摘要：多机器人路径规划为共享工作环境中的多个机器人规划从起始位置到目标位置的无冲突路径集合,是多智能体领域协同规划方向的重要课题.然而,时钟漂移、动态障碍物、机器故障等现实因素,可能会导致多机器人系统的实际执行过程与规划方案存在时间上的偏差,使机器人之间发生意外冲突.面向不确定性因素展开多机器人路径鲁棒规划并在一定程度上保证规划方案的安全执行,是当前路径规划领域的挑战之一.对此,首先整理不确定性下多机器人路径规划的问题描述;然后分别从面向不确定性的鲁棒规划算法、在线执行策略以及评价指标等方面对目前研究进行综述,讨论各类解决方法的思路和特点;最后对多机器人路径鲁棒规划研究的关键技术进行展望.

摘要：通信技术和自动驾驶技术的高速发展为车辆队列协同控制带来了新的机遇.车辆队列协同控制能够有效提高车辆的行驶安全性,增加交通容量,减少交通拥堵,降低燃油消耗,具有重要的社会和经济效益,已成为智能交通系统重要研究方向和学术研究的热点.鉴于此,针对车辆队列协同控制的现有研究进展,从车辆队列建模、通信拓扑结构、单队列与多队列协同控制、队列性能分析4个方面分别概述现有研究方法及其优缺点,并对未来车辆队列协同控制的研究进行展望,为后续更深入的研究提供参考.

摘要：为了解决传统扩张状态观测器存在对系统状态跟踪速度慢、跟踪精度低的问题,基于滑模控制方法设计一种新型三阶固定时间收敛滑模非线性扩张状态观测器,并对其收敛时间和稳态误差进行分析.首先,提出一种新型固定时间收敛滑模面和滑模趋近律,并借助滑模控制方法设计得到滑模非线性扩张状态观测器;然后,利用Lyapunov函数证明该滑模非线性扩张状态观测器能够实现固定时间收敛,并分析其对系统扰动的估计误差;最后,仿真对比实验表明,与传统扩张状态观测器相比,所提出滑模非线性扩张状态观测器能够实现对系统状态快速且高精度的跟踪、具有显著的性能优势.

摘要：针对机械臂系统力/位混合控制问题,提出一种固定时间模糊自适应阻抗控制方法.首先,利用固定时间自适应模糊反步法处理机械臂系统的未建模动态;其次,构造固定时间命令滤波器实现对虚拟控制函数的有效逼近,并引入误差补偿机制消除滤波误差;同时,设计固定时间抗饱和器消除饱和对系统性能的影响,稳定性分析表明闭环系统所有信号都是固定时间有界的;最后,通过仿真实验验证了所提出的控制策略的有效性.

摘要：ChatGPT所代表的大语言模型对AI领域产生了颠覆性影响,但它主要关注自然语言处理、语音识别、机器学习和自然语言理解.对此,将大语言模型应用于智能决策领域,将大语言模型置于决策中心,并构建以大语言模型为核心的Agent体系结构.基于此,进一步提出双层Agent任务规划,通过自然语言的交互,发出和执行决策指令,并通过兵棋推演模拟环境进行仿真验证.通过兵棋对抗模拟实验,发现大语言模型的智能决策能力明显优于常用的强化学习AI,并且其智能性、可理解性都更强.实验表明,大语言模型的智能性与Prompt密切相关.此外,将大语言模型从以往的人机交互领域拓展到智能决策领域,对智能决策的发展具有重要的参考价值和意义.

摘要：针对高动态通信对抗场景下无人机集群协同干扰资源分配问题,提出一种结合状态正态化、优势标准化、熵正则化机制和近端策略优化算法(state normalization,advantage normalization and entropy regularization-based proximal policy optimization,SANER-PPO)的干扰资源分配方法.首先,以无人机集群有效干扰的目标电台数量最大化和消耗的干扰功率最小化为目标函数,建立干扰资源分配优化问题;然后,将无人机集群映射为智能体,根据干扰资源分配模型建立马尔科夫决策过程;最后,利用SANER-PPO算法求解资源分配优化问题,生成无人机集群的干扰波束和干扰功率的优化决策结果.相比于原始PPO算法,SANER-PPO算法将状态正态化机制引入智能体的决策阶段以增强算法的有效性,将优势标准化机制和熵正则化机制引入更新阶段来提升算法的收敛速度和稳定性.结果表明,所提出算法能有效解决协同干扰资源分配问题,相较于原始PPO和柔性演员评论家两种算法,在资源消耗量和有效干扰的成功率方面具有明显优势.进一步,通过逐步移除所提出算法的改进机制来进行消融实验,验证了3种改进机制的有效性.

摘要：提前预测道路两旁的行人是否存在过街意图或一段时间后是否会出现过街行为是自动驾驶汽车面临的重要挑战之一,如何有效融合不同模态的多元信息是准确预测行人过街意图的重要问题.基于此,提出一种基于混合注意力机制的多信息融合预测模型,使用一种基于交叉注意力机制的图像特征融合网络来提取原始图像与语义图像之间的互补信息,并使模型更加关注与行人过街行为有关的图像部分.同时,提出一种融合注意力机制的分级GRU模块,用以捕捉不同模态的非视觉信息对行人过街意图的影响.在PIE和JAAD数据集上对所提模型进行对比实验,已验证其具有领先于同类研究的性能;针对所提出模块进行广泛的消融实验,表明其有效性.

摘要：传统制造业正逐渐向智能化、绿色化制造模式转型.为实现柔性制造车间的增效减排,以最小化最大完工时间和总能耗为目标,构建充电约束下可变速AGV与机器绿色集成调度模型,并设计一种基于混合学习策略的改进NSGA-II算法进行优化求解.采用基于工序、机器、AGV及其速度的四段式染色体编码方案,对各编码段分别设计不同的交叉变异算子;采用基于反向学习的精英保留策略,以提高算法的种群多样性;提出针对问题特征的邻域搜索算子,基于Q-learning强化学习算法,动态调整迭代过程中的邻域结构,增强算法的局部搜索能力.最后通过仿真实验表明,改进NSGA-II算法是求解该问题的有效方法.

摘要：一致分数阶GM(1,1)(CFGM(1,1))模型是一种基于一致分数阶累加的单变量灰色预测模型.一致分数阶累加生成算子不满足灰色预测理论中极其重要的新息优先原则,且CFGM(1,1)模型存在从差分方程到微分方程的转换误差.为此,提出一种新息优先一致分数阶累加生成算子,结合离散GM(1,1)模型的思想,构建新息优先一致分数阶离散GM(1,1)模型,从理论上导出新算子满足新息优先原则的条件,并用两类智能优化算法寻求模型中的最优累加参数.两个实际案例表明,所提模型不仅能满足新息优先原则,还可以有效克服CFGM(1,1)模型中的转换误差,具有更优的拟合和预测精度.

摘要：针对机器人系统中含有的不确定参数和未知干扰等问题,提出一种基于双滑模观测器和非奇异快速终端滑模控制的复合控制策略.首先,为了估计补偿模型中的不确定参数和外部干扰带来的未知动态,基于机器人系统欧拉-拉格朗日模型构建滑模观测器,以优化机器人系统轨迹跟踪控制性能;然后,针对滑模观测器中存在残差造成的抖振问题,设计辅助滑模观测器,通过将观测误差反馈补偿,抑制观测器在观测扰动时的抖振现象,进一步提高观测精度;接着,为了实现系统抗扰和轨迹跟踪问题,提出有限时间滑模控制器,通过调节滑模控制中的切换增益,可有效地缩短收敛时间,并提高系统的鲁棒性;最后,通过李雅普诺夫稳定性理论证明闭环系统的稳定性,并通过Simulink仿真验证所提出方法的有效性.

摘要：针对一类具有时变时延和非周期性拒绝服务(denial-of-service,DoS)攻击的离散时间线性多智能体系统,提出一种基于动态事件驱动的预测控制方案.通过引入网络化预测控制方法,该方案可有效降低时变时延和非周期性DoS攻击对系统性能造成的负面影响.此外,各智能体的传感器侧均设计动态事件驱动控制机制,以减少各智能体反向通道的数据传输频率,从而节约系统的网络资源消耗.随后给出闭环多智能体系统渐近稳定且输出实现一致的充要条件.最后通过数值仿真结果验证所提出方案的有效性和正确性.

摘要：多目标萤火虫算法在处理大规模稀疏多目标优化问题时难以保证Pareto最优解的稀疏性,当优化问题的目标维数过大时,将导致Pareto支配失效和收敛速度变慢.鉴于此,提出一种基于动态评分和邻域搜索的高维多目标萤火虫算法(SMaOFA).首先,所提出算法基于双编码混合集成的方式生成稀疏的初始种群,并提出动态评分策略,此策略在每轮迭代时动态更新决策变量得分,为后续迭代提供先验知识,以保证解集的稀疏性;然后,根据模糊支配概念以及萤火虫间的欧氏距离提出邻域搜索策略,摒弃全吸引模型对算法收敛速度的影响,同时避免目标维数过大导致的Pareto支配失效;最后,引入线性调整因子改进萤火虫的位置更新公式,提升种群的搜索能力.实验结果表明,处理大规模稀疏多目标优化问题时,所提出算法具备高效的性能.

摘要：为了解决实际生产中的动态多目标优化问题,提出一种基于多场景建模的动态鲁棒多目标进化优化算法.首先,所提出算法将不同环境下的问题视为不同场景,并通过相似度计算和场景聚类建立多个场景;然后,利用改进的多场景多目标进化优化算法求解各场景的折中解,当环境发生变化时,根据新问题所属的场景类,直接应用该场景类的折中解作为新问题的最优解,从而加快算法的响应速度;最后,通过对场景类中问题的约减,保留最具代表性的问题,逐步提高算法的鲁棒性,并降低解的切换成本.实验结果表明,所提出算法能够快速响应环境变化,并提高解的鲁棒性.

摘要：针对信任网络群决策环境下专家意见修正和协调者补偿成本的复杂问题,提出一种考虑多来源参考路径信息干涉效应的信任网络群体共识决策方法.首先,针对非共识专家在意见修正过程中存在不愿调整其意见的情形,建立考虑相对出度中心性指数和自信度的非共识专家调整意愿识别模型.其次,考虑非共识专家对信任专家意见的接受意愿以及协调者意见,结合多来源参考路径信息以波函数形式在愿意调整非共识专家大脑中的干涉效应,建立概率语言环境下考虑量子干涉的意见反馈机制.基于此,进一步考虑协调者补偿成本最小化和个体共识度提高的约束,建立最小意见调整成本共识模型.然后,利用信任惩罚机制降低不愿调整意见的非共识专家对群体共识达成的影响,同时考虑信任调整成本最小化和群体共识达成约束,建立最小信任调整成本共识模型;最后,将所提方法应用于突发事件应急决策,验证该方法的可行性.

摘要：利用改进的Inception-Resnet-V2(IRV2)网络和局部-全局-局部(local-global-local,LGL)模块设计一种结合CNN和Transformer编码结构的孪生网络SiamLGL(siamese local-global-local network)用于目标跟踪.首先,算法特征提取部分采用改进后的IRV2网络,由于网络的层数更深,图片经过IRV2网络提取的特征较浅层网络提取的特征效果更优,特征融合部分采用深度互相关将特征图上的信息进行融合;其次,融合后的特征图利用LGL模块获取目标的全局和局部信息,模块内部采用两个编码器串联,第1个编码器利用深度可分离卷积获取目标的局部信息,第2个编码器利用自注意力获取图片的全局特征,为了降低自注意力结构的时间复杂度,采用稀疏注意力的方式进行计算,在降低时间复杂度的同时保证网络的精度;最后将特征图输入至分类回归网络中,生成对应的目标位置,其中分类网络采用二元交叉熵损失函数,回归网络采用Distance-IoU(DIoU)作为损失函数.算法在GOT-10k、LaSOT、TrackingNet、UAV123、OTB100和VOT2019等6个公开数据集上进行实验评估,结果验证了算法的有效性.

摘要：研究风电并网下电力系统的负荷频率控制问题,针对风电具有间歇性的问题提出基于非周期间歇控制的自动发电控制策略,旨在既保证频率稳定性,又节省控制资源.首先,建立风电作为可调度能源并且考虑不确定参数的自动发电控制系统,通过自动发电控制系统进行电力系统的二次调频,从而维持发电功率和负载功率的平衡;其次,将非周期间歇控制引入自动发电控制,提出基于时间触发和基于事件触发的非周期间歇控制的自动发电控制策略;同时,借助Lyapunov-like函数证明了基于非周期间歇控制的自动发电控制系统的输入到状态稳定;最后,通过含风电、火电和水电发电单元的自动发电控制系统的仿真结果表明,基于非周期间歇控制的自动发电控制策略能够在风电并网下维持电力系统的频率稳定,并且能够有效降低控制成本和控制率.

摘要：研究一种利用不变拓展卡尔曼滤波器(invariant extended Kalman filter,InEKF)和深度学习的车辆定位方案.首先,通过引入轮速计测量模型,构建基于自编码器的深度神经网络,并重构车辆速度真值;然后,基于InEKF推导以SE(3)为状态量的滤波算法,使用该算法融合多源信息以估计车辆位置.实验结果表明,与现有先进方法相比,所提出车辆定位系统可在城市环境下显著提高定位精度.

摘要：浅层特征在超分辨率重建网络中扮演关键角色,其中蕴含丰富的图像细节,对准确估计深层特征具有明显参考价值.然而,研究者常常忽视浅层特征,过度依赖深层模块堆叠和拓扑结构优化,进而造成信息冗余.为此,提出一种轻量级超分辨率重建网络,旨在探索浅层特征与深层特征的映射机制,以提升重建质量.首先,通过利用浅层特征生成特征掩码,引导深层特征的生成过程;其次,采用基于注意力机制的特征选择模块,动态生成特征权重信息;最后,设计双分支特征增强学习模块,平衡输出特征权重并增强特征融合能力,进一步提升重建性能.实验结果表明,所提出的算法在国际通用数据集上显著提升了峰值信噪比和结构相似度指标,同时具有较小的模型参数量和卓越的视觉表现.这些结果验证了所提出的轻量级超分辨率重建网络的有效性和优越性.

摘要：多无人机仿射编队控制能够根据编队需求实现灵活的编队机动.针对存在外界未知扰动情况下的多无人机编队形成及变换问题,研究多无人机仿射编队抗扰控制及编队形成与变换过程中的避碰问题.首先,针对在外界干扰情况下仿射编队形成及变换问题,设计一种基于误差符号函数积分(RISE)的鲁棒控制算法.该控制算法能够对未知外界扰动造成的影响进行有效的补偿,提高多无人机仿射编队控制的鲁棒性.然后,基于Lyapunov分析法证明了编队控制系统的稳定性.针对多无人机机间避碰问题,利用缓冲维诺单元对无人机飞行区域进行分离,在仿射编队形成及变换过程中保证无人机间的碰撞避免.针对避碰过程中可能出现的死锁问题,提出一种启发式算法使无人机能够顺利从死锁中恢复.最后,使用室内实验平台验证所提出算法的有效性.

摘要：针对元启发式算法在求解多星协同调度问题时暴露出的过早或过晚收敛、稳定性较差等问题,提出一种基于数据驱动的自适应并行搜索算法.首先,根据领域知识设计多个任务分配算子,目的是将多星协同调度问题转化为多个单星任务调度问题.然后,启动多个线程并行、独立求解各单星任务调度问题.在算法迭代过程中,各线程依据概率选择不同的邻域操作算子,并且动态更新精英解集和邻域操作算子概率.接着,对精英解集挖掘频繁模式,提取高质量解中有价值的知识并构造新解.最后,将单星任务调度的结果反馈给任务分配层,指导算法开展新一轮的任务分配.仿真实验表明,所提出的算法能够在有限时间内获得高质量的解,在不同的场景下均能表现出良好的适用性和优化效果.

摘要：针对含有虚假数据注入(false data injection,FDI)攻击和传感器故障的异构互联信息物理系统,研究分布式攻击估计器设计问题.首先,将系统状态和传感器故障增广成等价的广义状态空间模型,利用该模型和子系统间的关联信息设计分布式攻击估计观测器.在分布式观测器的设计中,引入中间变量和输出估计误差反馈项,使观测器具有灵活的参数矩阵结构,适用于不同状态维度子系统组成的异构系统,实现对攻击信号和传感器故障的同时估计.其次,对动态误差系统进行稳定性分析,利用${H_\infty

摘要：区间约束多目标优化问题的目标函数或约束条件中至少有一个含有区间不确定性参数,该问题广泛存在于实际工程应用中.目前求解该问题的算法非常少,且实际约束优化问题的可行域往往是间断的.针对具有间断可行域的区间约束多目标优化问题,通过定义区间约束违反度,给出基于区间的可行性规则,基于此,提出一种区间约束违反度引导的区间约束多目标进化算法.所提出算法以基于分解的区间多目标进化算法为框架,首先,采用拉丁超立方体采样在搜索空间中探测可行域,利用均匀分布的采样点构成初始种群;然后,每隔固定进化代数,基于个体的区间约束违反度或区间拥挤距离,自适应调整参考向量;接着,使用双差分变异算子生成新个体,并基于可行性规则更新邻域个体;最后,将所提出算法在构造的具有间断可行域的区间约束多目标基准函数和海岛综合能源系统优化调度问题上进行测试,并与3个区间约束多目标进化算法比较.实验结果表明,所提出算法具有优越的性能.

摘要：研究在多策略网络攻击下切换系统的滑模控制问题.在传感器向控制器传输信息的通道中,系统遭受到多策略的虚假数据注入(false data injection,FDI)攻击.与传统的FDI攻击不同,多策略FDI攻击会根据攻击时刻选择不同攻击策略.多策略FDI攻击造成系统传输信息的损坏,进而导致切换系统状态不稳定甚至发散.为解决这一问题,应用滑模控制方法保证切换系统的依概率输入-状态稳定性能.应用Lyapunov函数方法得到了闭环切换系统稳定性的充分条件.另外,建立了系统状态与受损状态信息之间的数学模型,基于可用的受损状态,设计滑模控制律,所设计的滑模控制律保证了系统状态的可达性,系统状态轨迹在有限时间内被驱动到指定滑模面内.最后,通过数值仿真验证了所提方法的有效性.

摘要：自知识蒸馏降低了对预训练教师网络的依赖,但是其注意力机制只关注图像的主体部分,一方面忽略了携带有颜色、纹理信息的背景知识,另一方面空间注意力的错误聚焦情况可能导致主体信息遗漏.鉴于此,提出一种基于动态混合注意力的自知识蒸馏方法,合理挖掘图像的前背景知识,提高分类精度.首先,设计一个掩膜分割模块,利用自教师网络建立注意力掩膜并分割出背景特征与主体特征,进而提取背景知识和遗漏的主体信息;然后,提出基于动态注意力分配策略的知识提取模块,通过引入基于预测概率分布的参数动态调整背景注意力和主体注意力的损失占比,引导前背景知识相互协作,逐步优化分类器网络对图像的关注,提高分类器网络性能.实验结果表明:所提出方法使用ResNet18网络和WRN-16-2网络在CIFAR100数据集上的准确率分别提升了2.15%和1.54%;对于细粒度视觉识别任务,使用ResNet18网络在CUB200数据集和MIT67数据集上的准确率分别提高了3.51%和1.05%,其性能优于现有方法.

摘要：受损路网修复和物资配送是灾后应急响应初期的两个重要环节,已有研究大都将路网修复和物资配送割裂开来考虑,难以满足实际救援需求.为此,在构建抢修队与运输队联合调度的路网模型的基础上,引入马尔科夫决策过程来模拟抢修队的修复活动和运输队的救援活动,分别设计相应的状态、动作集和即时奖励函数,并提出一种基于双层交互Q学习的路网抢修和物资配送联合调度算法.对比实验表明,所提方法能有效提高路网抢修和物资配送的效率,可为应急响应初期的救援与处置提供及时可靠的物资保障.

摘要：时间序列数据广泛存在于工业、医疗等应用领域的分布式边缘设备中,由于其往往具备人类不可识别的特征,基于现实数据的时间序列分类任务中普遍存在数据“孤岛”和标注错误等问题.为解决分布式数据环境下这一困难,提出一种联邦时序过滤框架,该框架充分考虑自监督对比学习在提取复杂时序数据表征的优越性,并结合联邦学习方法来解决分布式系统的隐私安全问题,同时降低通信成本.首先,通过在服务器上维护一套基准样本,使用基于区别对比损失和预测对比损失的时序增强预监督策略,通过预训练-微调方法获得一个高泛化时间序列表征能力的预监督模型;然后,引入一种新的标签噪声过滤的方法,利用由预监督模型指导的伪标签与本地标注的标签协同过滤设备中的噪声数据,并将干净数据集用于全局模型的训练;最后,根据各种标签噪声下对框架进行有效性验证,验证不同基准数据比例对于所构造框架的影响,并通过消融实验验证预监督模型各损失的过滤效果.

摘要：多目标跟踪是自动驾驶领域中的一个关键问题.然而,仅依赖单一图像信息或点云信息难以克服复杂场景下的跟踪挑战,目前,多模态融合的跟踪方法在融合性能、数据关联、轨迹管理等方面仍然存在许多问题.为此,提出图像与点云三维体信息交互的3D多目标跟踪网络.首先,设计三维体特征交互模块来获取目标的三维体形态信息,得到更有判别性的特征,提升复杂场景下的定位精度;然后,设计基于三维综合运动估计的数据关联,利用卡尔曼滤波以及目标在点云中的运动信息,获取目标在下一帧中的位置预测,从而提升目标在帧间的一致性;最后,为进一步增强轨迹关联的鲁棒性,设计一种基于三维体特征的轨迹管理模块,以更好地克服目标消失-重现的关联问题.在KITTI数据集上的实验结果表明,与其他方法相比,所提出跟踪方法具有更好的跟踪性能.

摘要：聚类集成算法在数据挖掘和模式识别等领域应用广泛.现有的聚类集成算法虽取得了显著的进展,但鲜有同时考虑如何处理冗余成员和关注成员内部多样性的算法.对此,设计一种簇的不确定性度量指标,并提出一种基于成员选择的簇加权聚类集成算法.首先,利用平均差异性度量和筛选聚类成员,并引入信息熵衡量簇的不确定性,给簇赋予相应的权重;其次,在基于成员选择的簇加权共协矩阵和高置信度矩阵的基础上构建增强矩阵;最后,在增强矩阵上执行层次聚类算法得到最终的聚类集成结果.采用多个UCI数据集进行实验,将所提算法与主流的聚类集成算法进行比较,实验结果表明,所提出的算法可以获得更好的聚类集成效果,且具有较高的鲁棒性和稳定性.

摘要：针对风电场监控和数据采集系统(supervisory control and data acquisition,SCADA)数据在采集传输过程中常遇到的数据丢失问题,提出一种新的自适应轻量化生成对抗网络插补策略(adaptive transformer slim GAIN,AT-SGAIN),旨在增强数据完整性.AT-SGAIN通过简化GAIN模型结构,显著提高了计算效率;采用双判别器结构,分别用于真实数据和生成数据的鉴别,保障了速度提升过程中插补精度的维护.算法集成了Transformer(变压器模型)编码器,增强了对风电数据时间序列特征的捕捉能力,并通过自适应双分支注意力机制,精准调整通道和空间注意力权重,提升了网络对局部信息的敏感度.实验结果证明,所提算法在多项对比测试中均显著优于现有经典方法.

摘要：灾后路网修复决策研究中“一个受损路段只能由一个维修队修复”的常用约束限制了通过多维修队合作减少重要路段修复时间,从而改善修复效果的可能.为解决该问题,基于受损路网模型和多维修队修复同步性,提出多维修队合作修复策略的约束式,研究以路网性能累计效用最大化为目标的应急救援阶段灾后路网多维修队合作修复调度与路由联合优化问题.首先,根据灾后节点可达性建立路网性能评价指标;然后,设计多维修队场景下修复动作的回报函数,以此为基础构建灾后路网多维修队合作修复调度与路由联合优化问题的马尔可夫决策过程,并采用贪心算法和Q学习算法求解该问题;最后,通过案例分析结果表明,在随机破坏和灾难点破坏场景中,所提出方法能够加速路网性能的恢复,有效提升应急救援阶段路网性能累计效用,保障灾后救援活动顺利进行.

摘要：在系统的结构可靠性分析中,针对主动学习克里金(active learning Kriging, AK)方法中学习函数涵盖信息不全面、终止准则过于保守,导致在高维因子系统的求解中加点过多带来高昂成本、效率较低的问题,提出一种高维性能因子系统结构可靠性的主动学习分析方法.首先,基于初始样本构建Kriging模型,基于一种新的学习函数寻点并更新模型,该函数能够同时考虑极限状态面附近、方差所度量的不确定性大小以及候选点本身的概率密度情况,使得增加的学习点更具代表性;然后,使用预测值的最大相对误差作为加点终止准则;接着,估计系统的失效概率;最后,在3个数值函数算例验证的基础上,针对一个8维曲柄滑块机械结构中连杆的失稳问题进行研究.实验结果表明:与已有常见的学习函数相比,所提出方法在保证预测精度的条件下,减少了加点数量,能够实现准确、高效的可靠性分析.

摘要：多机器人或无人机组成的集群在执行任务的过程中,当探测到未知外部个体时,需要识别其意图来决定如何应对.然而,集群内部节点会受到针对测量信号的干扰攻击,导致对外部个体的测量存在误差,进而影响到对其意图的识别.针对此问题,设计一种考虑网络攻击的基于分布式意图识别的集群控制算法.在该算法中,集群内部执行集群控制律,当探测到未知外部个体时,集群内部各个节点采用攻击识别算法来识别其是否受到网络攻击;然后,利用基于攻击识别策略的分布式卡尔曼滤波算法,对外部个体的状态进行分布式状态估计,以最大程度上削弱网络攻击对测量值的影响;接着,利用Fréchet距离计算期望轨迹与测量轨迹的相似性,并采用基于分布式共识算法来判断该外部个体的意图,作出逃逸或汇聚控制.仿真结果验证了所提方法的有效性.

摘要：为解决汽车传动轴轴承密封唇与防尘盖间过盈量的多目标优化问题,提出一种基于广义正态分布优化(GDNO)和多目标黑猩猩优化算法(MOChOA)的汽车传动轴轴承密封圈过盈量优化设计方法.利用带扰动的数字分段线性混沌映射初始化黑猩猩个体的位置,降低前期搜索的盲目性,提高MOChOA的收敛速度,改进MOChOA的寻优精度;将GNDO用于MOChOA的全局探索和局部开发,选择当前最佳位置,降低MOChOA陷入局部最优的概率;采用MOChOA在搜索空间中寻找Pareto最优解集,为轴承设计人员提供了多种解决方案.实验结果表明,利用该方法优化后轴承的密封性能得到较大提升,优化后轴承污染物进入量的平均值减少77.78%.

摘要：近年来,信息物理系统网络安全问题成为一大研究热点.以攻击者角度研究攻击设计问题可有效评估系统对网络攻击的脆弱性并为设计网络保护措施提供理论依据.鉴于此,在$\epsilon$-隐性下研究针对信息物理系统远程状态估计的最优欺骗攻击设计问题.首先,与需要额外滤波器和历史数据在线计算真实新息的相关结果不同,提出一种利用离线生成的攻击信号篡改传感器测量值以降低系统性能的自生成攻击模型,使攻击更易实现.随后,推导得出该攻击下远程估计误差以量化攻击效果,并将攻击设计问题转化为多变量受限二次优化问题.不同于相关结果的恒定均值,模型采用更具一般性的时变均值,使优化问题包含更多决策变量且相关结果中的攻击优化方法无法直接求解.因此,利用K-L(Kullback-Leibler)散度和互信息的相关统计学性质将问题等价转化.再结合拉格朗日乘数法和所提出的参数特征关联覆盖法得到最优攻击策略,使其在$\epsilon$-隐性下最大化远程估计误差.最后,通过仿真实例验证结果的有效性.

摘要：数智化时代下,日益复杂的电磁对抗态势不断促使着探测环境中杂波密度的上升,雷达分辨率的增强也已将目标量测的类型从点目标转变为扩展目标,二者在用于描述杂波的信息约减因子(IRF)法中均已成为重要的影响因素.针对这一现象,提出一种基于扩展目标的强杂波IRF法,并与传统的IRF法进行对比.实验结果表明:点目标量测类型下的强杂波信息约减因子(SCIRF)因量级过小而致使其包含的信息过少、性能欠佳;扩展目标量测类型下的SCIRF则拥有与点目标量测类型下理想或弱杂波环境IRF之相同的量级,具备同样的性能.最后,结合全局IRF等指标,从理论上分析了扩展目标量测类型能够改善点目标量测类型下SCIRF性能不佳的根本原因,并给予了其合理解释.

摘要：针对受不确定噪声干扰的线性时滞系统,提出一种基于P范数的时滞系统多胞空间滤波算法.首先,利用多胞体对时滞系统状态可行集作空间表征;随后,根据当前时刻系统状态是否受时滞量的影响,设计基于P范数的系统多胞空间滤波器,通过给定的P范数准则,构造当前时刻系统的多胞空间膨胀优化模型,从而将时滞系统的状态估计问题转换为多胞空间膨胀系数优化问题;进而,利用舒尔补引理和线性矩阵不等式求解该优化问题,并通过多胞空间降维得到状态估计最紧致的多胞体可行集;最后,通过风力发电机系统仿真,验证利用所提出的方法解决线性时滞系统状态估计问题的有效性.

摘要：在超宽带室内定位中,由于室内环境复杂,各锚节点与定位节点间的通信会受到不同程度的干扰,干扰较大的数据会严重影响定位精度,因此需要对锚节点进行筛选.针对以上问题,提出基于接收信号强度(RSSI)超宽带室内定位锚节点选择方法.首先,采用插值法计算定位节点对各锚节点间的RSSI并采用高斯过程回归进行优化,得到初始的RSSI估计值;然后,对此估计值在锚节点位置和路径损耗因子处进行泰勒级数展开,得到具有RSSI信息的费雪矩阵,从而获得RSSI的Cramér-Rao下界(CRLB);接着,将所有锚节点选取状态组合(选择为1,不选为0)代入CRLB公式中,通过半定松弛求解CRLB的迹;最后,最小迹所对应的选取状态组合即为选择结果.实验结果表明,与未进行锚节点选择的算法相比,所提出方法在X、Y、Z方向上的定位精度分别提升37.6%、32.2%、38.8%,且该方法接近穷举法的锚节点选择结果.此外,所提出算法采用无监督的方式无需获取先验数据,具有较高的实际应用价值.

摘要：随着四足机器人控制技术的逐渐发展,四足机器人已经广泛被应用于救援、军事、探险等领域.在四足机器人的应用中,如何在不牺牲控制性能的前提下有效降低能耗是一个重要的瓶颈问题.为此,本文提出了一种基于脉冲强化学习算法(SpikingReinforcementlearning,SRL)和中枢模式发生器(CentralPatternGenerator,CPG)的分层控制算法(SRL-CPG)用于四足机器人的运动控制.首先,考虑到脉冲神经元相比传统的人工神经元具有更低的能耗,本文基于脉冲神经网络(SpikingNeuralNetwork,SNN)构建脉冲强化学习算法,将其作为控制中枢.其次,在控制任务动作空间过大的情况下,SRL难以取得良好的控制效果,因此本文将CPG作为低级控制器,利用SRL接受状态信息并对CPG参数进行调整进而控制四足机器人运动.最后,SRL-CPG控制算法在本文于Webots环境中搭建的四足机器人模型Gbot上进行了实验验证,结果表明SRL-CPG控制算法能够有效应用于四足机器人的运动控制,并大大降低了能耗.

摘要：针对传统滚动轴承故障诊断方法中单信道振动数据分析导致的故障特征提取不充分、诊断精度受限的问题，提出了一种基于改进人工蜂群算法的多元变分模态分解（IABC-MVMD）与精细复合多元多尺度模糊熵（RCMMFE）相结合的多元故障信号诊断新方法。为克服MVMD分解过程中分解层数与带宽平衡参数难以自整定对诊断精度带来的影响，设计了一种融合Chebyshev混沌映射、精英信息引导、自适应惯性权重的改进人工蜂群算法（IABC），满足了多元激励信号在频域内的自适应剖分需求。在此基础上，使用RCMMFE构建能够全面表征轴承状态的高维故障特征集，并将其输入支持向量机中进行故障诊断。通过CWRU数据集上的仿真验证并与现有方法的对比分析，结果表明，所提方法能够高效准确地提取与识别滚动轴承的多元故障信号特征，具有较好的理论价值与实践意义。

摘要：本文研究切换拓扑下多智能体系统的固定/预定时间优化问题, 提出基于指数函数的分布式固定/预定时间优化算法. 该算法由两阶段构成, 其中第一阶段确保智能体的状态在固定/预定时间内收敛到各自的局部最优状态, 从而消除零梯度和算法对系统初始状态位于其局部最优解处的要求; 第二阶段实现智能体的状态在固定/预定时间内收敛到优化问题的全局最优解. 利用凸优化理论、Lyapunov 稳定性理论, 分析算法在通信拓扑切换下的收敛性. 提出的两种算法均无需交换梯度及 Hessian 矩阵信息, 其设计不依赖符号函数, 且所需参数较少. 最后通过数值仿真验证上述理论结果.

