摘要:作为机器人在工厂、家居等环境中最常用的基础动作,机器人自主抓取有着广泛的应用前景,近十年来研究人员对其给予了较高的关注,然而,在非结构环境下任意物体任意姿态的准确抓取仍然是一项具有挑战性和复杂性的研究.机器人抓取涉及3个主要方面:检测、规划和控制.作为第1步,检测物体并生成抓取位姿是成功抓取的前提,有助于后续抓取路径的规划和整个抓取动作的实现.鉴于此,以检测为主进行文献综述,从分析法和经验法两大方面介绍抓取检测技术,从是否具有抓取物体先验知识的角度出发,将经验法分成已知物体和未知物体的抓取,并详细描述未知物体抓取中每种分类所包含的典型抓取检测方法及其相关特点.最后展望机器人抓取检测技术的发展方向,为相关研究提供一定的参考.

摘要:城市的快速机动化导致道路资源供需失衡愈加严重,目前使用的交通信号定时控制方式无法根据交通流的变化调整信号配时,降低了路网运行效率.针对区域内多路交通信号配时优化问题,提出一种基于改进萤火虫算法的求解方法,以多路信号各相位的绿灯时长作为控制变量,建立以区域总延误最小为目标的规划模型进行优化.针对标准萤火虫算法存在的优化精度不高、容易陷入局部最优的问题,提出一种驱散机制,同时在种群进化过程中引入变异操作进行改进.利用5个标准测试函数进行实验验证,实验结果表明,改进的萤火虫算法能够提高求解的精度和稳定性.最终以典型多路口区域为例,将改进的萤火虫算法应用在区域配时优化问题上,通过对比实验表明求解的有效性.

摘要:循环冷却水系统中冷却供给量与工艺介质冷却需求量之间往往存在“大马拉小车”的现象,造成大量的冷却资源浪费.为了匹配冷却需求量与供给量,提高循环冷却水系统能源利用率,给出一种基于多工艺介质温度目标循环冷却水最小压差控制系统,并将深度学习引入工艺介质温度预测研究中,提出一种基于改进堆叠自动编码器(improved stacked auto encoders,ISAE)的工艺介质温度预测方法.首先,对工业现场数据进行清洗;然后,将多个自动编码器堆叠,构建深度学习网络结构,采用“逐层贪婪无监督预训练-参数微调”方法训练网络参数,并基于均方根反向传播(root mean square back propagation,RMSProp)优化方法对网络参数进行微调,减小陷入局部最优的概率;最后,利用某化工厂历史运行数据进行测试,与浅层神经网络、未改进的SAE方法进行比较,所得结果表明,所提出的ISAE方法的预测准确性高,预测的工艺介质温度平均百分比误差仅为0.85%,且泛化能力优于未改进的SAE算法

摘要:多自主水下机器人(AUV)实时围捕是一个综合的研究课题,包括联盟生成和目标追捕等阶段.首先,基于快速行进算法(FMM)预估围捕时间,有效形成多AUV的动态围捕联盟;然后,在追捕阶段,AUV需要立即跟踪智能逃逸机器人以防止其逃跑.为了实现这一目标,在GBNN(Glasius biological inspired neural network)模型中使用反比例函数替换指数函数计算神经元连接权值,加入额外的衰减项,并提出两点加快神经元活性传播的改进措施,使其适用于实时追捕路径规划.仿真研究表明,围捕联盟形成机制和反比例权值GBNN模型实时路径规划策略都显示出其优越性.在水下环境的多AUV协作围捕中,所提出的围捕控制算法可以提高围捕效率,减少AUV所花费的追捕距离和逃逸机器人的逃逸距离.

摘要:基于知识表示学习的实体对齐方法是将多个知识图谱嵌入到低维语义空间,通过计算实体向量之间的相似度实现对齐.现有方法往往关注文本信息而忽视图像信息,导致图像中实体特征信息未得到有效利用.对此,提出一种基于联合知识表示学习的多模态实体对齐方法(ITMEA).该方法联合多模态(图像、文本)数据,采用TransE与TransD相结合的知识表示学习模型,使多模态数据能够嵌入到统一低维语义空间.在低维语义空间中迭代地学习已对齐多模态实体之间的关系,从而实现多模态数据的实体对齐.实验结果表明,ITMEA在WN18-IMG数据集中能够较好地实现多模态实体对齐.

