的鲁棒性. 最后, 基于Mittag-Leffler稳定性理论证明了滑模控制器的稳定性. 仿真结果验证了所提出FDOB的优越性, 控制器相比传统滑模方法能够得到更好的动态性能和更低的稳态误差.

摘要：电力巡检是保障电力设备安全与稳定的关键.传统的巡检方式以人工为主,其高风险、低效率、易漏检的缺点难以满足电力巡检要求,将机器人应用于电力巡检具有安全高效、自主分析、智能决策的优势.路径规划技术通过求解巡检路线以实现遍历巡检与自主避障,是电力巡检机器人的关键技术之一.本文首先分析不同电力场景的巡检内容与要求,然后综述了电力单体巡检机器人路径规划技术与协同巡检机器人路径规划技术,并总结了电力巡检机器人路径规划技术在发电站、变电站以及输电线路场景下的应用效果.最后,本文对电力巡检机器人路径规划关键技术进行展望,未来电力巡检机器人路径规划技术将向着多源异构信息融合、深度强化学习以及云边端协同路径规划方向发展.

摘要：针对图模糊多属性决策方法基于未知属性权重且往往只考虑客观属性信息的不足,提出了一种基于后悔理论的图模糊LINMAP多属性决策方法. 首先,依据后悔理论的思想,定义了图模糊后悔-欣喜函数,给出了方案感 知效用值的计算方法. 然后,设计了图模糊偏好信息集,用其表示属性之间的相互影响关系,并提出了方案对序列与决策者事先给定偏好信息的图模糊一致性程度和非一致性程度. 其次,通过图模糊得分函数和精确度函数构建了含有参数的目标函数,并设置了图模糊阈值,使得非一致性程度最小化且一致性程度与非一致性程度差别至少不小于该图模糊阈值,据此建立了新的优化模型,获得备选方案的属性权重向量和模糊理想点,进而利用感知效用值对备选方案进行排序择优. 最后,通过算例分析验证了所提方法的合理性,并通过灵敏度分析与对比分析表明了所提方法的灵活性和优点.

摘要：针对面板数据样本行为矩阵间的关联性分析,从接近性视角提出了基于面板数据的灰色点集关联分析模型.首先,将样本行为矩阵的二元指标子矩阵投射为空间中的点集,利用对应点的高度差建立对应点集的绝对离差矩阵,依据此矩阵中数据的平均值和标准差分别建立对应点集的绝对离差平均值关联系数和绝对离差标准差关联系数,基于此构建了灰色点集关联分析模型.然后,讨论了模型的规范性、接近性、正定性、对称性等性质.对比分析发现,模型不仅不受指标排序的影响,而且能够感知样本行为矩阵间数据差距的变化并有效反映其接近性.最后,利用灰色点集关联分析模型对豫中四城市的空气质量进行定量评价,并基于此进行了豫中四城市的关联聚类,将豫中划分为3 类污染区域,以期为豫中大气污染联防联控的区域划分提供理论支持.

摘要：循环经济作为应对资源短缺威胁和绿色低碳转型需求的新型经济发展模式，正受到越来越广泛的关注。为了推动这一计划的实践进程，众多举措被提出并付诸行动，废旧物资循环利用体系建设就是其中之一。考虑到与此类问题相关的决策过程中通常涉及多方面的制约因素且需要平衡各方意见，本文提出了一种基于语言偏好序和拓展TOPSIS的多属性群决策方法。首先，利用数据挖掘和自然语言处理等技术，对相关新闻网站进行爬虫并获得了大量的公共数据，再通过关键词提取和聚类确定决策属性及其权重；其次，采用基于多准则相互评估矩阵的专家互评方式，对参与决策的专家完成了赋权；再次，运用语言偏好序、拓展的TOPSIS方法及最小-最大优化模型依次实现了决策信息表征、个体排序和集体排序的完整决策过程；最后，为验证本方法的适用性，将其应用于废旧物资回收站点设置方案选择的实例，并进一步通过比较分析对其优势和特点展开具体说明。

摘要：故障预测技术有力地保证了生产过程的平稳有序和人员安全。但在实际操作过程中，过程数据的定性与定量信息并存，模型较为复杂。此外，在生产过程中，利用在线收集的数据进行故障预测时存在时序延迟问 题。本文建立、验证并应用了一种基于时间动态因果图（TDCD）的故障预测模型。在模型建立过程中，提出了参数的延迟时间间隔学习算法，即移动搜索最大 MIC 算法，充分考虑了时序方面的延迟问题。在推理过程中，加入趋势分析和延时信息排序，优化推理过程，减少因延迟时间造成的故障误报率。使用某浮选过程因果图网络进行算法验证。最后，将所提出的策略应用于湿法冶金浸出过程，并与单值/多值不确定动态因果图进行对比，表明故障预测策略的先进性和有效性。

摘要：随着航天航空技术的发展，空间目标视觉检测技术作为航天器智能在轨服务的重要技术支撑，获得了国内外研究学者的广泛关注。考虑到太空中恶劣的光照条件以及未知的动态场景，空间目标视觉检测的鲁棒性问题亟待深入研究。本文首先提出了一种黑盒迁移实例攻击方法，将图像识别领域的对抗样本攻击方法应用到空间目标检测任务中，实现对EfficientDet目标检测模型的欺骗攻击。同时，本文提出了一种协同防御策略，将对抗训练和SRMNet去噪器相结合，有效增强目标检测模型的鲁棒性。实验表明，该防御策略不仅能够成功抵御对抗样本攻击，还能够取得高于原始空间目标检测模型的检测精度。

摘要：针对传统自编码器以无监督方式学习特征, 缺乏监督信息的指导造成特征判别性弱的问题, 提出一种簇紧凑自编码器 (Cluster compact auto-encoder, CCAE). 首先, 利用模糊C均值算法对样本进行聚类得到伪标签, 并通过PBMF指标确定最佳聚类数; 然后, 利用伪标签构建簇紧凑正则项, 嵌入样本所属类别的判别性信息; 最后, 将簇紧凑正则项与标准自编码器的损失函数相结合作为CCAE的损失函数. 提出的CCAE通过伪标签的方式嵌入区分类别的判别性信息, 增强了特征的判别性, 从而显著提升了诊断性能. 在旋转机械齿轮和轴承数据集上验证了提出方法的有效性. 本文提出的CCAE可广泛用于旋转机械故障诊断的特征提取阶段, 为工程人员实现判别性特征的自动提取提供了一种解决方案.

摘要：针对现实中广泛存在的多资源工序的资源分配问题, 考虑基于资源使用的优先次序约束, 以最小化加权完工时间为优化目标, 构建了一类新的资源分配混合整数线性规划模型. 其次, 提出了Benders分解和禁忌搜索的混合算法, 该混合算法以Benders 分解为基本框架, 将原问题分为提供资源分配方案的主问题和计算工序加权完工时间的子问题, 并通过改进数学模型和添加禁忌搜索提高了混合算法的收敛速度. 最后, 300个随机仿真算例测试结果表明, 在相同时间下, 求解小规模问题时, 所提的Benders分解混合算法能获得距离商业求解器CPLEX最优解平均差距为0.86%的满意解; 在求解大规模问题时, 所提出的算法的性能表现优于CPLEX、禁忌搜索算法和Benders分解嵌入遗传算法的混合方法, 能给出更好的资源分配方案, 与CPLEX相比, 上界和下界分别提升了4.74% 和9.62%.

摘要：针对传统相关积分优化算法在求解实时优化时存在的考虑实时约束不足、算法参数较为单一且参数难以凑试的问题, 本文提出了一种将鲁棒预测控制与相关积分相结合的实时优化算法,采用传统相关积分优化算法计算优化目标函数与调优变量的梯度，将调优变量梯度作为表征系统是否还有优化裕度的中间变量，利用基于多胞体模型的鲁棒预测控制方法对调优变量增量进行实时求解, 并将其作为调优变量的设定值。所提算法继承了传统相关积分优化的优点, 同时提升了约束处理能力, 保证了优化解的实时可行性。仿真研究和二甲苯加热炉热效率实时优化的工业应用测试结果证实了所提方法的可行和有效性。

摘要：针对存在多个出退勤车场的城市轨道交通线路，研究乘务任务配对问题的数学模型及算法，在满足各车场出退勤任务守恒的前提下，尽可能提高整体值乘效率。首先构建任务段衔接时空网络，考虑轮换休息时间、用餐时间、工作量限制等约束，设计广度搜索算法搜寻满足各班种要求的候选任务池。以此为输入，以乘务计划总费用最小为目标，通过设计各车场出退勤任务守恒等约束，构建乘务任务配对问题的集合覆盖模型。为提高大规模问题的求解效率，设计了基于列生成思想的快速求解算法。以南昌地铁1号线实际乘务数据为例，通过数值实验和分析发现，所提出的方法能够合理安排早班和夜班任务出、回场方式，很好满足了多车场情况下的夜、早任务守恒需求。在效率方面，相对于现行方案，有效减少了2个乘务任务，且任务之间的平均衔接时间减少了1分17秒。所提出模型及算法能够很好满足多车场出退勤需求，并保证了乘务整体值乘效率，能够为实际现场编制乘务计划提供决策支持。

摘要：本文研究了高速公路匝道车辆序列合并编队的优化协调问题,根据环境参数优化设置合并阈值,减少排放、节约编队成员时间成本和燃油资源.首先针对合流中自由车辆与已有车队同时存在的复杂场景给出阈值编队方案,结合车辆运动学及全期望公式,计算与编队阈值相关的特征值:1)队列规模概率?2)时间增量期望?3)队列间距期望.其次,根据特征值分析各经济成本增量,并利用连续动力学状态方程的转换推导行驶约束安全集,建立基于阈值的优化编队模型,在安全性前提下最大化车辆队列的全程综合经济效益.最后,通过仿真对比本文策略与直接编队策略,证明了提议策略能够提升综合经济效益并满足计算实时性要求.此外,仿真结果还说明了巡航距离以及车辆密度对编队的综合经济效益影响较大.

摘要：研究预设跟踪性能下的车辆队列执行器故障主动容错控制问题. 考虑执行器部分失效和偏移故障情形, 设计了Luenberger观测器和自适应残差阈值实现执行器故障检测. 在此基础上, 为了确保执行器故障下的车辆队列暂态与稳态性能, 在预设跟踪性能框架下设计了基于反步法的主动容错控制算法, 在满足预设性能的前提下实现车辆队列跟踪误差有界. 仿真结果验证了所提出的主动容错控制算法的有效性.

摘要：本文针对一类复杂非线性系统, 提出一种新型自适应快速非奇异终端滑模控制(IAFNTSMC)方法, 以解决其在输出时变约束及量化输入情形下轨迹跟踪问题. 利用鲁棒自适应方法处理扰动不确定性, 并结合反演策略和终端滑模策略设计控制器. 本文构造了一种新型的时变约束障碍Lyapunov函数, 用于实现对系统的输出误差进行随时间变化的幅值约束. 为提高闭环系统的误差收敛速度, 文中提出一种新型的滑模面构造方案. 本文所提控制方法能够保证闭环系统的输出跟踪误差快速收敛到约束边界内, 并确保闭环系统所有信号有界. 最后, 通过数值仿真验证了本文所提方法的有效性.

摘要：行人轨迹预测是实现在城市内完全自动驾驶的重要支撑, 并且广泛应用于机器人路径规划、自主巡航等 领域. 驾驶视角下交通场景复杂多变、行人未来位置不确定性大, 只考虑观测轨迹信息预测行人轨迹会有较大位 移误差. 针对这个问题, 本文提出了一种多信息融合网络MIFNet(Multi-information fusion network)来预测驾驶视 角下未来行人轨迹的多种可能. MIFNet在观测轨迹信息的基础上引入姿态信息和光流信息, 分别采用骨架序列 重组和划分局部光流的方法避免遮挡造成的信息失真. 为了更有效的融合这些信息, 本文提出了一种基于信息 评价的跨信息融合注意力机制, 综合考虑了预测过程中不同信息间的重要程度和同一信息间不同特征的重要程 度. MIFNet在PIE数据集上预测1.5秒的平均位移误差取得了最佳成绩, 在JAAD数据集中1.5秒的长时轨迹预测任 务中预测误差最小, 并且模型参数量、推理时间较最新模型大幅度下降.

摘要：特征选择不仅可以提升回归建模的效率, 还能显著降低特征冗余和噪声的不良影响. 提出一种基于自适应图学习的多目标特征选择算法, 其在单一框架中同时考虑了三种关系结构: 输入特征与目标输出、不同目标输出以及样本之间的相关结构, 并利用上述结构信息进行特征选择. 首先, 在传统稀疏回归模型中对系数矩阵施加了低秩约束, 使其利用子空间学习对特征间相关性以及目标间的依赖关系进行解耦和学习. 然后, 构建了基于样本局部结构信息的自适应图学习项, 来充分利用样本间的相似结构进行特征选择. 进一步地, 引入了基于输出相关性的结构矩阵优化项, 使得模型能够更加充分地考虑目标间相关性. 提出一种交替优化算法来对目标函数进行求解, 并从理论上证明了算法的收敛性. 最后, 通过在8个公开数据集上的实验表明, 所提出的多目标特征选择模型相较于现有主流的多目标特征选择方法具有更好的性能和适用性.

摘要：基于视觉的行人检测是目标检测中的重要研究方向。如今主流的基于锚框的行人检测器输出的结果是大量冗余的，在结果输出之前需要对冗余预测进行非极大值抑制，因而非极大值抑制的效果将直接影响检测器的性能。行人检测任务中最大的挑战在于目标之间互相遮挡的现象，而严重重叠的目标使得传统的基于固定阈值的非极大值抑制方法难以在高召回率与低虚警率之间取得平衡。针对以上问题，提出一种根据重叠度自适应收缩预测框的非极大值抑制方法。根据对应目标的重叠度将预测框进行自适应地收缩，以降低预测框之间的重叠度。对收缩后的预测框进行非极大值抑制，可避免高重叠预测框对处理结果的影响。此外，指向性不明确的预测框将影响本算法的性能，为此提出一种中心点排斥损失函数，通过在重叠框的中心点之间施加排斥力来减少介于两目标之间的指向性不明确的模糊预测框数量，增强自适应收缩非极大值抑制算法的效果。仿真实验结果表明，所提算法可以有效提升基于锚框的检测器对重叠行人目标的检测性能。

摘要：多模态对话情绪识别旨在根据多模态对话语境判别出目标话语所表达的情绪类别,是构建共情对话系统的基础任务.现有工作中大多数方法仅考虑多模态对话本身信息,忽略了对话中与倾听者和说话者相关的知识信息,从而限制了目标话语情绪特征的捕捉.为解决该问题,提出一种基于听说知识融合网络的多模态对话情绪识别模型(LSKFN),该模型引入与倾听者和说话者相关的外部常识知识,实现了多模态上下文信息和知识信息的有机融合.LSKFN包含多模态上下文感知、听说知识融合、情绪信息汇总和情绪决策这四个阶段,分别用于提取多模态上下文特征、融入听说知识特征、消除冗余特征和预测情绪分布.在两个公开数据集上的实验结果表明,与其他基准模型相比,LSKFN能够为目标话语提取到更加丰富的情绪特征,并且获得较好的对话情绪识别效果.

摘要：针对领域知识图谱具有严格的模式层和丰富的属性信息的特点，提出了一种融合概念和属性信息的领域知识图谱补全方法. 首先对领域知识图谱模式层中的概念使用可建模语义分层结构的HAKE模型进行嵌入表示，建立基于概念的实例向量表示，其次对数据层的实例三元组和属性三元组进行区分，通过注意力机制对实例的属性和概念进行融合，建立基于属性的实例向量表示，最后对基于概念和基于属性的实例向量表示进行联合训练实现对实例三元组的评分. 使用基于DWY100K数据集构建的知识图谱、MED-BBK-9K医疗知识图谱和根据某钢铁企业设备故障诊断数据构建的知识图谱进行了实验，实验结果表明本文提出的方法在领域知识图谱补全中的性能优于现有知识图谱补全方法.

摘要：针对仿冒商进入市场引起的消费者权益难以保证、正品市场份额被抢占、正常的市场秩序受到破坏等问题，考虑正品制造商同时受欺骗型仿冒商和非欺骗型仿冒商威胁的情形下，正品制造商通过零售商进行转售或通过自有渠道直销的两种销售模式，建立Stackelberg博弈对比研究正品制造商的两种销售模式的均衡结果，分析正品制造商的销售模式选择策略，探讨其销售模式选择策略对两仿冒商的打击效果以及对消费者剩余和社会福利的影响。研究结果表明：正品制造商选择直销模式的动力随着消费者在转售模式下对正品和欺骗型仿冒品的感知质量以及欺骗型仿冒品质量的增大而减小，随着非欺骗型仿冒品质量的增大而增大；正品制造商选择直销模式总是能有效打击非欺骗型仿冒商，然而，对欺骗型仿冒商而言，当这两类仿冒品的质量满足一定条件或消费者在转售模式下对正品和欺骗型仿冒品的感知质量大于一定阈值时，正品制造商选择直销模式能够对欺骗型仿冒商进行有效打击，否则正品制造商会选择转售模式并容忍欺骗型仿冒商的存在；正品制造商选择直销模式能够提高消费者剩余和社会福利。

摘要：行人轨迹预测在自动驾驶和社交机器人等领域有着广泛地应用。对行人间复杂的交互关系进行有效建模是提高轨迹预测准确性的关键问题。然而基于图神经网络的方法建模行人间的复杂交互时，存在行人间交互关系不会随着时间推移而改变，并且图模型无法自适应的调整网络参数，导致了预测轨迹和真实轨迹偏差较大。为此，本文提出了基于动态进化图的行人轨迹预测方法，设计了动态特征更新(Dynamic Feature Update，DFU)以定义行人间的动态特性，对行人间动态交互进行建模，以构建时间域的网络动态性，提升了对行人间复杂交互关系建模的能力。采用进化图卷积单元优化编码器，灵活进化图模型网络参数，增强图模型的自适应能力。研究结果表明，在预测8个时间步长下，与STGAT模型相比，所提出模型在两个公开数据集(ETH和UCY)上取得了更好的性能，平均位移误差降低12.26%，最终位移误差降低14.10%。

摘要：针对一类具有近似幂函数特征的序列建模预测问题，通过引入非齐次欧拉方程，提出了优化的灰色欧 拉模型.对该模型的建模机理、参数估计和时间响应式等进行研究, 讨论了以误差平方和最小为目标,对灰色欧拉 模型的初始点进行优化，研究了灰色欧拉模型的三种基本形式和三种优化形式.该模型可以很好的拟合幂函数 特征的序列，拓展了灰色预测理论的体系,扩大了灰色预测理论的应用范围. 最后利用中国天然气消费量和幂函 数拟合两个实例来测试模型的有效性，提出的新模型具有更好的拟合和预测精度.

摘要：针对带同时取送货的绿色车辆路径问题, 以最小化带碳排放费用的配送成本为优化目标, 建立混合整数规划模型, 并提出一种结合数学规划方法及启发式算法的三阶段拉格朗日启发式算法进行求解. 第一阶段利用拉格朗日松弛技术得到该问题的拉格朗日对偶模型; 第二阶段设计一种改进的次梯度算法迭代求解该对偶模型, 同时引入修复机制, 将每次迭代所得下界对应的解修复为原问题较高质量的可行解, 并在下次迭代中利用该可行解更新次梯度方向和步长; 第三阶段设计一种启发式局部搜索算法对第二阶段得到的可行解进行优化, 进一步改进解的质量, 以得到原问题的近似最优解. 实验表明: 所提算法能够获得问题的一个优质解, 同时提供一个紧致下界, 用以定量评估解的质量.

摘要：人类太空探索活动产生的空间碎片已然成为太空空间中的主要污染物，成为人类航天事业发展的重大障碍和威胁，随之空间碎片主动移除问题引起了国际社会的广泛关注。本文以空间碎片主动移除任务规划为主题，在对国内外相关文献进行系统分析的基础上，简要介绍空间碎片主动移除发展现状；具体描述低地球轨道和地球同步轨道空间碎片主动移除任务规划问题；从目标筛选与分组、访问序列规划和转移轨迹规划三个层次介绍该问题的模型构建技术；按照显性枚举方法、隐形枚举方法和元启发式方法将空间碎片主动移除任务规划方法分类，对当前研究成果进行总结并指出存在的问题；最后对未来空间碎片主动移除任务规划问题的研究方向进行展望。

摘要：针对复杂环境下无人机集群队形变换与编队控制问题,提出了一种可抑制外部干扰的无人机集群队形变换策略,并设计了基于滑模的编队控制方法.首先,考虑无人机集群中存在多个领导者,提出一种“双层领导者-跟随者”无人机集群协同队形变换控制策略,实现障碍环境下的编队队形变换.然后,基于图论、一致性理论和滑模控制理论设计了针对无人机集群存在外部干扰条件下的从机时变编队控制律,能够实现无人机编队按几何参数和几何图案连续变化.其次,通过构造Lyapunov函数证明了在扰动条件下多领导者无人机集群系统队形变换的稳定性.最后,利用数值仿真验证了本文所提出队形变换控制方法的有效性.