摘要：干扰资源分配作为认知电子战的重要环节之一，旨在干扰资源有限的情况下，通过合理分配干扰资源达到最大的干扰效益。本文针对通信、导航受限的拒止条件下，无人机集群协同干扰多个可移动通信目标时由于环境状态空间过大以及环境非平稳导致多智能体强化学习（MARL）算法决策性能较差的问题，提出了一种基于自注意力机制的预训练自编码器（APSE），并将其作为MARL算法的前置单元对环境状态进行特征提取和降维，同时通过集中式训练分布式执行范式降低环境非平稳对算法决策性能的影响。在本文建立的无人机集群协同干扰仿真环境中的实验结果表明，加入APSE后的MARL算法在平均奖励和干扰资源分配效能上提升明显。其中，MAPPO-APSE在各项指标上表现最优，其在有效干扰占空比比相比MAPPO更长的情况下干扰资源消耗量降低了20%。

摘要：赤铁矿再磨过程是针对低品位赤铁矿的特有选矿过程，给矿压力控制是再磨过程的关键工艺过程。为了保证给矿压力的精确控制，本文将常规PI控制与信号补偿技术和强化学习相结合，提出一种智能PI控制方法。首先，将被控对象描述为低阶线性模型加频繁变化的未知非线性动态系统的形式，采用精确计算的前一时刻未知非线性项和闭环运行数据，设计补偿信号，叠加到PI控制器的输出，从而改善控制系统的动态性能。其次，利用闭环系统的实时运行数据，采用强化学习迭代求取最优的PI控制器和补偿器参数，保证闭环系统的稳定运行。最后，通过与已有方法的对比实验和工业过程真实数据的物理实验，实验结果表明了所提方法的优越性。

摘要：针对机坪环境下，多种类地面服务车辆的协同调度这一复杂的优化任务，本文提出了一种结合Transformer架构的深度强化学习算法。首先，依据航班地面服务流程的不同优先级，将整个地面服务任务进行分解，进而将原本复杂的多类型车辆调度问题转化为有先后顺序的单类型车辆调度问题。接着，利用Transformer架构对航班和车辆的特征进行自动提取，通过解码器按序列逐步求解任务调度，结合贪婪算法和蒙特卡洛模拟算法分别生成初步调度策略，并将这些策略应用于每个子问题的求解过程中。在此基础上，利用深度强化学习算法对整个模型进行训练，通过智能体与环境的交互来不断优化调度策略。此外，为了提升模型的鲁棒性和应对复杂情况的能力，本文还通过扩充真实数据集进行模型训练。最后，大量的实验证明，基于Transformer架构的深度强化学习方法能够有效避免不同种类车辆之间的相互干扰，并很好地应对真实环境下的航班调度需求。

摘要：无人蜂群作战是未来智能化战争的典型作战样式，本文立足于无人蜂群的高阶拓扑结构，研究蜂群内的信息流和控制流形成的不同拓扑结构的信息网络在面向复杂协同任务时其协同能力的变化.依据无人蜂群群体智能的关联规则，本文将无人蜂群信息网络设计为模块化的社团网络，搭建了最近邻耦合网络、随机网络、小世界网络和无标度网络四种模块内网络模型、随机连接和择优连接两种模块间关联关系，借助超图构建了任务协作组成的协同超边，结合高阶网络的超度、超度分布、同步指数等拓扑指标综合评估蜂群协同的质量和效率，并进行仿真实验，实验结果表明择优连接的小世界网络模型在设定任务下能更好的兼顾协同质量和协同效率，提高无人蜂群的任务协同能力.

摘要：针对直流微电网储能系统中存在的荷电状态(state of charge, SOC)不均衡、电流分配精度差以及直流母线电压偏差等问题，本文提出了一种提高均流精度的直流微电网分布式储能SOC加速均衡控制策略。首先，在基于双曲正切函数的自适应下垂控制中引入基于指数函数的变加速收敛因子，能够在限制下垂系数范围的基础上加快实现储能间的SOC均衡。为减小线路阻抗对电流分配的影响，对各个变换器进行虚拟压降均衡控制，同时对补偿量实施自适应调节，以达到减小线路阻抗对SOC均衡效果影响的目的。最后对母线电压进行二次电压补偿，解决下垂惯性导致的母线电压偏差问题。此外，提供了基于系统特征方程的稳定性分析，在理论上保证了直流微电网的稳定运行。最后，通过MATLAB/Simulink对所提控制策略的有效性进行了验证。结果表明，本文所提控制策略可有效提升SOC均衡速度和均流精度，使母线电压稳定维持在额定值。

摘要：面对重大突发公共卫生事件，单体城市的防疫资源总是有限的，而利用好不同城市感染错峰，协同调度好城市群内部的不同防疫人员及物资，可以有效提高应急救援效率。基于此，本文从感染错峰的视角，构建了一类涵盖应急医院选址、应急物资跨区域转运、医护人员跨区域支援的疫情应急资源跨区域协同调度优化模型。在该混合整数规划模型中，充分考虑了资源调度过程中的多重异质性、多周期下多决策耦合效应等。为便于模型求解，本文根据错峰协同调度问题特性，提出了两个新的逻辑不等式来添加切割。研究结果表明，面对重大突发公共卫生事件，患者的需求满足率才是决策者首要的考虑因素；在实施分级诊疗的过程中，应选择轻症宽松匹配策略而非最优的完全匹配策略；同时决策者也需要注意，应急救援物资量、医护人员数以及应急医院容量等重要参数均存在较为明显的阈值效应，这些研究结论可为重大突发公共卫生事件应急资源跨区域协同调度提供具体决策支撑。

摘要：当城市发生突发性事件时，高效的应急物资配送能力是降低生命和财产损失的有效途径之一。为提高城市应急物资配送效率和效果，提出一种基于进化多任务的多无人机协同路径规划算法（multi-UAV cooperative path planning algorithm based on evolutionary multi-task optimization，MCPP-EMTO）。在该算法中，将原多无人机应急配送问题作为主任务，并将不考虑无人机续航能力和容量约束的多无人机应急配送问题当作辅助任务。同时，所提算法将辅助任务得到有用演化信息迁移至主任务以提高求解效率。为验证所提算法的性能，设置三个不同的城市应急配送场景，并选用四种高性能多目标进化算法作为比较算法。仿真实验表明，相比四种比较算法，所提算法能够得到多样性和逼近性较好的帕累托前沿。

摘要：针对实际场景中难以获得带标签的故障数据,且训练数据与测试数据分布不一致导致诊断模型不适用的问题,提出了一种基于联合对抗域自适应网络(Joint Adversarial Domain Adaptation Network, JADAN)的跨工况故障诊断方法.首先,利用域对抗训练来提取源域和目标域的深层域不变特征,以提高诊断模型在目标域的泛化能力.提出一种基于Softmax预测和结构化预测的伪标签策略,使模型能够为无标签的目标域数据生成伪标签,同时,加入了类对齐模块,最小化源域和目标域之间的类原型距离,实现域与类的联合对齐,有效减少了决策边界附近样本被错误分类的概率.此外,在域判别器中引入了源域样本的权重分配机制,为每个源域样本自适应地分配权重,有效解决了模型训练过程中的负迁移问题,提升了模型的鲁棒性.实验结果表明,本文提出的方法能更有效地解决跨工况故障诊断问题.

摘要：为实现在轨任务所需的快速高精度的力/位控制，研究了双臂空间机器人在轨辅助对接操作的阻抗控制问题。首先，利用Lagrange方法建立了双臂空间机器人捕获操作后形成闭链混合体系统动力学方程；基于阻抗控制理论建立了二阶线性阻抗模型和二阶近似环境模型。接着，利用径向基神经网络(Radial Basis Function Neural Networks, RBFNN)对系统不确定因素进行分块逼近。然后，考虑有限时间内收敛的控制需求，引入添加了非线性项并经过分段式改良的快速非线性滑模面(Fast Nonlinear Sliding Mode Surface, FNSMS)，并通过设计边界层函数来抑制所引入的滑模项带来的抖振。最后，通过Lyapunov稳定性判定验证了系统的稳定性。仿真结果表明，所提控制算法收敛速度快、稳定性好、鲁棒性强，可同时实现高精度的力/位控制，其姿态控制精度优于0.5°，位置控制精度优于0.001m，输出力的控制精度优于0.5N。满足双臂空间机器人在轨辅助对接操作的任务需求。

摘要：针对大多数现存高维多目标进化算法仍无法在高维空间中有效平衡种群收敛性与多样性的问题, 本文提出一种基于角分解辅助的多阶段高维多目标进化算法(Angle-decomposition assisted Multi-stage Evolutionary Algorithm for many-objective optimization, AMEA). 该算法协作角分解机制与多阶段自适应删除策略来逐一淘汰种群中性能较差的个体, 进而平衡种群的收敛性和多样性. 前者选取一对夹角最小的个体, 其意味着它们最为相似; 后者根据种群的进化状态自适应地淘汰这对个体中性能较差的个体. 当种群处于未收敛于Pareto前沿状态时,该删除策略淘汰收敛性较差的个体, 以加速种群收敛. 如果这对个体具有相同的收敛性, 该删除策略淘汰多样性较差的个体. 反之, 该删除策略利用所设计的综合性能指标来淘汰收敛性和多样性都较差的个体, 以提升种群的综合性能. 此外, 该算法设计了径向空间投影的匹配选择策略来选取收敛性与多样性好的个体进入交配池, 进而提高算法探索高维空间的能力. 实验结果表明，AMEA在处理高维多目标优化问题时有较强的竞争力, 能有效地平衡种群的收敛性与多样性.

摘要：针对基于图搜索的路径规划算法难以在连续空间中找到最优路径和基于采样的路径算法路径生成效率低的问题，本文提出了一种基于凸剖分知情采样的最优路径规划算法(Informed Sampling of Convex Dissection, CDI-RRT*)。首先，该算法对静态地图进行凸剖分并建立拓扑图，在拓扑图的指引下使用A*算法生成初始路径并使用弹性带算法对其进行优化，从而获取初始局部最优路径；之后，该算法在拓扑图的指导下构建初始树，并结合剖分线约束与Informed-RRT*算法的知情集约束构建动态采样域，通过在动态采样域中随机采样来优化初始树，进而规划出最优路径。最后，本文将CDI-RRT*算法与目前先进的最优路径规划算法在仿真以及实际场景下进行实验对比。实验结果表明，CDI-RRT*算法在初始路径生成效率、最优路径的生成效率等核心指标上均优于对比算法，充分验证了该算法的可行性与有效性。

摘要：针对扩展置信规则库(Extended Belief Rule Base, EBRB)的规则冗余与激活规则一致性过低问题，本文提出了一种基于Relief算法框架下的新型结构优化框架与激活因子的推理模型，该模型能够应用于机器学习中的分类问题与回归问题。具体地，基于Relief算法思想，首先通过分析历史数据与其近邻的输入输出相关性，赋予扩展置信规则不同的权重以识别关键规则，并通过与近邻规则的融合实现规则约减。然后，本文在计算个体匹配度过程中引入了激活因子，并通过离线优化策略来确定激活因子取值，以确保激活规则的一致性和有效性。最后，为了验证所提出模型的有效性和优越性，本文分别采用非线性函数与公共分类数据集,对所提方法与其他类型的EBRB模型在处理回归问题和分类问题时的表现进行对比。

摘要：随着定制化制造需求的增加,分布式柔性作业调度问题涉及的调度任务复杂多变,多产线制造设备动态重构,人机料法环协同约束倍增.面对多场景任务调度需求,单一进化算法难以适应不同场景,且由于算法对这类复杂约束问题评估时间成本较高,逐场景调用算法生成调度方案十分耗时.为解决这一问题,本文建立了分布式柔性作业车间调度问题数学模型,并提出基于向量映射代理模型(VMSM)的调度算法.VMSM通过高维特征向量映射进行特征提取,以增强对历史相似问题的识别能力,并在进化算法中辅助生成初始解和评估解集,提高搜索效率.实验结果表明,该方法能够将相似调度方案的分类准确率提升25\%-35\%,有效减少进化算法初始解筛选和解集评估次数.在不同场景复杂度下,VMSM均能在保障调度方案质量的前提下,显著提高分布式柔性作业车间调度方案生成速度,方案生成时间最多缩短51.26\%.

摘要：能源系统的安全性和可靠性是临近空间无人飞行器实现长航时驻空飞行任务的首要前提. 本文首先对临近空间无人飞行器能源系统实验平台及其运行原理进行介绍,分析能源系统中容易发生的典型故障;然后,阐述能源系统故障诊断研究进展,总结已有方法的有效性及不足之处;最后,考虑临近空间无人飞行器能源系统的实际需求,探讨未来有待研究的问题和方向.

摘要：本文提出了一种随机模型预测控制(stochastic model predictive control，SMPC) 算法, 适用于具有有界加性噪声和不完整状态信息的线性离散时间系统. 首先, 假设噪声的一阶矩和二阶矩已知, 利用Chebyshev-Cantelli不等式将施加在状态和输入上的概率约束重新表述成确定性形式. 然后, 在高效模型预测控制(efficient model predictive control, EMPC) 的框架下设计了基于观测器的输出反馈控制器? 再者, 引入附加的摄动量, 采用“离线计算、在线综合”的方法来最大化初始可行域并计算控制律. 最后, 给出了一个平均渐近性能指标的上界，证明了所提算法的递推可行性. 文末给出了仿真结果, 以证明该算法的有效性.

摘要：在进站安检智能化进程中，对于行人是否携带了行李物品的识别研究是必不可少的。针对在行人检测任务中，忽视了对其携带的物品一并进行检测，且在复杂场景中由于多尺度和遮挡导致误检和漏检等问题，提出了一种在安检场景的行人及携带物同步识别的方法。构造了一种易部署的轻量级深度学习网络模型PCD-MLNet检测行人及携带物目标。使用改进的HGNetV2作为模型的主干网络，提取不同尺度的输入特征。提出了一种可扩张的多分支残差模块DMRModule，结合大核卷积操作，增强行人及携带物特征提取的层次性和细节感知能力。使用EIoU作为检测网络的定位回归损失函数，提高模型对目标的定位能力。在创建的行人-携带物数据集实验中，PCD-MLNet取得了良好的性能，检测精度达到72.3%。对冗余通道剪枝之后，最终模型的参数量较基准模型下降了58.6%，视频推理速度提升35.0%。在仿真平台上的模拟安检实验也获得良好效果。

摘要：针对代理优化中样本策略贪婪特性使其后期收敛缓慢且解的精度不高问题, 提出了一种协同改进聚合策略, 并进一步拓展为面向昂贵黑箱问题的高效代理优化方法. 所提策略采用切比雪夫分解将概率改进和均值改进准则集成,通过随机权重系数实现全局探索和局部搜索能力的平衡. 此外，从候选点集视角出发, 分析了代理优化与代理辅助优化方法二者的不同, 进一步挖掘随机因素在优化设计中的作用. 试验结果表明: 该方法可有效提升昂贵黑箱问题优化解的收敛精度; 与同类方法相比, 该方法在解的精度和稳健性方面具有一定优势.

摘要：四足机器人由于其特殊的腿部结构能够适应各种复杂地形, 而现在的基于虚拟模型的 QP（二次规划）算法研究大多未考虑地形信息或考虑不够全面, 在复杂地形下稳定性和精确性受到限制. 本文提出了一种基于机器人本体感知系统估计地形复杂度的方法, 并基于此方法改进了四足机器人控制器, 提升其在非结构化地形下的稳定性. 本文首先利用了四足机器人的本体感知能力、足端运动学以及质心动量反馈设计了一种综合性的地形复杂度估计函数, 将四足机器人的地形评估与动态性能评估结合在一起评价地形复杂度. 然后在四足机器人虚拟模型控制的基础上, 在支撑相加入利用地形复杂度估计函数的外力干扰补偿与支撑力约束, 提升控制算法在支撑相的稳定性, 在摆动相则利用估计函数进行落足点规划并调整步态周期, 提升机器人的动态能力与适应性. 为了验证本文提出方法的有效性, 利用四足机器人 UnitreeA1 仿真模型与 webots 仿真软件设计了一系列实验, 实验结果证明本文提出的方法能有效提高四足机器人在非结构化地形上工作时的稳定性.

摘要：非接触操控在工业领域有着重要应用需求，然而在高维度场景下灵活快速地非接触操控仍是业界挑战。为此，研究基于深度强化学习（Deep Reinforcement Learning, DRL）的高维度非接触磁悬浮操控系统，简称Maglev-Delta机器人。其中，从理论层面给出稳定磁悬浮操控基本条件，提出可控区域最大化磁铁布局方案，实现高维悬浮操控执行模块设计。提出磁场强度非线性化弱化方法，解决了原始磁场在磁铁近处困住执行器导致DRL控制器训练样本稀缺问题。构建兼顾移动速度和悬浮精度的奖励函数模型，提高了控制器操控性能。实验表明，所搭建Maglev-Delta机器人能以较高的速度和精度完成二维和三维悬浮控制任务，展现出优越的灵活性。尤其在模拟搬运任务中，机器人能够稳定完成负载搬运任务。由实验结果推理可知，规模化的Maglev-Delta机器人可实现在约27×27×27 m3区域内操控3.8×10? kg重物，展现出巨大的非接触操控应用潜力。

摘要：针对多智能体系统包容控制中跟随者和领导者存在的通信资源受限问题, 提出一种基于混合事件触发机制的有限时间包容控制方法, 将多智能体系统中的事件触发机制由跟随者拓展应用到领导者上. 首先, 分别为跟随者和领导者设计专属的事件触发函数, 实现了跟随者的事件触发式的通信以及控制器更新, 还实现了领导者的事件触发式通信. 其次, 在触发函数中设计了状态依赖的自适应参数可以动态地调整触发阈值, 减少事件触发序列. 将所提出的方法应用在有向拓扑结构下的包容控制问题, 在有限时间内能够实现包容控制目标. 最后, 通过仿真表明该方法的有效性.

摘要：研究全部子系统均不稳定切换线性系统在模态依赖区间驻留时间(MDIDT)切换下的有限时间混合无扰切换故障检测滤波器(FDF)设计问题. 首先，为了改善故障检测系统的暂态性能，提出一种直接限制切换时刻残差信号和速率信号总颠簸幅度的混合无扰切换性能. 然后，通过将驻留时间区间分段，构造保守性更低的时变离散Lyapunov函数，得到增广系统在MDIDT切换下有限时间稳定且满足有限时间H∞性能的充分条件. 在此基础上，给出有限时间混合无扰切换FDF的设计条件。最后，通过数值仿真验证所提出方法的有效性和优越性.

摘要：本文研究时变厚尾非高斯噪声系统的状态估计问题.基于最大相关熵准则的卡尔曼滤波算法具有计算负担小且能够抑制多种类型非高斯噪声的特点, 现有方法大都采用高斯核函数进行设计, 且现有核带宽自适应选取能力有限. 针对现有方法存在的问题,本文采用学生t核函数替代现有方法中常用的高斯核函数来更加充分的利用非高斯噪声的厚尾分布信息, 进而定义了一种新的代价函数, 并推导出一种基于学生t核的最大相关熵卡尔曼滤波. 随后针对所提算法的单一固定核带宽在面对非高斯噪声特性时变时估计精度下降的问题,引入交互多模型框架来实现对多个核带宽的自适应选择, 通过运行多个具有不同核带宽的子滤波器,利用似然函数来更新不同子滤波器的概率,并利用每个子滤波器估计值的加权融合得到最后的后验估计.目标跟踪的仿真实验表明,所提出的算法与同类算法相比具有更好的估计精度.

摘要：密度峰值聚类算法 (DPC) 可以识别出任意形状的簇，但对于存在多密度峰值的簇，DPC可能会识别多个簇中心点，导致簇划分错误。为此，本文提出一种基于低密度分数的密度峰值聚类算法 (LS-DPC)。该算法首先使用低密度分数放大数据点的密度差异、缩小整体密度差异大的相邻区域的密度差异，使单个簇内所有区域的密度分布都重构为单峰密度分布，然后根据低密度分数自动获得子簇簇中心点。得到子簇后根据密度相交条件对子簇进行融合，完成聚类。将提出的LS-DPC算法与k-Means、SC、DPC、DN、Extreme和ICKDP算法进行对比，实验结果表明算法在复杂数据集和UCI数据集上表现优于对比算法。

摘要：在无人仓库系统中，解决自动导引车（AGV）之间的碰撞、死锁以及路径规划问题至关重要。本文提出一种用Petri网对仓库环境中AGV系统进行建模的方法，有效解决了AGV运输货物时产生冲突的问题。在此基础上，提出一种多智能体深度强化学习AGV路径规划框架，视AGV路径规划问题为部分可观测马尔科夫决策过程，将深度确定性策略梯度算法扩展至多智能体系统，通过设计AGV的观测空间、状态空间、动作空间以及奖励函数实现Petri网中AGV无冲突路径规划。由于在设置奖励函数时加入了Petri网触发条件后的反馈，极大程度减少了AGV运输货物时拥塞的产生，增加了仓库在规定时间内的送货总量。此外，由于本文提出的框架将路径分支点设置为智能体，有效地应对了多个任务起点随机产生以及环境中AGV数量时刻变化的情况，提升了神经网络泛化能力。仿真实验在AnyLogic软件平台中进行，通过对比不同AGV规模下的货物运输情况以及奖励函数中有无Petri网条件正负反馈的对照实验，验证了该路径规划方法的可行性和有效性。

摘要：针对压电微动台的非线性特性以及多轴解耦控制挑战，提出一种基于动态相互学习策略的改进型鸽群优化算法Pigeon-Inspired Optimization(PIO)并提出结合分数阶控制(FOPID)的DMLPIO-FOPID的控制策略进行实验研究。首先，对压电微动台进行力学分析，使其非线性特性近似线性化。然后，根据动态相互学习策略建立动态相反学习种群，以提升鸽群优化算法的寻优性能；引用了一种基于稀疏回归算法的迟滞辨识方法对压电微动台的迟滞逆模型进行补偿，再次，搭建了压电微动实验平台对所设计的控制器进行了实验研究。实验结果表明，DMLPIO-FOPID控制器在四种评价函数的优化测试中性能最佳，平均领先果蝇优化和鸽群优化这两种分数阶控制器19.28%，20.73%。并且在搭建的压电微动台的三轴测试中，均方差最小，收敛时间最短。说明DMLPIO-FOPID控制方法有助于实现压电微动台的精密控制。

摘要：复杂工业过程往往存在快、慢耦合动态特性, 应用常规的串级设计思路难以保障整体运行优化性能，而现有整体设计运行优化控制的方法容易发生``维数灾""和``病态数值""问题. 鉴于此, 本文聚焦一类设备单元和运行过程模型参数皆未知的复杂工业过程, 提出一种基于奇异摄动的快慢并行强化学习组合非串级运行优化控制方法. 首先, 引入收敛因子将复杂工业过程运行优化控制问题建模为双时间尺度系统的非串级最优控制问题; 其次, 使用奇异摄动理论将原始最优问题分解为降阶快子系统最优调节和慢子系统最优设定值跟踪问题; 然后, 在强化学习的框架下, 设计数据驱动的迭代算法学习快、慢子系统最优控制器, 进而构造不依赖于系统模型的组合最优控制策略. 与现有方法相比, 本文所提运行优化算法不仅能解决设备单元模型参数未知问题, 还能实现对期望运行指标的零误差渐近跟踪. 最后, 通过赤铁矿混合选别浓密过程对比实验验证所提方法的有效性和先进性.

摘要：稳定稀疏探索树(Stable Sparse RRT, SST) 是一种基于采样的渐近最优运动规划算法, 与传统的渐近最优算法RRT* 相比, SST 采用随机前向传播来生成新节点，无需求解两点边值问题(Boundary Value Problem, BVP), 即可直接规划出一条满足机器人运动学和动力学约束的可行轨迹. 针对SST 对参数敏感, 难以适应复杂多变的环境等问题, 提出一种基于自适应参数的SST 算法(Adaptive SST, ASST), 利用规划过程中的节点碰撞率和节点密度等已知信息, 对节点所处的环境区域和邻居信息进行估计, 自适应地改变节点选择半径和节点剪枝半径. 本文对多种系统动态和复杂环境类型进行了仿真验证, 仿真结果表明该算法能降低对参数的依赖性, 在复杂困难环境中能够求解成功率和计算效率, 对不同规划问题具有较强的适应性.

摘要：惯性参考单元(Inertial Reference Unit, IRU)是抑制运动载体光电跟瞄系统载体振动干扰的有效手段。IRU系统指向精度受机械谐振、传感噪声、驱动器输出纹波、基座角振动等内外部扰动影响，不同扰动的来源、特征均有所不同。本文对IRU系统的多源异质扰动抑制方法展开研究，分析系统内外部扰动来源、特征的基础上，提出改进型扰动观测器(Refined Disturbance Observer, RDOB)结构，实现系统窄带大幅值扰动的抑制，结合扰动前馈结构，进一步提升系统对外部扰动的抑制能力，并通过仿真和实验验证了控制方法的有效性。结果表明：基于RDOB与扰动前馈技术的控制结构能够实现100Hz的位置控制带宽，多源异质扰动作用下的闭环指向精度为1μrad， 对20Hz外部扰动的抑制能力可达-32.03dB， 0.1mrad、20Hz外部扰动作用下， IRU系统对0.2mrad、1Hz正弦信号的跟踪精度为6.1μrad。

摘要：本文利用自适应评判控制方法研究了具有非对称约束的连续时间零和博弈问题. 首先, 建立了一种新颖的非二次型函数来处理非对称约束问题, 这放松了对控制矩阵的限制. 其次, 推导出了最优控制, 最坏扰动, 以及Hamilton-Jacobi-Isaacs方程. 然后, 建立了一种自适应评判控制方法来近似最优代价函数, 从而获得近似最优控制以及近似最坏扰动. 值得一提的是, 针对具有非对称约束的零和博弈问题, 本文提出了一种新型评判学习准则来强化学习过程并且消除对初始容许控制的依赖, 这在以往论文中是没有被考虑的. 此外, 利用Lyapunov方法证明了系统状态和评判网络权值近似误差的稳定性. 最后, 利用F-16战斗机和倒立摆两个实例来验证本文所提算法的有效性. 同时, 为了进行比较, 给出了传统学习算法下的仿真结果, 进一步说明本文所提新型学习准则的可行性.

摘要：为提高约束进化算法处理各种不同约束高维多目标优化问题的精确性和鲁棒性,本文提出一种基于自适应双阶段分级均衡的约束高维多目标进化算法.该算法将多阶段优化方法和混合约束处理技术相结合,首先通过动态个体支配关系设计分段时机,并自适应地切换进化过程的目标优化和约束处理两个阶段;然后依据种群进化信息构建了混合分级均衡准则,利用自适应随机排序法在不可行状态选择个体,并在半可行状态下定义了半可行性准则以选择个体,从而保持可行解和不可行解的动态均衡,提高种群的收敛性、分布性和多样性.标准测试函数集C_DTLZ、DC_DTLZ和MW的大量实验表明了本文算法对不同目标维数以及狭窄、离散或互不连通可行域的约束高维多目标问题均能取得较好的收敛性能和稳定性,相对于MOEA/D-FCHT、MOEA/D-2WA、PPS、ToP和Trip五种先进方法,具有更高的收敛精度和更好的鲁棒性.

摘要：研究了一类受扰非线性系统基于事件触发策略的预设性能跟踪控制问题. 引入非线性扰动观测器以获得系统中未知扰动的估计, 同时在控制设计中引入一个具有时变衰减率的预设性能函数. 借助于指令滤波和迭代设计算法, 构造了一种事件触发预设性能跟踪控制器, 它不仅保证了跟踪误差始终满足预设性能指标, 而且具备良好的扰动抑制能力. 所使用的具有时变衰减率的性能函数与传统常值衰减率的性能函数相比, 有效地避免了初始阶段控制量过大的问题. 最后, 通过数值仿真验证所提方法的有效性.

摘要：针对复杂产品的批综合调度问题，建立以最小化总完工时间为优化目标的数学模型，提出一种基于解码逆向反馈调整机制的批综合调度算法。该算法采用遗传算法对问题进行求解，设计了一种适应于动态组批的双层染色体编码结构，分析了批处理设备的组批规则，推导出确切的非组批判断条件，在此基础上，提出了一种兼顾单步检查组批误判和多步组批工序统一调整功能的主动解码方法。同时，为了进一步提高算法的性能，又提出一种用于修正组批判断染色体串的解码逆向反馈调整机制，实现与解码染色体的双向互动和优良信息共享。仿真实验结果表明，所提算法通过采用设计的双层染色体编码、主动解码方法和解码逆向反馈调整机制，在解决研究问题方面明显优于其他对比算法。

摘要：针对多无人机在高动态近距空战中自主决策困难且协同性差等问题,提出了一种基于 MAPPO 的多无人机分布 式动态任务分配方法.首先,考虑任务可执行约束和无人机载荷约束,建立以敌方无人机为目标、攻击战术为任务的 多无人机动态任务分配模型;其次,设计了包含分离式状态滑动标准化机制、动作屏蔽机制以及注意力机制的任务 重分配网络,该网络可有效处理 MAPPO 算法在状态滑动标准化过程中的信息失真问题,并确保任务分配过程严格 满足任务约束,同时可基于攻击目标专注于攻击战术的选择,实现多无人机的协同分布式动态任务分配;最后,在 3v3 近距空战场景中,搭载所提算法的我方无人机与搭载空战决策专家系统的敌方无人机进行空战对抗,其作战胜 率高达 98.5%,所得结果验证了该方法的有效性.

摘要：本文针对欺骗攻击下动力学信息未知的线性离散系统, 提出一种非策略Q-learning算法解决系统的最优跟踪控制问题. 首先, 根据欺骗攻击的特点建立控制器通信信道遭受攻击的模型, 结合参考命令生成器构建增广跟踪系统. 在线性二次跟踪框架内将系统的最优跟踪控制表达为欺骗攻击与控制输入同时参与的零和博弈问题. 其次, 设计一种基于状态数据的非策略Q-learning算法学习系统最优跟踪控制增益, 解决了应用中控制增益不能按照给定要求更新的问题, 并证明在满足持续激励条件的探测噪声下该算法的求解不存在偏差. 同时考虑系统状态不可测的情况, 设计了基于输出数据的非策略Q-learning算法. 最后, 通过对F-16飞机自动驾驶仪的跟踪控制仿真, 验证了所设计非策略Q-learning算法的有效性以及对探测噪声影响的无偏性.

摘要：为应对24小时全时段视频监控需求,行人重识别任务必须要同时应对单模态与跨模态重识别的挑战,但目前的行人重识别任务通常将单模态与跨模态作为两个分支独立研究,忽视了这两个任务互补的应用价值.为应对这一挑战,本文提出一种可协同训练单模态和跨模态行人数据集的可迁移网络架构,通过三路分支网络深入挖掘每个模态的行人信息,并深入探讨了协同优化架构中的域间隙和模态样本量不平衡问题,有效实现多任务的优化问题.针对域间隙的问题提出了一种低层级特征拉近策略,显著减少了跨域样本特征间的差异,使得模型能够学习并提取域不变的语义特征.同时,为了解决模态样本量不平衡的问题,设计了一种弱模态特征挖掘策略,通过灵活调整训练权重,使模型更加关注弱模态的优化.实验结果表明,所提出的框架可以迁移到使用ResNet作为主干网络的众多主流方法上,其中在经典方法AGW的基础上Rank1和mAP分别提高了23.79%和17.78%.