摘要:有别于其他直接以形状相似性或语义相似性作为工艺决策推理基础的研究,在充分考虑特征加工链选用规律对工艺设计活动影响的基础上,将对特征加工链选用规律的挖掘及其合理修正结果作为支持工艺决策的证据,确保工艺设计决策的有效性.首先,对特征的工艺实现需求进行分组,并利用统计方法对符合具体需求的特征加工链的选用规律进行挖掘;然后,对符合需求特征加工链的理论使用概率进行分析,并用获得的理论概率修正所对应加工链的实际选用规律;最后,以修正后的规律作为工艺决策的依据,利用D-S证据理论实现特征加工链的选用决策.实例验证表明,所提出的方法具有可行性.

摘要:针对二维混合多输入多输出(MIMO)相控阵雷达发射子阵分割带来的自由度损失进而影响雷达系统参数估计性能的问题,提出一种基于十字阵的二维稀疏混合MIMO相控阵雷达收发阵列设计方法.首先,结合稀疏阵列-共轭嵌套阵对混合MIMO相控阵雷达的收发端进行稀疏设计;其次,对混合MIMO相控阵雷达产生的合阵进行做差处理,得到阵元位置差的差异阵列;最后,通过空间平滑处理进行波达方向估计.仿真实验表明,相较于传统的二维混合MIMO相控阵雷达,所提出方法仅利用两个互相垂直的一维线阵便可形成阵列的二维平面扩展,同时,在不增加阵元个数的前提下可有效扩展雷达阵列虚拟阵元数目,提高阵列的自由度以及波达方向估计性能.

摘要:阐述目前代价地图中存在的相关问题,并针对代价地图存在匹配性差和实时性低等问题提出一种新的室内地图生成算法.首先,针对雷达对动态障碍物的处理方式,研究新的动态障碍物实时更新的方法,实现对障碍物的准确定位,改善代价地图与室内环境的匹配性;其次,通过预处理静态障碍物,实现对障碍物的分类以及分别处理,可大幅降低代价地图更新过程中的计算量,变相地提高代价地图的计算速度;再次,通过等距膨胀法构建完整的多层代价地图;最后,在实验室的自主机器人平台上进行实验,实验结果表明,所提出算法与经典代价地图算法相比在匹配性方面有明显提升,而在地图的更新速度方面平均提升77.6%.

摘要:控制系统的应用中存在状态不能直接测量或测量成本高的实际问题,给模型参数未知的系统完全利用状态数据学习最优控制器带来挑战性难题.为解决这一问题,首先构建具有状态观测器且系统矩阵中存在未知参数的离散线性增广系统,定义性能优化指标;然后基于分离定理、动态规划以及Q-学习方法,给出一种具有未知模型参数的非策略Q-学习算法,并设计近似最优观测器,得到完全利用可测量的系统输出和控制输入数据的非策略Q-学习算法,实现基于观测器状态反馈的系统优化控制策略,该算法的优点在于不要求系统模型参数全部已知,不要求系统状态直接可测,利用可测量数据实现指定性能指标的优化;最后,通过仿真实验验证所提出方法的有效性.

摘要:针对无线传感器网络中数目庞大的传感器节点难以进行有效定位的问题,提出一种分布式的传感器节点迭代定位算法.基于整个网络中相互重叠的子图,该算法的每一步迭代涉及两个步骤:一是每个子图内的高效定位,二是相邻子图之间的局部一致.对于每个子图,采用共轭梯度法对节点进行局部定位;之后,对相邻子图重叠区域内节点的局部位置进行融合平均.这两个步骤持续进行,直至满足迭代终止条件.仿真实验表明,与现有分布式算法相比,所提出算法的定位误差降低了一个数量级,能够对大规模的无线传感器网络进行高效定位.