摘要：多目标粒子群优化 (Multi-Objective Particle Swarm Optimization, MOPSO) 算法在维护收敛性的同时搜索分布良好的最优解集是费力的. 本文提出一种基于双重距离的 MOPSO, 由种群的平均距离定义粒子的邻域空间,邻域粒子数为粒子的等级, 数量越多, 粒子的等级越大. 当等级相同时算法结合粒子的拥挤距离来选择最优粒子,以及更新外部归档集. 此外, 算法结合粒子的变异行为避免陷入局部最优. 在对比实验中, 该算法在收敛性和多样性上取得了较优结果. 最后, 该算法应用到电力系统的环境/经济调度模型 (Environmental/Economic Dispatch, EED), 也获得性能较好的解集.

摘要：哈里斯鹰优化算法(Harris hawks optimization, HHO)是2019年提出的群智能算法.HHO算法具有其优点,但还存在一些问题,如探索能力和开发能力平衡性不足等,导致算法收敛速度较慢,寻优精度较低,容易陷入局部最优.针对这些问题,引入多种群策略来解决初始化种群单一的问题,提出基于多种群的多能量策略模拟两只体能不同的猎物的逃跑过程,使两个种群向不同的方向进化,以提高探索阶段与开发阶段的搜索能力,此外,协同量子化策略的加入在迭代前期避免算法陷入局部极值,在迭代后期提高算法的寻优精度.最后,通过对测试函数的优化结果进行分析可以得出,与其他一些经典或最新的算法相比,改进后的算法大大提高了最优解的收敛速度与寻优精度,同时具有更强的跳出局部最优的能力.

摘要：在固定有向拓扑下,研究由一阶与二阶动力学智能体组成的异质多智能体系统的合围控制问题. 首先,分别针对系统内同时包含一阶动力学领航者和二阶动力学跟随者、二阶动力学领航者和一阶动力学跟随者的两种情况,共给出4种有效的控制协议;其次,综合利用代数图论、矩阵理论和稳定性分析工具,通过系统变换方法或构建误差向量法得到上述两类异质多智能体系统能够实现合围控制的判据条件;最后,通过仿真进一步验证所提出协议的有效性.

摘要：本文研究有色噪声干扰下的随机系统的参数辨识问题. 利用数据滤波技术, 对输入输出数据进行滤波, 将具有滑动平均噪声的原始系统转换为白噪声干扰下的系统, 我们提出了有限脉冲响应滑动平均系统的滤波增广随机梯度算法, 并对该算法进行了收敛性分析. 此外, 为了提高参数估计的精度和加快算法的收敛速度, 使用多新息辨识理论提出了滤波多新息增广随机梯度算法, 且分析了其收敛性. 与增广随机梯度算法相比, 提出的滤波增广随机梯度算法和滤波多新息增广随机梯度算法可以得到更高精度的参数估计. 最后, 通过仿真实例证明了所提出的滤波增广随机梯度算法和滤波多新息增广随机梯度算法的有效性.

摘要：诸如夜间等低光场景下的行为识别对安防、自动驾驶等领域具有重要意义。针对现有方法在低光环境下识别效果不佳、鲁棒性较差等问题，提出一种基于特征引导的多模态聚合低光环境行为识别方法(MALNFG)。首先，设计分层骨架特征融合网络(HSFIE)，利用光照增强算法提升低光场景的骨架提取能力，采用层次化时空特征融合策略获取侧重于人体行为本身表达的动作特征，改善低光场景下因骨架缺失造成的精度下降问题；其次，设计高效表观特征提取模块(EAFEM)，采用零参数时间位移模块在2D特征提取网络上高效捕捉包含丰富场景信息的时空特征；而后，设计特征引导多模态聚合网络(MNF)，利用特征引导策略执行骨架特征与RGB表观特征的深层信息交互，实现行为特征的全面性表征；最后，采用全连接层进行特征分类，完成行为识别。实验结果表明，所提方法可以较好的适用于低光环境下的人体行为识别任务。

摘要：时间序列数据广泛存在于工业、医疗等应用领域中,由于其时序相关性强、特征空间维度大等特点,传统的时间序列分类方法普遍存在精度不足和需要复杂特征工程的问题. 本文充分考虑深度神经网络在处理复杂时序数据上的优越性,以及决策树方法拟合数据能力强的优势,提出一种基于残差网络和概率决策树的端到端时间序列分类模型. 该模型利用残差网络从原始时间序列中提取高级特征,为了更好地建立时序数据特征与类别标签之间的映射关系,将概率决策树融入到残差网络的分类层中. 同时,设计了随机子空间的集成策略,缓解由于残差网络的深层结构产生的过度拟合现象,并给出联合优化模型分裂参数和预测参数的迭代优化方案. 本文在大量的基准数据集和工业案例上进行了实验与分析,实验结果表明,所提出模型的分类性能优于传统方法和其他深度学习方法,并且可以有效提高残差网络的泛化能力.

摘要：针对一类不确定性离散线性系统,本文在有限频域范围内研究基于观测器的迭代学习控制问题.首先,结合二维系统理论,构建由基于观测器的状态反馈和PI型前馈学习项组成的控制器.再借助于广义Kalman-Yakubovich-Popov(KYP)引理,将闭环系统有限频域性能规范转换成相应的线性矩阵不等式(LMI),进而得到控制器和观测器存在的充分条件,同时,该条件也确保闭环控制系统的鲁棒稳定性和跟踪误差单调收敛性.最后,通过工业机器人水平面上运动的关节系统的仿真,验证了本文设计方法的有效性.

摘要：针对并联冷机系统负荷分配优化问题提出一种基于多策略的改进麻雀搜索算法，以系统功耗最小为优化目标，以各个冷机的部分负荷率为优化变量进行求解.在改进算法中，首先针对基本麻雀搜索算法初始解的质量差且不均匀问题，引入混沌序列机制对位置初始化；其次针对算法初期易早熟导致搜索精度低的问题，提出将粒子群算法中的速度概念引入到发现者的位置更新公式中，提高了算法的寻优精度.为避免算法长期陷入局部最优，结合狼群算法猛狼的跟随策略优化跟随者的位置，自适应调整个体权重提高了算法的收敛速度.最后，选取三个测试案例对所提算法性能进行详细测试，并同其他常用算法相比，改进的麻雀搜索算法在案例中最高分别可节能17.8%、23.97%和4.31%.然后运用实际系统仿真平台验证了改进算法收敛快、运行时间短、鲁棒性好的优点.

摘要：研究一类具有外部扰动的非线性系统在初始跟踪条件未知情况下的预设性能有限时间有界H∞控制问题。针对预设性能控制设计,提出一个新的误差转换思想,并据此设计了新的预设性能函数,解决了预设性能控制依赖于系统被约束量初始条件的问题。文中基于该预设性能函数、有限时间控制理论以及有界H∞的设计方法,获得了系统无需初始跟踪条件的预设性能有限时间有界H∞控制器,同时解决了非线性系统在有界稳定情况下难以设计H∞控制器的问题,保证了跟踪误差以预先设定的动态性能在有限时间内收敛到平衡点附近的小邻域内,并对外部干扰有较强的鲁棒性能。

摘要：为解决多目标代理优化方法中代理模型选择单一问题, 提出了基于广义改进函数分解策略的多目标代理优化方法. 该方法充分利用模型预测信息构建广义改进多目标分解准则和广义改进R2 指标准则，有效拓展了多目标代理优化中代理模型的选择空间。所提两种准则通过随机均匀权重实现全局探索和局部搜索能力的自适应平衡. 研究结果表明，所提方法在有限仿真条件下拥有良好的寻优性能, 获得Pareto 前沿在收敛性、多样性及空间分布性方面均具有一定优势. 相比同类方法, 该方法具有优势:(1) 不需要模型预测不确定性信息, 适用于基于不同种类代理模型的代理优化方法; (2) 实现简单且计算复杂度低, 有效提升昂贵黑箱问题优化效率.

摘要：执行机构的可靠性对系统的安全运行具有重要意义. 本文针对自主式水下机器人(AUV), 提出了一种基 于故障描述因子与多观测器同步协作的故障隔离与辨识方法. 首先, 通过执行机构故障描述因子概念的引入, 将AUV运载器的故障隔离和辨识问题分为两个层级. 其次, 通过扩张状态观测器(ESO)和故障隔离逻辑规则的设 计, 实现了包括舵面、螺旋桨与舵机在内的粗粒度级执行机构的故障隔离; 再次, 根据故障力与力矩的正负性关 系, 进一步分析舵面的具体形变故障类型; 亦或基于螺旋桨与舵机的输出力与力矩关系, 通过分析故障因子的内 部信息, 具体辨识可能的螺旋桨与舵机故障类型. 最后, 仿真结果表明, 本文所提方法对AUV执行机构的故障具有 较好的隔离与辨识精度

摘要：传统人驾车(Traditional human-driving vehicles, HVs)为了能够快速行驶到目标车道, 常常会向目标车道进行强制换道, 这一过程被视为传统人驾车的切入机制. 然而, 该过程会影响目标车道中由传统人驾车和网联自动车(Connected Automated Vehicles, CAVs)组成的混合车群稳定性. 当一个车道上由多个传统人驾车组成的车群同时切入到目标车道上的混合车群中时会对混合车群的稳定性影响更大. 针对这一问题, 本文首先对车辆动力学模型进行刻画, 以描述车辆行驶的平稳性和混合车群的稳定性. 然后, 为了确保由多个传统人驾车组成的车群同时切入到混合车群时的稳定性, 从信息物理系统(Cyber Physical System, CPS)的视角出发, 并基于一致性约束和通信拓扑结构, 提出了一种考虑通信时延和反应时延的混合车群协同控制方法. 同时, 利用Lyapunov-Krasovskiis理论进一步分析了所提控制方法满足的稳定性条件. 最后, 仿真实验结果表明了所提出的控制方法的有效性和可行性.

摘要：红外与可见光图像融合的目的是通过将不同模态的互补信息融合来增强源图像中的细节场景信息,然而,现有的深度学习方法存在融合性能与计算资源消耗不平衡的问题,并且会忽略红外图像存在噪声的问题. 对 此,提出一种基于结构重参数化的红外与可见光图像融合算法. 首先,通过带权重共享的双分支残差连接型网络分别对两种源图像进行特征提取,分别得到的特征级联后图像重建;然后,用结构相似性损失与双边滤波去噪的内容损失联合指导网络的训练;最后,在训练完成后进行结构重参数化将训练网络优化成直连型网络. 在多个公共数据集上与7种领先的深度学习融合算法进行了定性与定量的实验对比,所提出的融合算法在更低的资源耗费下能够实现多个评价指标的提升,融合结果具有更丰富的场景信息、更强的对比度以及更符合人眼的视觉效果.

摘要：基于深度学习的细粒度污染物浓度预测是一种新兴且具有前景的方法，如何充分利用气象、空间和时间等三大信息是其关键.为了协同融合三大信息，提出一种基于多尺度时空图神经网络的污染物浓度预测模型.该模型首次利用空气质量模型动态构建多尺度时空图神经网络，学习污染物之间的动态时空关系.具体为：利用图神经网络学习污染物之间的多尺度空间关系，利用空气质量模型HYSPLIT构建图的结点和边属性，利用基于注意力机制的GRU (Gate Recurrent Unit)学习污染物浓度之间的时序关系.该模型不仅充分考虑了气象、空间和时间三大影响因素，还将三个因素联动起来统一到一个框架内协同学习.该文方法与传统的机理模型方法相比具有灵活部署、易于实施的特点；通过在实际项目数据集和公开数据集上进行实验表明：与现有先进的基于图神经网络的方法相比，该文方法预测的污染物浓度平均绝对误差降低了0.6左右，对称平均绝对百分比误差降低0.005左右.

摘要：本文研究了欺骗攻击影响下的区间二型T-S模糊系统的高效模型预测控制(efficient model predictive control, EMPC)问题. 考虑到数据从传感器节点传输到控制器节点受到欺骗攻击的影响, 设计了EMPC框架下基于状态观测器的输出反馈控制器. 首先, 针对能量有界的欺骗攻击, 构建辅助优化问题, 离线求解终端约束集和满足系统H2安全的固定反馈控制增益和观测器增益; 然后, 引入摄动量提供控制自由度, 离线求解增广系统的不变集, 通过最大化该不变集在原状态空间的投影得到初始可行域; 再者, 在线优化摄动量得到满意的控制律, 确保系统在欺骗攻击影响下的安全性. 最后, 给出了本文所提EMPC算法理论可行性和系统安全性的证明, 并通过仿真实例验证了该算法的有效性.

摘要：本文研究了拒绝服务(DoS,denial-of-service)攻击下的n阶受扰系统基于幂次趋近律的滑模控制. 首先, 通过构造状态预测器重建攻击活跃期间丢失的系统状态, 基于预测器状态和非光滑函数, 设计了能量受限型DoS 攻击情况下的幂次趋近律滑模控制器, 进一步分析了保持系统稳定性的充分条件. 其次, 当系统存在外部干扰情况下, 证明了幂次趋近律滑模控制方法仍保持着非光滑控制器的强抗干扰能力. 最后, 数值仿真验证了理论证明的结果.

摘要：智能车间生产数据的多工序、跨流程、异构多态的特性加剧了生产过程中工艺数据关联融合问题的复杂性。本文面向复杂时空域下多维多尺度车间数据,提出一种基于时序聚类-关联挖掘-复杂网络的深度融合建模方法。首先,通过高斯核函数与一维卷积运算描述车间数据的聚类特征,采用欧氏距离度量车间时序数据特征向量间的相似性,并将处理后的时序特征引入聚类分析中；然后,通过时序数据关联波动规则提取各工艺参数之间蕴含的内在规律和关联关系,采用支持度与置信度完成关联规则的深度挖掘；在此基础上,依据车间跨流程多工序协同运行特点,构建以多工序的工艺参数为节点、关联关系为边的带时间窗的生产工艺过程双权重有向多层网络模型,为车间跨流程、多工序、异构多态的工艺指标间的复杂关联关系的描述提供依据。最后,以某制丝生产线质量调控为例,对所提方法的有效性和适用性进行验证。

摘要：针对一类离散系统, 提出了一种基于随机牛顿算法的自适应参数估计新框架, 相较于已有的参数估计算法, 所提出方法仅要求系统满足有限激励条件, 而非传统的持续激励条件. 该算法的核心思想在于通过对原始代价函数的修正, 在使用当前时刻误差信息的基础上融入了历史误差信息, 进而通过对历史信息和历史激励的复用使持续激励条件转化为有限激励条件. 其次, 为解决传统算法收敛速度慢的问题并避免潜在的病态问题, 采用随机牛顿算法推导出参数自适应律, 并引入含有历史信息的海森矩阵作为时变学习增益, 保证了参数估计误差指数收敛. 最后, 基于李雅普诺夫稳定性理论给出了不同激励条件下所提算法的收敛性结论及证明, 并通过对比仿真验证了它的有效性和优越性.

摘要：本文针对双渠道绿色供应链,在考虑各方不同风险容忍度的基础上,构建以制造商为主导的供应链博弈模型,利用均值方差法分析了集中式和批发价格契约下参与方的决策及期望利润,并设计协调契约。研究发现：在分散式决策下,产品绿色度与制造商风险容忍度正相关、与零售商风险容忍度无关。最优零售价格均与双方风险容忍度正相关,且线上价格基准系数与直销价格负相关、与零售价格正相关。当绿色产品对消费者需求影响较大时,零售商的期望利润与制造商风险容忍度正相关。带有转移支付的反向收益共享与成本分担组合契约可以实现双渠道绿色供应链的协调。

摘要：制造系统优化调度是NP难组合优化问题,而自动导引车(AGV)路径规划与任务分配紧密耦合,又极大加剧了问题的复杂性. 基于此,提出一种基于Petri网和人工势场的启发式优化方法. 首先,将制造系统的工艺工序描述为一个任务Petri网,将AGV系统描述为一个路径Petri网,将两个网合成在一起?然后,利用Petri网的拓扑结构,为网络结点设计势能参数,从而为Petri网赋予一个人工势场?接着,利用人工势场设计制造系统加工时间的启发式函数,并构建Petri网人工势场启发式A*算法,其中包括最大势差启发式函数和总体势差启发式函数,并验证最大势差启发式函数是可采纳的?最后,进行两组数值实验,实验结果表明,最大势差A*算法能够得到最优解,且平均计算效率比Dijkstra算法提高57%,但是无法满足大任务量的调度需求,而总体势差A*算法比最大势差A*算法平均计算效率提高至少1个数量级,能够在有限时间内求解AGV任务分配和路径规划的联合问题.

摘要：针对流程制造过程中工艺关系复杂、优化效率难保证和数据安全问题，提出一种基于智能合约和改进混沌粒子群算法的工艺参数可信自决策模型PPO-TS。首先，基于区块链技术设计了适合流程制造工艺特性的数据集成与存储机制，通过数据上链技术实现数据的可信存储；然后，设计了工艺参数自决策智能合约机制，利用智能合约搭建基于区块链广播式通信协议的工艺参数优化网络，启动网络并编译质量指标访问、优化自决策和决策自执行智能合约，通过自动触发工艺参数优化事务完成自决策和自执行过程；并在此基础上构建了基于改进混沌粒子群算法CPSO和深度神经网络DNN的优化算法CPSO_DNN，实现了流程制造工艺参数优化。最后，以现场采集的某流程生产线数据为例，验证了PPO-TS模型的实用性和有效性，为流程制造工艺参数优化提供了一种新思路.

摘要：针对犹豫模糊集现有熵测度存在的计算过程复杂以及反直觉等现象,本文提出了一种综合犹豫模糊熵,并基于累积前景理论,改进了传统的TOPSIS决策方法,构建了属性权重未知下的多属性决策模型. 首先,在模糊度和非明确度的基础上,给出犹豫模糊熵新的公理化定义,然后,定义了综合犹豫模糊熵,并证明其满足新的公理化定义,进一步,与现有犹豫模糊熵的对比分析表明,综合犹豫模糊熵在更为合理表征犹豫模糊元模糊性的同时,也解决了反直觉的问题,最后应用改进TOPSIS方法对本文的综合性熵测度进行仿真分析.实例分析证明了本文犹豫模糊熵的有效性,同时相比现有熵测度,综合犹豫模糊熵还具有计算简单和易于理解等优点,改进TOPSIS方法能够考虑决策者的心理偏好,相比传统决策手段,其决策效果更为合理.

摘要：针对农用拖拉机的路径跟踪控制问题, 本文提出了基于有限时间和饱和技术的路径跟踪控制策略. 首先, 建立农机路径跟踪运动学模型, 并通过利用有限时间控制技术, 构造有限时间路径跟踪控制方法. 其次, 考虑到农用拖拉机的转向系统物理限制, 将饱和技术和有限时间控制结合, 给出复合的路径跟踪控制方法. 通过严格的理论分析验证了闭环系统在该控制器下的有限时间稳定性. 最后, 仿真结果验证了本文设计的制导方法可以保证农用拖拉机快速、稳定地完成路径跟踪目标.

摘要：考虑机械臂中存在的未建模部分、摩擦力、外加干扰，提出一种自适应精确时间滑模控制方法，实现机械臂各关节角的轨迹跟踪。首先对机械臂进行建模，将未建模部分、摩擦力、外加扰动看作集中扰动；其次，设计一种精确时间收敛滑模面，克服传统终端滑模面收敛时间高估的问题，基于此设计全局精确时间收敛滑模控制方法，使得机械臂系统能够在设定时间实现稳定，并在误差收敛后仍具有较强的鲁棒性。设计低通滤波器削减抖振，通过自适应方法估计扰动上界，避免增益的高估；仿真实验验证提出的控制方法能够严格地控制机械臂系统的稳定时间，并降低稳态误差，实现机械臂系统的高精度轨迹跟踪控制。

摘要：针对一类由Roesser模型描述的饱和2-D系统, 为了缓解网络数据传输压力, 研究基于动态事件触发机制的输出反馈H?控制器设计问题. 首先, 构建此类不确定饱和2-D系统的数学模型; 其次, 提出一种动态事件触发机制来决定当前信息能否传输到网络, 以降低信号的更新频率; 运用Lyapunov函数方法, 通过引入非负标量μ, 得到保证相应闭环系统满足一定H?性能指标的充分条件及输出反馈控制器的存在性判据. 此外, 利用锥补线性化算法, 将输出反馈控制器的设计问题转化为线性矩阵不等式约束下的非线性最小化问题; 最后, 结合数值仿真验证基于动态事件触发机制的输出反馈控制方法的有效性与可行性.

摘要：机械臂可代替人工完成繁重工作、降低生产风险、提高生产效率, 被广泛应用于制造业和生产业中. 工业生产的高质量需求对机械臂的操作精度提出了较高要求. 考虑有色金属工厂中铸锭打磨的应用场景, 该任务的作业轨迹均具有较强重复性. 此外, 实际应用环境复杂, 存在如环境干扰及系统参数变化等多种不确定性, 固定的控制参数难以保证系统持续稳定地运行. 基于上述考虑, 本文针对多自由度机械臂系统, 设计了一种自适应滑模迭代学习跟踪控制方法, 控制器包含参数自整定的比例-微分项、基于滑模的符号函数项和上一次迭代的控制输入, 其中, PD 项的控制参数通过模糊逻辑系统实时调整, 在保证控制系统正常运行的情况下, 提高系统的鲁棒性.随后, 在理论上证明了迭代域闭环系统的稳定性和跟踪误差的收敛性. 最后, 通过仿真验证了所提控制方法的有效性和鲁棒性.