摘要：离线强化学习旨在从固定的静态数据集中学习策略，这种数据驱动的学习范式为强化学习从模拟环境到真实世界的转变提供了极大可能。然而，离线数据集通常是由不同水平的策略收集而来的，其动作分布呈现出一种难以表达的多峰状态。并且，离线数据集中的高回报轨迹较为稀缺，使得策略学习的效率低下。为此，本文提出一种基于优势约束扩散策略的离线强化学习方法。首先，利用扩散模型的反向扩散步骤生成策略，以更好地拟合多峰行为策略。然后，提出利用优势函数对策略提升进行克隆指导，以帮助智能体更加专注于数量稀少的高回报轨迹。最后针对连续控制任务和稀疏奖励导航任务分别构建了两种优势函数。在bandit任务和D4RL基准上的实验结果表明：所提方法有效缓解行为策略表达能力受限及高回报轨迹稀缺的问题，在大多数任务获得最高的归一化得分。

摘要：针对传统灰狼优化算法（GWO）在移动机器人路径规划任务中经常遭遇局部最优的困境，并且收敛效率不尽人意，故提出一种基于Piecewise混沌映射的改进灰狼优化算法（PGWO）。PGWO算法首先采用Piecewise混沌映射初始化灰狼规模，提高种群分布的多样性；其次将GWO算法中收敛因子a由线性调整为非线性控制参数，调整后的收敛因子a在早期迭代中迅速减少，提高全局搜索能力，避免陷入局部最优，同时在后期迭代中逐渐减少，增加局部搜索能力；最后将GWO算法中灰狼趋于猎物的位置更新公式采用基于步长欧氏距离的比例权重进行更新，以提高灰狼独立搜索能力。为验证改进后算法性能，本文选取6个标准测试函数对PGWO算法与GWO算法，以及2个不同改进后的灰狼算法进行对比实验，结果表明PGWO算法有较好的收敛性和稳定性。将PGWO算法应用于3种不同复杂度的栅格地图中进行全局路径规划仿真对比实验，结果表明PGWO算法相较于GWO算法在20×20，30×30，50×50的栅格地图中，最短路径分别缩短了22.09%，34.12%，47.75%。

摘要：针对无人机城市街景实时语义分割任务中轻量级算法缺乏全局信息交互导致像素类别错分的问题，提出了一种注意力置换与通道重建的无人机城市街景实时语义分割网络，网络采用编码-解码结构。在编码器中，利用轻量级的置换自注意力机制来构建注意力分支，提取全局上下文信息的同时保持较高的计算效率；利用分裂-变换-融合的策略设计了通道重建模块对注意力分支的输入进行融合压缩，减小无关特征带来的计算量和对分割结果的影响。在解码器阶段，利用空间权重加权构建空间特征融合模块，实现对有效特征最大程度上的利用；利用置换自注意力机制和非对称卷积构建全局信息感知模块来克服无人机航拍图像中复杂背景的干扰。实验结果表明所提模型在UAVid验证集上平均交并比达到72.3%，相较于UNetFormer提升了2.3%，分割速度达到每秒105.8帧。在保证模型分割速度的前提下，取得了较好的分割精度。

摘要：本文研究了连续多智能体系统的分布式最优一致性问题, 即通过智能体之间的信息交互协同寻找全局成本函数的最小点, 其中全局成本函数}由各智能体的局部成本函数求和所得. 基于零梯度和方法与固定时间机制, 本文提出了一种新型分布式非线性一致性策略, 实现了智能体在固定时间的最优一致性. 其次, 本文所提算法利用滑模技术实现了智能体初始状态自由. 并证明出所提算法收敛上界是某正弦函数的零点, 与初始状态无关. 最后, 通过三组案例仿真验证了所设计算法的有效性.

摘要：随着个性化无线通讯的增长，蜂窝连接无人机逐渐成为快速构建无线通信网络的重要手段。由于城区复杂环境对无线通讯的影响，无人机如何获得最佳的飞行路径面临巨大的挑战。现有方法在评估无人机路径的通信性能时通常依赖于飞行高度固定的二维视距(Line of Sight, LOS)概率模型。本文考虑无人机可以通过调节飞行高度以改善通讯质量，提出三维视距概率模型，从而构建信号干扰噪声比(Signal to Interference plus Noise Ratio, SINR)的三维地图，并基于通讯质量阈值判别，获得二值化3D-SINR地图。然后，基于该地图，以无线通讯连接中断率、连接中断持续时间、服务基站切换次数为通信质量评估指标，建立无人机三维路径规划模型。最后，采用改进的启发式方法求解无人机飞行路径。仿真实验展示了城区通信场景下生成三维SINR地图的良好效果。基于该地图求得的无人机飞行路径与现有方法相比，拥有更好的通讯连接质量和更小的路径长度。

摘要：无人船在拥挤水域中自主航行时,大量的其他船舶与静态障碍物、海洋环境扰动和无人船的不确定动态加剧了无人船的碰撞风险.针对此问题设计无人船智能避碰决策与航迹跟踪控制方案.首先,根据无人船航行水域中其他船舶和静态障碍物的数量评估拥挤程度,并将其引入现有的船舶碰撞风险度评估函数,合理评估拥挤水域中无人船的碰撞风险.然后,创建双向长短时记忆神经网络,根据由无人船在过去有限时域内的航迹跟踪控制信号和驶过航迹组成的输入序列估计在未来有限时域内基于无人船运动数学模型标称参数的无人船航迹预测误差.通过在线更新神经网络权重,可用估计的航迹预测误差修正由无人船的不确定动态和遭受的海洋环境扰动导致的航迹预测误差,实现具有自学习能力的无人船航迹智能预测.最后,基于模型预测控制思想,求解以最小化无人船剩余航行距离和碰撞风险为目标,以无人船动态、无人船与其他船舶和静态障碍物的安全距离为约束的优化问题,获得避碰操纵的期望航迹和航迹跟踪控制信号.仿真和仿真比较结果表明,在所设计的智能避碰决策与航迹跟踪控制方案下,无人船自主航行的实际距离更短,与其他船舶的碰撞风险更低.

摘要：针对小到个体、组织大至地区、国家等复杂系统的未来发展进行的综合预判问题，本文基于综合评价并结合被评价对象（系统）的历史发展对其未来进行多指标预测分析，从而为其未来发展的综合预判提供数据支撑。由于被评价对象的未来发展往往充满了一定的不确定性，具体研究中将被评价对象的未来发展预期分为“超乐观”、“乐观”、“平均”、“悲观”和“超悲观”五种情境，以此为基础分情境预测未来短期内被评价对象的发展空间，并构建相应的预测性评价方法。在对指标进行赋权时，从有利于系统未来整体发展的视角提出了一种指标权重设计方法。在预测性评价结论方面，考虑到未来发展的不确定性特征，将随机聚合方法融合到预测模型的求解中，采用带有概率特征的相对优劣排序方式描述被评价对象未来可能的发展水平。最后，将该方法应用至组织中层管理人员未来发展潜力预测性评价中，通过与已有方法的对比分析说明了本文方法特征的同时，验证了本文方法的有效性。该研究可为复杂系统未来发展的综合预判问题提供方法支撑，研究结论可为系统规划及资源分配提供基于历史数据支撑的有效参考。

摘要：研究了一类具有未知初始跟踪条件的非线性系统预设性能最优安全跟踪控制问题.开发了一个基于可变障碍函数的性能约束控制设计的新方法.针对系统实际输出约束突变到突然解除而引起的系统跟踪的安全问题,提出一个新的安全边界自调整规律,进一步更新了已有的安全边界保护方法.同时,采用演员-评论家结构的强化学习算法来优化系统的控制输入.基于此,设计了系统带预设性能约束的安全跟踪控制器.该控制器可以保证在初始跟踪条件未知的情况下系统的安全跟踪控制和预设有限时间控制性能,并解决了输出约束突变解除之后的输出快速跟踪原期望轨迹的问题.最后,仿真验证了该方法的有效性.

摘要：针对一类多列车系统, 提出了一种具有牵引力/制动力约束以及追尾防护功能的分布式无模型自适应PID(MFAPID)控制方案. 首先, 通过动态线性化方法将列车的动力学模型转化为等价的动态线性化数据模型. 其次, 利用I/O数据设计了一种带有牵引力/制动力约束和追尾防护功能的分布式MFAPID控制算法. 最后, 给出了该算法的收敛性分析和仿真验证.

摘要：针对油井示功图特征提取效果不佳导致工况诊断准确率不高的问题，提出了一种基于多分支融合嵌入式注意力特征提取的油井工况诊断方法。首先，为使提取的示功图隐含特征信息更加全面，在卷积自编码器的基础上，设计多分支、多尺度的编码器结构提取并融合示功图位移-载荷数据的特征信息。其次，为强化多分支融合后的局部特征，设计一种嵌入式通道注意力机制，在全局平均池化基础上，添加全局最大池化，使其能够同时关注示功图全局和局部特征；同时为进一步增强示功图关键信息的隐含特征提取能力，在通道挤压后，激励之前嵌入通道注意力机制模块，对挤压后的通道预先进行一次权重调整，激励后进行权重的二次调整。最后，将提取的特征放入长短期记忆网络模型中进行油井工况诊断。结果表明，基于多分支融合嵌入式注意力特征提取的油井工况诊断方法在一定程度改善了示功图有效特征提取能力，提高油井工况诊断率，能够满足油田现场的实际需求。

摘要：随着工业自动化和智能化的发展，利用机器学习技术对高炉故障进行诊断变得越来越重要. 决策树模型 因其直观、易于解释的特点，在故障诊断领域得到了广泛应用，但对于炼铁过程中存在高维度、非线性和强耦 合的特点，传统决策树模型的构建容易陷入局部最优解，效率较低且复杂度较高. 针对这些问题，本文首先引入 迹距离函数，并证明了在迹距离函数中任何局部最优解也是全局最优解的性质，接着针对决策树的节点分裂过 程，提出了一种基于迹距离划分的决策树模型，记作 TraceTree. 此模型一方面更快速地评价一个节点的划分效 果，有效降低决策树模型的复杂度. 另一方面能识别出对故障诊断最有贡献的特征参数并获得更高的诊断精度. 最后，与其他改进模型的对比实验结果表明，该模型在更短的训练时间内能取得最优的高炉故障诊断效果，及 时地对高炉炉况进行监测与诊断.

摘要：为了减少机器人在探索过程中容易忽视局部狭小区域，路径重复度高，探索效率低下的问题，提出一种基于分层边界与可视图的自主探索算法。首先，根据三维地图中状态变化的体素，实时提取局部边界并增量构建全局边界，对边界聚类得到候选目标点；其次，基于增量更新的可视图对候选目标点进行综合指标的评价，采用一种指数衰减形式的评估函数；再次，将可视图与D*Lite算法结合，基于动态规划的思想，引导机器人快速的完成对未知环境的探索，避免重复路径。最后，在不同环境下进行仿真实验，数据证明本文方法在移动距离、运行时间、探索效率方面都优于NBVP、GBP2和DSVP算法。结果表明，该算法可以有效解决机器人在探索时忽视局部狭小区域、路径重复度高的问题，提高了机器人自主探索的效率。

摘要：针对未知异构非线性多智能体系统一致性跟踪问题，设计了基于控制器动态线性化的分布式直接型无模型自适应PID控制算法，仅使用被控系统的输入输出数据以及智能体间的拓扑结构关系进行控制器参数整定，不受被控系统数学模型的限制. 首先利用动态线性化技术将受控系统以及理想控制器等效转换成相应的动态数据模型，基于理想控制器的动态数据模型设计了控制器结构以及参数自适应更新算法. 然后利用压缩映射以及盖尔圆盘定理进行了误差收敛分析. 最后进行了大量仿真对比，验证了所设计控制算法的有效性和优越性.

摘要：预成端盒是一种连接和管理光纤网络物理分布的重要光传输设备，现阶段对该类设备的巡检主要依赖人工完成。为了降本增效，亟需上线智能化巡检方式。然而，受制于设备部署场景复杂的光照条件、多样的端口连纤状态及遮挡问题，利用现有的图像识别技术对端口信息（端口连纤状态和连纤条码信息）进行自动化识别具有极大的难度：既难以保证端口信息识别的精度，又难以将识别结果与其实际物理位置相匹配。为此，本文提出了基于空间匹配校准的预成端盒端口信息自动化识别方法，包括：（1）基于空间多尺度匹配和多角度补偿的端口状态识别和校准方法，采用多尺度模板校准算法自适应地匹配端口实例的状态信息及其物理位置，并设计多角度补偿方案完成端口的校准识别。（2）基于自适应矫正与动态极小值匹配的光纤尾端条码信息识别方法，自动检测条码成像姿态并有效切割和识别条码，利用动态极小值匹配算法进行空间匹配校准，实现连纤端口的条码信息识别。本文构建了一个真实数据集，并基于此进行了大量实验，实验表明本文提出的方法在端口信息的识别精度和效率上均优于同类应用场景；同时，本方案在移动设备上进行了部署测试，实现了准确高效的预成端盒端口信息自动化识别。

摘要：本文针对水声双扩展信道背景下的连续波信号跟踪问题，提出了一种基于粒子滤波的检测前跟踪算法，重点提升临近多径信号干扰下的弱信号跟踪性能。首先，提出一种利用临近信号预测状态来描述多径信号干扰的似然函数；其次，在量测空间中引入速度量测集，推导速度-相关包络联合似然函数解析式，并以此构建多量测输入的信号检测前跟踪模型，最终获得稳健的信号参数跟踪结果。数值仿真与水池实验结果表明，在典型的水声时变双扩展信道下，该算法具有更优的多径信号检测及跟踪性。

摘要：针对现有时间序列聚类分析较少考虑到各簇时间序列的相似形态对聚类结果的影响, 本文提出一种基于时间序列形态的模糊聚类算法. 该算法使用线性时间复杂度的 Jeffreys 复合距离度量时间序列之间的距离, 利用迭代过程中的隶属度为各簇择选能够映射簇内时间序列相似形态的核心特征, 并在下一次迭代中对距离进行特征加权. 当隶属度不再显著变化时, 算法停止迭代, 最后根据隶属度最大原则对时间序列进行簇划分. 在 14 个公开时间序列数据集上与 10 种对比算法的实验结果表明, 该算法具有精确的聚类结果和较好的鲁棒性, 综合性能优于对比算法.

摘要：针对连续搅拌反应釜系统的浓度和温度的跟踪控制问题,本文提出基于Koopman算子的模型预测控制方法. 基于Koopman算子建立CSTR的有限高维线性模型（24维）.以CSTR的高维线性Koopman模型作为预测模型,结合预测控制滚动时域多目标优化,考虑状态约束、控制目标、性能优化等约束条件,设计连续搅拌反应釜系统的温度和浓度跟踪控制算法.利用Matlab/Simulink仿真实验验证本文所提方法的有效性.通过与CSTR的局部线性化模型预测控制算法（LMPC）和非线性模型预测控制算法（NMPC）进行仿真对比验证本文所提方法的优越性.实验结果表明,本文方法无需依赖系统的精确数学模型,能避免求解非凸优化问题,而且收敛速度更快,控制精度更高.

摘要：为解决多响应建模中样本点选取问题，支撑高效准确地建立多个代理模型，提出了一种基于贝叶斯支持向量机的修正多响应期望改进(Multi-response modified expected improvement for global fit, MR-MEIGF)采样准则。首先，通过贝叶斯支持向量机模型计算候选点的梯度，构建邻域，得到基于邻域梯度投影的局部开发准则。模型得到的样本点预测方差作为全局探索准则，两者结合得到单个响应的混合采样准则。而后通过局部指标，量化每个响应的重要度，进一步得到兼顾多个响应模型精度的MR-MEIGF采样准则，从而实现多个响应的综合优化。依据MR-MEIGF准则在候选池中选择新添加样本点。使用3个2维算例及3个6维算例分别组合成多响应问题，与序贯空间填充方法，一次性空间填充方法以及其他多响应自适应采样方法进行对比，验证了所提采样方法的有效性，并在6维算例上将贝叶斯支持向量机模型与Kriging模型进行性能比较。

摘要：电潜泵故障诊断对于确保安全可靠采油至关重要，但电潜泵数据呈现出的多变量、非线性和动态变化等复杂特性为该任务带来了严峻挑战。近年来，深度学习在复杂数据特征提取方面表现出的强大能力催生了一系列基于神经网络的电潜泵故障诊断方法。然而，多数方法忽略了电潜泵数据的动态特性及长时依赖特征提取困难的问题。针对上述问题，提出一种多变量时序标记Transformer神经网络实现电潜泵故障诊断。该模型设计了新的多变量时间序列标记策略，继承了引入多头注意力机制和残差连接的传统Transformer神经网络编码器在长时依赖特征提取方面的优势，用前向神经网络替代了传统Transformer神经网络解码器以简化模型复杂度。通过对油田现场故障数据分析，验证了该方法的有效性。实验结果表明，所提方法实现了10类电潜泵故障的精确诊断，相比流行的深度学习方法诊断性能更优。

摘要：针对飞机全电刹车系统普遍存在的匹配和非匹配扰动会降低滑移率和制动压力跟踪精度, 难以实现对飞 机刹车的高性能控制的问题,提出了一种基于级联扩张状态观测器和有限时间预设性能反演的飞机全电刹车系 统改进滑模复合控制方法. 首先, 考虑匹配和非匹配扰动建立了飞机全电刹车系统的优化数学模型, 设计了级联 扩张状态观测器对匹配和非匹配扰动进行实时估计?其次, 基于扰动估计和有限时间预设性能反演设计了滑模控 制方法, 使滑移率可以在预设时间内精确跟踪期望值? 再次, 基于扰动估计设计了改进非奇异全局终端滑模控制 方法, 制动压力可以精确跟踪参考虚拟制动压力, 使飞机全电刹车系统快速获得最大的制动压力, 提高了制动性 能.通过在不同跑道状态下进行的对比仿真分析,验证了所提出的飞机刹车复合控制方法可以有效地提高刹车效 率.

摘要：传统轻量级图像超分辨重建方法通常仅依赖单一尺度的卷积来提取图像特征,简单地将浅层和深层特征聚合后进行图像重建.然而,这种做法忽略了感受野信息的丰富性以及中间潜在特征在图像重建中的重要作用,导致卷积层间的信息交互受限,进而造成图像细节信息丢失和重建精度不高的问题.鉴于此,本文提出了一种基于渐进式感受野的轻量级图像超分辨重建方法.该方法的核心在于设计了一种阶梯式的上下双路卷积链,通过逐步调整感受野的大小,有效地融合了图像的整体结构信息和局部细节特征,从而实现了信息的多样化表达.此外,还探索了一种多维潜在特征的融合方法,旨在充分挖掘多维潜在特征间的相关性.实验结果表明,与目前流行的重建方法相比,本文提出的方法在捕捉图像细节方面表现出色.特别是在缩放因子为4的情况下,与NGSwin相比,本文方法所需的参数量更低,且在Urban100测试集上,PSNR和SSIM分别提高了0.09dB和0.0027,这进一步验证了所提方法的优越性.

摘要：由于存储空间限制，物联网中的边缘设备往往仅能保留当前某个有限时段内的数据。实际生产过程中，设备工况在一定时间内发生变动，往往产生新类别的故障数据或图像，这种类别增量会造成模型在本地训练时产生灾难性遗忘。在单边端类别增量的局部灾难性遗忘基础上，随着云边协同优化，灾难性遗忘会产生扩散。针对上述问题，提出一种基于稳定特征原型的联邦类别增量学习方法，在边端建立类别样本记忆库存储类别代表性样本，设计了基于回放范式的特征网络更新策略，在云端设计了以统一特征空间下的特征原型为参考基准的加权聚合策略，在联邦框架下稳定优化特征空间，实现类别知识的联邦更新。基于类别增量常用的数据集CIFAR10和Mini-ImageNet的实验证明了所提方法可以有效缓解灾难性遗忘。

摘要：针对协同利用多频率信息进行建模时存在变量频率不齐，以及高频变量通常具有季节性影响的问题，本文构建了季节性混频灰色预测模型（SMFGM(1,N)）。新模型通过引入Nakagami函数实现变量间频率对齐，基于季节因子消除变量的季节性影响，添加非线性项反映系统受时间因素的非线性影响。此外，为辨识新模型中滞后参数，将Nakagami函数与灰色关联度模型结合，提出了混频灰色关联度模型，以识别不同频率变量间的关联关系。最后，基于年度GDP与季度税收收入案例，将新模型与混频数据抽样模型、其他灰色预测模型、神经网络模型和统计模型进行对比分析。结果表明SMFGM(1,N)模型具有更优异的建模性能，能够有效处理具有季节性规律的混频数据预测问题，为多频率信息系统建模提供了新的方法。

摘要：本文针对具有不确定动态和未知时变海洋环境扰动的欠驱动自主水下机器人(autonomous underwater vehicles, AUVs),提出了一种基于事件触发通信机制的分布式固定时间三维编队控制方案.首先设计了一种固定时间扰动观测器估计AUV不确定动态和未知时变海洋环境扰动组成的集总扰动,且观测器估计误差在固定调节时间内收敛到零;建立了事件触发通信机制,降低了多AUV之间的通信频率,节约了通信资源;进一步,基于上述固定时间扰动观测器和事件触发通信机制,融合动态面控制技术和固定时间控制理论,设计了分布式事件触发固定时间三维编队控制律.现有的固定时间扰动观测器和控制律均有两个幂次项,本文所设计的固定时间扰动观测器和固定时间编队控制律仅保留收敛速度较快的幂次项,可降低参数调节难度.理论分析表明所设计的编队控制律能使多欠驱动AUV在固定调节时间内实现三维编队控制,仿真和比较结果验证了所提控制方案的有效性和优越性.

摘要：基于深度学习的水下声学目标识别算法在水下平台部署时，通常面临着计算资源短缺和水下声学环境复杂多变的挑战。为此，本文提出了一种结合二值化神经网络与知识蒸馏的轻量型水声目标识别算法DSBNN_KD，旨在通过深度可分离卷积和权重参数二值化等手段来实现模型的压缩和优化加速。同时，利用知识蒸馏技术将高性能高复杂度的教师模型的知识转移到轻量级学生模型上，从而缓解极端量化带来的性能损失，并确保模型的泛化性能。DSBNN_KD的表现在两个实测水声数据集上进行了全面的评估。实验结果表明，相比当前主流的全精度轻量化模型，本文提出的DSBNN_KD在模型参数量、模型部署尺寸和计算量等方面均展现出显著的优势，同时在知识蒸馏技术的辅助下，轻量化后的模型依然可以保持与全精度模型接近的性能。

摘要：利用多智能体强化学习方法赋能异构多实体系统是分布式人工智能领域的前沿课题. 多机协同突防海上目标任务中异构多编队之间的高效协同是制胜的关键. 由于环境的部分可观导致多智能体强化学习方法的探索效率不高. 为此,本文提出了一种知识耦合分层值分解(HierArchical ValuE Decompostion, HAVED)的多机协同突防行动策略规划方法, 上层围绕多机编队占位规划展开资源调度, 下层围绕编队内任务规划展开目标分配. 对值分解基类算法利用加权算子对联合动作对应的损失进行加权、避免陷入局部最优, 着力提升多机多编队在对抗场景中突防策略的探索与学习效率. 为验证算法的有效性,以多机协同突防海上目标为典型任务场景,设计典型任务想定. 采用集中式训练-分布式执行范式,在墨子兵棋推演平台中进行了仿真实验,验证了该方法的有效性. 并对对抗过程进行了复盘分析,总结出3种典型行动策略. 项目地址:https://gitee.com/jrluo2049/haved.

摘要：共享经济的兴起推动了共享出行行业的迅速发展，顺风车合乘成为移动出行的新趋势。顺风车合乘中考虑司乘的服务模式偏好有助于满足多元化的消费需求。为实现针对服务模式偏好下顺风车合乘的司乘匹配问题，提出了一种新的匹配方法。首先，针对服务模式偏好下顺风车合乘的司乘匹配问题进行了描述；根据时间窗和最大绕路距离，计算乘客和司机的满意度；随后，构建了以匹配数量最大、司机平均满意度最大、乘客平均满意度最大为目标的多目标优化模型；针对模型的NP难特性，基于带精英策略的非支配排序遗传算法设计了求解该模型的启发式算法；最后，通过算例说明了所提方法的可行性与有效性。结果表明，所提出的方法能够有效求解服务模式偏好下顺风车合乘的司乘匹配问题，初始种群生成策略和局部搜索操作能一定程度上增强算法的全局搜索能力。

摘要：当前,基于检测的多目标跟踪算法在处理复杂场景中的漏检和 ID 切换等问题时展现了卓越的性能.然而,面对复杂场景中运动目标检测阶段的性能限制,这些算法仍有待提升.为应对此挑战,本文引入了一种全新的卷积混合注意力机制.该机制通过混合注意力模型加强对高动态场景中稀疏空间形变和上下文信息的关注,实现对不同尺度特征形变的动态加权.进一步地,本文提出了一种两阶段多目标跟踪方法——CHAMTrack,通过在运动目标检测阶段通过使用该注意力机制,可增强算法在复杂多目标跟踪场景中对关键信息的捕捉能力,显著改善同一场景中不同尺度目标的跟踪效果.为验证所提方法的有效性,本文分别在MOT17和MOT20数据集上进行测试,通过对结果分析表明CHAMTrack在关键性能指标MOTA和IDSw.上均显著提升.通过消融实验,进一步证明了其在复杂场景下多目标跟踪领域的应用价值.

摘要：视线估计是一种预测人眼注视位置或注视方向的技术,在人机交互和计算机视觉的应用中发挥重要作用.针对特征的差异性和利用率不全面的问题,本文提出了双分支特征融合的视线估计算法.首先,构建Agent Swin Transformer网络与残差网络结合的双分支网络模型,对视线特征进行提取,由改进的Agent Swin Transformer网络构成全局特征提取分支,逐层提取全局语义特征,由残差网络构成局部特征提取分支,提取不同尺度下的局部细节特征.通过特征融合将特征张量连接在一起,增强模型的表征能力；其次,Agent Swin Transformer网络融合EMA模块和SCConv模块,以加强特征,保持信息有效性,降低复杂性和计算成本；最后,结合头部姿态估计进行视线估计得到最终的视线方向,以减少干扰因素对眼部外观的影响.在MPIIFaceGaze数据集上进行大量实验,实验结果表明,该方法的视线估计角度平均误差为4.23°,同当前主流的同类方法相比,所提出算法能够更为准确地进行视线估计.

摘要：针对具有全状态非对称时变约束的不确定严反馈系统控制问题，本文首次提出了一种具有双层约束结构的低复杂度预设时间跟踪控制方法。首先，采用约束转换函数直接对系统状态施加约束条件，将状态约束问题转换为无约束状态的调节问题，消除了可行性条件。其次，结合预设时间性能函数，提出一种新的坐标变换方法，对变换后的状态和跟踪误差进行重构，从而完成了双层约束结构，内层约束用以处理系统约束状态，外层约束用以设计虚拟控制和实际控制信号，有效解决了当系统状态接近约束边界时中产生的奇异性问题。最后，通过仿真结果验证了所提方案的有效性。

摘要：水声传感网(Underwater acoustic sensor networks, UASNs)是水下物联网的主要技术,为海洋生态环境监测和水下搜救等应用提供了较好的技术手段和信息感知平台。在UASNs应用中，定位至关重要，因为没有精确位置信息的数据收集将无利用价值。然而，由于存在路径损耗、吸收损耗、设备发射功率不确定以及水下环境参数未知等不利因素，使得在复杂动态海洋环境中实现鲁棒精确定位较为困难。为此，本研究提出一种多参数未知下水声传感网由粗到精的定位方法（Coarse-to-Fine Localization method for UASNs under Unknown Multi-Parameters, CFL-UMP）。首先，利用一阶泰勒级数展开和若干近似操作，将原非线性非凸定位问题转化为交替非负约束最小二乘框架。随后，粗定位阶段基于Golub-Kahan双对角化的最小二乘求解算法LSMR。然而，LSMR通常只能快速收敛到局部最优解。因此，在精细定位阶段引入二分法，将第一步粗估计得到的近似解作为二分法的初始值，通过迭代同时得到水下目标位置、路径损耗因子以及发射功率的精确解。此外，为了验证CFL-UMP算法的优越性，分析了CFL-UMP算法的计算复杂度，并推导出了克拉默-拉奥下界。最后，与所选基准算法相比，仿真结果证实了CFL-UMP在不同水下模拟场景中均能获得最优的定位精度，有效降低了水下定位误差。

摘要：伴随线上医疗不断发展，医院面临线上线下联合医疗服务的模式中，对线上服务医生进行排班优化决策的问题。问题主要挑战在于时变的患者需求和线上医疗特殊的服务模式。针对线上医疗服务系统的医生排班决策问题，将线上医疗服务系统建模为资源共享队列，并采用时变马尔可夫链和均匀化方法对患者逗留时间、队列长度和医生加班时间进行建模和分析评估。基于以上系统评估的方法，提出了变邻域搜索的启发式算法对医生排班问题进行求解。基于合作医院的实际数据开展数值实验分析，验证了基于时变马尔可夫链建模的准确性，证明了所提出算法可以得到相对医院实际方案更好的排班结果，从而可以更加合理安排医生的工作时间，减少病人的逗留时间，控制系统中的病人数量，并具有优良的鲁棒性。研究对完善我国线上医疗服务系统的运作管理具有实际意义。

摘要：本文提出了一种基于改进人工势场法且带有输入量化的欠驱动无人船编队协同避碰避障策略。借鉴导弹制导与控制机理，分层设计无人船运动学制导律与动力学控制律。首先，基于辅助变量法在无人船运动学子系统中设计分布式制导律，并引入改进人工势场法的斥力函数。通过重构制导律实现了运动学层面的协同避碰避障以及欠驱动无人船期望轨迹的跟踪。其次,通过使用径向基神经网络，对无人船动力学子系统中的外界干扰和系统未建模动态进行逼近。采用均匀量化器对输入变量进行量化，并对量化过程进行线性描述。所设计的自适应神经网络量化控制器无需量化参数的先验信息。在稳定性分析中，利用输入到状态稳定性理论证明了无人船闭环系统的稳定性。最后，采用Matlab对理论策略进行仿真实验，仿真结果验证了本文所提策略的有效性。

摘要：随着自主水下机器人（Autonomous Underwater Vehicle, AUV）和无人水面艇（Unmanned Surface Vessel, USV）在民用和军事领域的应用不断扩展, USV 与 AUV 协同完成相关任务的作业模式受到了广泛关注. 本文针 对多 USV 和多 AUV 协同访问多目标点的任务分配问题进行了研究, 旨在最小化多 USV 和 AUV 系统访问所有 目标点的总旅行距离. 首先, 建立了考虑通信约束和 AUV 最大航程约束的多 USV 多 AUV 协同多点访问任务分 配问题的数学模型, 并对问题的NP-Hardness性质进行了分析. 其次, 本文提出一个两阶段任务分配算法: 1) 先利 用最小边际代价算法构建各 USV访问完所有水面目标点的路径, 再采用最近插入策略分配水下目标点； 2) 通过 多个邻域搜索算子对初始解进行优化, 得到可行最终解. 相对于已有流行的自组织映射算法, 仿真实验表明所提 出任务分配算法能在较短计算时间内得到质量较优的任务分配方案.

摘要：作为可再生能源装机的重要组成部分，海上光伏发电系统受制于特殊的气象环境和有限的远海气象监测条件，相比于陆地光伏预测，海上光伏预测需要精确掌握海域上空多变的云层状况并分析海洋气象波动特征。因此，本文提出一种基于卫星遥感数据的超短期功率预测方法。针对云层图像的不确定性和波动问题，采用遥感图像全波段的分段加权高斯融合与基于VAE的重构技术，提出了基于多光谱云图修正的海上功率模型，并使用双层GAN网络预测海上光伏出力，显著降低了预测误差。通过新加坡柔佛海峡电站数据验证，结果表明该模型能够高精度实现1小时及以上的超短期功率预测，精度较传统方法提高12%，增强了电网实时调度的可靠性和可再生能源并网消纳能力。

摘要：针对传统RGBT目标跟踪算法网络精确度低，鲁棒性差，以及在目标尺度变化大和长时跟踪过程中存在目标丢失无法找回等问题，提出一种新的基于自适应特征融合机制的可修正RGBT目标跟踪算法(Siamese Meta- Storage Tracker)。首先，引入一种特征层与模态间双自适应融合机制(Adaptive dual-modal fusion module)，充分利用两模态间的互补信息，增强RGB与红外特征的跨模态融合；其次，设计一种后端时序约束回归模块(Timing Constraints module)，利用上一帧信息对 IOU 计算及边界框回归进行约束，有效减少相似物干扰；最后，提出一种基于元学习的在线模板更新机制(Meta- Storage)，对回归阶段得分较高的模板图像进行更新存储，解决长时跟踪中累计误差和目标难以找回问题。采用权威的目标跟踪数据集GTOT， RGBT234和VOT-RGBT2019进行算法验证，本文所提方法均可以取得极具竞争力的结果，将算法移植到嵌入式设备Jetson Xavier NX 上进行性能测试，结果表明本文算法运行速度达到29帧/s，相比当前流行的多种RGBT算法，具有更为全面的跟踪性能，且能有效解决相似物干扰、目标丢失难找回等问题。

摘要：自重构是促进移动机器人能力升级与涌现的重要手段,但面向工程开放场景存在定位基准与感知特性差异、环境障碍威胁、感知范围约束和嵌套运动饱和等应用性挑战.本文基于组合任务分解与不同基准感知特性,提出惯性系定位下远距集结和载体系感知下近距对接的分段式通用控制框架.在远距范围,设计分层安全约束机制和自适应抗饱和策略,实现移动机器人在障碍环境中的平滑、安全集结.在近距阶段,引入基于安全视线的轨迹修正策略与复合非线性收敛控制形式,确保移动机器人在视线范围内快速、平稳完成与待对接目标的锁紧组合.最后，通过物理实验验证所提出方案的有效性和可行性,方法通用成果也为无人系统充电、水下运载器回收等工程对接场景提供了新的解决思路.