摘要:为提高足式移动机器人的避障能力和路径规划效率,提出一种凸优化与A*算法结合的路径避障算法.首先,基于半定规划的迭代区域膨胀方法IRI-SDP(iterative regional inflation by semi-definite programming),通过交替使用两种凸优化算法快速计算出地面环境中无障碍凸多边形及其最大面积内切椭圆,用于移动机器人的局部避障和任务动作规划;然后,结合经典的A*算法,建立机器人局部和世界坐标系、机器人质心轨迹转换模型、碰撞模型和启发式代价函数,在全局环境中寻找最优成本最小的路径;最后,通过仿真实验验证该算法的有效性.

摘要:针对机动微波接力网组网及优化需要,提出一种基于双编码遗传算法(DMGA)的机动微波接力网组网方法.以网络价值最大化为优化目标,综合考虑节点价值、吸引系数、衰落概率等条件,实现了对每个节点接力设备的智能分配.通过研究网络价值与设备数的非线性关系,引入最优配置点的概念,为微波接力设备的编配数量提供量化依据.在遗传算法中使用邻接矩阵和邻接表的双编码法,其中邻接矩阵的优势是基因改变一定不会产生重复、自环链路,邻接表的优势是基因改变不会影响链路的总数.两种编码法在变异、交叉运算中交替运用,使约束条件与染色体形态特征优势匹配,避免了为满足约束进行的循环操作,提高了运算效率.仿真算例表明,双编码算法与单编码相比,计算时耗大大降低.

摘要:针对杂波分布不均匀且密度未知的多目标跟踪问题,提出一种基于稀疏度阶数优化的杂波密度估计算法.首先,剔除在跟踪门内的潜在目标测量,获取杂波测量集;其次,从杂波测量集中构造“稀疏度阶数-超立方体容积”的样本,并利用支持向量回归机对样本拟合;再次,通过梯度法求得拟合曲线的极值点,实现稀疏度阶数在线优化;最后,将优化后的杂波稀疏度估计器嵌入高斯混合概率假设密度滤波器中,实现复杂杂波环境下目标状态与杂波密度联合估计.仿真结果验证了所提出算法的有效性.

摘要:考虑微小卫星集群在轨服务的任务效率及星群在有限空间区域表面均匀分布的任务需求,提出基于改进独占球与势函数相结合的空间集群均匀分布度量模型和构型控制策略,该策略可以有效度量航天器集群空间均匀性、空间覆盖性和空间聚集性指标,并指导航天器集群在有限区域内实现无碰撞自组织的均匀分布构型.仿真分析表明,均匀度模型具有良好的旋转对称性和平移对称性,可以有效指导集群实现均匀分布并具有良好低维投影均匀性.

摘要:在光伏系统中,光伏阵列往往会受到阴影条件(partial shading condition,PSC)的影响,造成光伏系统输出功率偏低以及功率-电压($P-V$)特性曲线出现多峰值的现象,从而导致常规最大功率跟踪(maximum power point tracking,MPPT)算法易陷入局部最优的问题.对此,设计一种基于迁移强化学习(transfer reinforcement learning,TRL)的MPPT算法.该算法将连续变量的动作空间分解为若干个小范围的子搜索空间,从而有效提高TRL的学习效率.同时,引入知识迁移,即将旧任务的最优知识矩阵应用到新任务中,进而大幅提高TRL的收敛速度.通过对3种算例的研究,即恒温变光照强度、变温变光照强度和香港实地测试,其仿真结果表明,与传统增量电导法(incremental conductance,INC)、遗传算法(genetic algorithm,GA)、粒子群优化(particle swarm optimization, PSO)算法、人工蜂群(artificial bee colony,ABC)算法、布谷鸟算法(cuckoo search algorithm,CSA)、教-学优化(teaching-learning based optimization,TLBO)算法以及Q学习算法相比,TRL能在PSC下实现最快速的全局最大功率跟踪,同时具有最小的功率波动.最后,基于dSpace的硬件在环实验验证了TRL的硬件可行性.