摘要：为了提高永磁同步电机(Permanent Magnet Synchronous Motor, PMSM) 伺服系统的响应速度及控制精度, 本文提出一种连续时间域下基于抗扰增强型广义预测控制方法. 首先, 通过构造高阶扩张状态观测器(High-order Extended State Observer, HOESO) 对模型参数摄动及外部不确定性负载扰动进行估计, 同时将干扰以及转子角速度的估计信息引入至位置轨迹输出预测序列中, 实现对预测模型偏差的修正. 进一步, 通过求解位置跟随误差性能指标的优化问题, 得到最优控制序列的显示解析解, 并从理论上给出控制参数的选择规则. 最终, 利用Lyapunov理论对闭环系统进行严格的稳定性分析, 并在快速控制原型(Rapid Control Prototype, RCP) 对拖实验平台上进行所提控制算法的性能验证. 实验结果表明, 与串级PI 控制和传统广义预测控制相比, 本文所提方法提高了伺服系统的位置跟踪精度和抗干扰性能.

摘要：针对现有步态识别方法易受拍摄视角、着装变化影响的问题, 提出一种融合二维无肩姿态拓扑能量图(Shoulderless Pose Topological Energy Maps，SPTEM) 和三维局部骨骼步态特征 (Local Skeleton Gait Features，LSGF)的深度学习步态识别方法。首先利用轻量级 BlazePose 姿态估计算法提取步态视频序列中的人体姿态拓扑图以生成 SPTEM，提高检测速度的同时减弱衣物变化带来的影响；然后引入 LSGF，用以弥补单一能量图特征在多变视角情况下识别准确率较低的不足；最后提出结合注意力机制的时空特征提取网络模型，并在全连接层将双流特征进行一致融合。在CASIA-B 数据集上对所提方法进行验证，并与当前主流的步态识别方法进行了比较。结果表明，该方法在跨视角和穿大衣/棉衣条件下的步态识别率都有明显提升。

摘要：图像情感分析是机器视觉领域热点问题，然而情感判断主观性较强，仅分析完整图像难以准确刻画图像中情感语义，且高质量图像情感数据不足。为此，提出联合多头数据增强与多粒度语义挖掘的图像情感分析模型M2。首先，设计多头数据增强方法：基于自动数据增强与主动样本精选策略构建递进式数据增强模型，从“质”与“量”两个角度提升数据集；其次，引入情感区域检测模型完成情感区域增强，深入挖掘图像中情感语义强烈的局部区域，进而联合局部区域与整幅图像构建多粒度图像；然后，基于深度互学习框架及局部区域完成模型预训练，充分挖掘异构SENet 网络之间互补的情感语义，并以迁移学习方式指导多粒度图像情感分析；最后，设计自适应特征融合模块，融合异构SENet 特征完成多粒度语义挖掘，实现图像情感分析。在Twitter I 与FI 数据集上验证M2 模型，其准确率分别达到90.97% 和81.14%，优于主流基线。M2 拥有泛化性更强的数据增强策略，可以为其训练提供坚实的数据基础，且对应的实证分析效果较好，模型具备一定的实用价值。

摘要：针对执行器饱和、模型参数不确定以及海流干扰等因素影响下的水下机器人,提出了一种考虑状态约束以及执行器饱和的轨迹跟踪控制器. 首先,构建水下机器人水平面轨迹跟踪误差方程;其次,对载体模型参数不确 定性产生的模型误差以及海流干扰,设计一个非线性观测器进行估计并用于对控制器进行扰动补偿;然后,引入执行器饱和补偿系统、二阶滤波器以及滤波器误差补偿系统,设计命令滤波反步滑模控制器来控制水下机器人的水平面轨迹跟踪;最后,严格证明命令滤波反步滑模控制器的稳定性并进行数值仿真,验证了控制器的有效性.

摘要：面向有源相控阵雷达的核心部件——T/R组件（Transmit/Receive Module），提出了综合脆弱性评估概念及其数学模型表达，给出了定量评估的博弈组合赋权-优劣解距离方法。首先，从元件和系统两个层次出发分别构建脆弱性评估标准：利用元件自身物理特性建立故障树，基于蒙特卡洛仿真计算得到运行状态的物理脆弱性指标（即可靠性指标）；根据系统的电路结构，建立其拓扑网络，计算结构脆弱性指标。接着，提出了融合物理和结构的综合脆弱性评估数学模型，建立博弈组合赋权问题优化组合权重，结合优劣解距离法实现对T/R组件综合脆弱性的定量评估。实验结果表明，T/R组件的综合脆弱性不仅与各元件固有的可靠性水平相关，更与其系统的电路网络拓扑结构密不可分，所建立的综合脆弱性评估模型能有效合理地辨识其薄弱环节。

摘要：针对压力脉冲疲劳测试系统在测试过程中工件体积的不确定性以及脉冲疲劳测试系统的机械与液压双动态耦合问题. 首先，提出通过奇异值摄动理论将压力脉冲疲劳测试系统的多动态耦合进行解耦降阶? 其次，利用自抗扰控制算法实现对系统模型降阶误差及体积参数不确定性等干扰的补偿，保证测试系统输出的压力对指令信号的准确跟踪；最后，对基于降阶模型的自抗扰算法的稳定性和误差收敛性进行理论及定量分析，并对算法的可行性及有效性进行了联合仿真和实验验证. 研究结果表明，基于降阶模型的自抗扰控制算法对压力脉冲疲劳测试系统中工件体积参数的变化具有良好的鲁棒性并能够有效估计和补偿系统模型降阶误差等干扰，其跟踪性能相比传统的 PID 控制器最大提升 35.4%.

摘要：针对电动缸举升机构的高精度伺服控制的现实需求，提出了结合辨识伺服环路和差分激励信号的一种基于限定记忆区间的循环最小二乘法(Cyclic Least Square Method, CLS)和基于迭代控制器参数和观测器参数的一种变参数比例积分控制器(Variable parameter PI controller, VPI)结合基于卡尔曼滤波器的变参数比例多重积分观测器(Variable parameter PMISAKF observer, VPMISAKF)的复合控制策略。实验结果表明：相比于最小二乘法，CLS辨识法辨识拟合的惯量和阻尼均方根误差分别下降了93.61%和 82.39%；相比于PI控制器，VPI结合VPMISAKF的复合控制策略使系统的阶跃响应拟合度在空载和带载工况下分别提高到了0.994和0.991；相比于VPI控制器，VPI结合VPMISAKF的复合控制策略使系统的正弦响应误差在空载和带载工况下分别降低了88.89%和86.45%。CLS辨识法和VPI结合VPMISAKF的复合控制策略对电动缸举升机构的高精度伺服控制有一定的参考意义。

摘要：融合显式和隐式反馈已被应用于提升推荐模型的性能,但现有的此类推荐模型未能保留显式反馈中反映用户偏好程度的信息.并且,现有的研究认为拥有显式反馈的数据和仅拥有隐式反馈的数据对模型有着同等影响,未能充分发挥显式反馈的优势.针对这些问题,本文提出一种新的融合显式和隐式反馈的协同过滤推荐模型(CEICF).该模型首先提取显式反馈中的特征得到用户/物品的全局偏好向量,再从隐式反馈中提取用户/物品的潜在向量,进而将两种向量进行融合得到用户/物品的偏好向量,最后使用神经网络预测用户与物品交互的可能性.并且在训练模型时,定义了一种加权的二进制交叉熵损失函数,加强了显式反馈对模型的影响以增强模型捕获用户偏好的能力.为了验证所提模型的有效性,本文在覆盖不同领域的现实数据集上进行了实验,结果表明CEICF可以有效地融合显式和隐式反馈,并且推荐效果相对于基线模型有显著提升.

摘要：针对属性权重未知,且考虑决策成员风险态度和属性关联关系的多属性决策问题,构建了一种基于非加性最优最劣方法(BWM)的群体共识模型.首先,为处理不确定环境中的属性关联问题,提出了区间值非加性BWM方法,该方法采用区间值刻画专家关于属性重要性的成对比较结果,以获取个体偏好下的属性重要性指数(权重),扩展了Shapley值的表示形式;其次,通过构建非加性BWM共识模型将个体偏好下的属性重要性指数转化为群体共识的属性重要性指数.在共识达成的过程中,利用隶属度函数度量决策成员的风险态度效用水平,并在一定预算限制下,探索决策成员的风险态度对群体共识的属性重要性指数及共识效用水平的影响.最后,通过案例分析验证了模型的可行性和有效性.

摘要：本文针对车辆队列中多目标控制优化问题, 研究了基于强化学习的车辆队列控制方法. 控制器输入为队列各车辆状态信息以及车辆间状态误差, 输出为基于车辆纵向动力学的期望加速度, 实现了在V2X通信下的队列单车稳定行驶和队列稳定行驶. 根据队列行驶场景以及采用的间距策略、通信拓扑结构等特性, 建立队列马尔科夫决策过程(Markov decision process, MDP)模型. 同时根据队列多输入-多输出高维样本特性, 引入优先经验回放策略, 提高了算法收敛效率. 为贴近实际车辆队列行驶工况, 仿真基于PreScan构建多自由度燃油车动力学模型, 联合Matlab/Simulink搭建仿真环境, 同时引入噪声对队列控制器中动作网络和评价网络进行训练. 仿真结果表明基于强化学习的车辆队列控制燃油消耗更低, 且控制器实时性更高, 对车辆的控制更为平滑.

摘要：近年来，二值卷积神经网络（BNNs）由于其占用空间小、计算效率高而受到关注，但由于网络前向的二值量化与反向梯度的不匹配问题，二值网络和浮点深度神经网络（DNNs）之间存在着明显的性能差距,影响了其在资源受限平台上的部署。二值网络精度受限的主要原因是参数离散性造成的信息损失以及分布优化不当造成的语义信息消失，针对此种问题，本文应用特征分布调整引导二值化，进一步优化参数分布，通过调整参数均值方差分布，均衡参数分布，减小离散性造成的信息损失。同时，通过分组激励与特征精调模块设计，调整优化阈值分割位置，均衡二值化激活效果，最大程度保留语义信息。大量实验数据表明，所提方法在不同骨干网络、使用不同数据集时均能取得较好效果，其中cifar10上使用resnet18网络量化后网络精度仅损失0.4%，高于当前主流先进二值量化算法。

摘要：现实中的多目标优化问题会随着时间或环境的变化而发生改变。因此，在全周期优化过程中，环境变化检测和算法响应是求解动态多目标优化问题的两大关键步骤。本文将重点对动态多目标进化算法方面的研究进行总结。为有效求解动态多目标优化问题，大量追踪性能优良的动态多目标进化算法在近二十年里被提出。但是，很少有文献从时空角度来对已有研究进行分析和报道，故本文将从该视角来对动态多目标进化算法研究进行介绍。主要内容如下：（1）介绍动态多目标优化的基本概念、问题和性能指标；（2）从时空视角来对近十年提出的动态多目标进化算法研究进行分别介绍；（3）列出目前动态多目标进化算法方面研究存在的一些挑战，并对未来研究进行展望。

摘要：针对一类连续搅拌反应釜系统的跟踪控制问题, 本文提出一种基于反步法和模糊逻辑系统的自适应固定时间命令滤波控制方法. 利用命令滤波器引入误差补偿机制消除了滤波误差的影响, 并解决了反步法虚拟控制信号重复求导的问题; 采用模糊逻辑系统对系统中存在的非线性部分进行逼近; 利用固定时间控制方法使系统跟踪误差更迅速收敛至较小邻域内, 且收敛时间不依赖系统初始状态; 通过Lyapunov定理证明了连续搅拌反应釜系统的闭环稳定性; 利用Matlab/Simulink仿真实验验证了本文所提控制方法的有效性. 与现有控制方法相比, 该控制方法具有控制器结构简单、收敛速度快、控制精度高、无超调等优点.

摘要：针对作业车间中AGV和机器联合调度问题，以完工时间最小化为目标，提出了一种基于卷积神经网络和深度强化学习集成算法框架。首先，对含AGV的作业车间调度析取图进行分析，将问题转化为一个序列决策问题，并将其表述为马尔可夫决策过程。接着针对问题的求解特点，设计了一种基于析取图的空间状态与5个直接状态特征；并在作业车间中加工时间与有效运输时间为定值这一特点上构造了奖励函数来引导智能体进行学习。最后，在强化学习算法的选择上，采用D3QN算法进行学习和训练，以快速响应AGV和机器的联合调度决策。通过实例验证，基于D3QN的调度算法优于现有大多数基于值函数的深度强化学习算法和单一调度规则，具有较好的学习能力和可扩展性效果。

摘要：针对具有较大且不可观测外界干扰的一类不确定系统提出了一种新的模糊滑模控制器设计方法。首先基于模糊滑模控制原理，引入全局快速终端滑模控制，使系统在有限时间内达到稳态；然后构造了以李亚普洛夫函数导数的绝对值为补偿的自适应干扰估计项，对外界干扰进行准确估计，进而提出了一种双层递阶指数趋近全局快速终端模糊滑模控制器，通过指数趋近率来调节滑模面的动态品质，该控制器能快速收敛到稳定状态，且有效的消除了控制器的抖振情况；最后通过仿真算例验证了所提方法的有效性。

摘要：一阶段多目标跟踪框架由于可以有效提升算法跟踪效率而备受关注,然而该框架在提升效率的同时忽略了检测与关联任务间信息的交互,且目标遮挡的频发会导致轨迹碎片的增加,从而影响跟踪效果. 针对这些问题,提出基于多重信息融合与轨迹关联修正的多目标跟踪方法. 通过无锚一阶段主干网络,在检测器上另外建立跟踪分支预测跟踪偏移量和嵌入特征信息;设计中和匹配关联模块优化跨帧特征匹配方式,协调检测与关联任务,提升两任务间信息交互能力;采用多重信息融合模块,对时空多层次特征进行融合以获得更加丰富的特征信息;提出轨迹关联修正网络处理因遮挡造成的轨迹碎片,通过改进数据关联方式评估碎片与检测低分目标关系,尝试找回遮挡目标轨迹;将提出的算法在MOT16和MOT17数据集上进行评估,并与其他优异的算法定量比较. 通过分析实验结果可以发现,所提出的方法能有效缓解关键性问题,提升算法整体性能.

摘要：多尺度信息系统是一类特殊的对象 -属性值系统，数据集中的每一个对象在每一个属性下根据不同的尺度或者粒度可以呈现出不同的值，并且从细粒度属性值域到粗粒度属性值域之间存在粒信息变换函数. 从多尺度数据集中的每一个属性中选择一个满足预设条件的尺度用于最终的决策分析（这个过程称为最优尺度组合选择）是多尺度决策系统知识获取的关键问题. 针对不协调广义多尺度决策系统的最优尺度组合选择问题, 首先, 通过引入三层思维提出广义决策类最优尺度组合和对象最优尺度组合的概念, 讨论了两者之间的层次关系.其次, 提出属性约简诱导的最优尺度组合和关键尺度组合的概念, 讨论了对象关键尺度组合和广义决策类关键尺度组合之间的层次关系. 最后, 依据对象关键尺度组合和广义决策类关键尺度组合之间的层次关系给出两者之间互相计算的方法.

摘要：超短时物流需求预测是企业物流资源智能调度的重要基础，然而超短时物流需求数据具有强随机性、 高波动性、非平稳性等特征，进行多步精确预测较为困难。基于此，本文构建了基于串行数据分解和量子加权 深度网络的超短时物流需求多步预测模型。首先通过变分模态分解(VMD)和经验小波变换(EWT)的串行分解方 法对超短时物流需求数据的时序特征进行有效提取，以剥离噪声信号，降低原始数据的非平稳性及随机性；其 次构建量子加权长短期记忆神经网络(QWLSTM)深度学习模型，设计多输入多输出策略对分解后的模态分量进 行多步预测，并基于树形Parzen评估器(TPE)对QWLSTM的超参数组进行优化；最后对各模态分量的预测结果 进行重构。实验结果表明，本文提出的模型在平均绝对值误差(MAE)、均方误差(MSE)、加权平均绝对百分比 误差(WMAPE)、校正决定系数(R2)方面，均优于其他15种对比模型。

摘要：本文针对周期性切换冷/温混合贮备系统研究其最优切换及视情维修决策，在系统劣化建模的基础上，分析系统结构和切换式运行维修特性，制定了基于周期切换和检测的离线视情维修策略；通过分析系统运行设备与备用设备交替使用、维修过程中的状态转移特性，推导了各检测周期时刻系统状态概率分布计算模型及各维修活动的概率；以系统有限时间范围内平均费用率最小为目标建立了解析优化模型，以决策最优切换周期和维护阈值，并采用遗传算法对模型进行求解；最后以汽轮发电机定子冷却水泵系统为对象验证了策略及模型的正确性和有效性，并对参数进行了灵敏度分析。结果表明所提出的离线视情维修策略能有效的降低系统的维修成本。

摘要：当日达服务是一种针对随机到达的订单实现当天从点到点送货上门的新兴的高效同城配送服务的模式。针对具有交付期限的、随机到达的当日达订单配送问题,考虑平台可通过自有车辆服务订单,同时也可以委托第三方物流服务订单的特点,提出了一种决定是否接受该订单和确定车辆服务订单集合的订单配送策略。以平台的运营成本最小为目标,建立订单配送的马尔可夫决策模型。然后,分析了最优策略的性质。最后,与FCFS策略和按时交付策略进行了对比分析,结果表明：本文提出的订单配送策略,相比于FCFS策略和按时交付策略而言,不仅能够降低平台的总运营成本,而且提高了顾客满意度,保证了服务质量。并且通过数值分析验证了所建立的模型和求解算法的有效性。

摘要：为实现在多移动移动机器人和多窄通道的复杂动态环境中机器人的节能运动规划，本文提出异构多目标差分-动态窗口法（heterogeneous multi-objective differential evolution-dynamic window algorithm, HMODE-DWA）.首先，建立行驶时间，执行器作用力和平滑度的三目标优化模型，其次设计具有碰撞约束的异构多目标差分进化算法来获得三个目标函数的最优解，进而在已知的静态环境中获得帕累托前沿，利用平均隶属度函数获得起点与终点间最优的全局路径。其次，定义基于环境缓冲区域的模糊动态窗口法使机器人完成动态复杂环境中避障。利用所提出的HMODE-DWA算法动态避障的同时实现节能规划。最后，通过仿真和实验验证了提出的混合路径规划控制策略能够有效降低移动机器人动态避障过程中的能耗。

摘要：基于模块化多电平换流器( modular multilevel converter，MMC)的统一电能质量调节器（unified power quality conditioner，UPQC）在电网电压不平衡时，采用传统控制方法存在补偿效率和精确性较低的问题，综合治理困难。针对这一情况，提出了一种无源超螺旋二阶滑模控制策略。首先，基于MMC-UPQC的数学模型和无源控制理论，设计了不平衡电网电压下基于欧拉—拉格朗日模型的正负序无源控制器；然后，加入了超螺旋二阶滑模控制对无源控制器进行改善，抑制了常规滑模存在的抖振，并且解决了无源控制对系统精度要求高的问题，提高了系统的响应速度、补偿精度和抗干扰能力，提升了系统的整体性能；最后，在MATLAB/simulink平台上进行仿真并与PI控制和单独的无源控制对比。仿真结果验证了所提无源超螺旋二阶滑模控制策略的有效性和优越性。

摘要：为了研究消费者对商品属性的认可度，利用文本情感得分将顾客在线评论转化为图犹豫不确定语言数，基于图犹豫不确定语言广义Shapely-Choquet积分加权平均算子和商品在线评论构建了商品属性分析模型.首先，定义了图犹豫不确定语言集、图犹豫不确定语言数的运算、得分函数和广义距离测度，提出了图犹豫不确定语言广义Shapely-Choquet积分加权平均算子，并研究了该算子的相关性质；其次，针对用户群体权重不完全已知的情况，建立了优化模型来确定用户群体权重，并在此基础上，建立了基于图犹豫不确定语言广义Shapely-Choquet积分加权平均算子和商品在线评论的商品属性分析模型；最后，将该模型应用于某品牌笔记本电脑的属性分析上，验证了所提方法的有效性.

摘要：针对风电介入下的多区域互联电力系统,提出了一种分布式经济模型预测负荷频率控制策略.通过将大规模互联电力系统分解成若干个动态耦合的子系统,这些子系统能够利用网络交流并共享信息,使得各区域的控制器实现各自优化问题的求解.同时,在满足状态约束和控制输入约束的前提下,遵循传统火力发电优先、风力发电配合的原则,通过在线求解优化问题,实现了风电介入下的多区域互联电力系统的负荷频率控制.为了提高系统整体运行经济性,所提出的分布式经济模型预测控制器将负荷调频成本、燃料消耗成本以及风力发电成本等经济性指标考虑在内.仿真结果表明,在阶跃负荷扰动下,所设计的控制器不仅可以满足调频要求,在降低计算负担和提高经济性能方面也具有一定优势.