摘要：对任意切换拓扑下含未知干扰的二阶多智能体系统, 基于反步法提出了一种新的混合事件触发固定时间一致性控制方法. 首先, 提出一种结合动态事件触发条件和静态事件触发条件的新型混合事件触发机制, 该机制在系统瞬态响应阶段, 基于辅助变量的幂次项设计新的动态事件触发条件, 可以根据智能体的测量误差和速度误差的变化而自适应地动态调整触发阈值, 从而自组织地减少了事件触发次数; 在系统稳态响应阶段, 采用静态事件触发条件, 基于适当固定阈值能够减少该阶段不必要的触发次数, 有效克服动态变量稳定后触发阈值太小的问题. 其次, 根据多共同Lyapunov函数分两阶段证明了所提方法和给出的一致性充分条件能够保证二阶多智能体系统在任意切换拓扑下实现实际固定时间一致性. 然后, 通过设计含双曲正切函数的测量误差的可导性证明了系统排除Zeno行为. 最后数字仿真结果验证了所提控制方法的有效性和优越性.

摘要：针对智能网联车辆在通信受限环境下遇到的通信延迟、资源受限、未知输入及非理想通信拓扑等问题, 提出了一种基于观测器的协同编队控制策略. 首先, 根据四元素模型对车辆队列系统进行动力学建模; 其次, 为解决系统部分状态不可测、未知输入与可测噪声等问题设计了积分观测器, 依此设计协同编队控制策略; 然后, 构建误差系统并引入H∞性能指标, 构造Lyapunov-Krasovskii泛函处理变化时延, 将基于观测器的编队控制问题转化为误差系统稳定性问题,并推导出稳定充分条件. 仿真结果验证了所提方法的正确性与有效性.

摘要：本文研究了有向不平衡通信拓扑下智能电网的经济调度问题, 提出了一种新颖的分布式优化算法. 其目的是通过有效调度发电机组的输出功率, 以最大限度地降低系统总发电成本. 该算法通过引入动量项, 确保发电机能够从其自身和邻居处获取更多先前的历史信息, 从而在更短的时间内实现收敛. 算法中动量项和步长是时变的, 因此算法的执行效率更高. 为了避免智能体间的连续通信, 算法考虑了一种新的事件触发条件, 其关键参数选择简单, 且智能体只在触发时刻向其邻居传输信息. 基于成本函数的假设 (平滑性和强凸性), 理论分析证明了当最大步长和最大动量项系数在其限制范围内时, 该方法可以实现最优调度. 最后通过数值实例进一步验证了算法的优越性和正确性.

摘要：供应链是一个极其重要而又复杂的系统, 它与社会系统和管理系统有着广泛的联系. 由于供应链系统具有一段时间内需求突增或骤减的非瞬时脉冲特点, 使得其对各种不确定性和外部干扰都很敏感, 并产生混沌行为. 因此, 本文建立了具有非瞬时脉冲的供应链模型, 分别分析了非瞬时脉冲对稳定和混沌供应链系统的影响, 并给出了有限时间稳定策略, 同时讨论了零售量和生产量对分销量的联合效应对该模型的影响. 另外, 同步控制是降低不确定性和扰动对供应链负面影响的重要方法, 本文还讨论了两个具有相同结构的供应链系统的非瞬时脉冲同步行为, 并给出了相应的有限时间同步策略. 最后, 通过数值算例验证了所得结果的有效性. 研究发现: 非瞬时脉冲对供应链系统有着显著影响, 但只要选取恰当的非瞬时脉冲时间间隔和强度, 可以实现供应链系统的有限时间稳定和同步控制.

摘要：本文研究在(p,N)-策略控制下耐烦服务员不中断多重休假M/G/1排队系统，其中每当系统变空时，服务员就去进行一次不中断的休假,当服务员休假回来时，如果系统中等待服务的顾客数大于等于事先设置的正整数阈值N(N≥1)时，则服务员立即开始服务直到系统再次空竭，若系统中有顾客但顾客数少于N个，则服务员以概率p(0≤p≤1)开始服务，以概率(1-p)不服务处于通常的闲期直到系统中的顾客数累积到N个时才服务.通过系统稳态队长的随机分解定理得到系统稳态队长分布的概率母函数和平均队长表达式,同时应用Little公式得到任意顾客的平均等待时间表达式.最后建立系统的费用结构模型，利用更新报酬定理推得系统长期运行单位时间的期望成本费用函数.进一步，在没有平均等待时间和有平均等待时间约束下，通过数值实例分别讨论了系统的优化控制问题，并确定了使得系统费用最小的一维最优控制策略N*和当休假时间为T时的二维最优控制策略(N*,T*).

摘要：本文基于领导者 -跟随者框架研究了结构平衡和聚类平衡网络的可牧性. 首先, 通过分析网络的拓扑结构, 依据边界节点的距离划分提出了一种节点分组方法. 在此基础上, 分别分析了结构平衡和聚类平衡网络的拓扑结构、符号特征、动力学特性与能控性矩阵之间的关系, 给出了一些领导者选择方法以确保网络的可牧性. 进一步, 针对结构平衡网络, 给出了一种具有多项式时间复杂度的领导者搜索算法. 该算法避免了现有方法中复杂度随着节点数目呈指数式增长的问题, 并为实现网络可牧的最小数目的领导者选择提供了帮助. 此外, 研究了一类特殊的聚类平衡网络 (星聚类平衡网络), 得到了两种领导者选择方法实现网络的可牧性. 最后, 通过数值例子验证了所得理论结果的有效性.

摘要：超精密运动台是光刻机的关键组成部分, 包括工件台和掩模台, 二者的同步性能直接影响光刻机的套刻精度和关键尺寸均匀性. 针对工件台和掩模台的同步控制问题, 本文提出了一种基于同步性能综合指标的迭代学习控制 (MASD-ILC), 能够减小同步误差, 且有效抑制推力扰动. 证明了所提方法的学习律沿时间轴和迭代轴的收敛性并给出收敛条件, 分析了学习增益和权重系数对学习律收敛性的影响, 仿真验证了所提出方法的有效性.与传统基于误差的迭代控制 (e-ILC) 相比, 本文所提的 MASD-ILC 收敛速度更快, 收敛误差更小, 鲁棒性更好. 基于 MASD-ILC 的系统经过迭代学习, 同步性能综合指标从 31.56nm 降低到 0.10nm; 存在推力扰动和模型不确定时, MASD-ILC 的收敛速度和收敛误差不受影响.

摘要：海面物联网在海洋观测、海域监测等应用中发挥着重要作用。复杂动态海洋环境造成海洋网络链路状态、链路质量的时变特征及其对海面物联网带来严峻挑战，为此，本文将物理层自适应数据速率、MAC层载波侦听多址接入与网络层机会路由联合进行跨层设计，提出速率自适应海面物联网跨层传输协议，通过三次握手机制机会性选择最佳转发结点并基于动态信噪比实现传输速率实时自适应调整，旨在提高动态复杂海洋环境下海面物联网的稳健性。陆地和湖上试验结果表明，所提协议在数据包交付率、能耗与时延方面性能优异，可为复杂动态海洋环境中海面物联网数据的高效传输提供重要的技术途径。

摘要：针对存在执行器故障、外界干扰和模型不确定的自主式水下潜航器系统(AUV)，提出基于全驱系统(FAS)方法的鲁棒自适应轨迹跟踪误差受限控制策略，使AUV能够渐近跟踪目标信号。首先，将跟踪误差相关的归一化函数和障碍函数与时变尺度函数相结合，提出了误差受限全驱系统方法。其次，将径向基函数神经网络(RBFNNs)与误差受限全驱系统方法相结合处理系统中的不确定模型。进一步，设计自适应补偿机制处理执行器故障。再次，基于Lyapunov稳定性理论证明轨迹跟踪误差渐近收敛于零。最后，仿真结果验证了所设计的鲁棒自适应轨迹跟踪误差受限控制器的有效性。

摘要：研制进度管理是复杂装备项目的重要工作之一，合理的进度计划和调控措施能够保证项目研制成功和及时交付。然而研制进度受到工期、成本、客户需求等众多因素的影响和制约，并且这些因素呈现一定的不确定性。为描述和解决此类进度控制问题，考虑到工期、成本等变量的不确定性和客户质量需求的满足程度，利用区间数、随机网络（GERT）、优化模型等理论和方法，构建了基于多变量随机网络的复杂装备研制进度控制方法。首先，考虑到工期、成本、质量价值等变量的不确定性，将区间数引入随机网络（GERT），同时考虑客户质量价值需求，定义了基于区间数的多变量随机网络，分析了复杂装备质量价值与产品质量水平和研制成本之间的关系，并提出了质量价值的量化公式；其次，考虑到工期、成本和质量价值的相互影响和作用，构建了复杂装备研制工期-成本-质量价值多目标优化模型，并利用多目标遗传算法（NSGA-II）设计求解算法；最后，以案例验证了模型的有效性与合理性。

摘要：高精度的缺陷检测和组件检测对确保管道的安全运行是至关重要的. 针对现有检测方法存在的精度低和泛化性差的难题, 本文提出一种基于异构扩散模型的新型管道缺陷和组件检测方法. 首先, 原始的漏磁信号被预处理来降低信号采集中噪声等负面因素的影响. 其次, 针对特征提取困难的问题, 本文设计了一种基于稀疏注意力模块的特征提取方法, 它通过稀疏化的方式建立了漏磁信号间的长距离依赖关系进而实现了模型对缺陷和组件的信息聚焦. 此外, 将传统的特征金字塔网络替换为路径聚合特征金字塔网络, 这充分确保了多尺度特征的完备性. 最后, 本文设计了一种基于异构扩散模型的检测机制, 它将候选框回归过程转换为随机框的去噪过程, 这减少了模型对预先设定的锚窗的依赖, 进而提升了模型的泛化性和准确性. 基于实际管道对其有效性进行了验证, 实验结果表明, 本文方法的平均检测精度达到97.4%, 优于最先进的对比方法3.5%, 这确保了其在实际应用中的前景.

摘要：本文针对跟踪路径复杂、立体空间运动、模型参数动态变化、风浪流扰动下的多无人潜航器(Unmanned underwater vehicle, UUV)协同路径跟踪问题开展研究。首先，针对UUV跟踪复杂路径情形设计自适应前视距离策略，使得UUV可以更好地跟踪复杂水下路径。其次，针对立体空间运动的UUV集群，设计三维视距制导律和协同控制律引导UUV集群在三维空间中沿参数化路径运动。最后，针对模型参数动态变化、风浪流扰动影响下的UUV集群，设计自抗扰控制器实现对动态变化模型、总扰动信息和速度信息的统一估计，保证动力学控制的稳定性。仿真结果验证了所提基于自适应视距制导的无人潜航器三维协同路径跟踪控制方法的有效性。

摘要：为解决水下非结构化环境给水下精准定位带来的问题，本文提出一种基于LSTM的惯性里程计定位方法，用于水下作业机器人的定位。该网络在训练阶段，通过模拟噪声模型，在IMU的加速度和角速度数据中增添高斯白噪声实现数据增强，然后使用ResNet18提取机器人运动特征，同时，在网络的输入空间引入IMU的采样时间来加强鲁棒性。随后使用三通道LSTM将提取的特征映射到高维空间，并进行特征融合。最后，使用全连接层预测机器人的相对位移和旋转。在训练过程中，采取了相对损失函数和绝对损失函数相结合的方式来确保网络在短期和长期的定位精度。最后，进行了多次数据集和水池实验来验证方法的有效性。实验结果表明，该方法在大多数场景下都具有较好的定位性能，有着较强的鲁棒性。

摘要：海洋环境复杂多变, 为提升欠驱动无人船(Underactuated Marine Vehicle, UMV)的自主航行与故障应对能力, 本文提出了基于有限时间正切漂角视线制导的指令滤波路径跟踪控制策略. 在包括内部动力学未知、时变大漂角和执行器故障的复杂情况下, 该策略可使UMV在有限时间内遵循所需的路径. 首先, 构建了有限时间漂角观测器, 用于快速精准地估计时变大漂角; 随后, 引入有限时间正切漂角视线制导律, 不仅能提升制导性能, 还能有效避免因非光滑制导指令产生高频震荡导致UMV失稳; 此外, 通过采用有限时间指令滤波控制技术来降低计算负担, 并提出滤波补偿方案减少滤波误差; 最后, 基于径向基函数神经网络和有限时间理论, 设计了自适应有限时间容错路径跟踪控制器, 使得UMV的纵向速度和艏向角跟踪误差在有限时间内能够收敛到原点附近的小邻域. 仿真实验验证了所提出方案的有效性和优越性.

摘要：本文针对切换通讯拓扑环境下，高阶线性多智能体系统在状态不可测时的二部编队控制问题进行研究。首先，构造了全维状态观测器对状态完全不可测系统进行状态观测。然后基于状态观测器对多智能体系统进行分布式控制器的设计，将线性积理论与分布式控制结合对系统进行重构。文中应用图论、矩阵分析和Lyapunov等相关知识对重构系统进行稳定性分析，给出了重构系统在切换通讯拓扑环境下最终实现二部编队时，连通图平均驻留时间所满足的条件。此外，在对抗网络环境下，给出了系统状态未知时可行时变编队满足的条件。并在控制器中引入了二部编队补偿函数，提高了系统能够组成的二部编队队形数量，具有实际应用意义。最后，通过数值仿真验证了所提方法的有效性。

摘要：针对带柔性时间窗的绿色两级多周期车辆路径问题 (G2E-MPVRPFTW), 建立同时以最小化碳排放量和最大化客户满意度为目标的数学模型, 提出一种结合 K-means 带时间窗聚类 (KCTW) 的超启发蚁群优化算法(HHACOA) 进行求解. 首先, 根据 G2E-MPVRPFTW 大规模、多约束、强耦合的复杂特性, 采用 KCTW 将该问题分解为多个子问题, 以降低问题的求解复杂度. 其次, 使用 HHACOA 求解分解后的各子问题, 并把这些子问题的解合并便可获得原问题 G2E-MPVRPFTW 的解. HHACOA 在高层策略域生成 9 种邻域操作的不同排列, 且采用蚁群优化算法 (ACOA) 对优质排列信息进行学习, 并基于重构的转移概率矩阵生成新的排列, 以有效引导搜索到达优质解集中的区域；HHACOA 在低层问题域利用启发式规则和随机方法生成初始种群, 并将高层产生的每个排列作为一种算法, 作用于种群中的每个个体, 以实现在解空间更多不同区域进行搜索.

摘要：针对具有强非线性动力学特性的海洋浮体路径跟踪问题, 提出了基于改进Koopman算子在线预估器的模型预测控制(MPC)算法. 在算子可观测函数中引入状态时延变量与状态导数, 将浮体动态系统提升到希尔伯特空间, 使其高维线性化模型包含更多系统模态. 据此提出基于Koopman 算子的线性预估器, 它是数据驱动的状态提升非线性变换. 然后, 根据扩展动态模式分解得到的线性模型作为MPC控制器的内模, 此方式设计的MPC优化问题与一般线性动态系统的MPC优化问题具有相同的计算复杂度. 更重要的是, 浮体动力学特性对状态和控制输入的线性不等式约束以及对状态的非线性约束均可以以线性方式施加. 同时在线预估器采用增量更新数据的方式降低计算时间以适应滚动优化的要求. 本算法应用于海洋浮体的路径跟踪控制, 大量的仿真实验验证了该方法的有效性.

摘要：随着生活水平和消费水平的提高, 人们对冷链物流配送需求与日俱增. 同时, 现实中的冷链物流公司往往需要同时承担多个运输任务. 如何优化冷链物流配送路径, 在保证客户满意度和冷藏品新鲜度的同时, 降低多个配送任务各项成本, 是当前急需解决的问题. 本文首先构建包含车辆使用、油耗、碳排放、制冷、货损、时间窗惩罚成本, 以及客户满意度等约束的冷链物流配送模型; 然后将多因子优化(MFO)信息共享框架与共生生物搜索(SOS)算法相结合, 并引入位置变换策略促进不同任务之间共享有效路径信息, 提出基于位置变换策略的多任务共生生物搜索(PTMSOS)算法; 最后将其用于求解多个冷链物流配送问题. 仿真实验表明, PTMSOS算法不仅能同时加快多个冷链物流配送问题的收敛速度, 还能显著降低多个配送任务的各项成本.

摘要：卷积神经网络(CNN)在医学图像分析领域得到了广泛应用, 但受其固定感受野的局限性, 传统的CNN模型难以建立图像中的长距离依赖关系. Transformer通过自注意力机制能够建立图像全局视角下的信息依赖, 拥有更强的序列建模能力. 然而, Transformer难以捕获图像的局部细节特征. 为了解决上述问题, 提出一种基于CNN与Transformer的混合模型DC-TransNet, 用于医学图像分割. DC-TransNet采用双解码器结构建立图像局部和长距离依赖, 捕获局部和全局特征. 考虑到基于编码器-解码器结构的网络模型在不同深度提取到的特征图的大小不一致, 设计了两种特征感知注意力机制CFP和SFP, 合理分配局部和全局特征的权重. 在多个医学数据集上进行了实验, 结果表明DC-TransNet在2D医学图像单类别分割任务中取得了有竞争力的结果, mIoU与mDice等系数均得到显著提升.

摘要：为了克服传统数值方法在处理复杂优化问题时的局限性，提高找到全局最优解的效率，本文提出了一 种名为海狸算法（Beaver Algorithm，BA）的新型元启发式算法，用于解决全局优化问题。BA 根据海狸在修建 海狸坝时的伐木行为，将海狸分为质检狸、开发狸和采伐狸三种类型，以模拟其在伐木过程中的群体合作。开 发狸以随机方式搜索未知木材地，寻找新的木材资源；采伐狸则奔袭至质检狸处搜集木材，并在奔袭过程中寻 找木材资源；而质检狸引领海狸群体朝着木材资源最丰富的方向前进。BA 在 CEC2017 测试函数上进行了测试， 并与其他 7 种算法进行了比较。研究结果显示，BA 在大部分函数中获得最佳解，具有较强的优化能力。此外， 本文将 BA 应用于拉伸/压缩弹簧设计、三杆桁架设计等 2 个具有挑战性的工程问题，并与其他 2 种算法进行了 比较。结果表明，BA 在这些工程问题中均取得了最佳的优化结果，相较于其他 2 种算法表现更为出色。

摘要：针对一类耦合液位系统, 提出一种基于端口受控哈密顿系统模型的固定时间控制策略. 从物料平衡角度选择哈密顿函数, 构建耦合液位系统的端口受控哈密顿系统模型; 基于一种新型目标哈密顿函数, 结合匹配条件设计固定时间控制器, 使系统在固定时间收敛在稳定域; 提出一种目标结构矩阵参数整定方法, 以降低控制器求解过程的复杂度, 并给出目标矩阵参数与收敛时间之间的内在关联; 结合$L_{2}$增益干扰抑制理论, 设计全局固定时间$H_{\infty}$控制器. 所提控制方法能更好实现设定值跟踪, 具有较好的鲁棒性, 控制器更为简洁. 仿真结果验证了该控制策略的有效性.

摘要：碳交易政策的施行推动了供应链对于降碳生产、低碳宣传的长期关注。在此需求下，节能服务行业衍生出合同“双碳”服务模式。为分析该模式对上游制造商与下游零售商减排决策的影响，基于随机微分博弈理论构建了自主减排策略模型、外包合作减排策略模型和持股合作减排策略模型。研究发现：制造商是否采纳合同“双碳”服务主要取决于节能服务公司的减排成本优势，且与商誉衰减率、贴现率和消费者低碳偏好相关；在制造商选择合同“双碳”服务的情形下，零售商存在降低宣传力度并获取额外收益的可能；持股合作方式可以降低制造商对于合作减排的成本要求；制造商持有股份的提高可以增加供应链减排投入，实现制造商与零售商利润的帕累托改进；持股合作为节能服务公司带来的直接利润改进较低，制造商可通过转移支付等方式以促成合作。研究工作聚焦于节能服务行业的新模式，为供应链减排策略的选择提供参考依据。

摘要：为了提高输电铁塔高空作业自动化水平和保障高空作业机器人设备安全，针对传统RRT和A*等算法在角钢塔高空复杂环境中无法快速规划机械臂安全轨迹的问题，提出一种基于铁塔模型的双向天牛须知情快速随机扩展树轨迹规划算法（BAS-InformedRRT*Connect，BI-RRT*Connect）。首先数字重构高空机器人作业环境，利用模型配准方法，获取输电铁塔精准模型信息，接着根据铁塔模型寻求机械臂末端点和作业目标之间的可行路径，并添加天牛须算法改进随机采样过程，采用两只天牛相互寻找快速获取初始路径解，最后将初始路径作为先验知识构建椭圆体采样区域以优化路径。在Unity环境下搭建实验平台将所提算法与RRT和A*等四种传统算法进行比较，实验结果表明，该算法在输电铁塔多种作业区域下都具有求解速度快，求解质量高的良好效果。

摘要：线上渠道和线下渠道在产品价格和服务等方面存在竞争,并受到供应链结构的显著影响.利用微分博弈 方法在三类供应链结构下研究了线上线下渠道竞争,包括集中式结构、分散式结构和收益共享结构.通过对微分 博弈模型的求解获得了不同供应链结构下线上线下零售价格、促销努力和物流努力策略. 研究发现：分散式结 构提高了线下零售价格、促销努力与线上零售价格,并降低了线上促销努力和物流努力.收益共享结构提高了线 下零售价格、促销努力与线上零售价格、物流努力,并降低了线上促销努力.分散式结构和收益共享结构使电商 作出了比线下零售商更小的促销努力并制定了更高的零售价格.当物流努力边际贡献充分大时,物流努力的存在 总是使得线上产品商誉高于线下.数值实验表明,收益共享结构对线下渠道最有利而集中式结构对线上渠道最有 利,物流努力对线上渠道是否有利依赖其对线上产品商誉的边际贡献.

摘要：岭回归由于简单高效被用于处理各种机器学习任务，并取得令人称赞的结果。然而，当岭回归直接应用于聚类时很容易触发平凡解。为解决此问题，本文提出基于约束图的鲁棒不相关岭回归方法（Robust Uncorrelated ridge Regression with Constraint Graph，简称为RURCG）。首先，该方法利用广义不相关约束使岭回归嵌入了流形结构，保证其聚类时存在闭式解；其次，为避免异常数据对聚类的影响，对岭回归的误差项施加二值向量，该向量的元素具有明确的物理意义，若数据正常，则其值为1，否则为0；接着，对岭回归嵌入拉普拉斯构造以获取数据的局部几何结构，为使聚类结构更为充分，其中涉及的图矩阵包含了成对约束和标签信息；最后，运用迭代优化策略求解目标函数，在8个基准数据集上的仿真实验验证了所提方法的有效性。

摘要：针对多自主移动机器人 (Autonomous Mobile Robot, AMR) 调度系统中的决策规划问题，本文提出了一种分层策略的基于时空冲突和非完整约束下的多 AMR 调度算法。首先，提出加权时空混合 A* 算法作为算法的底层，进行单 AMR 路径规划，确保规划的路径满足阿克曼类型 AMR 的运动学模型。然后，引入结合分离轴定理的冲突检测树作为算法的上层，对底层算法规划出的路径进行精确的时空冲突检测。检测出的时空冲突被用作底层算法的时空约束。最后，再次调用底层算法，考虑时空约束进行路径规划，以实现高效的 AMR 冲突消解。仿真结果证明，本文所提算法能够为多 AMR 调度系统高效的规划出满足非完整约束的无冲突路径。

摘要：针对直驱风电场弱交流电网诱发的次同步振荡问题,提出一种基于固定时间滑模控制的次同步振荡抑制方法.首先,根据直驱风电场弱交流电网的扰动方程,研究次同步振荡的发生机理,并对不同强度弱交流电网下的次同步振荡特性进行分析;其次,构建网侧变流器电流跟踪误差动态方程,并在滑动变量中采用双曲正切函数代替符号函数,避免传统固定时间终端滑模控制存在的奇异性问题;最终,通过设计固定时间非奇异终端滑模控制,保证电流误差在固定时间内收敛至零附近的邻域内,并利用李雅普诺夫定理证明了闭环系统的固定时间稳定性.通过对比仿真验证了所提控制方法能够在固定时间内实现直驱风电场在不同强度弱交流电网运行工况下对次同步振荡的有效抑制.

摘要：针对多无人艇(Unmanned Surface Vessels, USVs)编队系统中USV视野受限等, 本文提出了一种以无人机(Unmanned Aerial Vehicles, UAV)作为多USV的编队领导者的模型. 本文针对UAV领导的多USV系统水空协同编队问题, 设计了一种固定时间的优化编队控制算法. 在对USV、UAV进行三自由度动力学建模的基础上构建了增广系统, 并建立了一个以优化控制输入及编队误差为目标的性能指标函数. 所提出的辨识器-执行者-评价者结构的强化学习算法中, 辨识器可以精确辨识系统中的未知非线性动态, 通过评价者完成对最优性能指标函数值的评估、执行者更新控制策略两个步骤来不断优化控制策略以逼近最优. 进而, 利用Lyapunov方法证明UAV-USV系统编队误差能在固定时间内收敛. 最后, 通过仿真模拟验证了所提出的算法的有效性.

摘要：针对具有模型不确定和海洋环境扰动的微小型无人水下航行器无速度测量轨迹跟踪控制问题,提出自适应鲁棒积分有限时间预设性能渐进控制方法. 首先,构造预置期望收敛时间的预设性能函数与误差转换函数,将跟踪误差由受限状态转化为非受限状态,其中期望的收敛时间可预先设置且不依赖误差初始状态. 在此基础上结合状态扩张观测器和误差符号鲁棒积分控制,提出复合扰动快速补偿与连续抑制相耦合的状态输出反馈控制器,其中线性状态观测器用于快速补偿未知速度和复合扰动,而连续误差符号鲁棒积分控制则进一步抑制估计误差和避免抖振. 该设计不仅能保证跟踪控制的瞬态和稳态性能,还可避免鲁棒积分控制需要精确已知扰动微分上界的保守假设以及对高控制增益的依赖. 稳定性分析证明了闭环控制信号在有限时间内渐进收敛.仿真结果验证了所提控制方法的有效性.

摘要：针对电动汽车的物流配送问题，考虑到客户需求可以拆分成若干离散订单的特性，以最小化电动汽车的固定成本、路径行驶成本、充电成本以及时间窗惩罚成本为目标，构建了需求可离散拆分的多车型电动汽车充电策略和路径优化模型。针对模型的特点，设计了改进的遗传-模拟退火算法。为验证算法的有效性，进行了算例分析。算例结果表明，考虑需求可离散拆分的情况下，该算法能够快速优化出电动汽车的充电策略和配送路径，其中部分充电策略不仅缩短了充电时间，还大幅度降低了总成本。敏感性分析结果显示，充电等待时间增加会导致两种策略的时间窗惩罚成本上升，但部分充电策略的成本增速显著低于完全充电策略，尤其适用于充电等待时间较长的情况。本研究为物流企业电动汽车配送优化提供了重要参考。

摘要：本文研究了非线性质量切换无人艇在拒绝服务攻击下的动态记忆事件触发动力定位控制问题. 首先,建立了一个切换模糊模型来描述非线性质量切换无人艇系统. 该模型同时考虑了船舶的非线性特征及质量变化行为. 然后, 提出了一个包含记忆项的动态记忆事件触发机制. 该机制可利用动态变量的历史信息来调整触发阈值, 进一步节约了有限的通信资源. 在此基础上, 构造了基于该动态记忆事件触发机制的控制器来补偿海洋扰动. 其次, 利用多Lyapunov函数策略给出了拒绝服务攻击下质量切换无人艇系统动态记忆事件触发动力定位控制问题的可解性判据. 在拒绝服务攻击下, 本文所提出的控制方案能够应对网络攻击导致的通信中断问题, 确保质量切换无人艇在恶劣网络条件下仍能保持动力定位性能. 最后, 以一艘质量切换船为例, 验证了该控制方案的合理性.

摘要：本文研究了基于超螺旋滑模算法的异步电机转子磁链观测问题.根据异步电机电流模型,设计了超螺旋算法下的转子磁链开环估计模型.为提高该模型对于转子电阻及外部扰动变化的鲁棒性,对观测器中电机参数的不确定部分进行估计.进一步地,将观测器得到的转子磁链引到定子电流估计方程中,得到闭环结构,提高了磁链观测精度和收敛速度.通过重构模型中待观测的中间变量,解决了传统观测器模型对于转子磁链求解时的积分漂移和初值误差问题.针对磁链与转子转速的耦合问题,通过处理扰动给出了系统稳定的充分条件.仿真和实验结果验证了本文算法的可行性和有效性.

摘要：针对挖掘机无人作业，考虑挖掘机工作装置液压系统的强非线性、参数不确定性、时变载荷和高能耗问题，提出一种改进的全格式动态线性化无模型自适应控制方案。首先，通过分析驱动空间与任务空间的映射关系，将挖掘机铲斗齿尖的轨迹跟踪问题转化为液压缸活塞杆伸缩量跟踪问题；其次，为了保证轨迹的连续性和平顺性、降低计算复杂程度、并减少系统在启动和停止时的不稳定性，利用5次NURBS曲线插值方法对挖掘轨迹进行规划；进一步，设计改进的全格式动态线性化无模型自适应控制算法实现挖掘机无人作业，并为减少能量消耗，在输入准则函数中引入能量函数的惩罚项，在确保良好跟踪精度的同时实现最优能耗。最后，对所提方案进行实例仿真，验证该方案的可行性和优越性。

摘要：自主水下航行器(Autonomous Underwater Vehicle，AUV)在任务过程中或完成后需通过自主回收实现能源补充与数据下载等操作，是否能进行高效、精准的回收引导决定了AUV的回收效率，成为其能否广泛应用的关键。针对AUV坐落式回收过程中的近距离光学引导定位问题，本文提出了一种基于深度学习的单双目位姿测量算法。首先，面向恶劣的水下光学成像条件，结合暗通道先验去雾和YOLO v9目标检测网络，实现了一种可适应不同水质、光照强度且鲁棒性强、可靠性高的引导光源提取算法。同时，针对回收过程中的特征匹配问题，设计了一种不依赖于AUV速度的全向特征匹配算法，实现了3D-2D特征匹配。此外，针对坐落式回收典型的多阶段引导特点，分别基于PnP原理和SVD分解设计了面向不同阶段的单、双目引导定位算法。最后，基于多次仿真和实物试验，验证了算法在精确位姿估计方面的可行性和有效性。

摘要：针对水下机械臂的末端轨迹跟踪控制问题,提出一种自适应快速反正切非奇异终端滑模控制器.首先,基于莫里森方程建立考虑水作用效应的水下机械臂动力学模型;其次,结合非奇异终端滑模控制和反正切函数特性,设计了一种反正切非奇异终端滑模控制器,并基于径向基神经网络预测了系统的未知扰动;然后,通过李雅普诺夫理论验证了所提控制方法可在有限时间内收敛到期望位置;最后,通过仿真实验验证了所提控制方法的有效性.

摘要：基于自适应视线制导方法（ALOS）、有限时间扩张状态观测器（FTESO）和鲁棒模型预测控制（RMPC）提出了一种基于横摇约束的船舶路径跟踪控制方法。ALOS通过路径点自动更新可接受半径，获得更灵活的机动性；FTESO用于船舶运动状态和外部干扰的估计，RMPC控制器设计中将输入约束、横摇约束和束和无限时域性能指标约束纳入优化目标，转化为线性矩阵不等式凸优化，进行多目标协同控制。根据Lyapunov稳定性理论和齐次理论，确保系统的闭环稳定性及有限时间内的收敛性。仿真结果表示，虽然经过极限角度时所提方法路径跟踪超调量略大，但所提方法减摇率为83.40%，与LOS+MPC方法相比减摇率提升了51.28%。验证了所提控制方法的有效性和鲁棒性，可为欠驱动船舶舵减摇控制设计提供参考。

摘要：针对随机通信时延和时变通信拓扑条件下的多水下自主航行器编队轨迹规划问题, 本文将随机梯度上升算法引入分布式模型预测控制方法中, 提出了一种在线分布式轨迹规划方法. 首先通过采样贝塞尔曲线, 将轨迹规划问题转化为一系列优化问题, 然后通过拉格朗日对偶函数法分布式求解, 在完成点对点轨迹规划任务的同时保持成员间通信连接. 最后本文基于拉格朗日对偶理论框架推导出了所提出算法的收敛速度与最大通信时延的定量关系, 并通过在仿真场景下与现有方法的对比实验验证了所提方法的可行性和有效性.