摘要:针对无人飞行器智能航迹规划算法导致的多航迹选择问题,构建基于多准则妥协解排序法(VIKOR)的航迹路线择优评价体系.为快速获得各威胁源的综合威胁信息,采用路线分割和极限的思想,建立综合威胁计算模型,并给出模型参数变化范围计算方法.以变异系数法确定指标权重,采用可最大化群体利益且弱化个体遗憾的VIKOR算法融合威胁信息,给出基于VIKOR算法的航迹方案择优评价方法和步骤.该评价方法可获得具有优先级别的妥协最优航迹方案,使评价结果更容易被决策者接受.实际航迹路线择优问题验证了所提出方法的有效性.

摘要:针对异构蜂窝网络中D2D(device-to-device)通信用户复用蜂窝用户上行信道产生的频谱资源分配优化问题,提出一种基于改进离散鸽群算法(PIO)的D2D通信资源分配机制.通过设置信干噪比(SINR)门限值保证用户的通信服务质量(QoS),使用基于改进地图-指南针算子和认知因子的离散鸽群算法(IMCBPIO)为D2D用户进行资源分配,并采用基于接收SINR的闭环功率控制算法动态调整用户的发送功率,以减少用户与基站以及用户与用户之间存在的干扰.仿真结果表明,所提出方案能够有效抑制异构网络中由于引入D2D用户后导致的干扰,降低通信用户的中断概率,大大提高频谱利用率和系统吞吐量.

摘要:针对快速扩展随机树(rapid-exploration random trees,RRT)算法难以有效解决多场景环境下的机械臂快速运动规划问题,提出一种融合长短时记忆机制的快速运动规划算法.首先,采用高斯混合模型(Gaussian mixture models,GMM)在规划的初始阶段通过随机采样构建环境的场景模型,并利用该模型进行碰撞检测,以提高运动规划效率;然后,根据人类的记忆机制原理,对多场景的不同GMM按照即时记忆、短期记忆和长期记忆进行存储,并通过场景匹配算法实现不同场景GMM的快速自适应提取,提高对变化环境的适应能力;最后,通过在Matlab以及ROS仿真环境下6自由度柔性机械臂的运动规划仿真实验对所提出的算法进行验证.实验结果表明,所提出算法可以快速提取场景的记忆信息,有效提高多场景环境下的运动规划效率,具有较强的适应性.

摘要:战术级兵棋对抗系统结构严格、对抗性强,可以作为研究军事智能决策的一个推演平台.鉴于此,设计一个战术级兵棋实体作战行动智能决策模型框架,并在该框架指导下设计一款兵棋智能引擎.所设计引擎通过挖掘兵棋历史推演数据,提取棋子历史位置概率、夺控热度、观察度等评价属性,利用多属性综合评价软优选算法和兵棋基本规则决策出棋子的下步行动.实验结果表明,所提出引擎具有实时性强、灵活性高、可移植性好的优点,可以在兵棋机机对抗和人机对抗挑战赛中取得优异成绩.

摘要:由非接触式扫描方法获得的点云数据存在大量的冗余点,为便于模型重构, 提出一种新的基于动态网格k邻域搜索的点云精简方法.首先,对点云进行k邻域搜索,在k邻域搜索过程中采用动态网格的方法快速寻找k邻域点;然后,根据数据点的k邻域计算点的曲率、点与邻域点法向夹角的平均值、点与邻域点的平均距离,并利用这3个参数定义特征判别参数和特征阈值,比较大小,对特征点进行提取;最后,利用包围盒法对非特征点进行二次精简,将精简后的点云与特征点拼接,实现精简目的.实验结果表明,所提出方法与其他k邻域搜索方法相比,提高了计算效率,并且将特征提取与二次精简方法相结合,既可保留模型的几何特征,又能避免空洞区域的产生,在精度和速度上都取得了较好的效果.

摘要:基于风险理论研究同时面向目标检测和跟踪任务的传感器管理方法.首先,定义目标检测风险和目标跟踪风险,并分别给出计算方法;其次,以目标检测风险最小化为目标函数建立传感器部署模型,以目标检测风险和目标跟踪风险之和最小化为目标函数建立传感器调度模型,且该调度发生在前面传感器部署模型建立的传感器网络之上;然后,针对模型的求解,同时为克服基本人工蜂群算法易陷入局部最优的缺点,提出改进的双向轮盘赌-粒子群-蜂群算法;最后,通过仿真验证模型和算法的有效性.