摘要：德州扑克中, 相比于采用均衡策略求解的方法, 对手利用是针对存在弱点对手以获取更大收益的更有效方法. 然而在面对一个全新对手时, 在线条件下如何高效利用对手仍然是一大难题. 现有方法常采用离线训练在线适应的方式来避开这一问题, 即利用学习、演化等方法通过海量离线训练来获得具有对手适应性的模型, 使其能在比赛中适应不同的对手, 而不是在比赛中针对一个新对手在线主动地优化自身策略. 本文以在线主动策略优化实现有效对手利用为目的, 基于时间维的粒子定义提出一种基于粒子群优化的策略优化方法, 将在线策略优化的思路引入到德州扑克这种具有强随机性的博弈问题中, 开展对手利用并实现在线比赛收益最大化. 针对适应度计算受随机运气影响以及部分对手针对性策略难优化的问题, 提出了基于局部最优解替代、全局最优解替代的改进粒子群优化算法(称为BR-PSO). 实验结果表明: 对于标准PSO方法难针对的对手，所提出的方法能有效获得对手的针对性策略以实现最大化对手利用, 而且优化策略的收益能够媲美基于手牌预测AI的收益.

摘要：钢铁行业作为最大的碳排放主体，面对日益增大的环保压力，亟待改进工艺流程，提升以废钢为原材料的绿色清洁生产比例。本文运用博弈论和混沌理论研究环保压力和废钢质量水平对供应链各博弈主体的影响。结果表明，外部环保压力的增大会促使钢铁企业逐步向以废钢为主要原料的清洁炼钢模式过渡，逐步提高废钢原料的质量才能使得废钢供应商和钢铁企业达到最优利润。然而，提高废钢原料的质量水平并不利于增强系统的稳定性。当前以铁矿石为主要原材料的钢铁冶炼模式应平稳渐进地向以废钢为原料的清洁生产模式过渡，并通过大数据等信息化技术加强钢铁市场的价格监管，引导企业自律，遵守市场规律调节原材料的价格，否则，价格调整参数超出阈值会导致整个钢铁市场动荡，甚至可能出现经济混沌以及钢铁企业破产。

摘要：哺乳动物的运动学习机制已经被广泛研究,通过对犬科动物进行引导性训练可以加快其对相关任务的学习速度。基于上述启发,本文在软演员-评论家算法(Soft Actor-Critic, SAC)的基础上提出了一种提高四足机器人仿生步态学习效果的强化学习算法。该算法利用环境中的状态反馈机制来引导四足机器人进行有效探索,从而提高训练效率。在本算法中策略网络与评价网络先近似拟合期望状态观测与当前状态的误差,经过当前状态的正反馈后输出评价函数与动作,使四足机器人朝着期望的方向动作。本论文在四足机器人上进行算法验证,通过实验结果可以得出所提出的算法可能够完成四足机器人的仿生步态学习。设计消融实验探讨超参数温度系数与折扣因子对算法的影响,最后设计实验验证改进后的算法具有比单纯的SAC算法更加优越的性能。

摘要：针对实际生产中广泛存在的一类带恶化效应的同构并行机调度问题, 以最小化最大完工时间为优化目标, 构建该问题的整数规划模型, 并提出一种启发式列生成算法(Heuristic column generation algorithm, HCGA)进行求解. 在HCGA中, 首先, 利用Dantzig-Wolfe分解方法, 将原问题分解为一个主问题(Master problem, MP)和多个子问题. 其次, 设计启发式算法获得初始列, 其中每列代表一台机器上的一个调度方案. 基于初始列构建限制主问题(Restricted MP, RMP)模型. 然后, 设计快速有效的动态规划算法求解子问题, 以得到需添加至RMP的列集. 同时, 考虑传统列生成算法收敛速度较慢, 设计一系列方法来加速列生成过程. 最后, 基于所获取的MP线性松弛解, 设计深潜启发式算法确定原问题的整数解. 由HCGA和商用求解器GUROBI的对比实验结果可知, HCGA可在较短时间内获得更优的解.

摘要：为了提高智能车辆路径跟踪控制器的可靠性和控制精度，提出了一种基于误差动力学模型的路径跟踪控制方法。基于车辆运动学模型和动力学模型建立了系统误差动力学模型，并在此基础上推导出了车辆路径跟踪控制的稳态控制律, 利用李亚普洛夫稳定性理论证明了稳态控制律正确性。为了减小外部干扰对控制性能的影响，提高控制器的可靠性，进一步设计了基于车辆侧向位移误差的瞬态控制律，并利用李雅普诺夫稳定性理论证明了闭环系统的稳定性。稳态控制律和瞬态控制律构成了非线性的路径跟踪控制器。通过与车辆路径跟踪常用的线性控制器和非线性控制器对比验证对所提控制方法的有效性，线性控制器选用LQR控制器，非线性控制器选用Stanley控制器。结果表明，与LQR控制器相比，所提控制方法的路径跟踪控制精度、抗干扰性和可靠性更好。与Stanley控制器相比，所提控制方法具有更好的路径跟踪控制精度和控制收敛速度，且在大曲率路径跟踪过程中具有更好的可靠性。

摘要：针对复杂背景下小目标特征经多次卷积被背景噪声淹没导致的检测精度低的问题，提出了一种增强弱特征表达的一阶段轻量级小目标检测算法SA-YOLO。首先，用改进的ShuffleNetv2网络构建骨干网络，通过嵌入SE注意力模块和Inception结构，提升网络在复杂背景下的特征提取能力，有效地抑制背景噪声，充分提取弱特征；其次，在颈部网络，采用新的特征融合模块，以含有弱特征较多的低层级特征块的空间位置信息对高层级特征进行权重调整，提高不同层级的特征融合利用率，减少小目标的特征损失；最后，在头部网络，用解耦的检测头替换原YOLO耦合的检测头，解耦分类任务和回归任务，提高弱特征的解码能力，增强小目标检测的性能。在公开数据集COCO2017上进行实验，结果表明，SA-YOLO参数量仅有1.14M，小目标平均检测精度APS达到31.6%。同时，将本文算法与近几年主流算法进行对比，结果表明，本文算法在小目标检测方面具有较强的竞争力。

摘要：为了提升不同运行工况下的路面状态识别精度及主动悬架平顺性控制性能,本文提出一种基于ResNeSt(residual convolutional neural networks with split-attention)网络路面状态识别的主动悬架模型预测控制(model predictive control, MPC)方法.搭建基于多路径分散注意力思想的ResNeSt网络架构,建立面向主动悬架实时控制的路面状态识别算法,采用交叉熵目标损失函数和AdamW梯度下降算法进行网络训练以及测试试验验证;在此基础上设计基于路面状态识别的主动悬架MPC控制算法,根据离散状态空间方程推导悬架系统预测模型,以悬架预测输出和控制力输入为性能指标建立目标函数,并考虑不同路面的控制策略确定加权矩阵取值,在系统约束条件下MPC目标函数转化为二次最优规划问题的求解;将所提出控制算法与被动悬架、LQG控制进行对比仿真分析.结果表明:ResNeSt网络可以快速准确地识别多种路面状态;所提出控制算法能够根据路面状态对悬架进行实时瞬态主动控制,簧载质量加速度、悬架动挠度和轮胎动载荷的均方根值平均值相比LQG控制分别降低36.56%、32.99%和36.28%.

摘要：图像的视觉特征对实现零样本图像分类有至关重要的作用. 尽管目前VGG、GoogLeNet 和ResNet 等网 络提取的深度特征在图像分类领域获得了广泛的应用, 但其在零样本图像分类问题上的表现并不理想, 仍旧存在 很大的提升空间. 此外, 由于零样本学习场景下训练集与测试集不相交的设定, 导致分类模型不可避免地存在领域偏移问题. 为此, 提出一种基于自监督增强特征的直推式零样本图像分类模型, 主要思路为：首先, 通过图像拼图辅助任务构造伪标签, 利用自监督学习获得图像的自监督特征并将其与无监督深度特征进行特征融合；然后, 将融合特征嵌入到语义空间中进行零样本图像分类, 并获得未见类的初始预测标签；最后, 利用未见类特征和预测标签迭代地优化视觉-语义映射模型. 在CUB、SUN 和AwA2 数据集上的实验结果表明, 本文所提模型能够增强特征的判别能力, 在零样本图像分类问题上表现良好.

摘要：控制攻击时间和角度的协同制导律可以提高多弹突防能力,发挥最大打击效能.当前协同制导律多数未考虑导弹速度变化的情况.本文采用贝塞尔曲线作为打击轨迹,实现攻击角度控制.在证明贝塞尔曲线长度随初始航迹角增加而单调增加的基础上,根据导弹速度包络和曲线长度估算到达时间,并通过调整虚拟初始航迹角来实现弹群协同.经过理论分析,可以证明该协同算法可以控制弹群形成一致到达时间.通过仿真实验,验证了本文算法的有效性.

摘要：辊道窑烧结过程是电池正极材料制备工艺的关键,烧结温度的精准控制对提高材料性能、保证产品一致性至关重要,然而,烧结过程通常面临动态信息难以获取、不同温区温度耦合严重以及存在外界干扰等问题,给精准控制辊道窑温度带来了很大的困难。本文提出了一种新的辊道窑温度分散H_∞控制方法。首先,分析引起窑内前后温区、上下子温区热量交换的因素,根据窑炉内部的能量守恒和温度-热量转换关系,建立辊道窑多温区温度关联模型。接着,构造一个有界函数来描述温度关联项对于当前温区控制性能的最大影响,并根据该有界函数建立温区的极小化极大问题,可以将辊道窑温度控制问题转化为更小规模的温区温度控制问题,通过求解所有温区的极小化极大问题的鞍点解可以得到辊道窑温度H_∞控制策略,实现分散控制。然后,采用一种脱策Q学习算法学习各温区极小化极大问题的鞍点解,获得辊道窑关联系统的温度分散H_∞控制器。最后,基于实际窑炉温度数据进行仿真实验,结果表明在干扰存在的情况下,所设计控制器能够仍然能够精准控制辊道窑温度稳定在设定值上。

摘要：航空发动机装配是航空发动机制造过程的关键环节，其工序多，流程复杂，生产过程中扰动频发，如装配时间波动、不合格返工等。针对不确定环境下的航空发动机装配线的调度问题，本文提出一种基于门控循环神经网络（Gate Recurrent Unit, GRU）的适应性调度方法。该调度方法包含扰动识别和调度规则调整两个部分。扰动识别模块以滑动时间窗口为周期，利用GRU神经网络进行渐进型扰动的识别；调度规则调整模块以扰动识别的结果为触发，通过构建基于GRU神经网络的调度规则决策模型，输出适配当前生产状态的新的调度规则，用以指导生成更新的调度方案。最后，以某航空发动机装配线为研究案例，对本文提出的适应性调度方法进行验证分析，对比实验结果表明，本方法能够有效提升装配线的设备利用率、日均生产率等性能。

摘要：为有效求解多平台协同火力分配问题，本文根据“分而治之”的思想，基于任务分解策略将复杂的决策任务分解为子目标平台选择和子平台火力分配两个阶段，通过融合启发式算法与强化学习模型，提出了一种新的强化学习求解方法HARL(a combination approach of heuristic algorithm and reinforcement learning, HARL)，并以多平台联合火力打击为作战背景进行了实验仿真。子目标平台选择层根据当前状态，基于强化学习策略选择攻击当前子目标最适合的火力平台，而子平台火力分配层则使用启发式算法为执行攻击任务的平台规划最优的火力分配方案。实验结果表明，融合了启发式算子的HDQN算法相比于传统的强化学习算法进攻成本减少15%以上，相比于经典的启发式算法求解时效性提升20%以上，证明了该研究成果可为未来求解复杂作战决策问题提供有力的技术支持。

摘要：卡尔曼滤波器被广泛用于解决线性高斯系统的状态估计问题。然而，在实际应用中过程噪声与系统模型参数先验信息未知，且量测受到异常值干扰，给准确估计系统状态带来极大困难。针对具有噪声信息与状态模型不确定的动态系统，提出一种广义交互式多模型自适应滤波算法。该算法设计多个模型并行的方式对系统不确定进行处理，对于每个模型，建立Skew-T分布非对称重尾噪声表示模型，为解决过程噪声与系统协方差相互耦合难以求解的问题，利用逆威沙特分布对系统预测协方差矩阵进行描述，并通过变分贝叶斯推理递归计算系统状态的后验分布。仿真结果与实验验证表明，在噪声信息与系统模型不确定条件下，广义交互式多模型自适应滤波算法具有较高的估计精度。

摘要：现有网络安全态势评级方法难以同时兼顾专家间信任信息、偏好信息和客观异质信息等多源信息，为此，本文建立基于群体信任的网络安全态势多维偏好评级模型。在描述了网络安全态势多维偏好评级问题基础上，提出社会网络中信任信息不确定程度度量方法，进一步建立一种考虑单链信任信息不确定性和内部差异性、多链间信任非补偿性和内部差异性的不完整信任网络构造模型，据此确定专家权重；定义基于级别特征值的客观排序、专家偏好的群体一致性程度和群体非一致性程度，进一步建立包含专家信任信息、偏好信息和评级信息等在内的网络安全态势评级多维偏好分段变权综合优化模型，获得基于二元语义的网络安全态势等级及等级区分度。该方法为构建和检验网络安全态势评级提供理论依据，有助于研发先进的网络安全态势评级系统，提高网络安全防护能力；同时发展和完善了多维偏好决策方法，有效解决多源异质信息下多指标评级问题，并且拓宽了社会网络应用领域。

摘要：针对一类严格反馈非线性系统, 提出一种基于有限时间指令滤波的自适应固定时间预设性能控制策略. 首先, 引用非线性映射技术及适当的误差变换, 建立等效的误差模型. 其次, 综合利用反步法、固定时间控制和自 适应控制等方法, 设计一种基于有限时间指令滤波的预设性能跟踪控制器. 该策略应用指令滤波器解决了反步法 中对虚拟控制律反复求导问题, 减轻了计算负担. 此外, 预设性能控制和固定时间控制保证了系统的跟踪误差能 够在固定时间内收敛到预设性能函数限定的范围内, 其收敛时间与系统初始条件无关, 且确保系统中全部信号在 有限时间均达到有界区域. 最后, 理论分析与仿真验证均表明了该设计方法的有效性.

摘要：研究在解决复杂系统决策问题时, 群组两种关键特征: 知识分布与群体结构对群体智能涌现效果,即群组绩效的影响. 提出基于群组合作网络的结构特征测度和基于决策要素的知识分布测度. 群组结构主要包括链接强度以及网络的层次化或扁平化程度. 知识分布根据知识的深度或广度衡量了群组成员的构成类型：专才型群组、通才型群组以及混合型群组. 采用基于适应度景观理论的连续时间马尔科夫链模拟群组解决复杂决策问题的能力. 群组成员在两种驱动因素下改变观点: 1) 自我利益,即对个体适应度提升的追求; 2) 社会影响,即寻求与周围个体意见一致以达成共识. 研究表明: 1) 不平衡的知识分布会削弱群组绩效; 2) 然而,群组绩效削弱的程度随不同群组类型而变化, 专才型群组受影响更大; 3) 通才型群组在解决更加复杂的问题时表现明显优于专才型群组以及混合型群组; 4) 群组不应过分追求意见的一致性.

摘要：大尺度遥感图像分割对单机处理方式而言是巨大挑战。Spark平台为在单机上构建用于大数据处理的分布式计算环境提供了可能。当Spark平台内置的K-Means算法用于数字图像处理时，其中的Spark Shuffle弹性分布式数据集(Resilient Distributed Dataset, RDD)分区一般采用缺省设置，尽管这种RDD设置简单便捷，但对大尺度图像分割任务容易造成“多分区、小数据”现象，极大影响图像分割速度。为此，本文采用覆盖部分上海市区的WorldView-3遥感图像为测试数据，在K-Means算法初始化聚类中心阶段自定义影响RDD分区的参数spark.sql.shuffle.partitions，在迭代计算阶段调用coalesce()算子减少分区数，与串行K-Means算法对比验证了单机处理大数据的可行性与有效性，与优化前的Spark并行K-Means算法对比实现了大尺度遥感图像快速分割。实验结果表明，在K-Means算法初始化聚类中心和迭代计算阶段，将RDD分区数设置在CPU核数的1-10倍，总用时由优化前的145s缩减到97s，尤其在初始化聚类中心阶段的时间效率上，优化后是优化前的500-1000倍。

摘要：近年来随着深度学习技术的不断发展，涌现出各种基于深度学习的语义分割算法，然而绝大部分分割算法都无法实现推理速度和语义分割精度的兼得，针对此问题提出一种多通道深度加权聚合网络(Multi-Channel Deep Weighted Aggregation Net, MCDWA_Net)的实时语义分割框架。该方法首先引入多通道思想，构建一种三通道语义表征模型，三通道结构分别用于提取图像的三类互补语义信息：1)低级语义通道输出图像中物体的边缘、颜色、结构等局部特征；2)辅助语义通道提取介于低级语义和高级语义的过渡信息，并实现对高级语义通道的多层反馈；3)高级语义通道获取图像中上下文逻辑关系及类别语义信息。之后，设计一种三类语义特征加权聚合模块，用于输出更完整的全局语义描述。最后，引入一种增强训练机制，实现训练阶段的特征增强，进而改善训练速度。实验结果表明，所提方法在复杂场景中进行语义分割不仅有较快的推理速度，且有很高的分割精度，能够实现语义分割速度与精度的均衡。

摘要：研究了符号图下具有扰动的多智能体系统二分一致性控制问题.考虑了线性系统、非线性不确定系统、以及切换拓扑的情况,分别提出了相应的预定时间控制器.各控制器可使得系统在预定时间内实现二分一致性.通过Lyapunov稳定性理论、代数图论和矩阵分析等证明了算法的正确性.仿真对比实验验证了所提算法的可行性和有效性.相较于有限时间控制算法,本算法的收敛时间不依赖于初始状态,可以通过选择单一时间参数设定系统收敛时间上界;相较于固定时间控制算法,本算法预设收敛时间和控制算法参数无关,设定简单,具有更低的保守性.

摘要：针对传统多目标回归算法无法处理输入变量与多目标输出间非线性关系, 且在建模中忽视了不同数据点在输入与输出之间的结构信息, 如实例相关性和目标相关性, 导致算法泛化性能受限、缺乏稳健性等问题, 提出一种基于实例与目标相关性的多目标稀疏回归(Multi-Target sparse Regression with Instances and Targets Correlations, MTR-ITC)算法. 通过构建一个潜变量空间, 来对复杂的输入输出与输出间的关联结构进行解耦; 并引入核技巧以及基于结构矩阵的稀疏学习, 使得模型可以同时对输出输出间的非线性关联和不同输出间的相关结构进行学习. 然后, 引入流形正则化探索不同实例在输入与输出空间中的相关性, 以确保模型输出与真实结果保持局部和全局结构的一致性, 进而提升模型的泛化性能. 提出一种交替优化算法来对目标函数进行求解, 使其能快速收敛至全局最优. 最后, 通过在基准测试数据集上的实验表明, MTR-ITC对不同的MTR问题具有良好的收敛性和适用性, 在多数数据集上较主流方法有更好的测试性能.

摘要：资源受限项目调度问题（简称RCPSP）是最具代表性的项目调度问题之一，本文针对实际情况中考虑资源投入的必要性建立了一种以资源投入为变量的基于广义资源日历约束的项目调度优化模型。首先，本文引入组合优先关系的概念对广义资源日历的概念和具体内容进行整合和完善，为了避免传统网络图在表示组合优先关系时出现的网络循环等弊端，使用节点表示活动开始和结束的瞬时状态改进节点网络图；其次，考虑活动优先关系、活动持续时间、不可更新资源总量和资源日历约束，以项目工期最短和项目成本最小为优化目标，运用CP优化器进行求解本文所建立的多目标优化模型；最后，通过设计仿真算例并进行数值实验验证了模型的准确性和高效性。

摘要：在高能耗矿山综合能源系统中, 为减小乏风、瓦斯、矿井涌水等伴生能源、可再生能源、负荷不确定预测误差对系统的影响, 本文提出了考虑源- 荷预测不确定性的矿山综合能源系统多时间尺度区间优化调度策略. 首先, 构建了含可再生能源、矿山伴生能源、光热电站的矿山综合能源系统架构; 其次, 根据电-热响应特性和源-荷不确定性预测误差在时间上的差异, 建立了日前-日内-实时多时间尺度区间优化调度模型. 在日前和日内优化阶段, 利用区间数描述源- 荷不确定性, 并通过区间优化方法对伴生能源和可再生能源的实际消纳区间进行优化; 日内优化在日前优化的基础上, 综合考虑建筑用户热舒适度的模糊性、供热系统的热惯性及热水负荷需求响应调整各设备出力; 实时优化阶段, 考虑电负荷需求响应对日内电力设备出力进行修正. 最后, 通过算例分析证明所提模型和方法的可行性.