摘要：基于状态反馈和输出反馈控制方法,解决离散线性领导-跟随多智能体系统的二分状态一致性跟踪控制问题.其中,领导者具有离散自治动态并能够产生理想参考轨迹信号.首先,基于盖尔圆盘定理和离散代数黎卡提方程提出一种新型分布式状态反馈控制协议.其中,基于系统拓扑矩阵设计的控制耦合增益能够使得全局跟踪误差系统包含在单位圆的稳定域内.在结构平衡条件下,通过Lyapunov稳定性理论和分离原理可证明符号有向图下两个对立子组的智能体可实现二分状态一致.然后,基于邻居合作-竞争交互信息引入新型分布式状态观测器以实现跟随者状态的跟踪.进而提出一类基于观测器的输出反馈二分控制协议,在状态不可获知情况下可实现理想的领导-跟随二分状态跟踪,也可应用于更一般的传统一致性控制场景.最后,给出两个仿真算例验证所提算法的可行性和有效性.

摘要：分时电价政策与车辆到电网技术能平衡电网负载、增强电网削峰填谷能力,也可作为物流行业降本增利的新途径.综合考虑分时电价、客户需求、电动车能耗以及充电/放电策略等因素,以总配送成本最小、放电利润最大为目标,建立电动车配送-充电/放电路径规划的多目标混合整数规划模型,并根据模型特性设计改进非支配排序遗传算法求解.采用多类型算例开展实验,结果表明:本文方法能在较短时间内科学规划电动车配送-充电/放电路径,不但能有效降低总配送成本、提高放电利润,而且能协助电力公司维持电网平稳运行,为广大电能用户营造良好的用电环境,实现物流企业、电力公司与电能用户三方互利共赢.

摘要：针对联合检测与跟踪范式中存在的检测特征和Re-ID 特征相互竞争的问题和在复杂场景下难以保持被遮挡目标视觉一致性关系的问题，本文提出了一个端到端的超图神经网络关联的多目标跟踪方法(Hypergraph neural network matching tracking, HGTracker) 。首先，HGTracker 设计了一个增强的空间金字塔池化网络(Enhanced Spatial Pyramid Pooling Networks, ESPPNet) 模块用来提高目标检测骨干网络的检测能力，该模块通过聚合不同维度的特征，来适应跟踪过程的不同任务，有效地缓解了一阶段跟踪方法中检测任务和Re-ID任务相互竞争的问题。其次，提出一个基于长短期超图神经网络（Short-term and Long-term Hypergraph neural network matching）的数据关联模块，通过设计长期超图神经网络和短期超图神经网络来分别关联未被遮挡和被遮挡的检测视觉特征，将数据关联问题转化为轨迹超图和检测超图之间的超图匹配问题，跟踪器将轨迹片段信息和当前检测帧信息之间的关系建模为超图神经网络，在严重遮挡的情况下保持了视觉轨迹的一致性。通过在MOT17 和MOT20 数据集上实验对比，验证了HGTracker 跟踪方法的有效性。

摘要：针对扩展目标多伯努利滤波器(ECBMeMBer)在复杂环境下对衍生扩展目标跟踪性能严重下降以及无法提取目标轨迹的问题,本文提出一种基于轨迹随机有限集(Trajectory RFS)的衍生扩展目标多伯努利滤波算法(S-TCBMeMBer).首先,利用轨迹多伯努利RFS(Trajectory MBer-RFS)描述多扩展目标的轨迹序列,从而为扩展目标提供连续的轨迹信息.其次,提出一种多伯努利衍生模型,通过原始扩展目标的航向角与衍生扩展目标的偏转角之间的三角函数关系式建立不同衍生扩展目标的运动方程与动力学转移模型,从而实现对衍生扩展目标质心状态与外形状态的联合估计.随后,基于轨迹MBer-RFS和所提多伯努利衍生模型推导并提出S-TCBMeMBer滤波器,并在线性高斯条件下给出伽玛高斯逆威沙特(GGIW)混合实现.仿真结果表明,所提算法在杂波、漏检和噪声共存的环境下能够对衍生扩展目标进行有效跟踪,并提取扩展目标完整的轨迹信息.

摘要：相比于刚性连杆并联机器人，绳驱并联机器人（cable-driven parallel robot, CDPR）存在结构简单轻盈、工作空间大、响应速度快及成本低廉等优点，非常适合极端空间环境。然而，由于电机、绳索和末端执行器之间存在复杂的耦合关系，CDPR工作空间和刚度的求解具有挑战性。基于此，本文提出了一种四绳驱动并联机器人工作空间与刚度的建模、分析及优化方法，并用于指导CDPR动锚点位置设计决策。首先，建立了考虑滑轮模型的CDPR运动学模型，并通过优化方法对CDPR “电机-绳索-末端”多层运动学进行了求解。然后，建立了CDPR的工作空间，并给出了工作空间优化的求解方法。进一步地，推导了CDPR的刚度模型，并给出了刚度优化的求解方法。最后，根据优化后的工作空间与刚度模型，对CDPR的动平台锚点位置设计决策进行优化，数值仿真结果和实验证明了方法的正确性与有效性。相比于刚性连杆并联机器人，绳驱并联机器人（cable-driven parallel robot, CDPR）存在结构简单轻盈、工作空间大、响应速度快及成本低廉等优点，非常适合极端空间环境。然而，由于电机、绳索和末端执行器之间存在复杂的耦合关系，CDPR工作空间和刚度的求解具有挑战性。基于此，本文提出了一种四绳驱动并联机器人工作空间与刚度的建模、分析及优化方法，并用于指导CDPR动锚点位置设计决策。首先，建立了考虑滑轮模型的CDPR运动学模型，并通过优化方法对CDPR “电机-绳索-末端”多层运动学进行了求解。然后，建立了CDPR的工作空间，并给出了工作空间优化的求解方法。进一步地，推导了CDPR的刚度模型，并给出了刚度优化的求解方法。最后，根据优化后的工作空间与刚度模型，对CDPR的动平台锚点位置设计决策进行优化，数值仿真结果和实验证明了方法的正确性与有效性。

摘要：近年来，值函数估计偏差修正已成为深度强化学习领域的一个重要研究方向。现有大多数研究工作均聚焦于如何缓解高估偏差， 但却忽略了缓解高估偏差过程中引入的低估偏差问题。 为此， 本文通过 在Actor-Critic框架中灵活设置多个Actor和Critic网络来缓解值函数低估偏差，提出一种基于组合网络优化的延迟深度确定性策略梯度(D3PG-CNO)。 D3PG-CNO的主要思路为： 在经验收集阶段用一个Critic网络对多个Actor网络的输出动作进行评估，并选择最优的动作存入经验池。在经验训练阶段，从多个Critic网络中选出在当前状态-动作对下估计结果最小的Critic网络并用其对多个Actor网络的输出动作进行评估，选择评估最大值进行目标值的计算。MuJoCo平台上的实验结果显示，D3PG-CNO相比现有的确定性策略梯度算法显著降低了估计偏差，提高了算法稳定性和收敛速度，并在多个任务中表现出更好的性能。

摘要：P2P2B模式下云服务投入是工业互联网（Industrial Internet of Things，IIoT）平台的关键战略决策之一. 构建由IIoT平台、龙头企业、潜在客户构成的演化博弈模型，研究IIoT平台在公有云研发投入和私有云研发投入中的策略选择及其与龙头企业的生态合作问题. 结果表明：虽然公有云存在数据泄露隐患，但较高的规模收益仍会吸引IIoT平台投入公有云研发，而平台搭建期内龙头企业的高合作意愿会促使平台投入私有云，但随着龙头企业合作研发的比例增加，平台又将改变其投入策略. 驱动龙头企业合作的因素可以是成本收益、技术提升等直接因素，也可以是规模收益、数据泄露概率等间接因素. 最后，基于平台生命周期探讨了初创期、平台搭建期与生态系统期IIoT平台的系统稳定策略并得到了相应的管理启示.

摘要：三电机卷绕系统是一个强耦合非线性时变系统, 存在卷轴半径、转动惯量以及摩擦系数等时变参数, 导致张力协同控制精度. 为提高卷绕系统模型准确度、实时优化张力协同控制系统的动态性能, 本文提出了一种基于改进鲸鱼算法优化的多核最小二乘支持向量机回归（WOA-M-LSSVR）预测模型和基于纵横交叉优化算法（CSO）优化的模型预测张力协同控制系统. 根据最小二乘支持向量机回归原理建立多核 LSSVR 回归模型, 并使用改进的自适应鲸鱼算法进行离线优化，得到系统预测模型；根据建立的预测模型, 构建自适应更新的模型预测控制器, 引入纵横交叉优化算法实现优化求解, 最大程度避免了求解陷入局部最优的情况, 提高了张力控制系统的动态性能. 通过仿真和实验分析, 证明了本文设计的张力协同控制系统具有良好的动态性能和鲁棒性.

摘要：非线性方程组问题的求解难点在于多根联解的同步解出，针对邻域拥挤差分进化算法存在的多根解出不完整、丢根及易陷入局部最优等问题，提出一种基于邻域交叉的双变异差分进化算法。双变异策略基于个体适应度值综合学习邻域和全局的进化信息，以提高种群多样性并同步增强其局部最优规避性能；邻域交叉策略通过种群分组与不同交叉操作实现进化个体的差异性引导，以规避多根的联解丢失并改善计算资源的利用效率.~实验结果表明，所提算法能够有效实现非线性方程组的多根联解且在找根率和成功率指标上性能表现优异。

摘要：针对仿真数据驱动的迁移故障诊断方法中虚实数据域差异过大带来的负迁移问题,提出了一种基于虚实域多层级联合适应网络(virtual-real domain multi-level Joint adaption network , VDMJAN)的故障仿真到现实诊断方法?论文以滚动轴承为分析对象，结合实际工况建立了基于非规则损伤形态的轴承故障动力学仿真模型,生成了测试实体轴承的故障虚拟信号并结合故障机理进行了可仿真信号可迁移性模式分析；构建了不同尺寸卷积核的深度卷积神经网络对虚实域信号进行了粗细粒度特征提取,增强了用于状态辨识特征的域不变性与全面性；采用多分类器并行输出概率融合法对测试样本进行伪标签标注，对仿真与实测样本进行了不同层级的领域特征精细对齐,实现了虚实数据的跨域一致性；引入了VDMJAN训练的有效性损失保证了多分类器对目标域实测样本状态识别确定性与一致性，并采用筛选的类对齐实测数据对分类器进行校正微调，消除了分类器对仿真样本的偏向性，以更好的实现适应目标域测试样本的分类任务。两个实验分析结果表明,提出的VDMJAN以单源域的轴承故障仿真样本为驱动,在实测故障样本标签信息完全缺失的情况下,能够有效实现从仿真到现实的故障诊断，在特殊环境下样本稀缺的设备故障诊断领域具有较好的应用前景?

摘要：针对离线知识蒸馏中因教师与学生之间规模差距过大，知识难以有效传递，导致学生性能不佳的问题，提出了一种基于自监督对抗学习的多尺度知识蒸馏方法 (SAMKD)。利用自监督和对抗学习来进一步开发中间多尺度特征与网络末端输出特征 logits 的潜力。首先，引入多角度几何变换图像监督网络学习模型；其次，设计多分支辅助网络来提取主干网络的多尺度特征，获得图像的 logits 输出；最后，利用生成对抗网络的二元博弈思想进行多阶段对抗训练，通过该对抗训练能够将多层次的知识通过蒸馏方法充分传递。通过实验分析，在三个具有挑战性的公开数据集 CIFAR-10、CIFAR-100 和 Tiny-ImageNet 上进行充分实验，所提方法与其他先进知识蒸馏方法的比较中展现了强大的竞争力。

摘要：摘 要：供水管网的漏损控制与监测难题普遍存在,传统基于压力敏感度对管网进行分区并布设压力传感器的方法仅考虑了管网节点压力变化情况,并未结合管网自身高程信息,减压阀调压时局部压力过高效果不明显.针对此问题,首先将管网节点压力敏感度与高程差耦合,将FCM算法中目标函数中的距离定义为特征距离与高程距离之和,建立了包含高程邻域信息的新的聚类目标函数,实现节点分区聚类.并在在分区入口处布设减压阀,采用GA求解阀后压力实现分区内各节点压力的实时精细化调控,联合智能算法与经验法在各个分区布置压力传感器,并通过漏损模型验证传感器布置的合理性.结果表明：分四个区的方案将BIN管网的漏损率降低至6.55 %,相较初始管网降低了22.79 %,联合智能算法与经验法进行传感器布设对管网漏损的监测效果显著,因此，引入高程信息的FCM算法管网漏损控制优化策略具有有效性及优越性.

摘要：考虑到水下目标定位过程存在通信和采样中的不确定性,叠加含噪定位网络解算引入的额外误差,如何求解长航时水下目标定位误差方差下界用于评估定位性能至关重要.针对水下目标机动运行定位精度不稳定的问题,采用无迹粒子滤波与拓展后验克拉美罗估计,开展水下目标长航时近似最优精度建模与评估.首先,考虑水下多参量非线性模型容易引起滤波退化,采用无迹粒子滤波对水下目标状态进行估计;其次,利用泰勒级数展开求解水下目标预测状态的近似逼近;然后,将滤波估计得到的状态值与近似估计得到的期望和方差,集成到水下目标三维拓展后验克拉美罗估计中;最后,开展了无迹卡尔曼滤波0阶到2阶、粒子滤波、最大最小粒子滤波、无迹粒子滤波0阶到2阶与理论最优估计值的比较,所提模型长航时目标位置和速度近似后验克拉美罗估计值能够逼近理论值，可用于水下目标长航时定位性能分析.

摘要：针对模型参数未知的线性离散系统，本文提出一种数据驱动的双模模型预测控制方法，无需预先对系统进行建模，能够实现在约束条件下对目标设定点的最优跟踪控制。首先，根据有限的系统历史运行数据预测系统未来一段时间的运行轨迹，并在代价函数中加入实时优化的人工平衡点，通过在线求解滚动优化问题获得控制输入，进而平稳地驱动系统进入到一个控制不变集内。接着在控制不变集内，基于系统历史运行数据，采用策略迭代的方法求解动态反馈控制器，同时可以得到静态前馈控制器，实现驱动系统收敛到平衡点的局部最优跟踪控制。最后，证明了该方法的稳定性，并将其应用到一个线性化的四容水箱系统当中，实验结果表明该方法有效可行，具有更小的超调量和更好的收敛性能。

摘要：针对一类具有多重扰动、不可测速度信息和执行器故障的无人艇系统,提出了一种重复学习复合抗扰容错控制策略. 为了克服速度信息不可用的不足,提出了一种新的集成故障-扰动估计器,实现了故障和干扰之和的准确估计. 然后,基于观测信息,通过设计一类比例微分型重复学习复合抗扰容错控制器实现了周期性轨迹跟踪. 相比于传统比例微分型重复学习控制器,所提出的基于观测器的重复学习控制器不需要利用测量输出的导数且具有更大的控制自由度. 最后,通过对一类无人艇动力定位系统的仿真,验证了所提重复学习复合抗扰容错控制策略的有效性与优势.

摘要：针对一类存在建模误差、外部扰动和时变非对称输出约束的机械臂系统位置跟踪控制问题, 本文提出了一种固定时间反步自适应优化控制方法. 首先, 通过设计固定时间干扰观测器来快速准确地估计机械臂系统的建模误差和外部扰动. 其次, 将反步法与新型障碍Lyapunov函数相结合, 并基于一种滚动自适应律完成考虑机械臂输出约束的固定时间控制器设计, 同时采用指令滤波器和切换函数解决控制器推导过程中存在的“微分爆炸”和“虚拟控制量奇异”问题. 再次, 利用改进的北方苍鹰(Improved Northern Goshawk, ING)算法对机械臂系统的控制参数进行优化整定, 进一步提高系统的收敛速度和稳态精度. 理论分析表明, 系统跟踪误差能够在固定时间内收敛到接近零的小邻域内, 且始终满足输出约束的要求. 最后, 通过PUMA560型机械臂的仿真对比研究验证了本文所提方法的有效性.

摘要：水下潜器凭借其强机动性与自主性，已成为海事搜索救援中的必要设备. 现有研究普遍通过随机部署潜器方式来实现给定水域目标探测，并没有从理论上对探测航迹与队形进行建模分析. 本文首先证明了随机选择起点和移动方向的潜器，直线航迹是实现最大覆盖和最大目标探测概率的最优航迹. 基于上述探测航迹，采用测度理论建立了面向水下搜索救援的潜器探测模型. 进一步，考虑潜器通信损耗，证明了潜器感知区域在相切时是最优的探测队形，并严格分析了潜器编队夹角、间距、移动速度与采样周期对目标探测概率的影响. 最后仿真结果验证了所构建模型与方法可以有效的提高目标的探测概率.

摘要：入口匝道控制作为高速公路主动管控的重要技术之一，能够有效解决高速公路合流区拥堵问题，合理的控制策略是保证控制效果的前提。本文提出一种基于加点策略的Kriging辅助模拟退火遗传优化二型模糊控制方法，该方法能够兼顾高速公路主线和匝道的运行性能，基于二型模糊逻辑进行控制策略推理，结合变论域思想和搜索算法调节模糊控制参数，并通过加点更新的代理模型来解决仿真优化中耗时过大的问题。以济南绕城高速为实例，对比验证了上述控制方法的有效性和优越性，并针对不同的流量场景设计不同的控制方法。实验结果表明，所设计的控制策略应用于拥堵情况下，能够在匝道约束内有效优化主线运行状态，在非拥堵情况下能够在节约计算资源与成本的同时，进一步提升主线和匝道的运行性能。

摘要：空气质量指数(AQI)的变化具有时间和空间双重属性,同时呈现出非线性、非平稳、高噪声和高波动等特征,已有的AQI预测方法难以充分提取其时空特征并实现稳定的有效预测。本文对AQI时空数据进行有效标识和提取,通过构建三维空间张量,提出一种时空数据驱动下基于多尺度3D-CNN-CBAM模型的AQI预测方法。首先,在考虑本地与邻近地区之间空间域权重的基础上,运用互信息(MI)对AQI影响因素进行筛选。其次,利用多元经验模态分解(MEMD)方法和样本熵(SE)分别将历史数据和影响因素序列分解重构为更具规律性的高频序列、低频序列和趋势项。然后,根据分解得到的各地AQI数据、大气污染物浓度值和气象因素变量,构建子序列三维空间张量,以反映其时空特征演变。在此基础上,设计多尺度三维卷积注意力机制(3D-CNN-CBAM)网络模型对子序列进行预测,以有效提取AQI与其影响因素之间的关键时空关联性特征,并降低噪声信息对拟合效果的干扰。最后,集成得到目的地AQI预测值。将本文方法应用于长江三角洲城市群2019年-2023年日度AQI预测。结果表明,该方法适用于具有时空属性的空气质量指数预测,与现有方法相比具有更高的预测精度和适用性。

摘要：针对现有的不完备多视图聚类方法存在无法准确利用缺失视图的潜在信息和未能充分利用视图间的互补信息以及高阶相关性等问题。本文提出了一种新的基于多级自表示约束的不完备多视图聚类CMLC (incomplete multi-view Clustering based on Multi-Level self representation Constraints)。CMLC利用公共潜在表示来恢复缺失值从而有效获取缺失部分的潜在信息。为了获得多视图数据的统一低秩表示，CMLC首先通过多级自表示约束来捕获多视图数据内部的一致信息和视图间的互补信息，同时利用多级误差表示提高模型对噪声的鲁棒性，接着通过张量对数行列式来捕获视图间的高阶相似信息，最后引入距离正则项来捕获数据的局部信息。与九个对比方法在多种缺失率下的六个仿真不完备多视图数据集上进行实验对比，结果表明CMLC均获得了最好的聚类性能。

摘要：功率预测是实现电能供需平衡、维持电网稳定运行的一项重要任务。随着分布式海上光伏系统的发展，光伏利用率不断提升，同时对光伏功率预测提出了更高的要求。针对机器学习方法在光伏功率时间序列预测中存在的样本数量不足、预测精度低以及隐私泄露等问题，本文提出一种基于联邦学习和变分模态分解的长短期记忆神经网络功率预测模型（FL-VMD-LSTM）。利用主成分分析法（PCA）和三次样条插值对气象数据进行预处理，同时利用VMD将光伏功率时间序列分解为多个分量进行分步预测，降低光伏功率时间序列的非平稳性和复杂度。通过横向联邦学习的本地训练和参数聚合方法，实现在保证数据隐私安全情况下的光伏功率预测。通过四个算例进行仿真实验，验证结果表明FL-VMD-LSTM模型在光伏功率预测方面具有较高精度，与传统算法相比RMSE和MAE分别降低了55.7%和55.5%。

摘要：本文针对具有约束的不确定主动悬架系统(ASS), 提出了一种考虑输入和输出约束的自适应容错控制方案. 首先, 设计了一个有界约束函数来同时约束车身和轮胎的垂向位移, 以实现驾驶舒适度与轮胎抓地力之间的平衡. 其次, 为了进一步提高驾驶舒适度, 针对不确定车身子系统, 提出了一种考虑输入约束的自适应容错控制律, 并与设计的有界约束函数进行叠加, 得到了最终的控制律. 其中, 考虑到执行器故障及ASS不确定性带来的未知项, 采用自适应控制来逼近未知项的上界, 同时, 引入辅助系统对输入饱和进行补偿. 最终, 分析了ASS的稳定性, 并通过仿真对比验证了本文提出方案的有效性.

摘要：Fal函数是非线性扩张状态观测器(Fal\_NESO)的核心单元,其构成的滤波器(FalFilter)对于控制系统的性能也具有重要影响.通过对FalFilter和Fal函数的性能分析,提出一种在定义域内连续可导且只有一个待整定参数的CFal函数,并证明了由CFal函数构成滤波器(CFalFilter)和非线性扩张状态观测器(CFal\_NESO)的可行性.然后,联合CFalFilter和CFal\_NESO,得到一种带滤波器的新型观测器(CFalFilter-CFal\_NESO),用于处理测量环节含噪声干扰的情况.最后,通过典型实例将CFal函数与两个改进的Fal函数进行对比实验,实验结果表明,在跟踪速度趋近条件下,~CFalFilter滤波效果最佳;仅改变Fal函数参数,~CFal\_NESO能够更好的提取噪声环境中的信号状态,同时也减小了因观测器阶数增加而带来的参数整定困难;在不改变参数条件下,~CFalFilter-CFal\_NESO进一步提高了对带有测量噪声的信号的状态跟踪性能.本文所提CFalFilter、CFal\_NESO和CFalFilter-CFal\_NESO对于大多数非线性、高阶系统的滤波和观测均能适用,具有重要学术意义和实际应用价值.

摘要：在竹片表面缺陷检测中，竹片表面缺陷形状各异，成像环境脏乱，现有基于卷积神经网络（CNN）的 目标检测方法面对这样特定的数据时检测准确率较低；而且竹片来源复杂且有其他条件限制，例如不同季节成 色各异等限制，因此无法采集所有类型的数据，导致竹片表面缺陷数据量少，以至于CNN不能充分学习。针对 以上问题，本文提出了一种改进的ResNet50网络与迁移学习结合的竹片缺陷识别方法。首先，将获得的正负样 本数据按照一定比例分为训练集、验证集和测试集；其次，利用OTSU算法和LBP算法对竹片图像进行二值化 处理和特征提取，以减少噪音影响；最后将ResNet50作为骨干网络加入L2正则化和标签平滑与迁移学习结合， 得到适应于竹片缺陷检测识别的优化模型。将所提检测网络与VGG16、DenceNet121、ResNet50以及目前常用 于工业检测的YOLOv3分别在相同比例训练测试集上进行训练和测试。实验结果表明，所提检测网络的平均精 度均值(mAP)竹片表面缺陷检测数据集上比VGG16、 DenceNet121、 YOLOv3和ResNet50的mAP值分别提高 了23.45、18.6、19.51和2.76个百分点。所提方法能够针对形状各异的竹片表面缺陷进行有效检测，且降低了时 间消耗，在实际工业运用中具有很好的效果。

摘要：船联网(IoS)为船舶信息广播提供了一个交互平台, 借助IoS进行航行事件通告, 能够有效提升船舶对通航环境的感知能力. 然而, 在纷繁的事件信息流中, 鉴别特定事件信息真实性成为亟需解决的关键问题. 基于区块链的无中心、分布式等计算特点, 在IoS上构建一种可信的信息交换方法, 并提出了适用于IoS的航行事件真实性判定与信任管理方案. 该方案通过信息过滤, 计算船舶间的综合相似度, 并借助贝叶斯推理模型验证事件的真实性. 同时, 引入信誉更新机制, 以识别恶意船舶. 进一步设计了基于船舶信誉值的DPoS共识机制, 旨在优先选择信誉值较高的船舶作为见证者船舶, 以保障系统出块环境的稳定性和高效性. 结果显示, 在船舶滥用行为占比为40%的情况下, 航行事件真实性判定的准确率仍在75%以上. 研究表明, 所提出的方案不仅有效提高航行事件真实性判定的准确率, 还能识别恶意船舶并限制其滥用行为, 从而保证IoS环境的安全和稳定.

摘要：本文主要研究了基于动态输出反馈的离散Markov跳变系统有限时间 $H_{\infty}$ 控制问题. 针对实际系统中状态不可测和存在外界扰动的情况, 提出了动态输出反馈控制策略, 同时基于有限时间 $H_{\infty}$ 控制理论和Markov跳变系统理论, 分析闭环系统的稳定性并利用线性矩阵不等式 (LMI) 技术获取可行的充分条件. 所提方法给出较为宽松的矩阵不等式解耦方案, 具有较大的适用范围. 最后, 通过数值案例验证所提控制方案的有效性.

摘要：水下无人系统跨域协同控制，旨在通过传感器融合、跨域通信、数据处理等技术和方法，突破水下单一传输介质限制，实现水下物理单元跨域信息交互和任务协同. 它是未来海上无人系统发展的趋势，对提升海上无人系统智能化与自主化至关重要. 目前，水下无人系统跨域协同控制理论研究还不成熟，在任务部署、信息交互、路径规划与多机控制等层面面临诸多待解决的难题. 鉴于此，本文详细阐述了海空跨域协同下的水下无人系统架构与主要特征，分析了水下无人系统跨域协同控制面临的挑战与关键问题. 梳理总结了水下无人系统跨域协同国内外发展现状，综述了水下任务部署、信息交互、导航制导与协同控制层面的研究进展. 最后，对水下无人系统跨域协同控制未来值得深入探究的方向，进行了总结与展望.

摘要：针对多级子工艺稀土萃取生产采用人工根据经验逐级调药的方式, 容易导致人工循环调药、生产指标波动大的问题, 提出了一种基于 Laguerre 函数的分布式模型预测控制方法调节药剂量. 首先基于多稀土组分萃取机理建立具有串联结构的分布式状态空间方程, 然后拓展成嵌有积分器的增广状态空间模型；其次, 利用多组分稀土萃取中各级子工艺仅与其上游子工艺存在耦合的特点, 构造一种具有输入约束的非迭代递阶求解分布式药剂量目标优化函数；接着, 由于采用较大的预测时域能够实现更高的控制精度, 但会急剧增大其计算量. 为此, 利用 Laguerre 函数表示控制增量, 将原目标函数转化为含有 Laguerre 系数的目标函数, 并利用二次规划进行求解.这种方法使得计算量与预测时域无关, 而仅与 Laguerre 函数的系数数量有关, 不会随着预测时域的范围改变. 仿真实验表明本文所提方法的有效性.

摘要：针对运动想象脑电信号解码问题提出了因果稀疏特征优化方法，旨在选择因果判别特征以增强其解码准确性。首先，利用希尔伯特-黄变换(Hilbert-Huang Transform, HHT)提取脑电信号各通道中的边际谱能量。然后，运用样本重加权去相关性算子(Sample Reweighted Decorrelation Operator, SRDO)对特征进行加权优化，以消除干扰及冗余特征与识别运动想象的判别特征间的虚假关联。在此基础上，利用亲和传播(Affinity Propagation, AP)聚类算法开发特征在空间分布中的潜在关系，并结合迭代稀疏分组Lasso (iterative Sparse-Group Lasso, iSGL)，通过同时考虑组内与组间特征的重要性，对特征进行优化，以提升运动想象脑电信号的解码准确率。最后，利用支持向量机(Support Vector Machine, SVM)在二分类运动想象实验数据集上进行了5折交叉验证，实验结果显示其平均准确率达到了92.30%，与原特征相比提升近4%。此外，通过与不同方法的对比实验，也充分证明了本研究提出方法的优越性，表明该方法可以作为一种推动脑-机接口发展的有力解决方案。

摘要：在超宽带室内定位中,由于室内环境复杂,各锚节点与定位节点之间的通信会受到不同程度的干扰,干扰较大的数据会严重影响定位精度,因此需要对锚节点进行筛选.针对以上问题,提出了基于接收信号强度(RSSI)超宽带室内定位锚节点选择方法.首先,采用插值法计算定位节点对各锚节点之间的RSSI并采用高斯过程回归进行优化,得到初始的RSSI估计值;其次,对此估计值在锚节点位置与路径损耗因子处进行泰勒级数展开,得到具有RSSI信息的费雪矩阵,从而获得RSSI的Cramér-Rao下界(CRLB);然后,将所有锚节点选取状态组合(选择为1,不选为0)代入CRLB公式中,通过半定松弛求解CRLB的迹;最后,最小迹所对应的选取状态组合即为选择结果.实验结果表明,与未进行锚节点选择的算法相比,此方法在X、Y、Z方向上的定位精度分别提升37.6%、32.2%、38.8%,并且该方法接近穷举法的锚节点选择结果.此外所提算法采用无监督的方式无需获取先验数据,具有较高的实际应用价值.

摘要：针对有限通信带宽下的多智能体系统最优资源分配问题, 研究了一种周期事件触发的分布式优化算法. 在连续时间型分布式加权梯度算法上, 通过一种新的李雅普诺夫函数综合出一种事件触发通信机制, 其触发器只需以一个固定周期采样自身状态信息并评估触发条件以判断是否需要进行通信, 稳定性分析表明提出的分布式优化算法以指数速率收敛到最优解. 这种周期事件触发机制不仅自然地排除芝诺行为, 而且不需要触发器进行实时的检测. 最后数值仿真验证了所提出分布式事件触发优化算法的有效性.

摘要：针对多粒度概率语言下信息丢失及未考虑主体心理行为的双边匹配决策问题, 提出了基于累积前景理论的多粒度概率语言非对称正态云 (MPLANC) 双边匹配决策方法. 首先, 定义了多粒度概率语言非对称正态 云及其可能度, 用来处理和比较多粒度概率语言信息, 既简单有效又最大限度地防止了原始信息丢失. 同时, 构建了基于 MPLANC 双向投影的非线性优化模型和 MPLANC 幂 HM 集成算子, 以获得不同主体的属性权重和正负理想参考点. 其次, 考虑双边主体的心理行为, 利用累积前景理论构建了双边主体的前景值矩阵, 依据前景值最大化构建多目标优化模型来确定最优匹配结果. 最后, 通过服务外包匹配算例验证了所提方法的有效性和实用性; 并通过灵敏度分析与对比分析, 进一步验证了所提方法的灵活性和优点.

摘要：为推进城市物流配送领域的节能减排，提出了时间—位置依赖型多目标绿色车辆路径问题。首先，提出考虑不同情形交通拥堵状况下的车辆行驶时间计算方法；其次，综合考虑车辆行驶速度动态变化、实时载重等因素对油耗和碳排放的影响，建立车辆油耗和碳排放测度模型；然后，分析车辆配送时刻和顾客满意度之间的关系，建立顾客满意度函数；在此基础上，以车辆使用成本、油耗和碳排放成本之和最小化和顾客平均满意度最大化作为优化目标，构建数学模型；最后，设计一种改进的头脑风暴优化算法进行求解。实验结果表明，构建的模型和提出的算法能在物流配送的多个目标之间取得平衡，有效规避交通拥堵，降低物流配送总成本，减少油耗和碳排放，提高顾客满意度。

摘要：为了解决部分可观离散事件系统(Discrete Event Systems,DES)的故障预测问题,提出了一种基于标签时间Petri网的DES故障概率及发生时间的预测方法.首先,利用标签时间Petri网系统的修正状态类图,得到与观测到的时间标签序列一致的有效路径,从而获得初步的故障诊断结果.其次,根据检测到的故障类的概率密度分布,并结合Gauss–Kronrod积分法计算每个故障类的发生概率;再将时间段细分,进而预测故障类发生的时间,实现对DES的故障预防.最后,以交替位协议为实例验证所提方法的可利用性.结果表明,该方法能够有效地估计故障发生的概率,并提供有针对性的故障发生时间信息;其应用有望在实际工业系统中提高故障诊断的效率和准确性,且能够提前预防故障的发生以降低系统故障造成的损失.