摘要：针对已有的信任测度模型中信任源出现的冗余以及之间的干扰未被考虑等缺点，提出了基于干扰效应的社会网络信任测度的决策模型。该模型在计算决策者之间的信任值时，简化了信任源的类型，避免了部分信任源的重复出现，增加了信任源之间的干扰项。首先，根据社会关系与背景对信任的决定性，将决策者之间信任关系的来源划分为“决策者之间的亲近关系”和“决策者的客观背景”;其次，提出“亲疏度”和“专业度”的概念作为这两个信任源的测度，保证在信任源完整的前提下，克服信任关系冗余的缺陷；然后，进一步设计了考虑干扰效应的信任值量化方法，该信任值能够综合体现两个信任源的个体决定程度与整体影响程度。最后，将决策者的信任值转化为权重聚集决策者偏好，以解决实际群决策问题。数值和理论结果表明，所提的考虑干扰效应的社会网络信任测度方法能够作为提高信任关系的准确性以及解决社交网络群决策问题的工具，具有广泛的应用前景。

摘要：二进制偏移载波(BOC)调制作为一种新型信号调制方式被广泛应用于全球导航卫星系统(GNSS) 中，然而，BOC调制信号自相关函数(ACF)的固有多副峰特征使得当利用传统捕获方法时可能会发生捕获模糊问题， 导致接收机最终给出错误的定位结果. 对此，提出基于ACF时移组合的BOC调制信号无模糊捕获方法，并给出相应的捕获电路实现结构. 所提出方法利用BOC调制信号ACF的分段线性及自相关值在一个码片宽度外为0的特性，将BOC调制信号的ACF 分别左右时移，再将两时移的结果与BOC调制信号ACF 相乘可以得到新的合成相关函数. 同时为了提高主峰能量，将合成相关函数除以一个归一化系数，最终得到适用于所有调制阶数的无模糊相关函数. 仿真实验结果表明，在具有一定检测性能衰减的情况下，所提出算法能够在保留单一窄主峰的同时消去所有不期望的副峰，从而实现BOC调制信号的无模糊捕获.

摘要：针对行人重识别中可用行人图像不足导致的小样本问题,以双相似网络为基础,提出一种基于多尺度混 合注意力与度量融合的小样本行人重识别方法. 首先,将多尺度混合注意力机制引入特征嵌入模块,即在不同尺 度层内的特征提取中引入空间注意力,在不同尺度层间的特征融合中引入通道注意力,实现更具判别力的小样本 行人特征提取?然后,在度量模块,提出欧氏距离与余弦距离融合的双重度量方法,实现行人特征的空间绝对距离 和方向差异的综合度量,提升行人相似性度量的可靠性?接着,采用双重度量方式和关系度量方式,分别获得行人 特征的相似度得分?最后,通过加权融合获得联合度量得分,构建联合损失实现网络的整体优化和训练. 在Marketmini、Duke-mini和MSMT17-mini三个小型数据集上的实验表明,所提出方法在5-way 1-shot和5-way 5-shot两种 模式下的平均识别准确率分别达到90.40 %和95.69 %、86.77 %和94.96 %、71.08 %和82.63 %,与其他小样本学习 算法相比,识别性能有较大提升.

摘要：本文设计了一套基于状态切换的杂草测绘无人机集群级联失效控制算法。首先分析集群作业场景特征，并基于此划分三种状态类型。其次给出了基于状态切换和最小负载原则的失效控制算法，最终通过数值算例验证了算法有效性和最佳使用条件。本文发现，不同失效过程对集群影响程度不同，中级态节点失效时对网络影响最大；高级态节点失效时失效控制算法的效果最为显著；单机测绘半径和集群含有的低级态单机数目是影响集群测绘面积的两个因素，二者和集群测绘面积呈正相关，且前者对于监控面积的提升效果更加显著。

摘要：在市场全球化的进程中，延迟仍然是当今企业降低供应链风险的一种有效策略。然而，当前对延迟的研究往往是基于预先已经固定好的产品族架构，而较少关注到在产品族设计与延迟制造过程决策之间存在的内在固有的耦合关系。因此，提出对这二者的一种主从关联优化方法。通过构建在二者之间的主从交互评价机制，建立了以产品族设计为上层优化、延迟制造过程决策为下层优化的非线性双层规划模型。模型上层是设计产品族架构和决策延迟产品模块类型，从而最大化单位成本的顾客效用；下层是分别为非延迟和延迟产品模块决策最优的制造方式、以及为终端产品决策最优的组装方式，从而最小化工程成本。设计了一种嵌套式遗传算法对模型进行求解，以智能冰箱产品族延迟制造案例验证模型和算法的可行性。最后，通过设计一种嵌套GAPSO算法对嵌套式遗传算法进行改进，并对比分析了两种算法的计算过程和结果。

摘要：针对挖掘机的自主作业场景,提出基于强化学习的时间最优轨迹规划方法. 首先,搭建仿真环境用于产生数据,以动臂、斗杆和铲斗关节的角度、角速度为状态观测变量,以各关节的角加速度值为动作信息,通过状态观测信息实现仿真环境与自主学习算法的交互?然后,设计以动臂、斗杆和铲斗关节运动是否超出允许范围、完成任务总时间和目标相对距离为奖励函数对策略网络参数进行训练? 最后, 利用改进的近端策略优化算法(proximal policy optimization, PPO) 实现挖掘机的时间最优轨迹规划. 与此同时, 与不同连续动作空间的强化学习算法进行对比,实验结果表明:所提出优化算法效率更高,收敛速度更快,作业轨迹更平滑,可有效避免各关节受到较大冲击,有助于挖掘机高效、平稳地作业.

摘要：针对突发事件的复杂性、风险性与特殊性和行为主体知识结构的差异性及有限性，将大群体智慧引入到应急决策中，提出一种应用新的融合主体知识水平的方案选择方法。首先，在公众层面基于偏好序列向量和改进的知识测量公式确定公众的知识水平，依据分歧矩阵和控制者进行公众聚类并对子群之间的知识水平标准化，形成基于公众行为知识水平的方案排名矩阵；其次，在专家层面基于多粒度二元语义和灰色关联模型确定专家的知识水平和属性权重，通过聚合算子得到专家对方案的评估信息并形成专家对方案排名的支持矩阵；然后，引入参考公众共识阈值，形成融合上述双重主体的共识矩阵，并进行方案排序；最后，通过Covid-19案例和对比分析验证了方法的有效性和合理性。

摘要：为了实现强噪声和模糊干扰下的低清人脸图像重建, 本文提出一种基于多级隐空间信息约束的噪声人脸超分辨率算法. 首先设计了一个用于人脸有效信息提取的特征蒸馏网络, 并通过统计性抗干扰模型和隐空间特征对比算法移除噪声等无效信息, 构建了一个具有高噪声鲁棒性的人脸信息提取模型. 然后,设计人脸重建网络, 该网络利用提取的人脸特征重建高清人脸图像. 最后通过人脸身份嵌入模型和离散小波变换模型分别从超球面身份度量空间和小波域进一步对重建人脸的身份信息和空间结构进行约束. 实验结果表明, 本文提出的算法不仅能够有效地去除高噪声环境下的人脸噪声, 而且还能够有效地提升人脸图像分辨率, 获得更高的峰值信噪比 (Peak signal-to-noise ratio, PSNR) 与结构相似度 (Structural similarity index, SSIM), 具有较好的实用性.

摘要：针对水流冲击引起无人船(unmanned surface vehicle, USV)转艏呈现非线性特点, 建立基于转艏运动的 非线性变参数(nonlinear parameter-varying, NPV)USV模型, 并提出一种NPV H1 艏向控制方法, 以提高艏向调 节的快速性和鲁棒性. 首先, 考虑低展弦比机翼理论能较好地描述船体受水流冲击的特点, 建立基于水动力阻 尼的非线性Fossen模型. 通过忽略横荡速度和横流阻力将动力学模型简化为操纵动力学模型, 并引入艏向角, 建立NPV艏向模型. 其次, 构造艏向控制系统状态和纵荡速度变参相关的Lyapunov函数, 推导出满足艏向闭环 控制系统H1 鲁棒稳定的非线性控制器求解条件, 该条件是一个非线性矩阵不等式(nonlinear matrix inequality, NLMI). 由于NLMI难以求解, 根据平方和(sums of squares, SOS) 理论, 用多项式矩阵代替NLMI中的非线性矩阵, 并将NLMI 转化为可使用SOSTOOLS求解的多项式线性矩阵不等式. 最后, 仿真结果表明, NPV H1 控制器在艏 向调节时具有较快的系统响应和更高的准确性.

摘要：为实现恶劣战场环境下降质图像的有效恢复、降低环境因素对战场态势感知的干扰，构建一种全新的、端到端的图像恢复方法——门控采样网络（GSNet）。该网络以编码块-解码块为基本架构，以CNNs与门控卷积为编码与解码机制，以压缩和激励网络为编码块与解码块的连接机制，以高阶信息重要程度的重标定区分目标与背景特征，以通道粒度因子压缩方法为轻量化策略，实现对战场恶劣环境图像的快速恢复。相关实验结果表明，GSNet模型可使PSNR达到19.35dB，并且SSIM达到0.724，无论是客观指标评价，还是主观视觉效果，性能均优于对比的主流图像恢复算法；轻量级GSNet模型在较小提升PSNR、SSIM等指标的情况下，其参数量、FLOPs以及单张图像处理时间分别降低了56.6%、54.6%和55.56%。

摘要：多任务粒子群优化算法(Multi-Task Particle Swarm Optimization, MTPSO) 通过知识迁移学习，具有快速收敛能力，广泛应用于求解多任务多目标优化问题。然而，MTPSO难以根据种群进化状态自适应调整优化过程，容易陷入局部最优，收敛性能差。针对此问题，本文利用强化学习的自我进化与预测能力，提出一种基于Q学习的多任务多目标粒子群优化算法(QM2PSO)。首先，设计粒子群参数动态更新方法，利用Q学习方法在线更新粒子群算法的惯性权重和加速度参数，提高当前粒子收敛到Pareto前沿的能力。其次，提出基于柯西分布的突变搜索策略，通过全局和局部交替搜索多任务最优解，避免算法陷入局部最优。最后，设计基于正向迁移准则的知识迁移方法，采用Q学习方法更新知识迁移率，改善知识负迁移现象。与已有经典算法的对比试验结果表明所提出的QM2PSO算法具有更优越的收敛性。

摘要：本文针对一类具有外部扰动的航天器控制系统，提出一种基于漏斗策略的高精度姿态控制方法，从而对整个跟踪控制轨迹进行规划，保证控制误差时刻满足设计需求，有效提升控制系统动态性能与品质。首先，本文对所提姿态控制策略的跟踪性能进行了理论分析，结果表明如果姿态控制误差初值位于根据性能需求设计的漏斗区域内，则在后续任意时刻跟踪误差将始终位于该动态性能漏斗中。在此基础上，考虑到实际工程应用中航天器系统控制信号的有界性需求，本文进而给出了性能漏斗的优化设计方法，从而保证在输入幅值约束下控制系统的动态性能。最终，本文通过数值仿真对所提航天器姿态漏斗控制策略设计方法及理论分析结果进行了验证，展示了其正确性与有效性。

摘要：建立市场化的政企联合储备模式已经成为应急物资储备体系建设的重要方式．基于此, 着眼于应急物资采购及代储服务的交易问题, 设计了一个逆向组合拍卖机制．在这个拍卖机制中, 政府是拍卖的买方兼委托人, 企业是拍卖的卖方兼竞拍者, 应急物资采购及代储服务是拍卖商品．首先, 通过一个报童模型建立了政府决策行为与拍卖活动之间的关系, 并提出了企业的投标策略；其次, 建立了最小化供需偏差和最大化供给数量的竞胜标决定模型；最后, 提出了一个符合实际背景的数值算例对拍卖机制进行了模拟和验证．研究表明, 提出的逆向组合拍卖机制不仅具有经济效率, 还能够促进政府一次性达成与多家企业在多个周期的合作．由此可见, 运用拍卖机制解决应急物资政企联合储备的交易问题具备理论的优越性和现实的适用性．

摘要：针对智能制造现场动态生产过程的复杂随机因素影响而造成的高噪声和质量异常监控方法效率低等问题，本文将变分模态分解方法（variational mode decomposition, VMD）与深度卷积神经网络（convolutional neural network, CNN）相结合，提出了一种基于VMD-CNN的实时质量监控新方法。首先，利用VMD方法，将高噪声动态过程原始数据分解为包含质量异常特征和噪声信息的两类本征模态函数。通过去除噪声数据的本征模态函数，消除动态生产过程的高噪声干扰。进而，采用灰度变换将保留原始质量异常特征的本征模型函数转化为质量异常图像，构建VMD-CNN模型对质量异常图像进行识别，并提出基于VMD-CNN的高噪声动态过程质量异常实时监控框架。最后，通过实验验证了本文所提方法的有效性，并与小波去噪方法和CNN识别模型进行对比分析，实验结果显示本文所提方法的识别精确度显著优于现有的动态过程质量异常监控方法。

摘要：准确的电力消费预测对能源规划和政策制定具有重要意义。鉴于已有研究忽略了特征冗余以及智能优化算法控制参数不确定对预测精度的影响，本文引入最大相关最小冗余（MRMR）算法筛选电力消费的关键影响因素作为预测指标，提出改进的Jaya算法（iJaya）用于优化支持向量回归（SVR）的超参数，进而构建MRMR-iJaya-SVR预测模型。以我国的年度电力消费数据为例，对MRMR-iJaya-SVR模型的预测效果进行验证，并利用北京市的年度电力消费数据测试其鲁棒性。结果表明：iJaya算法具有较强的全局搜索能力和较好的稳定性，MRMR-iJaya-SVR模型在单步预测和多步预测中的表现均优于基准模型。此外，对于不同的数据集，MRMR-iJaya-SVR模型具有良好的鲁棒性。

摘要：针对粒子群优化算法在处理高维、大规模、多变量耦合、多模态、多极值属性优化问题时易早熟收敛等性能和技术瓶颈，基于粒子群优化算法行为学习算子和三种不同学习偏好的差分变异算子，建立带偏向性轮盘赌的多算子选择与融合机制，提出一种带偏向性轮盘赌的多算子协同粒子群优化算法MOCPSO。MOCPSO针对迭代粒子群榜样粒子集，首先通过对迭代种群及其榜样粒子集优劣分组，同时采用轮盘赌分别为每组榜样粒子集选配不同学习偏好的变异算子，并为每组榜样粒子适配差分基向量和最优基向量，预学习并优化迭代种群及其榜样粒子，以权衡算法的全局探索和局部开发；然后通过合并所有子种群，并结合粒子群优化算法行为学习算子，指导迭代种群状态更新，以提高算法的全局收敛性；最后结合精英学习策略，对群体历史最优进行高斯扰动，以提高算法的局部逃生能力，保障算法收敛的多样性。数值结果表明，MOCPSO算法与五种先进的同类型群智能算法在求解CEC2014基准测试问题上具备同等竞争力和更强的优化特性。

摘要：针对动态场景下的图像去模糊问题，本文提出一种对偶学习生成对抗网络（Dual Learning Generative Adversarial Network, DLGAN）。该网络可以在对偶学习的训练模式下使用非成对的模糊图像和清晰图像进行图像去模糊计算，不再要求训练图像集合必须由模糊图像与其对应的清晰图像成对组合而成。DLGAN利用去模糊任务和重模糊任务之间的对偶性建立反馈信号，并使用这个信号约束去模糊任务和重模糊任务从两个不同的方向互相学习和更新，直到收敛。实验结果表明，在结构相似度和可视化评估方面，DLGAN与9种使用成对数据集训练的图像去模糊方法相比具有更好的性能。

摘要：为了及时有效地诊断风机齿轮箱早期微弱故障,针对齿轮箱故障早期信号非线性、非平稳、低幅值、低信噪比的特点,本文提出一种基于多维特征评价的风机齿轮箱早期故障诊断方法.首先,利用变分模态分解将原始振动信号分解为多个固有模态分量,并构建“信息熵—峭度—包络谱峭度”多维特征评价模型,结合熵权法筛选关键特征分量以重构信号;其次,运用改进的小波阈值法进一步降低噪声干扰对重构信号的影响,得到显著的故障冲击特征;最后,使用宽度学习系统进行状态识别,并利用L21正则化技术进一步提高其网络结构的稀疏性.通过分析风机齿轮箱实测数据并与传统方法进行对比表明,本方法对早期故障诊断具有适用性和优越性.

摘要：针对分数阶PID控制器的设计问题,提出一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对分数阶PID控制器进行参数整定。在麻雀搜索算法(sparrow search algorithm, SSA)中引入Chebyshev混沌映射,提高SSA的种群多样性和全局搜索能力；采用自适应t分布和萤火虫算法,设置转换概率p使二者交替执行,提高SSA的收敛精度和寻优性能。对10个基准测试函数进行寻优,结果表明相较于已有的四种经典算法,ISSA在收敛速度、收敛精度、全局搜索能力等方面均有较大提升。最后对两类被控系统进行仿真分析,相比现有成果,证实了本文的ISSA算法对求解分数阶PID控制器参数整定问题的有效性和实用性。

摘要：在不同应用场景下多机器人系统的图案构成受到越来越多的关注，然而现有方法不能有效地优化在障碍物环境中的图案在线自主构成。为解决这一问题，本文提出了一种新的基于目标匹配和路径优化的实时在线的优化算法。首先，以机器人与虚拟期望图案的距离为目标函数，建立一个多参数的图案构成模型，进而在一定的约束条件下求解得到最优的期望图案参数。其次，建立迭代控制器，使机器人在向目标点移动的过程中，可以实时在线地进行机器人与目标点的分配。然后，采用最佳避碰速度算法使机器人无碰撞地到达期望图案的目标点，完成图案构成。最后通过设计仿真实验，验证了该方法的正确性和有效性。

摘要：在政府补贴政策下，本文将持股合作战略引入到供应链减排决策中，运用微分博弈理论研究供应链的最优决策和动态协调问题.构建了集中式决策模型和持股合作前后的分散式决策模型，并分析了持股比例和消费者低碳偏好对供应链最优决策、利润及政府补贴政策的影响.研究结果表明：持股合作战略会替代一部分政府补贴政策的作用，且供应链成员合作越密切，政府补贴效果越好.随着持股比例的增加，供应链总利润呈现“U”型变化，只有当持股比例满足一定条件时，供应链成员才愿意选择持股合作，且持股合作战略的实施能够实现供应链协调.消费者低碳偏好的提高会对企业减排产生激励作用，而政府作为政策的制定者则不受消费者低碳偏好的影响.

摘要：搜索与救援优化算法(search and sescue optimization algorithm, SAR)是2020年提出的模拟搜救行为的一种元启发式优化算法，用来解决工程中的约束优化问题。但是，SAR存在收敛慢、个体不能自适应选择操作等问题，因此，本文提出一种新的基于强化学习改进的SAR算法(即RLSAR)。该算法重新设计SAR的局部搜索和全局搜索操作，并增加路径调整操作，用异步优势演员评论家算法(asynchronous advantaged actor-critic algorithm,A3C)训练强化学习模型使SAR个体获得自适应选择算子的能力。所有智能体在威胁区数量、位置和大小均随机生成的动态环境中训练，进而从每个动作的贡献、不同威胁区下规划出的路径长度和每个个体的执行操作序列三个方面对训练好的模型进行探索性实验。其结果表明，RLSAR比标准SAR、差分进化算法、松鼠搜索算法具有更高的收敛速度，能在随机生成的三维动态环境中成功地为无人机规划出更加经济且安全有效的可行路径，说明新算法可作为一种有效的无人机路径规划方法。

摘要：本文主要研究离散时间切换系统在容许路径依赖混合驻留时间(AED-IDT)切换下异步$l_2-l_\infty$滤波器的设计问题.不同于以往的研究结果,本文首次提出一种异步转移依赖凸Lyapunov函数得到低保守性稳定性判据.此Lyapunov函数的创新之处在于它的构建不再依赖系统模态,而是依赖当前激活的滤波器模态和刚刚运行结束的滤波器模态.鉴于所设计Lyapunov函数具有凸性质,这为本文设计方法提升自由度和灵活性创造了空间.采用转移依赖凸Lyapunov函数和AED-IDT切换策略,能够得到保证滤波误差系统全局一致指数稳定,且具有$l_2-l_\infty$性能的充分条件.在此基础上,提出异步$l_2-l_\infty$滤波器的设计方法.最后,通过一个数值例子和一个切换RLC应用电路来验证所得结果的有效性,经过仿真实验证实了所提出的设计方法能够保证更紧的驻留时间界和较小的滤波误差结果.

摘要：传统状态观测器仅基于当前观测误差重构系统状态, 未充分利用系统历史观测数据. 针对存在匹配扰动的二阶不确定线性系统, 本文设计了一种比例-积分-时滞滑模观测器, 实现不确定线性系统状态的鲁棒确切估计. 首先, 设计带记忆滑模函数, 形式为历史观测误差和当前观测误差的线性组合, 设计参数包括滑模面增益和人工时滞两部分; 其次, 将滑模面中的时滞项基于泰勒级数展开, 将截断误差表示为积分形式; 再次, 设计带记忆输出反馈等效控制律, 采用时滞依赖型Lyapunov泛函, 进行滑模动态指数稳定性分析与观测补偿; 然后, 将观测器参数设计转化为多目标优化问题, 优化目标包括: 系统状态衰减率、控制代价、高频噪声不灵敏度. 基于粒子群算法, 在上述三个优化目标之间实现设计参数优化整定, 在“快、准、省”方面进行合理折衷选择. 最后, 在无源网络系 统中, 验证了所提出滑模观测器的可行性和有效性.