摘要：由地方政府委托回收商回收处置低值可回收物的委托代理系统中, 回收商的能力类型和努力水平是其私有信息, 导致了双重不对称信息问题, 而回收商的公平偏好也对地方政府委托合同的实施效果产生影响. 本文考虑双重信息不对称下回收商具有横向公平偏好的激励机制设计问题, 构建了完全理性、劣势和占优不公平偏好下的低值可回收物回收处置系统的激励机制模型, 刻画了最优的契约特征. 研究表明: 劣势不公平偏好下以按量补贴为主有助于抵消嫉妒负效用的影响, 激励回收商付出最佳努力水平; 而在占优不公平偏好下, 回收商接受契约的收益高于同行业平均收益, 此时应转变为以固定补贴为主, 保证回收商的基本利益更能调动回收商积极性. 同时发现, 在提供的最优契约下, 回收商的劣势不公平偏好强度越高或占优不公平偏好强度越低, 低值可回收物的的回收处置越充分, 委托代理双方收益越高.

摘要：针对一类具有非凸输入约束和外界干扰的不确定多输入多输出严格反馈非线性系统, 提出一种有限时间自适应神经网络动态面跟踪控制方案. 首先, 通过引入非凸约束算子, 将设计的反馈控制输入转化为与其同方向具有最大幅值的实际输入向量, 进而保证实际控制输入始终保持在非凸约束集合内. 其次, 采用径向基神经网络逼近不确定连续函数向量, 以解决控制增益矩阵上下界未知情形下的控制问题, 并利用不等式放缩处理未知有界干扰. 然后, 利用反步法设计有限时间自适应动态面跟踪控制器, 保证闭环系统所有信号均为一致最终有界的, 实现期望轨迹的有限时间跟踪控制. 最后给出数值仿真算例以说明所提出控制方案的有效性.

摘要：针对多机器人路径鲁棒规划时存在节点耦合度高导致求解成功率低的问题，提出一种基于耦合度矩阵的安全区间多机器人路径k鲁棒规划算法(Coupling degree matrix based k-Robust Safe Interval Path Planning, CkR-SIPP)算法。首先，根据路径规划方案统计全局地图节点耦合度信息形成耦合度矩阵，在规划过程中不断更新该矩阵。其次，引入安全区间避免机器人之间发生冲突，采用带k时间扩展的A*算法作为多机器人底层路径规划算法，其中k为设定的鲁棒因子，可在多机器人的时空关系中处理鲁棒规划问题。同时，以耦合度矩阵中信息作为寻路约束反馈给带k时间扩展的A*算法，尽量避免耦合度高的节点。最后，按照高优先级到低优先级的顺序，完成所有机器人的路径规划。在Benchmark地图上进行仿真测试，其结果表明，本文提出的CkR-SIPP算法可以有效提高多机器人路径k鲁棒规划系统的方案可靠性，较kR-SIPP算法平均提高19.2%。

摘要：由于生产环境及运行参数等因素的影响,煤泥浮选过程工况波动剧烈,导致产品质量下降,甚至发生异常工况.针对此问题,本文提出一种基于分布式混合贝叶斯网络的煤泥浮选过程安全运行与产品质量一体化控制方法.利用分布式建模思想,深入分析煤泥浮选过程,将其划分为若干相互关联的局部模块并建立相应的局部混合贝叶斯网络模型,进一步结合过程知识和关联变量,确定煤泥浮选过程的全局混合贝叶斯网络模型,有效提升建模的效率和精度.该模型在离散贝叶斯网络的基础上,通过引入连续节点提升控制决策的推理精度.当煤泥浮选过程发生异常工况时,通过贡献图算法识别导致异常工况的局部模块,利用贝叶斯推理获取安全运行控制决策,消除异常工况;在此基础上结合模拟退火算法获取产品质量控制决策,提升产品煤质量,实现煤泥浮选过程的安全运行与产品质量一体化控制.最后,通过煤泥浮选过程仿真实验验证本文所提方法的有效性.

摘要：基于邻域保持嵌入（neighborhood preserving embedding, NPE）的故障诊断算法由于其能够有效的提取过程数据的局部信息而被广泛应用，但是典型的NPE方法对参数选择和噪声等离群点敏感，同时忽略了过程数据的全局信息。因此，提出了一种基于鲁棒低秩自适应邻域保持嵌入（robust low rank adaptive neighborhood preserving embedding, RLANPE）的故障诊断算法。该方法将自适应邻域嵌入、投影学习和低秩表示集成到一个框架中，在获得全局最优解的同时能有效提取数据的局部信息；进一步地，为了探索数据的全局信息并减轻异常值的影响，对RLANPE施加了低秩表示约束，以增强RLANPE的特征提取能力和鲁棒性；此外，对RLANPE引入了基于 范数的投影约束，以从复杂的数据中选择最有判别力的特征；最后给出了RLANPE的计算复杂度分析。三个合成数据集验证了所提方法具有好的降维效果和结构保持能力，在田纳西伊斯曼过程中的平均故障检测率可达83.72%，相比对比算法提高了近3%。

摘要：为提高移动机器人履行系统（robotic mobile fulfillment systems，RMFS）的订单拣选效率，研究了RMFS补货货品存储分配问题。以最大化所有货架上货品之间的关联度总和为目标构建了混合整数规划模型，设计了求解问题的大规模邻域搜索算法，采用贪婪算法构造初始可行解，结合问题特征定义了破坏算子和修复算子，并利用数值实验验证了大规模邻域搜索算法的有效性。结果表明，在贪婪算法生成初始解的基础上，大规模邻域搜索算法能有效提高解的质量，在中等和大规模算例上平均提高了37.4%和21.5%。并且相比变邻域搜索算法具有更好的优化效果，在中等和大规模算例上平均提高了8.9%和10.3%。此外，利用参数分析实验研究了货架数量、货位数量以及货品分散程度对目标函数值的影响。

摘要：准确识别大气污染下健康风险的主要经济-社会要素,对于环境质量管理与健康风险防控具有重要意义.通过对长江三角洲(YRD)城市群PM2.5污染进行空间相关性分析,发现城市间PM2.5污染存在显著的正向空间依赖性.鉴于区域大气污染具有空间临近效应和时间趋势特征,针对现有灰色关联模型未能将面板数据整体特征与不同维度趋势特征相整合的问题,本文提出了面板数据灰色面角关联模型(GDAIM),以识别空间临近区域PM2.5健康风险的主要影响因素.通过构建三维数据网络曲面并研究曲面夹角关系,构建了面角差异性测度公式,给出了GDAIM建模过程.以YRD地区PM2.5污染``高-高"聚集区为研究对象,运用GDAIM梳理该区域PM2.5健康风险与经济-社会因素间的关联关系.结果表明,颗粒物和二氧化硫排放是影响YRD地区PM2.5健康风险的主要因素,其次是乡村人口数量和氮氧化物排放.研究结果可为大气污染联防联控战略制定提供理论支持.

摘要：针对膜生物反应器(membrane bio-reactor, MBR)污水处理工艺易受到进水水量、水质波动等外部干扰因素的影响导致膜透水率难以准确测量的问题，提出了一种基于自适应鲁棒模糊神经网络(adaptive robust fuzzy neural network, ARFNN)的膜透水率软测量模型。首先，构建了一种对称抗噪损失函数，降低了模型对外部干扰的敏感度，提高了软测量模型的鲁棒性；然后，设计了一种自适应梯度下降算法，动态优化模型参数，提升了软测量模型的检测精度；最后，利用李雅普诺夫函数验证了ARFNN的收敛性，分析了模型的鲁棒性，保证了模型的收敛速度和抗干扰能力。将所设计的基于ARFNN的膜透水率软测量模型应用于实际的污水处理过程中，实验结果表明，在有外部干扰的情况下，该模型不但能够实现膜透水率的在线检测，而且可以获得较高的检测精度。

摘要：针对多节点深空探测器附着小天体过程中的任务重规划问题,研究了规划约束模型和重规划算法.基于多节点协同工作机制和复杂时间约束形式,定义了时间约束与系统图表示,构建了描述探测器系统的分层约束图并提出了多节点探测器附着任务分层验证及搜索重规划算法.该算法结合二分思想和动态规划思想,具体包括分层时延满足验证机制和分层约束搜索算法两部分.通过对约束进行不同粒度的分级存储,建立了突发约束的时延满足验证机制.对于整体时延无法满足全部约束的情况,基于约束点的分级匹配方法,设计了多粒度约束搜索算法.仿真实验表明所提出的算法能够快速生成时间约束损失代价最小的重规划结果,以满足深空探测场景下的实时自主决策需求.

摘要：研究了存在惯性参数不确定性和外部干扰的刚体航天器系统的预设时间姿态跟踪控制。基于刚体航天器的二阶全驱动力学模型，利用全驱系统理论，构造了一种有限时间扩张状态观测器。在此基础上，通过引入可调参数，设计了一种新型的可调预设时间姿态跟踪控制策略。该控制策略的优点是控制系统状态的收敛时间不仅小于预设时间上界，还可以通过引入的控制参数直接调节其快慢。利用Lyapunov稳定性理论，本文证明了扩张状态观测器的收敛性和闭环控制系统的稳定性。最后，通过数值仿真验证了所设计的控制器的有效性。

摘要：针对网络攻击下无线传感器网络中的目标跟踪，本文构建了一种高斯混合分布式鲁棒集员滤波算法，旨在提高网络恶意攻击下移动目标跟踪的一致性和精确性。该算法可分解为校正/测量更新、聚类融合和预测/时间更新三个步骤：校正/测量更新步是根据传感器采集的测量值更新前一时刻的状态估计（先验估计）；聚类融合步是采用高斯混合模型聚类算法对传感器节点估计进行分类，分为信任节点估计和非信任节点估计，非信任节点估计会被忽略而信任节点估计将参与融合；预测/时间更新步是预测目标状态的先验估计，将目标的当前时刻状态估计传递至下一时刻。仿真结果表明：该算法在抵御随机攻击、拒绝服务攻击、虚假数据注入攻击、重放攻击以及混合攻击这五种常见的网络攻击方式下，具有较好的鲁棒性。

摘要：母舰-舰载机协同路径规划问题（MVCRP）作为一类新兴的复杂组合优化问题，近年来得到越来越多学者的关注和研究。论文对MVCRP的概念内涵进行论述，对其与卡车-无人机协同路径规划问题的主要区别进行辨析，描述其在海事巡航执法、海上设施巡检、船只排放监测及海上搜索救援等方面的典型应用场景。论文基于母舰和舰载机数量形成的映射关系，对MVCRP研究进展进行系统综述，并对数学模型与求解算法方面的典型文献进行介绍分析。为进一步丰富研究内容，面向油田设施巡检的多舰-单机协同作业模式，论文提出了一个新的混合整数二阶锥规划模型。最后，论文从时间窗、多港口、可变速度、母舰多行程、复杂形状目标以及不确定性等多方面对MVCRP的未来研究方向进行展望。

摘要：多式联运可有效提高物流企业的运作效率并降低经营成本，是现代物流的未来发展趋势之一。然而其路径规划问题常常存在许多非线性约束，传统的精确算法在求解时也面临着模糊性、特殊性、动态性、高维性等挑战。鉴于仿生算法模拟生物系统时的智能优势在解决这一类复杂组合优化问题时具备广泛性和高效性。本文研究了近年来基于多式联运路径规划的仿生算法，并将其分为三类：群智能算法、进化算法和基于物理的仿生算法，总结了多式联运路径规划问题的特殊背景、关键特征和未来研究方向，广泛对比、分析了该问题下各仿生算法的原理、改进、优点和局限性，为问题的特殊场景提供合适的仿生算法。最后，讨论了多式联运路径规划问题面临的挑战和未来的研究趋势。

摘要：针对区间型动态不确定激励评价问题,提出了一种新的基于组织目标达成度的随机聚合动态激励评价方法. 首先,从组织整体目标出发,以立足当下（发展状态值）、面向未来（增长趋势值）的管理思维,提出一种新的融合优势概率和优势差异的指标赋权方法,以降低评估中的不确定性并提高被评价对象之间的差异度,推进决策的执行?进一步,展示了一种测度组织子目标平均发展水平的方法,为衡量组织整体均衡发展水平提供数据支撑? 在此基础上,通过灵活的奖惩措施,提出一种新的基于组织目标达成度的激励评价方法,以引导组织目标的均衡发展.最后,通过算例的形式,展示了本研究方法的特点与优势,并给出了面向三种基础管理情境下的评价结论信息以及比较分析,进一步展示了本研究方法在管理实践中的应用前景.

摘要：本文针对一类多阶段多情景多部门应急决策过程, 考虑心理偏好及多部门协同, 基于前景理论构建指标情景值矩阵和综合情景值矩阵等新矩阵, 提出恒定区间下的应急决策矩阵方法, 对事态发展进行全方面评估, 以实现科学高效决策. 本文给出前景值计算的矩阵形式, 使其可程序化, 能够有效应对突发事件多阶段的动态性(部门变动和方案变动), 提升决策效率. 恒定区间的引入描述了决策者的心理承受能力, 并进一步讨论恒定区间正负变化的影响以优化应急决策流程. 例如, 当承受能力增加时, 虽不改变各方案情景值的大小关系, 但可能影响最优方案的选择, 而某些情形下却不影响. 最后针对某化工厂实例进行分析, 证实该矩阵方法的有效性, 对处理这类应急决策具有较好的应用价值.

摘要：水声传感器网络在海洋科学和工程领域应用广泛，高性能的路由协议要求网络具有较高的吞吐量的同时，能量消耗尽可能小，这是提高能源利用效率的关键。针对这一问题本文提出一种基于能量优化和超时重传的水声传感器网络路由协议（Energy-Optimization Routing Protocol Based on Retransmission Timeout in Underwater Acoustic Networks，EORT）。在路由寻找阶段利用退避机制接收尽可能多的路由请求后再进行回复，以控制路由开销，同时融合能量均衡策略均衡网络能耗；在数据传输阶段引入超时重传机制进行数据监听和链路有效性判断，融合碰撞避免机制规避碰撞，有效提高包交付率和吞吐量，同时将监听和重传结果反馈路由维护过程以控制路由维护开销。通过仿真和水下实验与按需平面距离向量路由协议（Ad Hoc On-Demand Distance Vector Routing，AODV）和矢量转发路由协议（Vector Based Forwarding，VBF）对比。仿真实验结果表明EORT相比AODV和VBF吞吐量和包交付率均有提升，且具有更低的单位字节能耗；水下实验进一步表明相比AODV，EORT可吞吐量提升14.46%，包交付率可提升12.5%，单位字节能耗可降低0.02J。

摘要：本文面向电力自动化领域, 针对在遥感影像关键地物信息提取过程中, 地物类别分布不均衡和不同域场景风格差异较大带来提取效果一般的问题, 采用了一种改进Deeplabv3+语义分割网络. 在主干网络ResNet101中使用IBN 模块, 用于增强模型对风格差异较大的遥感影像的泛化能力, 同时为了进一步提高模型的分割精度, 在网络中加入SE模块, 加强重要的通道信息, 缓解了信息丢失问题. 损失函数使用Dice+Focal的联合损失函数, Dice loss损失函数可以缓解类别分布不均衡对小目标提取的影响, Focal loss损失函数不仅可以使模型更关注分类困难的目标, 还可以改善Dice loss造成的网络训练的不稳定. 实验结果表明, 改进的Deeplabv3+与原Deeplabv3+模型相比, 将F1-Score提高了7. 78%, Intersection over Union 提高了5. 78%. 与其他主流语义分割模型(包括FCN、UNet、SegNet)相比, 改进Deeplabv3+在地物提取中也实现了更好的分割精度.

摘要：针对未知但有界噪声下的系统状态估计问题, 提出了基于粒子群优化的正交超平行空间滤波算法. 首先, 利用包裹系统状态可行集的超平行空间的顶点构建正交超平行空间, 并将其作为粒子群迭代寻优的真实状态搜索空间. 随后, 利用系统的观测值构造适应度函数, 判断粒子的优劣, 驱动粒子在正交超平行空间移动, 从而让粒子分布在真实状态附近. 最后, 将粒子群所处的不规则高似然区域用最小的外包正交超平行空间包裹, 通过线性规划求解该正交超平行空间的上下界, 获得系统状态的紧致包裹. 通过搭建的锂离子电池运行状态分析平台, 验证了本文所提算法的有效性和实用性.

摘要：人员能力评估是政府、企业确立岗位要求，选拔、任命优秀人才，制定培训计划，优化人才结构，促进发展的前提与基础.因人员能力具有潜在性、模糊性、动态性，且评估专家存在个人偏好、有限理性和经验局限，所以对关键人员岗位胜任能力进行客观准确评估非常困难.作为一种处理不确定信息的数据融合方法，证据理论契合关键人员评估的自然过程.因此，本文按照关键人员胜任能力评估的自然实操过程，分析人员胜任能力评估中各类数据、信息特征和证据融合推理过程，考虑评估过程的复杂性和多阶段性，考虑评估专家的有限理性与偏好，提出了一种基于偏好证据理论的多阶段多源证据融合的人员胜任能力评估决策方法，并以某校职称评审为例进行实例研究.

摘要：深入探究实际工程问题后, 发现求解昂贵高维多目标优化问题的需求正在逐渐增多. 一般回归模型求解这类问题时, 模型累积误差和运算量会急剧增加. 为更好地提高代理辅助进化算法的搜索效率, 并平衡高维多目标问题中种群的收敛性与多样性, 本文提出一种基于模糊分类预选策略的代理辅助进化算法 (FCPSEA). 首先, 初始化种群并进行昂贵评估, 凭借非支配关系与拥挤度构造两档训练样本集. 然后, 利用训练样本和双档案算子来较为准确的引导分类器分类. 最后, 提出一种基于模糊分类预选的模型管理策略, 根据预测的双档案类标签与隶属度来设置模型管理策略. 为验证本文算法的性能, 在包含各种特征的两组测试问题上与近几年的经典算法进行了对比实验. 实验结果表明, 该算法在求解昂贵高维多目标优化问题上具有较强的竞争力.

摘要：针对含不确定因素的多输入多输出非线性微分代数系统,提出一种目标全息反馈鲁棒自适应控制方法 (robust adaptive control with objective holographic feedbacks, RACOHF). 该方法考虑到了系统模型参数的不确定性 和外部扰动,同时将外部输入扰动视为模型不确定性参数的变化,在目标全息反馈控制方法的基础上,通过设计模 型不确定性部分的自适应调节律,实现多目标的自适应跟踪控制. 将该方法应用于中间再热式汽轮发电机组蒸汽 调节阀和励磁的协调控制,结果表明,在系统部分参数不确定和存在外部扰动的情况下,所提出方法能确保发电机 机端电压和有功功率等目标量在期望的工作点上运行而不发生静态偏移. 与目标全息反馈非线性控制(nonlinear control with objective holographic feedbacks, NCOHF)相比,所提出的方法(RACOHF)能更好地协调系统的动、静 态性能.

摘要：针对冗余惯性测量单元(inertial measurement unit, IMU)姿态估计问题,通过采用不变扩展卡尔曼滤波器结构,将被估计系统动态特性建模为矩阵李群和偏差向量的混合模型,从而设计基于协方差在线校正的局部IMU姿态估计器.在此基础上,采用对数映射将李群不确定性映射到向量空间,进而构造依赖于局部姿态估计器参数的分布式融合问题,从而设计基于李群的鲁棒协方差交叉融合准则.特别地,为解决局部估计器之间互协方差未知的问题,通过引入先验容差来约束未知互协方差,从而提供低保守性的协方差上界以提高融合估计性能,形成一种具有双层结构的冗余IMU姿态估计方法.最后在下肢外骨骼康复机器人平台上验证所提算法的有效性.

摘要：复杂的水下环境通常会引起信号传播延迟或带来量测野值,从而产生量测丢失和非高斯噪声问题,导致水下自主定位的精度降低. 为了解决这些问题, 提出一种基于贝叶斯推断和统计相似度量测的水下自主定位方法. 首先,该定位方法使用最大后验估计方法来判断量测丢失是否发生. 如果接收到此刻的量测信息,则采用不动点迭代方法最大化统计相似度量测的下界,以逼近真实的噪声协方差矩阵,从而获得更准确的状态估计和误差协方差矩阵? 如果没有接收到量测信息, 则只输出一步预测的状态估计和误差协方差矩阵, 以提高该方法的鲁棒性. 仿真和海试实验验证结果表明,所提出的水下自主定位方法相较于其他的定位方法具有更高的定位精度和更好的鲁棒性.

摘要：人工蜂群算法具有结构简单、易于实现等优点，但由于其探索能力较强而开采能力较弱，同时也存在求解精度较低和收敛速度较慢等不足之处。针对上述问题，本文提出一种基于探采平衡的双搜索模式人工蜂群算法，包含探采控制、探采执行和探采强化三个核心模块。在探采控制阶段，根据种群以探索为主并逐渐偏向开采的演化规律设计探采指标。在探采执行阶段，根据探索与开采的实现要点设计基于差异解信息引导的搜索方程。在探采强化阶段，令跟随蜂分别按照多样性排序和目标值排序选择优质食物源继续搜索。选取传统测试函数和CEC2013测试函数进行数值实验，并与八种近年来提出的高水平人工蜂群算法进行对比，结果表明本文算法在解质量和收敛速度等方面有较强的竞争力。最后，将本文算法用于食管癌发病风险预测模型优化，获得了满意的结果。

摘要：多机器人路径规划为共享工作环境中的多个机器人规划从起始位置到目标位置的无冲突路径集合,是多智能体领域协同规划方向的重要问题.然而时钟漂移、动态障碍物、机器故障等现实因素,可能会导致多机器人系统的实际执行过程与规划方案存在时间上的偏差,导致机器人之间发生意外冲突.面向不确定性因素展开多机器人路径鲁棒规划并在一定程度上保证规划方案的安全执行,是当前路径规划领域的挑战之一.对此,首先整理不确定性下多机器人路径规划的问题描述,然后分别从面向不确定性的鲁棒规划算法、在线执行策略、以及评价指标等方面对目前研究进行综述,讨论各类解决办法的思路和特点.最后对多机器人路径鲁棒规划研究关键技术进行展望.

摘要：客货混运新模式为我国高速铁路运营管理带来了新的机遇和挑战. 本文以最小化列车停站时间、货物滞留数量和运营成本为目标, 以列车到发时刻、动车组编组和货物配装计划为决策变量,为客货混运下高铁运行图与货物配装方案协同优化问题构建了一类整数线性规划模型. 为验证模型的有效性, 以京沪高速铁路为背景进行了数值实验, 并调用 CPLEX 软件求解. 结果表明: 在尽可能减小对客运服务影响的前提下,本文所提方法能够通过灵活决策列车时刻表及增加列车编组, 提高列车运力;与采用固定列车时刻表的货物配装优化方案相比, 协同优化方法能够在小幅增加列车停靠时间的情况下,大幅提升货物运输量, 可为相关运营部门制定客货混运计划提供一定的理论支撑.

摘要：手术部是医院的核心部门, 合理制定手术计划有助于医疗资源的高效配置, 对提升医疗服务质量至关重要. 手术时长的不确定性为手术调度带来了挑战. 为了应对手术时长的不确定性, 本文基于历史手术数据, 应用方差膨胀因子减少患者特征之间共线性, 基于分位数回归刻画手术时长区间, 构建了患者特征驱动的手术时长不确定集. 在此基础上, 考虑术后重症监护室床位资源限制, 建立了鲁棒手术指派模型, 决策开放的手术室和患者的手术日期. 基于真实数据测试方法的有效性. 实验结果显示, 通过调节模型参数, 本文所提出模型在降低运营成本和减少手术室加班时间方面优于确定性模型; 而与随机规划模型相比, 在牺牲较少加班时长情况下, 降低了总运营成本, 并在求解时间上具有优势.

摘要：针对六足机器人在复杂环境下如何决策出最优人机指令组合问题，提出将操控指令权限分配的过程分为离线和在线两个阶段。在离线阶段，将六足机器人运动过程中机身的稳定裕度、能量消耗和与障碍物的碰撞 接触时间作为指令优选的约束条件，并建立评价函数实现在进入地形前获得最优的操控指令组合；在线阶段依据上述三个约束条件量化有限状态机网络中的状态转移概率，并人为设置约束条件阈值作为触发条件，向最优的人机决策指令状态进行转换。最后利用半物理仿真系统进行实验，结果表明本文提出的决策方法在稳定裕度上相对于其它操控方法提高约 15%-25%；能量消耗上降低了约 10%-50%；碰撞接触时间上降低了约 10%-50%。

摘要：浅层特征在超分辨率重建网络中扮演关键角色,其中蕴含丰富的图像细节,对准确估计深层特征具有明显参考价值.然而,研究者常常忽视浅层特征,过度依赖深层模块堆叠和拓扑结构优化,进而造成信息冗余.因此,本研究提出一种轻量级超分辨率重建网络,旨在探索浅层特征与深层特征的映射机制,以提升重建质量.首先,通过利用浅层特征生成特征掩码,引导深层特征的生成过程;其次,采用基于注意力机制的特征选择模块,动态生成特征权重信息;最后,设计了双分支特征增强学习模块,平衡输出特征权重并增强特征融合能力,进一步提升重建性能.实验结果表明,所提出的算法在国际通用数据集上显著提升了峰值信噪比和结构相似度指标,同时具有较小的模型参数量和卓越的视觉表现.这些结果验证了本研究所提出的轻量级超分辨率重建网络的有效性和优越性.

摘要：海洋环境复杂多变,船舶航行容易受到风浪、洋流等因素的干扰,船舶运动具有非线性、耦合性等特点。针对传统的船舶运动姿态预测方法对时序数据的提取效率尚有不足,难以达到高精度预测效果的问题,本文提出了样本卷积交互-通道注意力(SCI-CA, Sample Convolution and Interaction-Channel Attention)神经网络船舶纵摇运动预测模型。该模型采用多类别船舶运动姿态数据作为输入,将输入拆分为两个子序列,利用样本卷积交互网络(SCI)的递归下采样卷积交互结构,结合多分辨率聚合而成的丰富特征,提高船舶运动数据深层特征的利用率。再通过通道注意力机制(CA,Channel Attention)提高有效通道的权重比例,并以残差结构输入到全连接层,得到最后的预测结果。实船数据仿真结果表明,SCI-CA组合模型预测结果较其他模型预测精度高,其平均绝对百分比误差(MAPE,Mean Absolute Percentage Error)、均方根误差(RMSE, Root Mean Square Error)均有明显降低,验证了SCI-CA模型预测船舶运动的有效性。

摘要：在具有关键多部件系统的生产调度过程中,系统退化往往受多方面因素影响. 生产加工期间的载荷, 外部环境的冲击,及部件间的故障相关性都会造成系统不同程度的退化. 因此, 针对多源退化影响下的同构多部件生产系统, 分析生产调度期间其关键部件和系统的退化特征, 并构建相应的系统退化模型. 在此基础上, 提出生产调度与视情维修的联合策略,以调度作业的加工序列和预防性维修阈值为决策变量,最小化总加权期望完成时间为目标,构建考虑多源退化影响下的同构多部件系统生产调度与视情维修联合决策模型. 据此进行部件级的平稳概率和系统级的联合概率的推导, 并给出数值求解方法.在数值实验中, 通过对比不同退化因素影响下联合决策模型的优化结果, 证实在联合决策中考虑多源退化的必要性; 经过参数的敏感度分析,验证该模型的有效性.

摘要：针对风电场SCADA（Supervisory Control and Data Acquisition）数据在采集传输过程中常遇到的数据丢失问题，提出了一种基于自适应Transformer的轻量化生成对抗网络插补策略（Adaptive Transformer Slim Gain，AT-SGAIN），旨在增强数据完整性。AT-SGAIN通过简化GAIN模型结构、显著提高了计算效率，并采用双判别器结构，分别用于真实数据和生成数据的鉴别，保障了速度提升过程中插补精度的维护。该模型集成了Transformer编码器，增强了对风电数据时间序列特征的捕捉能力，并通过自适应双分支注意力机制，精准调整通道和空间注意力权重，提升了网络对局部信息的敏感度。实验结果证明，该算法在插补后的均方根误差与平均绝对误差分别达到0.047和0.043，相比原GAIN网络，插补精度提升58.31%，插补速度为2776毫秒，处理速度提高19.34%，在多项对比测试中均显著优于现有经典方法。

摘要：研究有限域上多智能体系统的一致性与可控性对包括传感器网络、机器人网络等在 内的复杂系统的控制与应用具有广泛的应用价值. 有限域上多智能体系统的一致性是指： 存在一个有限时间时刻, 在此刻所有智能体的状态值都等于有限域上的某个数值. 有限域上多智能体系统的可控性是指：通过给某些节点施加适当的控制输入, 将系统的 状态驱动至有限域上任意的目标状态. 本文首先综述了有限域上多智能体系统的一致性, 从有无时滞及拓扑结构变化的角度, 梳理了达到一致性的代数判据与图论判据的异同以及联系. 其次论述了有限域上多智能体系统的可控性, 归纳总结了影响可控性的5个要素, 包括系统的模型、 拓扑结构、 领航者的选取、 域的阶数以及可控性下标. 最后总结全文并提出潜在的研究方向.

摘要：针对受不确定噪声干扰的线性时滞系统，提出一种基于 P 范数的时滞系统多胞空间滤波算法。首先，利用多胞体对时滞系统状态可行集作空间表征；随后，根据当前时刻系统状态是否受时滞量的影响，设计基于 P 范数的系统多胞空间滤波器，通过给定的 P 范数准则，构造当前时刻系统的多胞空间膨胀优化模型，从而将时滞系统的状态估计问题转换为多胞空间膨胀系数优化问题；进而，利用舒尔补引理和线性矩阵不等式求解该优化问题，并通过多胞空间降维得到状态估计最紧致的多胞体可行集；最后，通过风力发电机系统仿真，验证了利用本文所提的方法解决线性时滞系统状态估计问题的有效性。

摘要：针对水下小型UUV难以检测识别问题，提出了基于自适应特征模式分解与联合卷积网络的UUV辐射噪声识别方法.首先，采用自适应特征模式分解(AFMD) 对信号进行处理，获取一系列分解分量，根据GINI指标选取最优分量进行重构；其次，对重构后的信号进行连续小波变换，获取不同类型辐射噪声的二维时频图，最后，在频率动态卷积模块与SGE模块基础上，引入特征融合模块构建联合卷积神经网络(JCNN)，利用所设计的网络提取二维时频图特征，实现水下无人潜水器辐射噪声分类.实验结果表明，本文提出的方法能够对水下UUV辐射噪声进行识别，且识别率较高.

摘要：针对复杂海洋环境下自主无人航行器(Autonomous underwater vehicle，AUV)编队协同控制问题，本文提出了一种自适应量测-通信联合框架下基于鲁棒模型预测的编队控制策略。该方法能够避免基于水声广播的显式通信交互方式在水下复杂条件下的延迟、丢包等不利因素。首先，提出一种自适应量测-通信联合框架，利用非显式通信实现编队内部状态的观测，并引入自适应卡尔曼滤波对量测-通信链路中存在的外部扰动进行补偿。其次，在该框架下，设计辅助控制律并将其引入分布式鲁棒模型预测控制器，实现多条件约束下的AUV编队跟踪控制，并通过Hamilton函数、终端约束等理论证明了编队控制器的稳定性。最后，通过对由5艘AUV组成的编队在不同情景下的仿真结果进行对比分析，验证了该方法的有效性。

摘要：区间约束多目标优化问题的目标函数或约束条件中至少有一个含有区间不确定性参数,该问题广泛存在于实际工程应用中. 目前求解该问题的算法非常少, 且实际约束优化问题的可行域往往是间断的. 针对具有间断 可行域的区间约束多目标优化问题, 通过定义区间约束违反度, 给出基于区间的可行性规则, 基于此, 提出一种区间约束违反度引导的区间约束多目标进化算法. 所提出算法以基于分解的区间多目标进化算法为框架, 首先, 采用拉丁超立方体采样在搜索空间中探测可行域, 利用均匀分布的采样点构成初始种群? 然后, 每隔固定进化代数,基于个体的区间约束违反度或区间拥挤距离, 自适应调整参考向量? 接着, 使用双差分变异算子生成新个体, 并基于可行性规则更新邻域个体? 最后, 将所提出算法在构造的具有间断可行域的区间约束多目标基准函数和海岛综合能源系统优化调度问题上进行测试,并与3个区间约束多目标进化算法比较. 实验结果表明,所提出算法具有优越的性能.

摘要：随着海上风力发电和光伏发电的快速发展, 海洋输电工程的地位越来越重要, 海底电缆的应用也越来越 广泛. 获得精确的海底电缆的位置不仅有利于日常巡检, 而且提高了故障检测的效率, 因此海底电缆的路由定位 和故障检测将会是未来维护和维修的重要环节. 由于海底电缆的小直径和内部电流的变化性, 导致了定位准确度 的下降以及定位难度的上升. 针对上述问题, 本文首先基于海底环境和水下机器人, 利用三芯铠装海底电缆的电 缆结构推导了海底电缆外磁场的近似方程. 水下机器人根据检测到的磁感应强度值进行姿态调整, 在此基础上, 提出了一种基于改进灰狼优化算法 (Improved Grey Wolf Optimization,IGWO) 的海底电缆定位算法, 利用基于磁 通密度模的适应度函数, 设计了一种用于海底电缆探测的在线路径定位方法. 最后, 通过仿真实验, 验证了 IGWO 算法实现海底电缆定位的精确性与有效性.

摘要：自知识蒸馏降低了对预训练的教师网络的依赖，但其注意力机制只关注图像的主体部分，一方面忽略了携带有颜色、纹理信息的背景知识，另一方面空间注意力的错误聚焦情况可能导致主体信息遗漏．为此，论文提出一种基于动态混合注意力的自知识蒸馏方法，合理挖掘图像的前背景知识，提高分类精度．首先设计一个掩膜分割模块，利用自教师网络建立注意力掩膜并分割出背景特征和主体特征，进而提取背景知识和遗漏的主体信息；其次，提出基于动态注意力分配策略的知识提取模块，通过引入基于预测概率分布的参数动态调整背景注意力和主体注意力的损失占比，引导前背景知识相互协作，逐步优化分类器网络对图像的关注，提高分类器网络性能．实验表明，该方法使用ResNet18网络和WRN-16-2网络在CIFAR100数据集上的准确率分别提升2.15%和1.54%；对于细粒度视觉识别任务，使用ResNet18网络在CUB200数据集和MIT67数据集上的准确率分别提高3.51%和1.05%，其性能优于现有方法．

摘要：在系统的结构可靠性分析中, 针对主动学习克里金(active learning Kriging, AK) 方法里学习函数涵盖信息不全面、终止准则过于保守, 导致在高维因子系统的求解中加点过多带来高昂成本、效率较低的问题, 提出一种高维性能因子系统结构可靠性的主动学习分析方法. 首先基于初始样本构建Kriging 模型, 基于一种新的学习函数寻点并更新模型, 该函数能够同时考虑极限状态面附近、方差所度量的不确定性大小, 以及候选点本身的概率密度情况, 使得增加的学习点更具代表性? 而后, 用预测值的最大相对误差作为加点终止准则, 最后估计系统的失效概率. 在3 个数值函数算例验证的基础上, 针对一个8 维曲柄滑块机械结构中连杆的失稳问题进行了研究. 结果表明, 与已有常见的学习函数相比, 所提方法在保证预测精度条件下, 减少了加点数量, 能够实现准确、高效的可靠性分析.

摘要：多目标萤火虫算法在处理大规模稀疏多目标优化问题时难以保证Pareto最优解的稀疏性,当优化问题的目标维数过大时,将导致Pareto支配失效和收敛速度变慢. 鉴于此,提出一种基于动态评分和邻域搜索的高维多目标萤火虫算法(SMaOFA). 首先,所提出算法基于双编码混合集成的方式生成稀疏的初始种群,并提出动态评分策略,此策略在每轮迭代时动态更新决策变量得分,为后续迭代提供先验知识,以保证解集的稀疏性?然后,根据模糊支配概念以及萤火虫间的欧氏距离提出邻域搜索策略,摒弃全吸引模型对算法收敛速度的影响,同时避免目标维数过大导致的Pareto支配失效?最后,引入线性调整因子改进萤火虫的位置更新公式,提升种群的搜索能力. 实验结果表明,处理大规模稀疏多目标优化问题时,所提出算法具备高效的性能.

摘要：针对多自主无人船 (ASVs) 系统的时变多目标协同跟踪问题，本文提出一种新型分层有限时间优化调控算法。设计一个反映多 ASVs 系统在跟踪过程中能量消耗的目标函数，接着开发一个有限时间优化估计器 (FTOE)，以在 ASV 形成特定编队同时遵循期望轨迹的情况下最小化目标函数。同时，目标轨迹是可变的，不恒定的。在有限时间本地控制器 (FTLC) 中，通过跟踪 FTOE，多 ASVs 系统的航行状态可以在有限时间内以最小化目标函数的方式稳定在多个预定的各种时变轨迹附近。给出了有限时间稳定性的证明，并计算了沉降时间。最后，仿真结果证明了所提出的分层算法的有效性。

摘要：针对水下图像出现蓝绿色偏、雾化和噪声等问题,提出一种基于颜色线模型和多尺度融合的水下图像增强算法.首先,设计一种局部自适应颜色校正方法对退化图像进行预处理,提高图像颜色线拟合效果并降低图像色偏的程度;然后,构建一种利用颜色线和背景光矢量求解偏置来估计透射率的凸优化算法,求得准确的模型参数来恢复图像实现图像去雾;接着,将预处理后的图像利用白平衡算法来补偿颜色的深度选择性吸收所造成的偏色,将白平衡处理后的图像分别利用伽玛校正和基于颜色线约束的噪声抑制算法进行处理,分别得到提高全局对比度和抑制噪声的图像;最后,对去雾、对比度增强和低噪声图像进行多尺度融合,得到特征丰富的水下增强图像.实验结果表明:所提出方法能够有效解决水下图像的色偏、雾化和噪声现象;相对于各对比算法,在水下彩色图像质量评价指标和峰值信噪比上分别提高了18.37%和42.16%,更好地保留了水下图像的颜色并降低了图像噪声.

摘要：数智化时代下, 日益复杂的电磁对抗态势不断促使着探测环境中杂波密度的上升, 雷达分辨率的增强也已将目标量测类型从点目标转变为扩展目标, 二者在用于描述杂波的信息约减因子(Information Reduction Factor, IRF)法中均已成为了重要的影响因素. 针对这一现象, 提出了一种基于扩展目标的强杂波IRF法, 并与传统的IRF法进行对比. 实验结果表明, 点目标量测类型下的强杂波信息约减因子(Strong Clutter IRF, SCIRF)因量级过小而致使其包含的信息过少、性能欠佳; 扩展目标量测类型下的SCIRF则拥有与点目标量测类型下理想或弱杂波环境IRF之相同的量级, 具备同样的性能. 最后, 结合全局IRF等指标从理论上分析了扩展目标量测类型能够改善点目标量测类型下SCIRF性能不佳的根本原因, 并给予了其合理解释.

摘要：ChatGPT所代表的大型语言模型对AI领域产生了颠覆性影响。但它主要关注自然语言处理、语音识别、机器学习和自然语言理解。这篇论文创新地将大型语言模型应用于智能决策领域，将大型语言模型置于决策中心，并构建以大型语言模型为核心的Agent体系结构。基于此，进一步提出了双层Agent任务规划，通过自然语言的交互，发出和执行决策指令，并通过兵棋推演模拟环境进行仿真验证。通过兵棋对抗模拟实验，发现大型语言模型的智能决策能力明显优于常用的强化学习AI，智能性、可理解性都更强。通过实验证明，大型语言模型的智能与Prompt密切相关。这项工作还将大型语言模型从以往的人机交互领域拓展到智能决策领域，对智能决策的发展具有重要的参考价值和意义。

摘要：多无人机仿射编队控制能够根据编队需求实现灵活的编队机动. 针对存在外界未知扰动情况下的多无人机编队形成及变换问题, 本文研究了多无人机仿射编队抗扰控制及编队形成与变换过程中的避碰问题. 首先, 针对在外界干扰情况下仿射编队形成及变换问题, 设计了一种基于误差符号函数积分(robust integral of the signum of error, RISE)的鲁棒控制算法. 该控制算法能够对未知外界扰动造成的影响进行有效的补偿, 提高了多无人机仿射编队控制的鲁棒性. 然后, 基于Lyapunov分析法证明了编队控制系统的稳定性. 针对多无人机机间避碰问题, 利用缓冲维诺单元对无人机飞行区域进行分离, 在仿射编队形成及变换过程中保证无人机间的碰撞避免. 针对避碰过程中可能出现的死锁问题, 提出了一种启发式算法使无人机能够顺利从死锁中恢复.最后, 使用仿真及实验平台验证了本文所提出算法的有效性.

摘要：本文研究了一种利用不变拓展卡尔曼滤波器(invariant extended Kalman filter, InEKF)和深度学习的车辆定位方案.首先, 通过引入轮速计测量模型, 构建了基于自编码器的深度神经网络, 并重构车辆速度真值; 然后, 基于InEKF推导了以SE(3)为状态量的滤波算法, 使用该算法融合多源信息以估计车辆位置. 实验结果表明, 与现有先进方法相比, 所提车辆定位系统可在城市环境下显著提高定位精度.

摘要：本文研究了风电并网下电力系统的负荷频率控制问题,针对风电具有间歇性的问题提出了基于非周期间歇控制的自动发电控制策略.旨在即保证了频率稳定性,又节省了控制资源.首先,建立了风电作为可调度能源并且考虑不确定参数的自动发电控制系统,通过自动发电控制系统进行电力系统的二次调频,从而维持发电功率和负载功率的平衡.其次,将非周期间歇控制引入自动发电控制,提出了基于时间触发和基于事件触发的非周期间歇控制的自动发电控制策略.同时,借助Lyapunov-like函数证明了基于非周期间歇控制的自动发电控制系统的输入到状态稳定.最后,通过风电、火电和水电三个发电单元的自动发电控制系统的仿真结果表明,基于非周期间歇控制的自动发电控制策略能够在风电并网下维持电力系统的频率稳定,并且能够有效降低控制成本和控制率.

摘要：为解决汽车传动轴轴承密封唇与防尘盖间过盈量的多目标优化问题，提出一种基于广义正态分布优化(Generalized normal distribution optimization, GDNO)和多目标黑猩猩优化算法(Multi-objective chimp optimization algorithm, MOChOA)的汽车传动轴轴承过盈量优化设计方法。利用带扰动的数字分段线性混沌映射初始化黑猩猩个体的位置，降低前期搜索的盲目性，提高MOChOA的收敛速度，改进MOChOA的寻优精度；将GNDO用于MOChOA的全局探索和局部开发，选择当前最佳位置，降低MOChOA陷入局部最优的概率；采用MOChOA在搜索空间中寻找Pareto最优解集，为轴承设计人员提供了多种解决方案。实验结果表明利用该方法优化后轴承的密封性能得到了较大提升。优化后轴承污染物进入量的平均值减少了77.78%。

摘要：森林优化特征选择算法(FSFOA)具有良好的分类性能和维度缩减能力,但其初始化森林的质量参差不齐,局部播种和全局播种的随机性较大,且适应度评估代价较高导致计算效率较低.针对上述问题,本文提出一种基于评分机制的类贪心森林优化特征选择算法(feature selection using greedy-like forest optimization algorithm based on scoring mechanism, FSGLFOA-SM).首先,以每维决策变量的分类精度为其得分构建评分机制,提出类贪心初始化策略以生成较优质的初始化森林;提出基于评分比较的类贪心局部播种策略,使评分相对较高的决策变量获得更大的局部播种概率.然后,在全局播种阶段提出类贪心遗传算子播种策略,对候选森林择优重建并进行遗传、类贪心交叉和变异操作,以保留评分较高的特征维度,有利于提高全局播种阶段的分类准确率.最后,为解决昂贵适应度评估带来的计算效率低下问题,建立历史数据库,在适应度评估前先进行库内查找,减少了重复解个体的计算量.实验结果表明,相比6个对比算法,FSGLFOA-SM在13个UCI数据集上的分类精度和维度缩减率更加优越.

摘要：多目标跟踪是自动驾驶领域中的一个关键问题.然而,仅依赖单一图像信息或点云信息难以克服复杂场景下的跟踪挑战,而目前多模态融合的跟踪方法在融合性能、数据关联、轨迹管理等方面仍存在许多问题.为此,本文提出图像与点云三维体信息交互的3D多目标跟踪网络.首先,设计三维体特征交互模块以获取目标的三维体形态信息,得到更有判别性的特征,提升复杂场景下的定位精度.其次,设计基于三维综合运动估计的数据关联,利用卡尔曼滤波以及目标在点云中的运动信息,获取目标在下一帧中的位置预测,从而提升目标在帧间的一致性.最后,为进一步增强轨迹关联的鲁棒性,设计一种基于三维体特征的轨迹管理模块,以更好地克服目标消失—重现的关联问题.在KITTI数据集上的实验结果表明,与其他方法相比,本文提出的跟踪方法具有更好的跟踪性能.

摘要：多机器人或无人机组成的集群在执行任务的过程中, 当探测到未知外部个体时, 需要识别其意图来决定如何应对. 然而, 集群内部节点会受到针对测量信号的干扰攻击, 导致对外部个体的测量存在误差, 进而影响到对其意图的识别. 针对此问题, 本文设计了一种考虑网络攻击的基于分布式意图识别的集群控制算法. 在该算法中, 集群内部执行集群控制律, 当探测到未知外部个体时, 集群内部各个节点采用攻击识别算法来识别其是否受到网络攻击? 然后, 利用基于攻击识别策略的分布式卡尔曼滤波算法, 对外部个体的状态进行分布式状态估计, 以最大程度上削弱网络攻击对测量值的影响? 接着, 利用Fréchet距离计算期望轨迹与测量轨迹的相似性, 并采用基于分布式共识算法来判断该外部个体的意图, 作出逃逸或汇聚控制. 最后, 通过仿真结果验证所提方法的有效性.

摘要：针对元启发式算法在求解多星协同调度问题时暴露出的过早或过晚收敛、稳定性较差等问题,文章提出了一种基于数据驱动的自适应并行搜索算法.首先,文章根据领域知识设计了多个任务分配算子,目的是将多星协同调度问题转化为多个单星任务调度子问题.然后,启动多个线程并行、独立求解各单星任务调度问题.在算法迭代过程中,各线程依据概率选择不同的邻域操作算子,并且动态更新精英解集和邻域操作算子概率.接着,对精英解集挖掘频繁模式,提取高质量解中有价值的知识并构造新解.最后,单星任务调度的结果反馈给任务分配层,指导算法开展新一轮的任务分配.仿真实验表明,文章所提出的算法能够在有限时间内获得高质量的解,在不同的场景下均能表现出良好的适用性和优化效果.

摘要：本文研究了网络攻击下切换系统的滑模控制问题.在传感器传输信息至控制器的通道中,遭受到多策略的 虚假数据注入 (False Date Injection, FDI) 攻击,与传统的FDI攻击不同,多策略FDI攻击会根据攻击时刻选择不同 攻击策略,在这种攻击中,不同的攻击策略会根据不同时间选择通信通道.多策略FDI攻击造成系统传输信息的损 坏,进而导致切换系统状态不稳定甚至发散.为解决这一问题,本文应用滑模控制方法保证切换系统的依概率输入- 状态稳定性能.应用Lyapunov函数方法得到了闭环切换系统稳定性的充分条件.另外,建立了系统状态与受损状态 信息之间的数学模型,基于可用的受损状态,设计滑模控制律,所设计的滑模控制律保证了系统状态的可达性,系统 状态轨迹在有限时间内被驱动到指定滑模面内.最后,数值仿真验证了该方法的有效性.

摘要：受损路网修复和物资配送是灾后应急响应初期的两个重要环节, 主要研究如何制定道路抢修队和物资运输队的联合调度方案. 然而, 已有研究大都将路网修复和物资配送割裂开来考虑, 难以满足实际救援需求. 为此, 本文在构建抢修队与运输队联合调度的路网模型的基础上, 引入马尔科夫决策过程来模拟抢修队的修复活动和运输队的救援活动, 分别设计了相应的状态、动作集和即时奖励函数. 最后提出一种基于双层交互Q学习的路网抢修和物资配送联合调度算法. 对比实验表明, 本文所提方法能有效提高路网抢修和物资配送的效率, 可为应急响应初期的救援与处置提供及时可靠的物资保障.

摘要：针对信任网络群决策环境下专家意见修正和协调者补偿成本的复杂问题, 提出一种考虑多来源参考路径信息干涉效应的信任网络群体共识决策方法. 首先,针对非共识专家在意见修正过程中存在不愿调整其意见的 情形, 建立考虑相对出度中心性指数和自信度的非共识专家调整意愿识别模型. 其次, 考虑非共识专家对信任专家意见的接受意愿以及协调者意见, 结合多来源参考路径信息以波函数形式在愿意调整非共识专家大脑中的干涉效应, 建立概率语言环境下考虑量子干涉的意见反馈机制. 基于此, 进一步考虑协调者补偿成本最小化和个体共识度提高的约束, 建立最小意见调整成本共识模型. 然后, 利用信任惩罚机制降低不愿调整意见的非共识专家对群体共识达成的影响,同时考虑信任调整成本最小化和群体共识达成约束,建立最小信任调整成本共识模型?最后,将所提方法应用于突发事件应急决策,验证该方法的可行性.

摘要：提前预测道路两旁的行人是否存在过街意图或一段时间后是否会出现过街行为是自动驾驶汽车面临的重要挑战之一,如何有效融合不同模态的多元信息是准确预测行人过街意图的重要问题.基于此,提出一种基于混合注意力机制的多信息融合预测模型,使用一种基于交叉注意力机制的图像特征融合网络来提取原始图像与语义图像之间的互补信息,并使模型更加关注与行人过街行为有关的图像部分. 同时,提出一种融合注意力机制的分级GRU模块,用以捕捉不同模态的非视觉信息对行人过街意图的影响.在PIE和JAAD数据集上对所提模型进行对比实验,已验证其具有领先于同类研究的性能?针对所提出模块进行广泛的消融实验,表明其有效性.

摘要：聚类集成算法在数据挖掘和模式识别等领域应用广泛. 现有的聚类集成算法虽取得了显著的进展, 但鲜有同时考虑如何处理冗余成员和关注成员内部多样性的算法. 对此, 本文设计了一种簇的不确定性度量指标, 并提出了一种基于成员选择的簇加权聚类集成算法. 首先, 利用平均差异性度量和筛选聚类成员, 并引入信息熵衡量簇的不确定性, 给簇赋予相应的权重? 其次, 在基于成员选择的簇加权共协矩阵和高置信度矩阵的基础上构建增强矩阵? 最后, 在增强矩阵上执行层次聚类算法得到最终的聚类集成结果. 采用多个 UCI 数据集进行实验, 将本文算法与主流的聚类集成算法进行比较, 实验结果表明, 本文所提出的算法可以获得更好的聚类集成效果且本文算法具有较高的鲁棒性、稳定性.

摘要：一致分数阶GM(1,1)(CFGM(1,1))模型是最近提出的一种基于一致分数阶累加的单变量灰色预测模型. 本文研究表明, 一致分数阶累加生成算子不满足灰色预测理论中极其重要的新息优先原则且CFGM(1,1)模型存在从差分方程到微分方程的转换误差. 为此, 提出一种新息优先一致分数阶累加生成算子, 结合离散GM(1,1)模型的思想, 构建了新息优先一致分数阶离散GM(1,1)模型, 从理论上导出了新算子满足新息优先原则的条件, 并用量子粒子群优化算法寻求模型中的最优累加参数. 两个实际案例表明, 新模型不仅能满足新息优先原则, 还可以有效克服CFGM(1,1)模型中的转换误差, 具有更优的拟合和预测精度.

摘要：时间序列数据广泛存在于工业、医疗等应用领域中的分布式边缘设备中.由于其往往具备人类不可识别的特征,基于现实数据的时间序列分类任务中普遍存在数据“孤岛”以及标注错误等问题.为了解决分布式数据环境下的这一困难,本文提出了一种联邦时序过滤框架,该框架充分考虑自监督对比学习在提取复杂时序数据表征的优越性,并结合联邦学习方法以解决分布式系统的隐私安全问题,同时降低通信成本.通过在服务器上维护一套基准样本,本文使用基于区别对比损失和预测对比损失的时序增强预监督策略,通过预训练-微调方法获得一个高泛化时间序列表征能力的预监督模型.同时,引入了一种新的标签噪声过滤的方法,利用由预监督模型指导的伪标签与本地标注的标签协同过滤设备中的噪声数据,并将干净数据集用于全局模型的训练.最后,本文根据各种的标签噪声下对框架进行有效性验证,接着验证了不同基准数据比例对于所构造框架的影响,并通过消融实验验证了预监督模型各个损失的过滤效果.

摘要：近年来,信息物理系统网络安全问题成为一大研究热点. 以攻击者角度研究攻击设计问题可有效评估系统对网络攻击的脆弱性并为设计网络保护措施提供理论依据. 鉴于此,本文在ε-隐性下研究针对信息物理系统远程状态估计的最优欺骗攻击设计问题. 首先,与需要额外滤波器和历史数据在线计算真实新息的相关结果不同,本文提出一种利用离线生成的攻击信号篡改传感器测量值以降低系统性能的自生成攻击模型,使攻击更易实现. 随后,推导得出该攻击下远程估计误差以量化攻击效果并将攻击设计问题转化为多变量受限二次优化问题. 不同于相关结果的恒定均值,本模型采用更具一般性的时变均值,致使优化问题包含更多决策变量且相关结果中的攻击优化方法无法直接求解. 因此,利用K-L(Kullback-Leibler)散度和互信息的相关统计学性质将问题等价转化. 再结合拉格朗日乘数法和所提出的参数特征关联覆盖法得到最优攻击策略,使其在ε-隐性下最大化远程估计误差. 最后,通过仿真实例验证本文结果有效性.

摘要：针对高动态通信对抗场景下, 无人机集群协同干扰资源分配问题, 提出一种基于改进近端策略优化算法(PPO) 的干扰资源分配方法. 首先, 以无人机集群有效干扰的目标电台数量最大化和消耗的干扰功率最小化为目标函数, 建立干扰资源分配优化问题. 然后, 将无人机集群映射为智能体, 根据干扰资源分配模型建立马尔科夫决策过程. 最后, 利用改进 PPO 算法求解资源分配优化问题, 生成无人机集群的干扰波束和干扰功率的优化决策结果. 相比于原始 PPO 算法, 改进 PPO 算法将状态归一化机制引入智能体的决策阶段以增强算法的有效性, 将优势标准化机制和熵正则化机制引入更新阶段来提升算法的收敛速度和稳定性. 结果表明, 所提出算法能有效解决协同干扰资源分配问题, 相较于原始 PPO 和柔软演员评论家两种算法, 在资源消耗量和有效干扰的成功率方面具有明显优势. 进一步, 通过逐步移除所提出算法的改进机制来进行消融实验, 实验验证了 3 种改进机制的有效性.

摘要：针对一类具有时变时延和非周期性拒绝服务(denial-of-service, DoS)攻击的离散时间线性多智能体系统, 本文提出一种基于动态事件驱动的预测控制方案. 通过引入网络化预测控制方法,该方案可有效地降低时变时延和非周期性DoS攻击对系统性能造成的负面影响. 此外, 各智能体的传感器侧均设计动态事件驱动控制机制,以减少各智能体反向通道的数据传输频率, 从而节约系统的网络资源消耗. 随后给出闭环多智能体系统渐近稳定且输出实现一致的充要条件. 最后通过数值仿真结果验证所提方案的有效性和正确性.

摘要：通信技术和自动驾驶技术的高速发展给车辆队列协同控制带来了新的机遇. 车辆队列协同控制能够有效的提高车辆的行驶安全性、增加交通容量、减少交通拥堵、降低燃油消耗,具有重要的社会和经济效益,已经成为智能交通系统重要研究方向和学术研究的热点. 本文针对车辆队列协同控制的现有研究进展,将从车辆队列建模、通信拓扑结构、单队列与多队列协同控制、队列性能分析四个方面分别概述现有研究方法及其优缺点,并对未来车辆队列协同控制的研究进行了展望,为后续更深入的研究提供了参考.

摘要：本文提出了一种基于多场景建模的动态鲁棒多目标进化优化算法，旨在解决实际生产中的动态多目标优化问题。该算法将不同环境下的问题视为不同场景，并通过相似度计算和场景聚类建立多个场景。随后，利用改进的多场景多目标进化优化算法求解各个场景的折中解。当环境发生变化时，根据新问题所属的场景类，直接应用该场景类的折中解作为新问题的最优解，从而加快算法的响应速度。通过对场景类中问题的约减，保留最具代表性的问题，逐步提高算法的鲁棒性，并降低解的切换成本。实验结果表明，所提出的算法能够快速响应环境变化，并提高解的鲁棒性。

摘要：为解决三维空间中的水下无线传感器网络(Underwater Wireless Sensor Networks, UWSN)传统DV-Hop算法定位误差大的问题,提出一种基于改进瞪羚优化算法(Improved Gazelle Optimization Algorithm, IGOA)的UWSN三维定位算法(IGOADV-Hop).首先,通过双通信半径修正节点跳数,对锚节点之间的距离误差进行加权修正.其次,在瞪羚优化算法引入Logistic映射初始化种群,增加种群多样性,然后在开发阶段引入位置更新动态权重系数,提升节点位置计算的全局寻优能力.最后使用IGOA替代最小二乘法进行节点三维坐标计算,并在网络中加入移动节点和水下噪声构建动态UWSN.仿真实验结果表明,与传统DV-Hop算法和其他群智能优化算法相比,所提算法定位精度更高.

摘要：灾后路网修复决策研究中“一个受损路段只能由一个维修队修复”的常用约束限制了通过多维修队合作减少重要路段修复时间,从而改善修复效果的可能.为解决该问题,本文基于受损路网模型及多维修队修复同步性,提出多维修队合作修复策略的约束式,研究以路网性能累计效用最大化为目标的应急救援阶段灾后路网多维修队合作修复调度与路由联合优化问题.根据灾后节点可达性建立路网性能评价指标,并设计多维修队场景下修复动作的回报函数,以此为基础构建灾后路网多维修队合作修复调度与路由联合优化问题的马尔可夫决策过程,并采用贪心算法和Q学习算法求解该问题.最后,通过案例分析结果表明,在随机破坏和灾难点破坏场景中,所提出方法能够加速路网性能的恢复,有效提升应急救援阶段路网性能累计效用,保障灾后救援活动顺利进行.

摘要：针对PCB缺陷检测任务中存在的目标与背景相混淆、缺陷目标较小不易识别等问题，本文提出一种基于特征增强和多尺度融合的PCB缺陷检测方法FCM-YOLO。该方法以YOLOv5s为基础，首先在特征提取网络中引入由空间到深度层和非跨步卷积层的组合，构建特征重提取模块，以减少信息丢失，保留小目标特征信息。其次在特征提取网络的最深层引入上下文注意力模块，通过学习上下文信息，使用可变形卷积提取小目标特征，以此增强对目标与背景的区分能力，从而减少漏检情况。最后，在特征融合网络中引入多尺度感受野增强模块，通过多分支结构加强特征信息之间的相关性，增强特征的语义表示。在PCB缺陷数据集和GC10-DET数据集上，对不同算法进行对比实验，实验结果表明，FCM-YOLO能够更加精确地识别缺陷目标，相比改进前的YOLOv5s算法，本文算法在这两个数据集上的检测精度分别提高4.7%和3.7%。

摘要：针对机器人系统中含有的不确定参数和未知干扰等问题, 本文提出了一种基于双滑模观测器和非奇异快速终端滑模控制的复合控制策略. 首先, 为了估计补偿模型中的不确定参数和外部干扰带来的未知动态, 基于机器人系统欧拉-拉格朗日模型构建滑模观测器, 以优化机器人系统轨迹跟踪控制性能. 同时, 针对滑模观测器中存在残差造成的抖振问题, 设计了辅助滑模观测器, 通过将观测误差反馈补偿, 抑制了观测器在观测扰动时的抖振现象, 进一步提高了观测精度. 其次, 为了实现系统抗扰和轨迹跟踪问题, 提出了有限时间滑模控制器, 通过调节滑模控制中的切换增益, 可以有效地缩短收敛时间, 并提高了系统的鲁棒性. 最后, 通过李雅普诺夫稳定性理论证明了闭环系统的稳定性, 并通过 Simulink 仿真验证了所提出方法的有效性.

摘要：为提高最后一公里配送效率并降低配送成本，本文基于送货上门和自提两种配送需求，提出送货上门和车辆停靠移动自提相结合的混合交付模式并开展配送优化研究。首先，通过客户取货行为研究建立车辆停靠调度与客户取货行为关联；在此基础上，开展车辆停靠选址-停靠时长调度-车辆路径集成决策，构建以车辆使用成本、路径成本和自提失败追索成本之和最小的混合整数规划模型；然后，针对该问题特征设计改进的变邻域搜索算法高效求解，并通过仿真实验对算法的有效性进行验证。最后，开展模型及关键参数的敏感性分析。实验结果表明移动停靠自提、客户类型比例、调度时长粒度、停靠点数量及收费模式等对配送系统影响显著，综合考虑这些因素对最后一公里配送系统构建具有较强的现实意义。

摘要：针对含有虚假数据注入(False Data Injection, FDI)攻击和传感器故障的异构互联信息物理系统, 研究分布式攻击估计器设计问题. 首先, 将系统状态和传感器故障增广成等价的广义状态空间模型, 利用该模型和子系统间的关联信息设计分布式攻击估计观测器. 在分布式观测器的设计中, 引入中间变量和输出估计误差反馈项, 使观测器具有灵活的参数矩阵结构, 适用于不同状态维度子系统组成的异构系统, 实现对攻击信号和传感器故障的同时估计. 其次, 对动态误差系统进行稳定性分析, 利用H∞性能来抑制攻击信号和外部干扰对估计效果的影响,同时以线性矩阵不等式的形式给出观测器增益矩阵的求解方法. 最后, 通过数值仿真和对比仿真验证所提攻击估计方法的可行性.

摘要：针对机械臂系统力/位混合控制问题，提出了一种固定时间模糊自适应阻抗控制方法。首先，利用固定时间自适 应模糊反步法处理机械臂系统的未建模动态；其次，构造固定时间命令滤波器实现对虚拟控制函数的有效逼近， 并引入误差补偿机制消除滤波误差；同时，设计固定时间抗饱和器消除饱和对系统性能的影响。稳定性分析表明 闭环系统所有信号都是固定时间有界的。最后，仿真验证了所提出的控制策略的有效性。 关键词: 输入饱和；机械臂；固定时间稳定；阻抗控制；模糊自适应控制

摘要：传统制造业正逐渐向智能化、绿色化制造模式转型. 为实现柔性制造车间的增效减排, 本文以最小化最大完工时间和总能耗为目标, 构建充电约束下可变速 AGV 与机器绿色集成调度模型. 设计了一种基于混合学习策略的改进 NSGA-II 算法进行优化求解. 采用基于工序、机器、AGV 及其速度的四段式染色体编码方案, 对各编码段分别设计不同的交叉变异算子; 采用基于反向学习的精英保留策略, 以提高算法的种群多样性; 提出了针对问题特征的邻域搜索算子, 基于 Q-learning 强化学习算法, 动态调整迭代过程中的邻域结构, 增强算法的局部搜索能力. 最后通过仿真实验表明, 改进 NSGA-II 算法是求解该问题的有效方法.

摘要：为了解决传统扩张状态观测器存在对系统状态跟踪速度慢、跟踪精度低的问题, 基于滑模控制方法设计了一种新型三阶固定时间收敛滑模非线性扩张状态观测器, 并对其收敛时间和稳态误差进行了分析. 首先, 提出了一种新型固定时间收敛滑模面和滑模趋近律, 并借助滑模控制方法设计得到了滑模非线性扩张状态观测器. 然后, 利用 Lyapunov 函数证明了该滑模非线性扩张状态观测器能实现固定时间收敛, 并且分析了其对系统扰动的估计误差. 最后, 仿真对比实验表明, 与传统扩张状态观测器相比, 该滑模非线性扩张状态观测器能实现对系统状态快速且高精度的跟踪、具有显著的性能优势.