摘要：为了解决工厂车间视觉监控存在噪声干扰、光线变化、目标遮挡等问题,本文提出一种基于多模态视觉监控的工人跌倒检测算法.首先,采用热像仪和可见光相机获取车间内全天候监控图像,结合自适应滤波模型对图像进行降噪处理,以抑制环境噪声对监控图像的干扰;其次,构建了一种改进的人体姿态特征提取网络,通过融合串联时间帧合并模块和位姿残差模块,以简化目标检测的特征图尺度,实现监控图像中工人区域被部分遮挡时姿态的实时、可靠预测;最后,设计了人体轴线倾角、人体外接矩形框长宽比及双膝盖点移动速度作为工人跌倒判别性特征,进而实现车间内工人的跌倒判别.在自建数据集和公开数据集上对所提方法进行验证,实验结果表明,所提算法的跌倒检测精度分别为95.6%和96.3%,与对比算法相比具有更好的准确性和实时性.

摘要：投资者在实际金融市场中的决策行为往往会受到主观心理认知的影响. 考虑参照依赖、敏感性递减和损失厌恶等影响投资决策的心理特征, 研究模糊环境下的投资组合选择问题. 假设资产的收益为梯形模糊数, 依据前景理论中的价值函数, 将组合收益转化为体现投资者心理特征的感知价值. 以感知价值的可能性均值最大化和可能性下半方差最小化为目标, 建立了考虑心理特征的模糊投资组合优化模型. 进一步地, 为了有效地求解模型, 设计了一个多种群遗传算法. 最后, 通过实例分析说明了模型和算法的有效性. 结果表明, 与传统的遗传算法相比, 本文设计的多种群遗传算法可以更有效地求解模型, 考虑心理特征的模糊投资组合优化模型能够提升投资者的满意程度, 可以为实际的投资活动提供决策支持.

摘要：对于地形复杂、范围广阔的荒漠环境，当前的地图模型存在占用存储空间过大的问题。同时在复杂地形下,当前的全覆盖路径规划算法能量消耗大、无法适用于在线条件等问题。针对以上问题，提出了一种在线的全覆盖路径规划算法及相应的地图模型。首先，介绍了一种变分辨率的三维栅格地图模型。然后，分析了机器人在非平面环境下做全覆盖任务的能量消耗问题，得出最节约能量的覆盖方式。在对平坦地形的覆盖中，基于优先级覆盖的思想，对传统的牛耕法覆盖做出改进，拓展为8个方向。然后针对非平坦地形提出了一种在线的面向地形的区域分解方法，在全覆盖过程中根据高度将特殊地形区域分解出来单独覆盖。在子区域内部，对特殊地形抽象得到斜面模型，引入地形变化函数，形成新的优先级遍历方法，并设计了一种针对性的避障策略以进一步减少能量消耗。最后，对本文所提出的算法进行仿真验证以及机器人实验。仿真验证和实验结果表明，相比其他算法，本算法能显著减少全覆盖过程中的重复率以及机器人总能量消耗。

摘要：针对旅行商问题的特点，提出了基于近邻牵引算子的离散黑猩猩优化算法。首先，通过引入优质片段的概念，结合每个群组的最优个体设计了其检索方法，以提高组内学习策略的效果，并结合组合优化问题特点对黑猩猩群体的狩猎过程进行离散化表示；其次，通过组间交流机制消除部分个体路径交叉；最后，为了克服传统的邻域搜索算子收敛慢和搜索效率低的缺点，提出了一种新的邻域搜索方式——近邻牵引算子，其搜索目的更加明确、收敛更高效，并设计了自适应概率扰动调控策略，有效平衡了算法的探索和开发。对30个TSP标准数据集进行了实验，结果表明，所设计的离散黑猩猩优化算法求解质量高、收敛速度快，可以应用于组合优化问题求解。

摘要：针对具有多变量、非线性和高维度特点的间歇过程数据使得早期故障信号易被噪声干扰且故障幅值低导致故障监测效果不佳的问题, 本文提出一种基于堆叠鲁棒邻域保持自编码（Stack-Robust Neighborhood Preserving Autoencoder, S-RNPAE）的间歇过程早期故障监测方法. 首先, 通过L2,1范数重新设计自编码器的目标函数, 以提高模型对噪声和离群点的鲁棒性; 其次, 利用邻域保持嵌入来正则化鲁棒自编码器的方式构建鲁棒邻域保持自编码（Robust Neighborhood Preserving Autoencoder, RNPAE）模块, 解决自编码器作为一种全局模型而忽略包含早期故障特征的局部近邻信息的提取问题; 然后, 将多个RNPAE模块堆叠构造S-RNPAE网络, 从而获取深层全局-局部特征, 保证对早期微小故障信息提取更充分, 并建立检测统计量实现过程检测; 最后, 利用一种适用于非线性过程的贡献图方法完成故障诊断, 其诊断结果更准确. 通过Swiss roll数据集和青霉素发酵过程的实验表明, 本文所提方法特征提取能力更强,对间歇过程的早期故障更敏感, 具有更好的早期故障监测效果.

摘要：本文提出了一种融合稀疏自表示和残差驱动的自适应模糊C均值聚类算法。该算法的优点主要体现在以下两个方面：1）利用稀疏自表示技术求解样本数据的字典矩阵，并将其表征的全局信息考虑到目标函数中，充分考虑数据分布特点，改进了传统模糊C均值聚类算法重点关注局部信息的不足；2）在目标函数中引入加权残差估计正则化项，与自适应模糊聚类算法的正则化项相结合，约束模型训练，有效降低混合噪声对分割结果的影响。最后，在磁共振成像、VOC2012数据集以及自然图像上进行对比试验，实验结果表明，本文提出的聚类算法在添加了20% 椒盐噪声，均值为0.4、 方差为0.01的高斯噪声，以及50%椒盐噪声和均值为0、方差为0.1的混合噪声下与其他算法相比，具有更高的分割精度和更强的鲁棒性。

摘要：针对评价信息为概率语言术语且属性权重未知的多属性群决策问题，提出一种新的、基于EDAS和共识模型的概率语言多属性后悔理论群决策方法。首先，考虑到现实决策中决策者面对方案选择时会呈现“有限理性”的行为，将后悔理论融入到群决策方法的研究中，通过计算决策者的后悔-欣喜值来度量其感知效用；其次，将EDAS方法与概率语言信息处理相结合用于方案排序，并基于最大化偏差法思想，给出一种概率语言多属性决策问题属性权重的确定方法，以得到初始解决方案；然后，对初始解决方案进行共识测度，进一步根据个人属性集得到个人方案集，通过共识模型的动态反馈调整，得到符合大多数决策者意愿的最终解决方案；最后，以共享自行车设计方案的选择为例对所提方法进行验证，并通过对比分析说明方法的可行性和有效性。

摘要：随着互联网的高速发展，社会大众可以通过网络对医疗事件以及医患关系自由地发表个人意见和观点言论，从而产生了海量的、多模态的舆情数据，而这些数据对于引导公众正确的价值导向有着重大研究意义。然而，仅考虑单模态数据的主题分析算法不能精准地把握整个舆情事件的真相，存在主题提取不准确、个人情感先入为主等问题。针对此问题，本文提出了一种基于LDA的多模态数据主题分析算法MD_LDA(Multimodal Data Topic Analysis Based on LDA).通过对各模态主题分析结果进行决策级融合来计算多模态的主题分析结果，进而解决传统方法对多模态数据考虑不全面的缺陷。实验结果表明针对多模态舆情事件，在主题词的提取效果上，所提出的MD_LDA算法优于单一模态数据进行主题分析的算法.而相对比于传统的关键词提取算法TF_IDF与TextRank，MD_LDA算法的准确率以及主题词提取效率均有所提高，证明了结合多模态数据进行主题分析的MD_LDA算法的有效性.

摘要：针对永磁同步电机驱动的伺服系统在不确定性摩擦和未知负载的影响下难以达到高精度的控制效果, 提出了一种基于区间二型模糊系统的带有输出约束的有限时间自适应输出反馈控制方案. 首先, 构建了一个基于 非线性扰动观测器的区间二型模糊状态观测器, 分别完成了对于未知扰动和速度的估计, 区间二型模糊系统完成 了对于非线性摩擦的逼近. 在此基础上结合滤波误差补偿机制和有限时间技术, 引入障碍Lyapunov 函数和反步 控制技术设计了输出约束的自适应区间二型模糊输出反馈控制器. 最后, 根据Lyapunov 稳定性理论提出了严格 的稳定性分析, 保证了闭环系统的所有信号都是有限时间内有界的. 数值仿真和实验验证了所提方法的有效性.

摘要：针对具有两种不同类型部件的温贮备可修系统,基于优先使用权规则,将部件的重试特性和不可靠修理设备引入系统,建立一种新的系统可靠性和成本模型. 失效部件由一个不可靠修理设备维修,当正常的修理设备维修失效部件时会发生不完全故障,此时,它或以一定的概率立即被维修,或以一定的概率继续低效维修失效部件. 在不完全故障下,修理设备有可能发生完全性故障,完全性故障后会立即被维修. 鉴于维修环境的随机波动性,利用PH分布对修理设备的修理时间进行建模,这在一定程度上拓展了模型的适用性. 通过概率讨论得到稳态下系统的一些主要性能指标,构建单位时间的总期望成本函数,并就总期望成本关于各参数的敏感性进行分析. 通过数值实例展示系统参数对系统稳态性能指标和系统成本的影响,为系统可靠性设计者和决策者提供理论支撑和参考.

摘要：无人机航迹规划是一个富含地形威胁、雷达威胁和自身可飞性等多约束的优化问题。本文采用两步制 的规划框架，提出了一种基于集成约束的无人机航迹规划方法。规划第一阶段采用基于多种群策略的差分进化 优化方法，规划第二阶段采用海洋捕食者算法的Lévy 运动优化；集成约束机制在搜索过程中动态更新约束策略 来补偿可行解数量骤减，抑制搜索停滞。经与典型的算法和约束处理策略对比，实验结果表明，所提出的无人 机航迹规划方法收敛性好、稳定性强，能够有效地求解复杂多约束无人机航迹规划问题。

摘要：针对易腐品冷链配送环节存在的成本高、碳排放量大、客户满意度低等问题，本文从易腐品配送的时效性和品质性两方面度量客户满意度并以此为约束，考虑配送过程中的固定成本、运输成本、货损成本、制冷成本、惩罚成本以及碳排放成本，构建了以总成本最小为目标的易腐品冷链配送车辆路径优化模型，设计了改进遗传算法求解优化模型，分析了求解算法的复杂度。数值实验结果表明，本文设计的求解算法总能获得总成本更低、产品新鲜度更高以及碳排放量更少的配送方案；这也表明改进的遗传算法相比于传统遗传算法在成本节约以及客户满意度提高方面具有一定优势；同时也一定程度验证了所建模型的合理性及求解算法的有效性。

摘要：针对当前YOLOv5算法检测钢材表面缺陷精度不高、速度慢等问题，提出了一种基于多尺度轻量化注意力的YOLO-Steel钢材表面缺陷检测方法。首先，提出了一种轻型通道注意力模块，仅需少量计算成本就能有效关注重要通道；其次，利用空洞卷积扩大感受野，提出了一种轻型空间注意力模块，能够在空间维度上提取有价值信息；然后，提出了金字塔注意力结构，利用多级池化放缩特征图，在不同分辨率特征图上使用空间注意力模块学习其空间依赖信息，对多级特征图使用通道注意力模块重构其通道相关信息，改善了检测效果。实验结果表明，YOLO-Steel在钢材表面缺陷数据集上平均精度均值(mAP)可达77.2%，比YOLOv5s算法提高了1.8%，模型时间、空间复杂度与YOLOv5s基本持平。在保证检测速度的基础上有效提高了精确度。

摘要：研究级联双端口网络控制系统在被控对象、控制器和双端口通信信道中同时存在扰动的稳定性问题. 当网络控制系统通过一系列双向通信信道进行信号传输时, 系统建模为通过级联双端口网络进行连接. 由于通信过程中会发生信息的失真和干扰, 我们考虑了双端口信道传输矩阵中的 H∞ 范数有界扰动, 以及被控对象和控制器中的 gap 型扰动. 本文得到了基于通信信道扰动服从范数有界时, 闭环系统和网络控制系统鲁棒稳定之间的关系, 同时也以几何不等式的方式给出了判定网络控制系统鲁棒稳定性的充分条件. 数值算例表明结论是有效的.

摘要：数据中心制冷系统具有非线性、强耦合和大滞后特性，且由于需要全年不间断运行，其能耗不容忽视，传统PID控制参数整定困难，无法取得良好的控制效果，且无法兼顾节能减排，而现有非线性系统优化算法计算量大，不易工程实现.为此本文提出一种数据中心制冷系统模型预测控制框架，控制系统由上层优化层和下层现场控制层组成.上层优化层设计了预测控制策略，控制目标为在满足机房制冷要求的前提下尽可能降低制冷系统能耗，采用神经网络作为优化反馈控制器，将系统整体优化目标函数作为神经网络控制器优化性能指标，结合变分法与随机梯度下降法，对控制器权值和阈值进行在线滚动优化，得到下层各回路被控变量最优设定值，算法占用存储空间适中、计算量小，易于工程实现.下层现场控制层对制冷系统进行实时控制，采用PID算法使被控参数迅速跟踪优化层计算得出的最优设定值，可以在不破坏原有现场控制系统的情况下实现系统性能优化.本文构建了TRNSYS-MATLAB联合仿真平台，针对数据中心制冷系统夏季、过渡季和冬季的控制策略进行了仿真实验，结果表明，所提出的控制系统框架能够在满足制冷要求的情况下，实现系统整体节能，且能够克服干扰和模型不精确等不确定因素的影响，与PID控制相比，系统调节时间缩短了约54%，误差降低了约10.5%，总能耗节省约28.35%.

摘要：现有深度网络跟踪算法应对相似物体干扰、尺度变化、形变模糊、遮挡等问题存在挑战,为此本文提出一种融合多模板注意力机制的鲁棒深度网络算法.研究方法在SiamFc深度网络分支中构建通道和空间多模板注意力机制,以加强网络对目标特征的提取能力;同时融合浅层和深层卷积特征实现跟踪目标的精确聚焦,以克服相似物干扰问题.采用自适应回归网络学习目标采样点与目标边界之间的距离,实现目标区域的动态预测,有效应对目标尺度变化问题.另外,通过计算分类特征的APCE均值和最大值建立模板在线更新策略,实现网络自适应目标形变模糊与遮挡等问题.通过对OTB100和VOT2016等公开数据集的测试,结果表明与目前先进的SiamFc及改进方法相比,本文算法在动态目标跟踪的准确率和成功率上均得到有效提升,研究方法具有强鲁棒性能.

摘要：对于动态过程具有明显迟延和惯性的MIMO系统,常规模糊控制难以建立模糊规则,控制效果不理想.本文针对MIMO控制对象,提出了一种基于分散模糊推理的预测控制(Predictive control based on decentralized fuzzy inference, DFIPC)方法.构造了一组与被控输出对应的分散模糊推理模块.每一个推理模块利用一组分散的模糊推理单元,分别根据各个输出的期望值与预测值之间的偏差进行分散推理.在时间层面,根据动态响应灵敏程度对推理结果进行加权综合,获得等效控制输入;进一步,通过对等效控制输入加权综合产生系统实际控制输入增量.有效克服了模糊推理系统处理多维输入信息时模糊规则难以建立的困难.文中通过仿真试验验证了控制方法对于迟延和惯性明显的MIMO控制对象的有效性和适应性.

摘要：浓密脱水过程是有色金属选冶领域重要的固液分离工序.但由于该过程关键变量难以在线检测、生产设备间相互耦合以及人工经验操作等问题,导致其能耗较高、过程安全性难以保证.针对上述问题,本文以浓密脱水过程为背景,构建了一种基于混合整数线性规划的协调优化模型.利用工业现场的历史数据,建立了底流浓度预测模型,底流泵与压滤泵运行时间预测模型; 在考虑阶梯电价的条件下, 以最小化生产过程能耗为目标,以生产工艺条件、设备安全等为约束条件, 建立了浓密脱水过程的协调优化模型;通过引入辅助决策变量,对优化模型进行线性化处理,将复杂的非线性过程问题转化为更易于求解的混合整数线性规划问题.最终,将所提出的方法实际应用于某选矿厂的浓密脱水过程,应用后平均放矿底流浓度提高了13.5%,能耗经济指标降低了46.8%.

摘要：随着目标数的增多,种群收敛性和分布性的冲突愈加激烈,传统的多目标进化算法的选择算子难以平衡种群的收敛性和分布性.对此,本文提出一种基于自适应聚合距离的多目标进化算法.首先,采用参考点支配关系替代原有的Pareto支配关系,以增加选择压力,加强收敛性；其次,提出自适应聚合距离,通过动态变化的惩罚参数来自适应调整收敛性与分布性的比例；最后,设计一种带有淘汰算子的方法改进小生境选择策略,根据自适应聚合距离的大小进行选择和淘汰操作.为验证算法的可行性,将所提算法在测试问题上与其它4种优秀的多目标进化算法进行比较,并应用于两个实际应用中,仿真结果表明,所提算法的综合性能更优,能有效平衡种群的收敛性和分布性.

摘要：针对动力学模型未知的多输入多输出非线性离散时间多智能体系统的随机时延问题, 提出一种输入增益补偿策略, 并针对其通讯受限问题, 提出一种带有死区操作器的事件触发控制机制. 首先, 采用伪偏导技术沿时间轴方向, 在智能体的每个工作点上建立一种紧格式动态线性化数据模型, 并给出该数据模型的参数估计算法. 在此数据模型的基础上结合符号图论, 研究智能体之间的合作与竞争关系，设计一种事件触发的数据驱动双向编队控制算法. 最后, 通过李雅普诺夫稳定性理论, 矩阵理论, 以及压缩映射原理论证本文中算法的收敛性, 并通过仿真实验和实物实验进一步验证该算法的正确性与有效性.

摘要：在癫痫脑电信号分类检测中, 传统机器学习方法分类效果不理想, 深度学习模型虽然具有较好的特征学 习优势, 但其“黑盒”学习方式不具备可解释性, 不能很好地应用于临床辅助诊断. 本文提出了一种基于视角-规 则的深度 Takagi-Sugeno-Kang(TSK) 模糊分类器 (VR-TSK-FC), 并将其应用于多元癫痫脑电信号检测中. 该算法 在原始数据上构建前件规则以保证模型可解释性, 一维卷积神经网络 (1D-CNN) 从多角度抓取多元脑电信号深 度特征. 每个模糊规则的后件部分分别采用一个视角的脑电信号深度特征作为其后件变量, 视角-规则的学习方 式提高了 VR-TSK-FC 表征能力. 在 Bonn 和 CHB-MIT 数据集上,VR-TSK-FC 算法模糊逻辑推理过程保证可解释 的基础上达到较好的分类效果.

摘要：本文研究了一种新的多无人机对地攻击目标分配问题。在该问题中，攻击方试图通过无人机击毁防御方的高价值目标，防御方试图通过发射拦截导弹对无人机进行拦截，但攻防双方无法事先观察到对方实际采取的目标分配方案。通过分析防御方的拦截导弹分配方案对攻击方收益的影响，本文将该问题构建为一个零和矩阵博弈模型。该模型的策略空间随无人机、高价值目标、拦截导弹数量的增加呈爆炸式增长，现有算法难以在有效时间内对其进行求解。因此，本文提出了一种基于两阶段邻域搜索的改进Double Oracle（DO-TSNS）算法。实验结果表明，相较于DO、UWMA和DO-NS算法，DO-TSNS算法能够更有效地求解考虑防御方具有拦截行为的多无人机对地攻击目标分配问题。

摘要：卷积神经网络已经成为强大的分割模型, 但通常是手动设计的, 这需要大量时间并且可能导致庞大而复杂的网络. 人们对自动设计能够准确分割特定领域的图像的高效网络架构越来越感兴趣. 然而, 大部分方法要不没有考虑构建更加灵活的网络架构, 要不没有考虑多个目标优化模型. 为了解决这些问题, 我们提出了一种称为AdaMo-ECNAS的自适应多目标进化卷积神经架构搜索的算法, 用于特定领域的图像分割, 在进化过程中考虑多个性能指标并通过优化模型的多目标来适应特定的数据集. AdaMo-ECNAS可以构建灵活多变的预测分割模型, 其网络架构和超参数是通过基于多目标进化的算法找到的, 该算法是基于自适应PBI实现了三个目标进化问题, 即提升预测分割的F1-score, 最大限度减少计算成本并最大限度挖掘额外训练潜能. 这项工作的主要贡献就是充分挖掘分割的特征信息并自动搜索高性能和高效网络架构模型. AdaMo-ECNAS在钢铁微观结构数据集和视网膜血管数据集上进行了评估, 所提出方法与其他先进算法比较是具有竞争性的, 甚至是超越的.