摘要：针对深度强化学习序贯决策过程中面临的动作安全性问题,?本文研究了一种事件触发式多智能体分层安全强化学习运动规划方法。首先，基于受限马尔可夫决策模型，构建了一种具备安全约束的多智能体深度确定性策略梯度框架；该框架针对不同状态空间，以事件触发的方式实现了运动策略的分层学习；然后，通过引入李雅普诺夫评价网络，建立了带有条件约束的目标动作选择机制，并且利用拉格朗日乘子法，解决了多目标约束求解困难的问题，保证了机器人内部决策的安全性。最后，在多机器人强化学习场景中对所提出的方法进行了实验，结果表明，触发式多智能体分层安全强化学习方法可以使机器人的状态轨迹从危险状态中快速恢复至安全空间，增强了策略的安全性和多机协同运动规划能力。

摘要：为进一步提升跟踪算法在历史帧信息利用和目标特征表达方面的性能，本文提出基于特征增强和历史帧选择的Transformer视觉跟踪算法Feature Enhancement and History Frame Selection based Transformer Visual Tracking, FEHST)。首先，在骨干网络中引入动态预测模块，通过稀疏化策略提高自注意力机制的计算效率，聚焦目标区域特征；其次，提出特征增强模块，将局部信息和全局信息的优势相结合，提升特征的表达能力；最后，采用自适应历史帧选择策略，提升跟踪器对目标动态信息地关注。在LaSOT、TrackingNet、GOT-10K和OTB100等数据集上进行了大量实验，实验结果显示，在LaSOT、TrackingNet、OTB100上分别取得70.1%、83.0%和71.6%的成功率分数，在GOT-10K上取得了71.4%的平均重叠度分数，并能以27FPS的速度运行。

摘要：针对绿色信贷背景下不同绿色企业的运营决策和供应链绩效表现问题，构建了银行主导的银行-零售商-制造商三层主从博弈模型，探索了绿色信贷优惠对企业产品定价和供应链绩效的作用机制，论证了绿色信贷优惠对银行盈利、企业绿色转型以及实现整体经济效益和环境效益一致性的积极影响。研究发现：银行绿色贷款优惠会导致绿色产品批发价和零售价的降低，从而促进绿色产品需求增加，而一般产品价格不受影响但需求减少。企业的绿色转型需要一定的绿色市场基础，当绿色市场较小时，绿色信贷优惠可以促使绿色产品更早地占领市场，此时，绿色信贷优惠在促进企业绿色转型方面发挥更大作用。在特定条件下，绿色信贷优惠可以增加总利润、消费者剩余和社会福利，同时降低环境影响，但仅具有显著环境改善作用的绿色产品才能实现帕累托改进。

摘要：本文研究具有不可靠通信信道和有限带宽约束的Markov跳变系统的混合事件/时间驱动$H_{\infty}$控制问题。为处理有限带宽约束，首先，基于驱动误差、辅助变量和切换时刻设计分布式混合事件/时间驱动机制以确定每个传感器节点的驱动时刻；其次，提出一种新的TOD(Try-once-discard)调度协议以保证在驱动时刻仅有唯一的传感器节点接入网络。此外，将不可靠通信信道导致的数据丢包现象建模为伯努利分布，基于驱动时刻的数据传输情况构建随机序列和调度矩阵序列，对数据接收情况进行建模。以此为基础，利用线性矩阵不等式(Linear matrix inequality, 简称LMI)得到保证闭环Markov跳变系统在无扰动时随机稳定和有扰动时有限增益$L_2$随机稳定的充分性条件，并给出反馈增益阵的设计方法。最后，通过实例仿真验证了所提结果的有效性。

摘要：针对现有深度学习的图像融合算法中存在特征提取不足、纹理细节丢失等问题，提出了一种局部-全局并行和纹理对比度增强的红外和可见光图像融合网络模型。首先，融合网络采用多尺度密集连接和空洞卷积并行注意力机制构建局部-全局并行网络提取图像中的梯度信息和强度信息，以更有效的方式维护局部和全局有用信息。然后，利用scharr滤波器和深度可分离卷积构建纹理对比度增强网络，增强融合特征的对比度和纹理细节，提高融合图像质量。最后，分解网络设计了一种信息交换流网络，由于分解图像的质量直接取决于融合结果，因此分解过程可以使融合图像包含更多的场景信息。通过和其他8种具有代表性的图像融合方法对比，本文方法的7项客观评价指标有5% ~62%的提升，说明本文方法不仅能够充分提取源图像信息，获得纹理细节更清晰、对比度更好的融合结果，而且可以有效解决因源图像分辨率差异大而阻碍的多光谱遥感分析、军事侦察等实际应用。

摘要：本文利用改进的Inception-Resnet-V2(IRV2)网络和局部-全局-局部(Local-Global-Local, LGL)模块设计一种结合CNN和Transformer编码结构的孪生网络用于目标跟踪——SiamLGL(Siamese Local-Global-Local Network)。首先，算法特征提取部分采用改进后的Inception-Resnet-V2(IRV2)网络，由于网络的层数更深，因此图片经过IRV2网络提取的特征较浅层网络提取的特征效果更优，特征融合部分采用深度互相关将特征图上的信息进行融合。其次，融合后的特征图利用LGL模块获取目标的全局和局部信息，模块内部采用两个编码器串联,第一个编码器利用深度可分离卷积获取目标的局部信息，第二个编码器利用自注意力获取图片的全局特征。为了降低自注意力结构的时间复杂度，采用稀疏注意力的方式进行计算，在降低时间复杂度的同时保证网络的精度。最后将特征图输入至分类回归网络中，生成对应的目标位置。其中分类网络采用二元交叉熵损失函数，回归网络采用Distance-IoU(DIoU)作为损失函数。本文算法在GOT-10k、LaSOT、TrackingNet、UAV123、OTB100和VOT2019等6个公开数据集上进行试验评估，实验结果验证了算法的有效性。

摘要：针对极端天气灾害造成配电网供电短缺问题，提出了考虑多类型极端天气的配电网统一故障率计算模型，实现配电网灾前故障场景预测；然后提出包含整体韧性和恢复速度的配电网韧性评估指标；灾害发生前，以天气灾害预判场景为依据，建立以负荷削减量、移动储能移动成本和充放电成本最小为目标的移动储能预调度模型，有效减少灾时停电时间；灾害发生后，随着灾害进程的变化，交通路况受极端天气影响呈现出不同程度的拥堵或湿滑情况，进而影响了移动储能车的实际应灾救援能力，因此提出考虑交通网影响的移动储能救援态和充电态的时空动态优化调度方法；最后以我国东北某城市实际冰灾为案例，结果表明考虑极端天气对交通路网影响的移动储能“灾前+灾后”多模态调度策略可有效提升配电网的韧性水平。

摘要：针对线性时不变系统的分布式状态估计问题, 基于双极限加权齐次估计理论和可观测性分解方法提出了一类分布式固定时间收敛观测器. 首先, 针对单输入单输出积分链式系统，使用双极限加权齐次性方法设计集中式固定时间观测器. 然后, 基于可观测性分解将线性时不变系统分为可观测和不可观测子系统. 传感器网络中每个智能体以集中式观测器为基础, 在固定时间内仅用系统输出测量值重构局部可观子状态, 其次利用智能体之间状态信息构造一致性算法在固定时间内估计出局部不可观测子状态, 从而在固定时间内实现状态全知. 不同于已有工作, 本文不需要构造具体的李雅普诺夫函数就可以给出收敛时间的显示表达式. 最后通过仿真验证了所设计观测器的有效性.

摘要：针对实际垃圾收集任务中垃圾常呈非均匀的斑块状分布的问题，提出一种基于密度交互的集群机器人自组织垃圾收集算法。首先，基于高斯核函数建立机器人邻域作业空间中垃圾分布及邻居分布的空间密度场；然后，在密度信息驱动交互规则作用下，集群机器人通过边缘包围行为实现对垃圾斑块的环型包围；最后，配合面向粗粒度垃圾的平推收缩策略和面向细粒度垃圾的涡旋收缩策略，以群体协作的方式推动垃圾斑块向内聚拢，完成斑块状垃圾的收集任务。数值仿真及真实集群机器人实验表明，所提收集算法对单斑块、多斑块及垃圾数量动态变化斑块中均具有良好的收集效果，表现出优良的并行作业和自适应性能。

摘要：径向基函数具有形式简单、节点配置灵活等特点,使得其可以构成网络来拟合复杂非线性系统. 径向基函数构成的网络可描述非线性模型映射关系,研究有色噪声干扰下一类径向基函数非线性模型的参数估计问题. 首先,为了抑制有色噪声对参数估计的影响,在不改变模型输入输出关系的前提下,利用数据滤波技术设计滤波器对观测数据进行滤波,实现有色噪声干扰下辨识模型的白噪化处理?然后,运用梯度搜索,结合多新息辨识理论,提出估计该类径向基函数非线性模型的滤波多新息增广随机梯度算法?最后,考虑到模型的参数可分离特性, 在滤波辨识的框架下, 基于分解技术, 利用递推搜索方法, 提出估计该类径向基函数非线性模型的三阶段滤波多新息增广递推算法. 仿真结果表明了所提出算法的有效性和优越性.

摘要：随着决策环境的日趋复杂，多类型混合决策信息共存的现象越来越普遍。针对该现象，本文考虑不同类型决策信息的分布特征，细化探讨了通过分段随机抽样的方式将混合信息转化为随机数的方法，该方法可以尽可能提升转化后数据与原始信息分布结构的一致性。通过大规模的模拟分析归纳总结出了不同情形下混合信息随机转化过程中最佳分段子区间的求解方法与结论，可为实际应用中分段抽样区间的确定提供参考。进一步，将随机聚合求解方法与混合信息的随机转化过程进行融合，通过对聚合求解过程中方案之间优胜概率及排序位分布概率的统计得到体现方案之间相对优劣关系的可能性排序结论，实现了决策结论由“绝对形式”向“相对形式”的柔性转化，该结论形式更加吻合于原始决策信息的多样化、不确定性及模糊性特征，因而更具可解释性和可接受性。最后，通过与已有算例的对比分析验证了本文方法的有效性；并以省域发展潜力综合预判为背景构建了应用算例，对本文方法的特征及应用前景进行了说明。本研究进一步丰富了混合信息的转化途径，可为多类型信息共存的复杂决策问题提供方法支撑。

摘要：本文以桥式起重机为研究对象，针对其在三维复杂欠驱动系统中因状态参量高度耦合而导致动力学方程难以线性化处理和滑模控制器本身控制力输出的高频抖振等系列问题，设计了一种基于分层滑模控制的二阶超螺旋滑模控制器，以期当负载质量和钢丝绳长度等参数不断变化时，仍能实现对起重机的精确定位并有效抑制负载摆角。采用Lyapunov函数对控制器稳定性和可行性进行了证明，通过搭建物理模型对本文研究内容进行了验证，仿真与实验结果的一致性证明了该控制器对抑制负载摆动现象具有较好效果。以上结果表明本文研究的控制器能够在不降低系统鲁棒性的前提下有效消除系统抖振和抑制负载摆角幅度，具有重要理论意义与应用潜力。

摘要：高精度地图与定位是无人车实现自主导航作业的重要前提, 针对现有松耦合融合方法对观测信息利用不充分, 以及传统闭环检测方法匹配精度低等问题, 提出了一种基于扫描上下文优化的紧耦合激光SLAM方法——Optimized SC-LIO-SAM. 首先, IMU通过预积分对点云进行去偏校正, 同时为激光里程计提供初始位姿估计; 激光里程计通过滑动窗口的方法将当前帧的特征点云与局部地图匹配; 随后基于扫描上下文的方法对特征点云进行编码生成点云描述符, 实现高效的闭环检测; 基于LIO-SAM的框架, 将IMU预积分因子、激光里程计因子、GPS因子以及闭环因子插入全局因子图中, 最后通过基于贝叶斯树的增量平滑优化算法对全局点云优化更新. 为了验证所提方法的有效性, 采用KITTI数据集评估Optimised SC-LIO-SAM的性能, 并与LOAM、LEGO-LOAM以及LIO-SAM对比, 实验表明, Optimised SC-LIO-SAM相比于LOAM、LEGO-LOAM以及LIO-SAM等算法, 定位精度显著提升. 最后将算法应用在开源数据集中, 证明了Optimised SC-LIO-SAM能够构建全局一致的地图.

摘要：物体抓取是家庭和工业场景中机器人研究的一个重要课题。在机器臂抓取检测领域，RGB图像和Depth图像的处理效率仍有很大提升空间。本文提出了一种基于Transformer-CNN混合架构的新型RGB-D跨模态交互融合的机械臂抓取检测方法。为了充分利用RGB和Depth图像的特征信息，开发了一种高效的跨模态特征交互融合模块，它可以校准RGB和Depth图像相对应的特征信息，并交互增强双模态的特征。此外，还设计了一种Transformer与CNN并行的网络模块，结合CNN的局部建模能力和Transformer的全局建模能力，获得更好的特征表示，从而提高抓取检测性能。实验结果表明，该方法在Cornell与Jacquard抓取数据集上分别达到了99.1\%和96.2\%的准确率。在真实场景下的抓取检测实验证明了该方法可以有效预测各种场景下物品的抓取位姿。

摘要：作为一种新兴的智能制造趋势，将协作机器人引入装配线、与工人以人机协同方式进行装配，正受到越来越多的重视和实践。人机协同装配线的特点在于工人和机器人可以在同一工位中独立执行、并行执行或协作执行装配任务，从而提高传统装配线的生产效率。本文以最小化节拍时间为优化目标，对人机协同装配线平衡问题开展研究。首先，我们设计了节拍时间下限、上限和初始解的加强策略，并基于已有的人机协同装配线平衡问题模型，构建了一个新的增强的混合整数规划模型；其次，本文设计了一类改进的模拟退火算法，使用多种工位完工时间评估方法，实现对问题的高效求解；此外，通过大量的计算实验，验证了所提模型和算法的有效性和适用性；最后，对相关参数开展了敏感性分析，为制造企业引入协作机器人开展人机协同装配提供了管理启示和实践参考。

摘要：真实场景图像超分辨率重构方法的研究进一步推动了超分辨率重构的应用,成为研究的热点.针对现有方法多采用单一输出代表高分辨率图像的高频特征细节,而难以保障稳定、准确高频细节的问题,本文提出了一种基于树状多分支残差注意力网络的真实场景图像超分辨率重构方法.该方法通过树状结构形成多分支超分辨率重构网络,增强特征表现能力,进而丰富重构图像高频细节.每条分支采用双通道残差策略对基础块进行连接,允许更多低频特征通过.本文进一步设计了基础块,融入了密集残差结构和注意力机制,可以在加深网络的同时使网络在通道和空间上进行全局信息自适应调整.面对树状分支的多个重构结果,采用空间频率方法进行融合.实验结果表明,同当前先进的同类方法相比,本文方法具有更佳的重构效果.

摘要：以多产品两阶段批处理流水线为研究对象, 探究不同调度策略对流水线性能的影响，量化分析产线生产率、在制品水平等性能. 首先, 针对上游机器效率最高优先加工策略、下游机器效率最高优先加工策略、最长队列优先加工策略、循环加工策略等四种不同调度策略, 分别刻画系统状态空间, 基于马尔可夫过程建立性能评估模型, 量化生产率等性能指标. 其次, 考虑缓冲区容量与批容量关系, 对比四种调度策略对系统性能指标的影响. 结果表明: 在缓冲区容量与批容量无关的情形下, 循环加工策略表现优于其它三种调度策略? 在缓冲区容量与批容量正向关的情形下, 最长队列优先加工策略表现优于其它三种调度策略.

摘要：随着社会各界对绿色可持续发展的高度重视，环境友好型电车逐渐在物流配送中占据主要地位。然而，相比于传统燃油车，电车配送里程更短，因此在进行电车路径规划过程中，充电站是一个重要的考虑因素。而实际中，外界因素引起的电量消耗不确定会影响充电站的选址。因此，针对电量消耗不确定下充电站选址-路径问题进行研究，并结合鲁棒优化理论，构建数学模型。为了求解大规模算例，基于自适应大邻域算法框架搭建的改进启发式算法被提出，该算法采用新算子，并结合局部搜索提高搜索效率。数值实验表明，所提出的模型有较好的稳健性，所设计的算子具有较优的搜索能力，这对于实际生活中的充电站选址-路径问题具有较强的现实意义。

摘要：为了解决现有多目标进化算法难以处理复杂帕累托前沿的问题，本文提出了一种基于改进角度惩罚距离和自适应参考向量的高维多目标进化算法(An Improved Angle Penalized Distance and Adaptive Reference Vector Based Many-objective Evolutionary Algorithm, PDAREA).算法中采用改进的角度惩罚距离策略进行个体选择，有效减少种群中个体收敛性与分布性的冲突.自适应参考向量策略能够根据目标函数的变化动态调整参考向量的分布，有效改善了个体在帕累托前沿上分布不均的问题.通过参考向量再生策略，提高了算法处理带有不规则帕累托前沿问题的能力和效率.最后，将所提算法与七个主流的算法进行仿真实验对比，并应用于两个实际应用中.结果表明，所提算法在求解带有复杂帕累托前沿的高维多目标优化问题上具有较强竞争力，能有效平衡种群收敛性和分布性.

摘要：针对大型设备混流装配过程中的多人协同、多工种等特点,本文提出了基于双深度Q网络(Double Deep Q Network, DDQN)的多人协同混流装配线平衡优化算法.首先以工作站和工人数量、工人以及工作站间的负载为优化目标,建立了多人协同混流装配线平衡问题的多目标优化数学模型;其次,根据装配过程中生产对象的特征设计状态空间,并根据启发式规则设计动作空间,结合优化目标设计奖励函数,从而将数学模型转化为马尔科夫决策模型.在此基础上,对传统DDQN 算法进行改进,采用自适应探索概率完成动作决策,并设计了基于工人利用率的解码方法;最后,在混流装配线标准测试用例以及多人协同混流装配线测试用例上,将DDQN算法与改进离散水波优化算法和模拟退火算法进行对比,验证了算法的寻优精度以及模型的有效性.并在车身混流装配实际案例中采用DDQN 算法进行平衡优化,验证了算法的有效性和实用性.

摘要：对偶概率语言术语集(DPLTS)能够同时在隶属度和非隶属度角度表达决策者的评价信息,在处理多属性群决策(MAGDM)问题时更具有效性.首先,针对目前DPLTSs距离测度的不足,本文提出了一种新的综合距离测度方式,能够在无需进行元素个数拓展的情况下精确表征DPLTSs之间的差异.进而,基于评价相似度与专家可信度给出了专家权重信息未知情况下的权重求解方法;接着,构建了群体共识的具体达成步骤,得到需要的决策矩阵.再次,依据离差最大化思想计算属性权重,并构建了基于后悔理论的MAGDM决策方法.最后,以新能源车企重型卡车研发策略的选择问题为例进行数值分析,在解决实际问题的同时验证了本文方法的适用性和有效性;并通过灵敏度分析和对比分析,进一步验证了方法的稳定性和合理性.

摘要：在复杂系统的试验评估中,受制于时间和成本,试验次数有限,需要对试验的试验点和样本量进行设计.序贯设计适用于高成本试验,但设计效果取决于使用的准则和方法.针对这一问题,本文基于随机克里金模型研究了序贯设计方法.在试验点设计上,对期望预测误差的组成成分分别进行估计,引入中心化L2偏差平衡探索和开发,构建了一种试验点设计准则;在样本量分配上,以积分均方误差准则为目标函数构造整数规划并转化为多阶段决策过程,利用松弛问题的解构造近似代价函数,提出了一种基于近似动态规划的求解方法.最后,将所提序贯设计方法分别应用于数值仿真实验和实际飞行仿真转台实验,验证了方法的有效性.

摘要：研究具有不稳定模态的时滞切换非线性正系统的指数稳定问题. 首先, 针对具有不稳定模态的时滞切换 非线性正系统,基于改进的Halanay不等式技术结合多重最大分离Lyapunov函数,并设计模态依赖的切换策略,建 立系统指数稳定的充分条件;其次,由于不再限制子系统运行的最小驻留时间,相比已有结果该条件的保守性更 低,并且时滞切换线性正系统指数稳定作为该结果的特殊情况也被得到;最后,通过给定的数值实例展示理论结果 的有效性.

摘要：针对异质信息环境下类案检索无法精准推送相似案例的问题, 考虑到决策信息的模糊性和属性间的关联性, 提出了一种基于案例推理(Case-Based Reasoning, CBR)和灰色关联分析(Grey Correlation Analysis, GCA)的异质多属性决策方法, 以提高案例检索的准确性和高效性. 首先, 依据模糊测度计算不同属性下的广义Shapley值, 以此体现属性间的交互作用及权重信息；其次, 基于案例推理的思想, 运用灰色关联模型确定目标案例与历史案例的相似程度；此外, 将广义Shapley值与灰色关联相结合, 得到目标案例与历史案例的灰色关联度, 从而获得可供当前目标案例参考的处理措施；最后, 通过司法执行案件的类案检索问题来证明论文所提方法的可行性与实用性, 进而完善了异质多属性决策理论体系，为解决司法领域难题拓宽新路径.

摘要：等势概念是形式概念分析和概念认知学习的一个新兴课题, 为社交网络分析提供了新的思路. 现有的等势概念计算方法先搜索所有的形式概念再对其进行过滤, 降低了计算效率. 随着增量式计算的发展, 实现增量式等势概念的计算是一项重要的研究课题. 为了解决上述问题, 本文提出了一种基于图属性拓扑的增量式等势概念计算方法. 针对等势概念属性与对象的数量一致性特点, 该方法通过对属性拓扑的结构进行优化, 定义了图形式背景下的图属性拓扑? 进而证明了图属性拓扑中极大完全多边形与等势概念一一对应的关系, 并将此性质与属性拓扑的形式概念搜索算法相结合, 提出了静态图形式背景下直接计算等势概念的方法? 基于此, 进一步研究了新增属性和新增对象对图属性拓扑中极大完全多边形的影响, 完成了增量式等势概念的直接计算. 实验表明直接计算方法能够有效提升等势概念的计算速度, 并验证了所提增量式等势概念更新计算的可行性和高效性.

摘要：针对现有面板数据灰色关联模型中不同几何特征的可比性问题，以及关联序受对象排列顺序影响的问题，从时间维和对象维两个方面构建了基于面板数据的灰色向量模关联模型。首先，以向量的形式对面板数据进行表征，进而定义指标多维度上的绝对变化量和相对变化量两种几何特征向量，并基于特征向量对各几何特征进行相应的无量纲化处理。然后，在时间维度考虑指标的横向发展绝对量和相对量向量的模得到时间维灰色向量模关联度，在对象维度考虑指标的纵向振荡绝对量和相对量向量的模得到对象维灰色向量模关联度，对两维度加权平均得到面板数据的灰色向量模关联度。对面板数据灰色向量模关联模型的性质如规范性、接近性、数乘变换保序性等进行讨论，验证了模型的实用性和有效性，且模型不受对象排列顺序的影响。最后，利用所提出的模型对江苏省地区大气污染问题进行研究，以期为江苏省大气污染防治工作提供理论支持。

摘要：在伪装目标检测中，针对以往的特征融合研究大多采用多级特征集成，而忽略了不同特征间的差异。文中提出一种基于全局上下文交互融合网络用于伪装目标检测。利用改进的金字塔视觉转换器 (PVTv2)模型作为骨干网络，在多个尺度上提取全局上下文信息。首先，设计边界增强模块来关注伪装目标的结构细节，并获取物体的边缘特征。其次，借鉴动物捕食机制提出了特征融合解码模块，该模块提供位置信息用于潜在目标定位以产生粗略定位图。最后，通过所搭建的全局上下文聚合模块进行多层次信息的充分交互，减少特征聚合过程中的信息丢失。采用4个公开数据集、4种评价指标进行实验，实验结果表明文中网络性能优于其它17个具有代表性的模型。

摘要：为了增强传统模糊C均值聚类算法的抗噪性能，保持任意像素与相邻像素之间的隶属度相似性，提出一种自适应空间强度约束和KL信息的模糊C均值彩色噪声图像分割算法。首先，通过快速双边滤波器获取局部空间强度信息，用于平滑噪声像素；其次，将局部加权平均隶属度作为先验概率，并通过KL信息将其嵌入目标函数中，从而优化隶属度的划分矩阵；最后，计算原始图像与双边滤波图像之间的绝对强度差，用指数形式的绝对强度差作为双边滤波图像的自适应权值，并将其倒数作为原始图像的自适应权值。当混合噪声密度为30%时，所提算法在彩色合成图像上的划分系数和划分熵分别为99.66%和0.58%，在彩色真实图像上的划分系数和划分熵分别为98.77%和2.03%。实验结果表明，与其他相关算法相比，所提算法的抗噪性能更强、分割精度更高、稳定性更好。

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：相比无幂函数的传统线性控制方法有限时间控制器(FT,Finite-time Controller)因具有指数参数而能实现更优的控制性能.本文以一阶系统为例,定性且定量地对FTC 和线性控制器(LC,Linear Controller)性能进行较为全面的对比,总共得出11 个相关定理重点研究如何选取FTC 的控制参数,以获得相比LC 更优的控制性能.具体内容为,考虑一阶标称系统和受扰动系统,设定了一系列能反映控制性能的评价指标,如最大控制量能量消耗、收敛速度、稳态精度以及抗干扰能力等、相比已给定的LC，通过计算求出每个指标所对应的FTC参数。并证明存在合适的参数范围使FTC 在评价指标的约束下具有更优的控制性能.此外亦为重要的是。还证明了在同一评价指标约束下,相比FTC,不存在具有更优性能的LC.研究意义为,为FTC优于LC 提供了理论支撑也为如何选取或优化FTC 参数提供了理论依据.

摘要：针对二阶网络化多智能体系统中前向通道、反馈通道和智能体之间通道同时存在通信约束(网络诱导时延和丢包)问题,提出了一种基于网络化预测控制方法和时滞系统方法的新型解决方案.首先,基于智能体自身滞后的位置和速度信息,通过迭代预测得到智能体当前时刻的位置和速度预测值.然后,考虑到智能体之间通道的通信约束,设计了基于邻居智能体滞后信息的时变编队控制协议.进而,推导出了包含前向通道和智能体之间通道通信约束的闭环时滞系统,并利用李雅普诺夫方法给出了闭环系统稳定的充分条件.最后,通过对比仿真验证了所提方法的有效性,以及网络化预测控制方法在主动补偿通信约束方面的优势.

摘要：随着低轨星座规模的不断扩张,本就相对匮乏的信关站资源变得更加紧张. 为提高信关站天线的使用效率,提出一种混合克隆选择算法. 首先,将卫星与信关站可见弧段转化为任务集合,将馈电链路切换问题转化为任务分配问题,并建立相应的数学整数规划模型;然后,将抗体编码为一组任务分配向量,结合启发式冲突消解规则,建立基于有向图最短路的解码方法,引入阈值参数降低解码的计算开销,提出基于自适应邻域选择的局部搜索算法,增强局部寻优能力;最后,搭建低轨星座馈电链路切换仿真场景,生成不同规模的算例来开展对比实验. 仿真实验结果表明,所提出算法能够快速收敛到小规模算例的最优解,同时在大规模算例上比现有启发式算法表现出更强的求解能力和更稳定的性能,从而验证所提出算法的有效性.

摘要：针对超宽带(UWB)测距存在非视距(NLOS)误差以及LiDAR存在累计误差影响定位精确度的问题，本文提出了一种基于改进天牛须搜索算法(BAS)优化粒子滤波的UWB/LiDAR室内定位方法。该方法综合UWB抗干扰能力强，时间分辨率高和LiDAR的高精度和高效率的优点，使用LiDAR量测信息解算组合定位系统与UWB基站的距离,剔除UWB量测值中的NLOS误差。改进天牛须搜索算法的引入有效延缓了粒子退化现象，减少算法所需粒子数，提升算法运行速度和实时性。最后构建UWB/LiDAR的组合函数，使用图优化的方法优化全局位姿。实验结果表明，同等效果下，经改进天牛须搜索算法优化后所需的粒子数仅为原粒子滤波算法的20%，同时相较于单一的UWB、LiDAR定位，本文方法的定位精度分别提升了58.25%和76.35%，效果良好。

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：对于自由漂浮的刚性空间机器人，设计了一种二阶滑模固定时间轨迹跟踪控制器. 利用拉格朗日法建立了自由漂浮空间机器人系统的动力学模型，结合加幂积分法与虚拟变量策略为系统设计了一种二阶滑模固定时间轨迹跟踪控制器. 通过Lyapunov函数法证明了该控制器可确保空间机器人跟踪误差的全局固定时间收敛，且收敛时间独立于系统初始状态. 该方法可对系统跟踪误差的最小收敛时间上界进行估计，解决了传统固定时间控制方法所存在的收敛时间过度估计的问题，并可有效消除控制力矩的抖振现象. 仿真结果与理论分析一致，校验了该方法的可行性与优越性.

摘要：针对无人机在弱纹理场景下定位不准确的问题，提出一种基于边缘化加速的无人机定位方法。参考开源的VINS-Fusion算法架构，首先，采用Harris角点算法提取需要优化的角点信息，融合亚像素角点算法对提取的角点信息进行迭代和精度提升，为后端优化线程提供良好的初始值；其次，设计一种边缘化加速策略，通过滑窗法筛选出需要优化的视觉残差信息，采用舒尔补方法将筛选出的视觉残差信息转化为先验信息加入优化，拆分边缘化线程，并且重构信息矩阵，索引视觉残差信息的行和列，将含有信息较多的矩阵块移至信息矩阵右下角，保留更多的先验信息；最后，使用EuRoc数据集进行评估，实验结果表明，与开源的视觉惯导融合的SLAM系统相比，本文算法在定位精度上得到了明显的提升，同时可以保证较高的运算效率，满足无人机定位的实时性要求。

摘要：本文研究了带有切换网络结构的网络演化博弈的同步问题。首先，利用矩阵半张量积方法，给出了局势演化方程的代数化表达式，并得到了一个充分必要的代数条件来验证切换网络演化博弈是否与一个静态网络演化博弈达到同步。然后，通过构造一个辅助系统并使用最大不变子集的方法，将切换网络演化博弈的同步问题转化为辅助系统的集合稳定性，提出了一个易于验证的充分必要条件，并给出了达到同步时最短时间的计算公式。此外，将所得结果推广到局势受限的情况，提出了局部同步的概念，并讨论了切换网络演化博弈的局部同步问题。最后，通过实例证明了理论结果的有效性。

摘要：为了更好地提高客户满意度以及更高效地进行生产调度和设备维护,研究了具有序列准备时间和两种周期维护类型的单机调度问题.\,首先通过不同预防性维护效果定义了两种周期维护类型,同时考虑了序列准备时间,以最小化总延误为目标建立了混合整数规划模型.\,然后,通过分析模型结构得到有效不等式提高模型求解效率.\,接着设计了高效的多起点算法进行求解,为了避免算法陷入局部最优,设计了5种局部搜索算子进行搜索.\,最后通过仿真试验验证了模型和算法的有效性,以及对参数进行了灵敏度分析.\,研究结果表明,在不同种维护类型之间进行权衡可以降低总延误,两种周期维护类型的总延误要优于单一周期维护类型.\,研究结果可以为制造企业实际制定调度和维护方案时提供决策支持.

摘要：二型模糊集本质上是将模糊集中的隶属函数拓展为一型模糊集而产生的集合, 是处理复杂不确定环境下决策分析问题的有效工具. 首先, 本文系统性回顾了所提出的新的二型模糊集的数学表述定义, 并进一步地展示了 其在不同论域条件下的几何解释. 其次, 针对二型模糊偏好关系在处理复杂决策情景下的多准则决策问题时所具有的显著优势, 开展了针对 二型模糊偏好关系及其在多准则决策中的应用基础研究, 并基于新的数学表述方法 分别给出了二型模糊偏好关系的定义和决策解释, 同时定义了加型和积型一致性二型模 糊偏好关系的条件. 然后, 根据模糊偏好关系理论构建并分析了二型模糊偏好关系的相关方法和性质来说明 二型模糊偏好关系以及所提出的新的二型模糊集的数学表述定义的科学性和合理性. 最后, 通过旅游产品选择案例与对比分析 验证了本文中所提出的新定义下的基于二型模糊偏好关系的多准则决策方法的有效性和可行性.

摘要：针对考虑批处理机(Batch processing machines, BPM)和部分阶段无优先关系的绿色模糊混合流水车间调度问题(Energy-efficient fuzzy hybrid flow shop scheduling problem, EFHFSP), 提出了一种动态人工蜂群(Dynamical artificial bee colony, DABC)算法以同时最小化最大模糊完成时间和模糊总能耗. 给出了基于种群评估的种群裁定方法以在每一代动态决定雇佣蜂种群和跟随蜂种群, 并应用了动态雇佣蜂阶段、基于自适应交流的跟随蜂阶段、多样性强化策略以及自适应侦察蜂阶段. 进行了仿真实验, 实验结果表明DABC在求解考虑BPM和部分阶段无优先关系的EFHFSP方面具有较强的优势.

摘要：为了增加基本沙猫群算法的搜索效率、收敛效率,增加种群的多样性,增强全局搜索能力,提出了一种多策略混合的改进沙猫群算法(Improved Sand Cat Swarm Optimization Algorithm,IMSCSO).利用Sine映射进行初始化以得到分布更加均匀的种群;在攻击行为中根据个体适应度的大小对攻击区间进行区域划分，减小攻击范围，增加搜索效率;将向量的线性变换引入到搜寻行为中，通过对系数矩阵的设计增加收敛效率;利用聚集度圆来增加算法跳出局部最优的能力;通过引入生存机制的黄金正弦策略增强其局部开发的能力.使用12个基本测试函数对改进后的算法进行测试,经过Wilcoxon秩和检测、时间复杂度分析、李亚普诺夫稳定性分析验证改进算法的优越性.最后使用改进沙猫群算法对SVM参数进行优化,并应用于轴承故障检测,证明算法在实际应用中的有效性.

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：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：研究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.基于全局有限时间稳定性理论、代数图论和变量变换,提出并分析一种静态分布式非光滑协议,证明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.最后通过两个仿真实例验证所提算法的可行性和有效性.