摘要：交通场景下的车辆检测问题存在小目标多、目标遮挡严重等情况，本文提出了一种基于改进 YOLOv3的车辆检测算法。由于小目标仅包含较少的像素、特征不明显，因此本文算法在空间金字塔结构中融入软池化操作，搭建 Soft-SPP 结构将多重感受野融合，通过软池化操作最大程度地保留细节，有效提取小目标特征；引入坐标注意力机制，在调整每个通道特征分配的权重的同时能够捕捉具有精确位置信息的远程依赖关系；提出一种新的损失函数 KIoU Loss 作为边界框损失函数，同时考虑边界框的关键点与长宽比使之回归更加准确。实验结果表明，改进后的算法在自动驾驶 KITTI 数据集上平均精度达到 94.69%，相比原始 YOLOv3 算法精度提升了 4.13%，且检测速度仅下降 3.16 frame?s?1，在保持检测速度的情况下明显提升了检测精度。

摘要：在生产调度的过程中，设备常常因加工不同作业而承受不同负载即异构负载。设备受异构负载的影响导致其加工每项作业过程中的退化速率不同，从而影响生产调度与维修计划的排程，进而带来资源闲置和时间成本增加的问题。为了解决该问题，在考虑异构负载影响下，提出单机调度与预测性维修的联合策略，以最小总加权期望完成时间为目标构建相应的集成模型。对单机调度过程中受异构负载影响的设备，建立基于维纳过程的退化模型。根据其退化规律，推导相应的设备剩余寿命的累积分布函数。通过数值实验，分别针对异构负载与平均负载的情况，比较相应集成模型的优化结果，表明了在集成模型中考虑异构负载的必要性，并进行参数灵敏度分析，验证了所建集成模型的有效性。

摘要：覆盖旅行商问题(Covering Salesman Problem, CSP) 是旅行商问题的变体, 在防灾规划、急救管理中有着广泛应用.由于传统方法求解问题实例耗时严重,近年来,深度神经网络被提出用于解决该类组合优化问题,在求解速度和泛化性上存在明显的优势.现有的基于深度神经网络求解CSP的方法求解质量较低,特别在大规模实例上与传统的启发式方法相比存在较大差距.针对上述问题,本文提出了一种新的基于深度强化学习求解CSP的方法,由编码器对输入特征进行编码,提出新的Mask策略对解码器使用自注意力机制构造解的过程进行约束,并提出多起点策略来改善训练过程、提高求解质量.实验结果表明,提出的方法对比现有基于深度神经网络的求解方法进一步缩小了最优间隙,同时有着更高的样本效率,在不同规模和不同覆盖类型的CSP中展现了更强的泛化能力,与启发式算法相比在求解速度上有着10~40倍的提升.

摘要：针对众包同城配送司机与包裹匹配的问题，提出了一种由零售店作为包裹送取或中转节点、私家车司机顺路捎带的配送策略，以平台总收益最大化为目标，构建了允许中转与绕行的众包同城配送司机与包裹匹配问题的混合整数规划模型，并设计了改进的自适应大邻域搜索算法进行模型求解，以大连市主城区为实际场景的数值算例验证了模型和算法的有效性和适用性。研究表明，允许私家车司机绕行与包裹中转的众包同城配送能够提高平台的总收益，使私家车司机和零售店从中获利，有助于缓解城市道路拥堵、减少环境污染。敏感性分析结果显示，增加签约私家车数量及在一定范围内增大车辆最大绕行系数有助于提高司机-包裹匹配成功率和平台总收益。随着包裹配送时间紧迫性的减弱，私家车司机和零售店参与的众包同城配送优势愈加明显。

摘要：ORB-SLAM2因高斯金字塔离散、量化尺度的因素，易造成尺度量化误差。针对这一缺陷，本文提出了孪生过滤器算法。通过在对数极坐标系下进行描述子构造，减少其量化误差，并在同层金字塔中构造笛卡尔坐标系下孪生描述子，利用该描述子距离作为实现过滤，从而提高特征点的尺度不变性，增强其匹配准确率。同时，针对ORB-SLAM2的四叉树算法过度追求离散度而忽略了特征点质量问题这一情况，本文提出了深度有限四叉树算法。利用特征点提取阈值及特征点所在金字塔层进行自适应深度阈值设置，减小弱特征点区域的划分次数，从而减少弱特征点提取数目。实验表明，本文算法能有效提高特征点离散度、正确匹配特征点数目和匹配精度，具有更高的轨迹精度。

摘要：针对传统导航方法对地图精度依赖和动态复杂场景适应差问题，提出一种基于课程学习的深度强化学习无地图自主导航算法。为了克服智能体稀疏奖励情况下学习困难的问题，借鉴课程学习思想，提出一种基于能力圈课程引导的深度强化学习训练方法，其思想是依据智能体能力评估结果设置合适的课程任务目标，让任务更容易完成，在课程任务的引导下智能体导航能力逐步提升，从而有效缓解导航训练情景下奖励稀疏问题。此外，为了更好地利用机器人当前的碰撞信息辅助机器人做动作决策，引入碰撞概率的概念，把机器人当前感知到的障碍物信息以一种高层语义的形式进行表示，并将其编码进机器人当前观测中，作为导航策略输入的一部分，以简化观测到动作的映射，进一步降低学习的难度。实验在仿真和真实模拟场景中进行，实验结果表明，使用所提课程训练后，策略收敛速度明显加快。在所有测试环境中均表现出良好的性能和泛化性，而且在空间更大的场景成功率到达90%以上，行驶耗时减少53.5%~73.1%，可以为非结构化未知环境下无人化作业提供可靠导航.

摘要：本文研究单台批处理机生产与生产前运输的协调调度问题，目标函数为最小化与完成时间相关的生产总成本。以工件为博弈方，以联盟的最大成本节省为特征函数，将调度问题转换为合作博弈模型。针对相同运输时间与加工时间的情形，证明该合作博弈具有非空核，β规则可得一个核分配。针对一般问题，设计Q-learning算法求解联盟最优调度，并利用β规则对节省的成本进行分配。数值算例验证了合作博弈模型的可行性以及Q-learning算法与β规则对节省成本分配的有效性。

摘要：研究了一类具有多种不确定性的非线性系统的全局输出反馈调节问题. 所研究系统的一个显著特点是非线性项被未知增长率和多项式形式的输出函数的乘积界定, 难点是在输出受不确定参数摄动的情况下如何抑制 非线性项. 提出了一种改进的双增益方法来设计输出反馈控制器, 可以确保闭环系统所有信号全局一致有界并且原系统状态收敛到零. 最后, 用质量弹簧机械系统的输出反馈镇定问题来说明控制策略的有效性.

摘要：为提高随机配置网络(Stochastic configuration networks，SCN)的泛化能力，提出了一种适用于SCN的光滑化L1正则化方法.针对L1正则化算子局部不可微的缺陷，在曲线不光滑点的邻域内进行光滑处理，并在此基础上构建SCN的光滑误差函数，提出了增量计算权值的算法；进而以交替方向乘子法为基础给出了权值的全局优化算法，并且在理论上分析了算法的收敛性；与L1正则化的稀疏性和L2正则化均匀减小参数的特点相比，所提方法按重要程度保留了数据的全部特征，使参数既保持在较小的范围内又具有层次分明的分布，从而使网络具有更好的泛化能力；最后，通过数值仿真实验验证了所提方法的可行性和有效性.

摘要：针对域适应技术在源域数据集子类距离过近以及样本数量少时分类精度低的问题,提出了一种基于深度卷积生成对抗网络(deep convolutional generative adversarial network, DCGAN)数据扩充的深度多源子域适应网络(deep multi-subdomain adaptation network DMSAN)故障诊断方法.首先,针对目标域样本少的问题,引入深度卷积生成对抗网络对其进行数据扩充;其次,通过网络分支结构获取多源域的共享特征;再次,使用局部最大均值差异(local maximum mean discrepancy,LMMD)进行特征映射,对齐每个源域和目标域的子领域;最后,采用加权模块实现全局损失的最小化,实现多源域联合诊断.引入美国凯斯西储大学(Case Western Reserve University,CWRU)数据集和搭建故障诊断平台测得的轴承故障数据集进行试验.结果表明,所提模型的跨域故障诊断精度高于其它域适应对比模型,在目标域数据较少时优势尤为明显.

摘要：基于Transformer的视觉目标跟踪算法能够很好地捕获目标的全局信息,但在对目标特征的表述上还有进一步提升的空间.为更好地提升对目标特征的表达能力,本文提出了一种基于混合注意力的Transformer视觉目标跟踪算法.首先,引入混合注意力模块捕捉目标在空间和通道维度中的特征,实现对目标特征上下文依赖关系的建模;然后,通过多个不同空洞率的平行空洞卷积对特征图进行采样,以获得图像的多尺度特征,增强局部特征表达能力;最后,在Transformer编码器中加入本文构建的卷积位置编码层,为跟踪器提供精确且长度自适应的位置编码,提升跟踪定位的精度.在OTB100、VOT2018和LaSOT等数据集上进行了大量实验,实验结果表明,通过基于混合注意力的Transformer网络学习特征之间的关系,能更好的表示目标特征.与其他主流目标跟踪算法相比,所提算法具有更好的跟踪性能,并且达到了每秒26帧的实时跟踪速度.

摘要：研究了输出受限磁悬浮系统基于事件触发机制的有限时间稳定控制问题. 借助于具有时变阈值的有限时间触发策略和正切型障碍函数, 设计了一个新的事件触发控制器, 不仅确保磁悬浮系统的悬浮气隙被限制在一个指定范围, 其状态还在有限时间内收敛到原点. 本文的创新之处在于实现了有输出约束和无输出约束控制设计和理论分析的统一. 最后,通过仿真说明了控制策略的有效性.

摘要：广义证据理论是一种在不完备识别框架中处理多传感器信息融合问题的实用方法.由于时代环境的影响,人们的认知存在局限性,难免会将不完备的识别框架认为是完备的,经典证据理论在这种情况下并不完全适用.因此,本文根据广义证据理论提出了一种新的广义基本概率赋值(GBPA)生成方法.该方法首先根据训练数据分别构造样本类别和测试样本的三角模糊数模型;然后,通过计算样本和类别间的三角模糊距离生成GBPA;最后,使用广义组合规则融合所有的证据并得出最终的结论.Iris数据集的实验结果表明该方法合理有效,即使在样本不足的情况下仍有较高的分类精度.

摘要：虽然协同过滤算法可以实现用户的个性化推荐,但是大多数协同过滤算法及其改进模型未考虑用户和项目等特征,因而不能发掘样本间的非线性关系。与协同过滤相比,虽然深度学习能挖掘丰富的用户兴趣模式,但网络拓扑结构是基于二支决策的方式,忽略了推荐样本的难易程度。为了增强模型的非线性表达,同时区分推荐样本的难易,受序贯三支决策的启发,提出序贯三支决策神经网络个性化推荐模型(STWD-SFNN-PR)。首先,为了将高维稀疏特征向量映射为低维稠密的特征向量,STWD-SFNN-PR采用嵌入进行特征处理。其次,在增量式的网络结构中学习推荐样本,使用Adam优化网络参数,并返回难以推荐的样本。然后,利用序贯三支决策增加延迟决策的策略,并在不同的粒度层上采用序贯的阈值参数,从而动态地实现难以推荐样本的划分。最后,为了验证模型的可行性和有效性,选择多种电影推荐数据集进行研究,并选择经典的神经网络推荐模型、经典的深度学习推荐模型和最新的三支协同过滤推荐模型进行对比,实验表明,STWD-SFNN-PR具有更优的推荐质量。

摘要：模仿学习是一种模仿专家示例的学习模式,需要大量数据样本进行监督训练,如果专家示例掺杂恶意样本或探索数据受到噪声干扰,将影响学徒学习并累积学习误差；另一方面,模仿学习使用的深度模型容易受到对抗攻击。针对模仿学习的模型安全问题,本文从模型损失以及模型结构两个方面分别进行防御。在模型损失方面,提出基于改进交叉熵的模仿学习鲁棒性增强方法；在模型结构方面,利用噪声网络模型提高模仿学习的鲁棒性,并结合改进交叉熵提高模型对对抗样本的抵御能力。本文实验面向3种白盒攻击及1种黑盒攻击方法进行防御性能验证,模仿学习以生成对抗模仿学习(Generative adversarial imitation learning,GAIL)为例,通过各种攻击策略验证了本文提出鲁棒性增强方法的可行性以及模仿学习的脆弱性,并评估了模型鲁棒性增强效果,同时进行了消融实验评估改进交叉熵的模仿学习模型中不同子模型应用噪声网络后的模型性能。

摘要：由于无人机续航能力不足,采用无人机和地面车相互协作完成持续监测任务可以做到优势互补、提高效率。在该异构机器人系统中,地面车可以为无人机进行补能,保证监测任务的持续性。由于周期性的监测路径极易发生监测规律信息的泄露,因此,迫切需要提高无人机监测路径的随机性。针对此问题,本文引入了基尼不纯度指标来评估监测路径的随机性,以目标点的归一化访问间隔时间及其基尼不纯度的加权之和最小为优化目标,建立了无人机和地面车协作系统持续监测路径规划模型,提升了监测路径的隐私性。最后,采用蚁群算法对模型进行求解,可同时获得无人机的路径和地面车的路径,验证了模型的有效性与合理性。

摘要：密度分布不均数据是指类簇间样本分布疏密程度不同的数据.密度峰值聚类(DPC)算法处理密度分布不均数据时,易在密度较高区域内找到类簇中心,将稀疏类簇的样本分配给密集类簇.为避免上述缺陷,本文提出一种面向密度分布不均数据的近邻优化密度峰值聚类(DPC-NN)算法.DPC-NN算法结合逆近邻和k近邻定义新的局部密度,提高稀疏样本的局部密度,使算法更准确找到类簇中心;定义分配策略时引入共享近邻,计算样本间相似性,构造相似矩阵,使同一类簇样本联系更紧密,避免错误分配样本.本文将DPC-NN算法与IDPC-FA、DPCSA、FNDPC、FKNN-DPC、DPC算法进行对比,实验结果表明,DPC-NN算法处理密度分布不均数据时能获得优异的聚类效果,对于复杂数据集和UCI数据集,DPC-NN算法综合性能优于对比算法.

摘要：孔加工是机械制造的基本工序之一. 针对数控机床的刀具路径优化问题, 本文提出了一种新颖的孔加工刀具路径优化模型——带可决策孔的孔加工多刀具路径优化问题(MTdDPO). 在该模型中, 工件上的孔分为两 类: 固定孔和可决策孔.MTdDPO 的目标是通过判断可决策孔的路径归属和路径内各孔的加工顺序以实现加工路径长度的最小化. 为实现MTdDPO 的优化, 本文提出了基于强化学习的分段遗传算法(RLSGA). 在RLSGA 中,种群被视为智能体, 智能体的状态是种群的多样性系数, 三种不同的分段交叉算子是智能体的动作, 智能体的奖励与种群的适应度值和多样性系数的变化有关. 针对MTdDPO, 本文新建了5 个基准测试问题, 并在测试问题上将RLSGA 与其他4 个算法进行对比. 结果表明,RLSGA 的表现明显优于其他算法,RLSGA 能够有效地解决MTdDPO 问题.

摘要：多星任务调度是具有NP-Hard特性的优化问题，随着卫星资源规模与任务需求规模的双重增长，传统调度方法求解效率不高.在轨卫星在常年运行过程中积累了丰富的调度数据.针对大规模多星任务调度场景，建立了多星多波束任务调度模型，并提出了数据驱动的多星任务网络预测调度算法对其求解.以分割的思想，实现多星场景下任务可调度性预测.从历史调度数据中，提取设定的3个静态特征与5个动态特征，构建并训练预测网络，预测任务被不同卫星完成的概率，并以冲突避免、负载均衡等为原则，得到初始任务与资源卫星的分配方案.进一步设计双链结构的进化算法，以双链编码形式表征上述关系，配合设计的交叉、修复等进化算子，优化初始方案中的任务序列与资源分配关系，输出最终任务调度方案.仿真结果证明，与标准遗传算法和蚁群算法相比，所提算法在运行时间、方案收益和卫星负载均衡三方面均有较好的表现.

摘要：本文研究一类不确定离散时间半马尔可夫跳变系统的有限时间鲁棒 H∞ 控制问题. 应用半马尔可夫核方法建模离散时间系统的半马尔可夫跳变过程, 其中驻留时间的概率密度函数依赖系统当前模态和下一模态, 使得所提理论可以考虑不同的驻留时间概率分布类型. 针对随机跳变系统有限时间分析中的跳变次数问题, 提出估计跳变次数最大值的方法. 考虑系统模态驻留时间的上下界, 提出新的有限时间有界概念, 并保证基于半马尔可夫核方法给出的不确定离散时间半马尔可夫随机跳变系统有限时间有界判据数值可解. 在此基础上分析系统的 H∞ 性能指标, 设计模态依赖的状态反馈控制律保证闭环系统的有限时间鲁棒 H∞ 性能. 最后, 通过两个算例仿真验证了所提理论的可行性和有效性.

摘要：本文研究一类特殊的上门服务调度问题,该问题具有一般上门服务调度问题的要求,即要求可能具备不同技能水平的服务人员从同一站点出发,按路径执行被分配的任务后返回站点.被分配的任务在已有研究中对应于图内点,而现实中的上门服务任务还可能具备内部结构(称为多结构型的任务),因此在这类问题中路径的生成过程无法由任务序列本身确定,须要考虑任务指派与含出入点选取的路径规划的协同优化.本文通过分析此类问题特征,建立以总拖期最小化为目标的混合整数规划模型.通过分析模型的解的层次性特点,本文提出基于自适应大规模邻域搜索框架的启发式算法.通过多种规模对比实验发现,本文提出的算法适用于大规模问题和即时性要求.即在小规模算例下平均求解结果与精确解接近;在中、大规模算例下平均求解结果相较一般贪婪算法产生显著优化.因此,本文提出的模型与算法可为多结构型任务驱动的上门服务调度提供参考.

摘要：针对欠驱动旋转激励平移振荡器(translational oscillations with a rotational actuator, TORA)系统的控制问题, 使用了一种自耦PID (self-coupling proportional-integral-differential, SCPID)控制方法. 该方法首先利用坐标变换使TORA系统的质心映射为Huygens振动中心, 以实现新系统控制输入解耦, 避免零动态不稳定问题; 然后以Huygens振动中心设计平移位置的SCPID控制器, 并同时获得小球偏转角度的虚拟指令, 进而设计小球偏转角度的SCPID控制器, 从而实现TORA系统的平衡点跟踪控制; 最后在复频域对闭环控制系统的稳定性进行严格的数学分析和证明. 仿真及与其他方法的对比结果表明,本文设计的控制算法简单高效, 在欠驱动控制系统领域具有实际应用价值.

摘要：针对无人机集群编队自组网的可靠性评估问题,本文考虑无人机集群编队在执行任务时对信息交互的时效性需求，提出一种自组网可靠性评估方案.首先,分析了消息传输的可用时间;其次,通过排队论建立消息传输延迟模型以计算消息传输需要时间;然后,以消息传输需要时间小于可用时间的概率作为评估指标建立了消息传输可靠性计算模型.进而为无人机集群编队提供了一个动态可靠性评估框架以适应集群编队体系配置和环境变化的随机性与时变特性.最后仿真分析了在不同传输任务需求下,编队构型、无人机数量、编队缩放因子、传输速率、信息交互强度以及环境干扰对消息传输可靠性的影响.仿真结果可以为集群编队的队形设计以及集群编队的体系配置提供一定参考依据.

摘要：针对基于深度学习的图像超分辨率重建算法大多侧重于从大量外部训练数据中学习,而忽视图像本身的内部知识以及过于关注局部特征的问题,本文提出了一种基于类金字塔图残差网络的图像超分辨率重建算法.首先,该算法构建的残差图卷积结构利用一种预生成图结构的方式将提取的特征图转换为预生成图结构的顶点来构成图结构数据,从而通过图卷积来学习特征自身内部的拓扑结构,同时使用残差学习适度的加深图卷积网络以提高重建性能;其次,该算法构建的类金字塔多空洞卷积结构,通过充分利用不同大小的感受野,避免了不能完全覆盖所有像素点的缺陷,更好地融合不同尺度的特征信息.最后经过大量实验验证,本文提出的算法显著优于主流超分辨率方法,有着更好的客观和主观度量结果.

摘要：在B2B(Business to Business)物流配送中,收货方通常对配送时间的规律性有较高要求,以配合自身的生产经营活动.本文对考虑时间窗一致性的车辆路径优化问题展开研究,构建其混合整数线性规划模型,并设计自适应大规模邻域搜索算法进行求解.针对每日配送路径在时间维度的一致性耦合关系,提出距离优先和时间窗优先相结合的优化策略,在算法框架中嵌入时间窗标定及一致性检验模型,并设计联动型算子以对每日路径方案进行协同操作.基于既有数据集、自建数据集和大规模实际算例对模型算法的有效性进行验证,结果表明,本文的算法可以快速求得高质量解,提出的时间窗优先策略及对应的联动型算子可以显著提升算法性能.最后,根据数值计算结果量化分析了实现时间窗一致性的附加运输成本,揭示了不同客户点规模和时间窗长度下一致性成本的变化规律.

摘要：针对CACC(Cooperative Adaptive Cruise Control)车队在弯道行驶安全性、稳定性问题，提出一种V2X（vehicle to everything）环境下基于MPC(Model Predictive Control) 算法的弯道区域CACC车队行驶轨迹跟踪方法。首先，研究分析了CACC车队在弯道区域的行驶工况以及纵向平衡问题，并基于牛顿第二定律构建了车辆在弯道行驶的车辆动力学模型；其次，CACC车队基于V2X技术实现车车之间状态信息的实时交互，并以基于车辆运动学的MPC算法为基础，引入可变间距的车队安全距离控制模型，提出了一种适用于弯道区域的轨迹跟踪模型；最后，通过二次规划进行模型求解，实现CACC车队在弯道行驶的轨迹跟踪控制。为了验证方法的有效性，通过CarSim和Simulink仿真不同行驶工况下的CACC车队行驶状态变化，并进行分析。分析表明： V2X环境下的CACC车队在弯道行驶过程中面对不同的行驶工况能够不同程度的保证车车之间的安全性、稳定性以及提升驾乘人员的舒适性，有效验证了V2X环境下基于MPC算法的弯道区域CACC车队行驶轨迹跟踪方法的可行性，为未来V2X环境下CACC车队弯道行驶的实车测试提供了基础。

摘要：针对存在外部干扰的轮式移动机器人轨迹跟踪控制问题, 本文提出一种固定时间轨迹跟踪控制方案. 首先, 对于轮式移动机器人的运动学误差模型, 基于一种新颖的积分滑模面设计固定时间运动学速度控制器, 使跟踪误差在固定时间收敛到原点所在的邻域内. 继而, 对于轮式移动机器人的动力学模型, 设计固定时间干扰观测器对外部干扰信息进行估计, 提出一种固定时间轨迹跟踪控制器, 确保了动力学系统的固定时间稳定性, 实现了轮式移动机器人的高精度轨迹跟踪控制. 最后, 通过仿真结果验证了本文所设计的轨迹跟踪控制方案的有效性.

摘要：随着科学技术的发展, 冗余机械臂凭借其多自由度的特性, 获得学者的广泛关注. 其中包括执行指定任务时, 需要将任务路径转换为关节空间轨迹, 进行逆运动学求解, 求取非线性函数的连续逆映射, 该求解过程尤为重要且非常复杂, 国内外学者对此开展大量研究. 本文将冗余机械臂逆运动学求解方法进行分类, 归纳整理出各类求解方法, 分别概述了解析法、数值解法、智能算法以及对应子方法的基本原理、对比与研究现状. 最后, 指出逆运动学求解方法面临的核心问题与发展趋势.

摘要：近年来,变电站中广泛采用机器视觉算法分析多时相巡检图像的差异变化,用于检测各类变电设备缺陷,以确保运行安全.然而,由于拍摄时刻不同,多时相图像间存在天气,光照,季节等各类干扰变化,对变电设备的缺陷检测提出了挑战.针对这一问题,本文提出了一种基于多时相巡检图像的变电设备抗干扰缺陷检测方法.首先,利用风格迁移模型CycleGAN学习不同风格域之间的映射关系,并基于检测图生成足量存在天气,光照,季节干扰变化的干扰图;其次,基于参考图+检测图+干扰图三元组对三重孪生网络TripleNet进行协同训练,在特征层面提出空间一致性损失抵抗各类干扰变化,用于提取三者鲁棒的多尺度差异特征;最后,搭建特征聚合网络PANet融合多尺度差异特征,输出多尺度的缺陷检测结果.文章中在实际变电设备多时相巡检图像数据集上进行实验验证,所提方法相较于非孪生网络与一般孪生网络可提升2.09%和0.67%的mAP,且在原始样本与干扰样本上的检测精度更均衡.实验表明,本文方法可以在提升变电设备缺陷检测模型精度的同时增强模型的抗干扰能力.

摘要：基于一个生鲜供应商和一个生鲜电商组成的供应链,考虑生鲜供应商的保鲜努力对产品新鲜度的影响,建立了转售模式、代理模式和混合模式下的博弈模型,研究了生鲜供应商提供保鲜努力下生鲜电商的最优销售模式选择,分析了销售模式差异对保鲜努力水平和销售价格的影响. 研究结果显示:当佣金率较高且消费者对产品新鲜度比较敏感时,生鲜电商的最优销售模式是混合模式,否则,生鲜电商的最优销售模式是转售模式,而生鲜供应商的利润和供应链总绩效始终在混合模式下最大. 生鲜供应商在代理模式和混合模式下的保鲜努力水平始终相等,佣金率较低时代理模式和混合模式下的保鲜努力水平高于转售模式下的保鲜努力水平. 此外,代理模式和混合模式下的销售价格随佣金率的降低而提高,佣金率低于一定水平时混合模式下转售渠道的销售价格最高.

摘要：不停机场景下滚动轴承在线早期故障检测面临以下挑战：1）状态监测信号以无标记流数据形态贯序采集；2）轴承正常运行过程易受不规则噪声干扰，产生误报警；3）报警阈值的设置多依赖于人工经验。基于张量分解可有效挖掘信号高维本质信息的优点，本文提出了一种无监督张量深度迁移学习方法。首先，构建基于张量表示的深度多任务异常检测模型，利用核心张量构建单分类异常检测规则表示，并建立超球规则适配机制，交替优化张量分解和域无关特征提取，以实现异常检测规则在离线轴承和在线目标轴承间的有效传递，完成在线无标记数据的异常检测；其次，提出了一个基于异常概率贯序累积的非参数报警阈值设定方法，可在仅设定误报警率置信度的条件下自适应选择在线阈值，并给出该阈值合理性的理论分析。在IEEE PHM Challenge 2012 轴承数据集上进行实验，结果表明，本文方法可获得更好的检测实时性和更低的误报警数，为早期故障检测提供了一种具有易部署性和鲁棒性的解决方案。

摘要：研究属性权重和专家权重均未知条件下的概率语言多属性群决策问题. 首先,针对传统概率语言术语集距离测度的不足,提出改进的距离测度,并证明其性质和优越性. 其次,基于新的距离公式,定义决策者的平均相似度,并结合专家之间的信任度矩阵计算每个属性下决策者的综合权重;构建基于相似-信任分析的群体共识调节模型,尽可能保留各属性下权威专家的意见;考虑到属性之间的相关性以及各个属性的重要程度,构建基于广义Choquet积分和离差最大化法的主客观综合赋权模型.随后,在新的距离测度的基础上,结合TODIM方法构建概率语言多属性群决策框架,实现对多个备选方案的排序.最后,以光伏电站的选址为例,验证所提出方法的有效性和合理性.

摘要：本文基于矩阵半张量积方法研究智能电网需求侧管理问题. 首先, 基于势博弈的判定条件, 利用势博弈对智能电网需求侧管理问题建模并构造相应的势函数; 其次, 当策略更新规则为时间级联型短视最优响应时, 设计牵制控制使得势博弈在演化过程中镇定到最优纳什均衡. 在牵制控制设计过程中, 为减少控制成本, 设计算法得到尽可能少的控制玩家; 最后, 通过算例验证理论结果的有效性.

摘要：Vision Transformer(ViT)已广泛应用于细粒度视觉分类中,针对其中存在的大数据量需求和高计算复杂度的问题,提出了一种紧凑型ViT模型.首先,使用多层卷积块生成模型输入,保留更多底层信息和归纳偏置,减少了对数据量的依赖;其次,使用序列池化技术取消了分类令牌的使用,减少了计算复杂度;最后,使用部位选择模块和混合损失函数,进一步提升模型在细粒度视觉分类中的表现.本文算法在公共数据集CUB-200-2011、Butterfly200、Stanford Dogs、Stanford Cars和NABirds中均进行了实验验证,在只使用少量的数据和计算资源条件下,分别获得了88.9%、87.4%、89.0%、93.4%和88.0%的准确率,训练时间平均比常用的ViT-B_16模型下降了73.8%,同时比TransFG模型下降了93.9%,并且训练过程中的参数量只有这两种模型的1/4左右.实验结果充分证明,本文所提的模型较之其他主流的方法在数据量需求和计算复杂度方面具有明显的优越性,可广泛应用于工业过程控制、设备微小故障检测与诊断中.

摘要：为解决目前目标检测算法在微小行人的识别与定位过程中准确率较低的问题，提高微小行人检测能力，本文提出一种基于自适应融合与特征细化的微小行人检测算法AF-RetinaNet。该算法首先将特征增强模块与ResNet相结合构建特征提取网络，采用并行结构获得增强特征。其次使用上下文自适应学习模块，通过获得目标上下文的特征信息，从而关注相似特征的差异性，缓解误检问题。最后构造具有图像超分思想的特征细化模块，对目标特征信息进行放大重构，优化小目标的特征表达能力，缓解漏检问题。在TinyPerson数据集上，AF-RetinaNet算法的检测精度达到56.78%，漏检率达到85.38%。与基于RetinaNet算法的研究基准相比，检测精度提高5.57%，漏检率降低3.67%。实验结果表明，该模型能有效提高对微小行人的检测和识别精度。

摘要：针对一类模型未知的离散时间非线性多智能体系统聚类一致性问题, 提出一种无模型自适应控制算法.首先假设系统具有固定拓扑, 利用伪偏导数概念得到系统的数据关系模型, 在考虑多智能体之间耦合系数条件下给出聚类一致性误差, 在此基础上设计一种数据驱动的聚类一致性跟踪控制协议, 然后采用压缩映射方法在理论上分析了跟踪误差的收敛性. 结果表明所提算法不需要智能体模型信息即可完成跟踪任务, 是一种数据驱动的控制方法. 最后将结果拓展至随机切换拓扑结构的多智能体系统中. 数值仿真结果验证了所提算法的有效性.

摘要：作为数据挖掘领域中一项重要的数据预处理技术，特征选择算法能够有效应对高维数据所带来的“维数灾难”问题。然而，如何对高维的混合数据进行特征选取仍然是当前研究的重点与难点之一。基于邻域关系的邻域粗糙集模型因其能够处理名词型属性和数值型属性并存的混合数据，已被成功运用于混合数据的特征选择。但现有邻域粗糙集对混合数据邻域关系的度量，仍然是基于等价关系的名词型数据划分和基于相似关系的数值型数据划分的简单融合，在利用模型划分的邻域空间和预定义的评价函数对高维混合数据进行特征选取时，适应性较差。为此，在邻域粗糙集模型的基础上，提出了一种改进的邻域空间构造方法，并设计了相应的邻域空间度量公式作为判别指标，自适应地调节邻域空间下邻域粒的大小；为了准确地表征高维混合数据邻域空间的判别能力，设计了一种考虑边界数据和邻域空间大小的评价函数；在此基础上提出了一种启发式的高维混合数据特征选择算法。通过UCI标准数据集验证了算法的有效性。

摘要：在许多社交场景中,个体往往因为从众行为而改变自己的观点.为了探究从众行为对个体观点演化的影响,本文提出具有群体压力的改进Hegselmann-Krause (HK)模型.与已有模型不同,本模型中每个个体对其余个体的影响程度并不总是相同.在此基础上,通过理论分析了该模型的收敛性,并给出该模型的收敛时间及其与信任边界、群体压力大小等因素的关系.考虑到群体中存在合作与对抗两种关系,本文进一步提出具有群体压力的改进符号HK模型,证明了该模型的收敛性,并给出其收敛时间及与信任边界、群体压力大小等因素的关系.最后,仿真分析了信任边界和群体压力对所提出两种模型的观点演化过程和收敛时间的影响,并验证了所提出模型的有效性.结果表明,信任边界与群体压力越大,群体内个体的观点收敛越快.

摘要：目前多数红外与可见光图像融合算法在融合过程中通常需要对源图像进行分解，这样易导致融合图像细节模糊和显著性目标丢失。为解决该问题，本文提出了一种基于深度卷积特征提取的红外与可见光图像融合方法。首先，利用迁移学习理论对EfficientNet特征提取性能进行分析，选择七个特征提取模块；其次，直接将源图像送入特征提取模块以实现显著性特征提取。之后，构造通道归一化和平均算子操作用于获取显著图。再使用Softmax和Up-sampling组合的融合规则来得到融合权重，然后将融合权重与源图像进行卷积，生成七幅候选融合图像。最后，将候选融合图像的像素最大值作为最终的重构融合图像。所有实验均在公共数据集上进行，并与经典的传统和深度学习方法比较，主客观实验结果均表明，所提方法能有效地融合红外与可见光图像中的重要信息，突显融合图像的细节纹理，具有更好的视觉效果和更少的图像伪影及人工噪声。

摘要：可解释人工智能(explainable artificial intelligence, XAI) 近年来发展迅速, 已出现多种人工智能模型的解释技术, 但目前缺乏XAI 可解释性的定量评估方法. 已有评估方法大多需借助用户实验进行评估, 这种方法耗时且成本高昂. 本文针对基于代理模型的XAI, 提出一种可解释性量化评估方法. 首先, 针对这类XAI 设计了一些指标并给出了计算方法, 构建了包含10 个指标的评估指标体系, 从一致性、用户理解性、因果性、有效性、稳定性五个维度来评估XAI 的可解释性. 对于包含多个指标的维度, 将熵权法与TOPSIS 相结合, 建立综合评估模型来评估该维度上的可解释性. 将该评估方法用于评估6个基于规则代理模型的XAI 的可解释性, 实验结果表明: 本文方法能够展现XAI 在不同维度上的可解释性水平, 用户可根据需求选取合适的XAI.

摘要：针对一类含有外部扰动和执行器故障的刚体航天器姿态控制系统,提出一种基于自适应学习观测器的指定时间容错控制器的设计方案.首先,系统性地给出一种改进型自适应学习观测器设计方案,基于自适应学习观测器框架,设计航天器姿态系统的学习观测器实现对系统的综合扰动值估计;然后,利用综合扰动的估计信息和滑模控制理论设计指定时间容错跟踪控制器,使得系统的姿态角能在指定时间跟踪指令信号.系统的收敛时间可通过容错控制器的参数预先设置,且与系统的初始状态值无关;接着,基于Lyapunov稳定性理论验证含有故障的姿态控制系统能够在指定时间内稳定;最后,通过数值仿真,与已有的观测器和有限时间控制方案进行对比,表明所提方案的有效性和可行性.

摘要：本文基于双边市场理论，考虑产能分享双边市场具有网络外部性特性，同时考虑产能需求方对加工交期和价格敏感，研究了垄断型制造业产能分享平台的定价策略。首先建立平台和双边用户的两阶段决策模型，通过计算求解探索了注册费和交易费收费模式下的平台均衡利润，并分析了交叉网络外部性等外生变量对各方决策和平台利润的影响。研究发现：注册费模式下的平台均衡利润大于固定交易费模式下的平台均衡利润；两种定价模式下的平台利润与双边用户的网络外部性均正相关，与产能需求方的交期预期偏差均负相关，与产能需求方的产能价格预期均正相关；产能需求方的交期敏感度在实际交期早于或晚于预期交期时对平台利润有不同影响，产能需求方的产能价格敏感度在产能实际价格低于或高于预期价格时对平台利润也有不同影响。

摘要：针对三维场景深度信息观测稀疏的问题,提出一种融合彩色图像的多引导结构感知网络模型来补全稀疏深度. 利用三维平面法向量与场景梯度信息之间的映射关系,设计了一种两分支主干网络框架,结合图像特征和几何特征进行深度预测,以充分提取空间位置信息的特征表示;其次,考虑到大范围场景下不同物体的结构差异性,基于网络通道注意力机制设计了一种自适应感受野的结构感知模块,来对不同尺度的信息进行表征;最后,在网络上采样的过程中,以不同尺寸图像为指导对预测子深度图进行滤波并修复物体的边缘细节. 在公开数据集上的实验结果表明,所设计的深度补全算法可以获得准确的稠密深度. 同时,通过两个下游感知任务进行深入评估,结果说明利用本文方法能够有效提升其他感知任务的效果.

摘要：针对未知但有界扰动作用下的约束线性系统,提出一种性能维持的增广可行域Tube经济模型预测控制(Tube economic model predictive control, TEMPC)策略.首先考虑经济性能优化目标和鲁棒稳定控制目标,构 造TEMPC优化问题的隐式收缩约束,再对系统状态和控制约束进行紧缩tube设计,给出增广可行域优化问题的数学描述.接着,引入线性分解增广名义终端状态和终端罚函数,进而扩大优化问题的初始可行域.在此基础上,应用终端“三要素”和收缩原理,建立TEMPC策略的递推可行性和闭环系统关于最优经济平衡点的有界稳定性的充分性条件,进而证明闭环性能在原初始可行域上的不变性.最后,对比仿真结果验证本文策略的有效性和优越性.

摘要：针对现有稀土元素组分含量模型具有离线、时滞大、抗干扰能力弱等问题，提出一种改进的GRA-即时学习算法(GRA-JITL-LSSVM)建立稀土萃取过程组分含量在线检测模型。首先，采用灰色关联分析方法(GRA)分析输入输出变量之间的变化趋势和关联程度，并采用哈希表确定学习集大小，确保了数据相似度信息的完整性和学习集的合理性，据此建立最小二乘支持向量机(LSSVM)模型，并引入数据库更新准则，提高模型的抗干扰能力；其次，为了保证GRA-JITL-LSSVM模型参数的全局最优，提出了一种带有停滞回溯策略的遗传算法(SBS-GA)，并对SBS-GA的收敛性进行了分析验证；最后，通过镨/钕萃取现场数据进行仿真实验，结果表明提出的SBS-GA算法能保证寻优参数的全局解，提出的GRA-JITL-LSSVM实时性高、预测精度好，可用于稀土萃取生产现场元素组分含量的在线检测。

摘要：高精度的交通流预测,对于大型城市的交通管理和智慧出行具有重要作用。而交通流动态时空相关性的挖掘,则是提高预测精度的关键。针对现有研究中存在的对交通流在不同时间尺度下呈现出的高度相似性,以及处于相似功能区的非邻近节点间交通流变化的相似性考虑不足的问题,构建了考虑时空相似性的动态图卷积神经网络(Dynamic Graph Convolution Neural network considering Spatio-Temporal Similarity, STS-DGCN)。以相邻时段、日和周等多时间尺度下的数据输入张量表达交通流数据的时间相似性,以路网节点间距离度量、相似性度量、自适应嵌入、动态相关性等多属性特征的邻接矩阵表达交通流数据的时空相似性,进而基于这些邻接矩阵构建反映路网节点时空动态变化的动态图,并设计了相应的时空特征挖掘算法。在公开的数据集上进行了实验,结果表明：模型的预测结果优于目前较为先进的对比基线模型,具有更高的预测精度。

摘要：电动汽车行驶里程短、充电时间长是影响驾驶体验的关键。通过对电网、充电设备进行大规模升级的方法来减少充电时间，成本昂贵，因此充分利用现有路网、电网资源，制定智能充电调度策略成为提高驾驶体验的重要手段。考虑到驾驶者对充电时间敏感度的异质性，本文提出具有差异化的调度策以满足不同优先级驾驶者的需求。首先为均衡不同优先级驾驶者的利益，提出一种基于动态截断机制的两优先级队列模型，其次定义充电站的准入原则，保证高优先级驾驶者对预留桩的使用权及对空闲桩的优先抢占权。然后，提出基于截断机制的双层优化模型CCPQ( Charging With Cutoff-Priority Queue )，在顶层高优先级车辆与充电桩最优匹配的基础上，设计底层低优先级车辆的分配策略优化模型，将最小化低优先级驾驶者的总等待时间构建为凸优化问题。最后，通过仿真验证了策略的有效性及优越性。

摘要：针对跟踪过程中因光照变化、 快速运动及尺度变化等造成的角点定位精准度下降问题，我们受SiamCAR的跟踪框架启发提出了一种无锚双注意力孪生网络的视觉跟踪算法。首先，主干网络ResNet-50残差网络结合增强多层融合特征图进行特征提取，充分利用了网络浅层特征的定位信息和深层次的语义信息，提高了算法对目标特征的语义理解能力。其次，构建了混合注意块模块缓解了无锚跟踪器角点定位不准确问题，提高了算法的跟踪准确性和定位精度。在OTB100数据集下的对比实验表明，本文算法可以较好地抵抗光照变化、快速运动及尺度变化等多种复杂因素带来的影响。并且在GOT10K、UAV123、LaSOT等数据集上进行了广泛的实验并与当前的先进跟踪器进行了比较，我们的算法在多项指标上均获得了良好的跟踪性能。

摘要：Transformer在大规模数据集上取得了优异效果，但由于使用多头注意力使得模型过于复杂，且在小规模数据集上效果不理想。对多头注意力替换的研究在图像处理领域已取得一些成果，但在自然语言处理领域还少有研究。为此，本文首先提出一种去注意力的多层语义感知机(Multi-Layer Semantics Perceptron, MSP)方法，其核心创新是使用线性序列转换函数替换Encoder中的多头注意力，降低模型复杂度，获得更好的语义表达。其次，提出一种动态深度控制框架(Dynamic Depth Control Framework, DDCF)，优化模型深度，降低模型复杂度。在MSP方法和DDCF的基础上，进而提出了动态多层语义感知机(Dynamic Multi-layer Semantics Perceptron, DMSP)模型，在多种文本数据集上的对比实验结果表明，DMSP既能提升模型分类精度，又能有效降低模型复杂度。与Transformer比较，DMSP模型分类精度大幅提升，模型的参数量仅为Transformer模型的35%左右。

摘要：基于群体智能“隐并行性”实现多任务优化已取得一系列研究成果。然而，任务间频繁垂直信息传递导致种群异质性过度增加，进而产生信息负迁移消极影响，这也是目前多任务优化领域尚未完全解决的难题之一。本文首先将PSO算法与多种群演化信息共享机制相结合，然后引入标杆管理思想实现多层级信息迁移及智能涌现，最后通过计算种群多样性指数有效控制信息迁移频率，提出多级信息迁移多任务优化PSO算法（MLITMTPSO）。仿真实验表明，通过设置合理的信息迁移阈值，MLITMTPSO能在多项式时间内显著提高多任务高维函数优化、多任务多约束函数优化以及多任务二元离散优化问题求解质量，加速各优化问题收敛速度。