摘要:研究考虑卸载顺序约束的成品油二次配送车辆路径问题,已知油库使用容量有限的多隔舱运输槽车为加油站配送多种类型的成品油,每个隔舱只能装载一种特定的油品,且装载到各个隔舱中的油品具有固定的卸载顺序.已知加油站对各种油品的需求量,假设每个加油站对同一种油品的需求只能由一辆车配送,考虑配送车辆的固定动用成本和运输成本,以总配送成本极小化为目标建立该问题的混合整数规划模型,并设计求解模型的自适应大邻域搜索启发式算法.利用不同规模的算例进行模拟计算与分析,从而验证算法的有效性.实验结果显示:对于小规模算例,大邻域搜索启发式算法能够以较高的概率得到全局最优解;对于中、大规模算例,大邻域搜索启发式算法可以在短时间内得到近似最优解,近似比不超过1.2.所提出的模型和算法可为石油公司制定成品油二次配送计划提供理论依据和决策支持.

摘要:研究在由两个竞争制造商和一个共同零售商组成的二级供应链中,制造商创新投资对零售商信息分享策略的影响.首先构建3种信息分享策略(不分享、部分分享和均分享)下的博弈模型,并对比分析得出零售商最优信息分享策略及不同策略下制造商/供应链利润大小关系;然后,探讨竞争制造商创新投资效率不等和存在横向溢出效应情形下零售商的信息分享策略.研究结果表明:当制造商投资效率相等时,若投资效率较低,则零售商没有动机分享预测信息;若竞争强度较小且投资效率较高,或者竞争强度较大且投资效率适中,则零售商总是倾向于均分享策略;若竞争强度较大且投资效率较高,则零售商选择部分分享策略.当制造商投资效率不等时,零售商更愿意与投资效率较高的制造商分享信息.此外,横向溢出效应更能激励零售商分享信息.

摘要:网络化指挥信息系统是现代信息化条件下体系作战的基础支撑和重要枢纽.在分析网络化指挥信息系统结构功能基础上,构建带权重的双层相依网络,提出一种考虑节点过载和节点修复的级联失效模型,并在基于节点权重的负载重分配策略基础上构造基于节点相似、基于节点剩余容量和综合分配3种改进型策略.以“LB演习”数据为样本,针对攻击方式、负载重分配策略和网络性能参数对网络抗毁性影响展开研究.仿真结果表明:物理层重要节点对网络性能影响最为关键,并且网络性能会在蓄意攻击下产生突变现象;改进的3种策略,特别是综合分配策略,能够显著提升网络抗毁性,网络性能参数能够在一定范围内大幅提升网络抗毁性,避免大规模级联失效现象.

摘要:基于众筹扶贫模式,探讨缺乏生产资金的风险规避型农民在面对市场不确定性时的最优定价决策及扶贫参与模式选择问题.通过构建农民在传统扶贫模式和众筹扶贫模式下的决策模型,得到农民的最优定价策略.通过对比发现:1)当利他型消费者规模较小时,农民在众筹模式下只能采取低价策略,且最优参与模式的选择与利他型消费者比例和利他主义动机影响强度相关;而当利他型消费者规模较大时,农民是否参与众筹只与利他主义动机影响强度相关,此时利他型消费者比例只影响众筹模式下的定价策略.2)农民的风险规避程度和贷款利率较低、需求波动性较小时,农民更适合选择传统扶贫模式.3)消费者参与众筹的风险程度越低,农民越倾向于选择众筹模式.

摘要:企业定向投放优惠券的精准性对优惠券面值、企业利润等均有较大的影响.针对企业定向优惠券的精准投放问题,运用博弈论研究双寡头竞争环境下,企业定向投放能力对优惠券面值和企业利润的影响,并进一步将定向能力作为决策变量引入模型进行拓展研究.研究结果表明:当定向能力达到一定阈值时,企业会在“忠诚市场”实行高价策略,而在“竞争市场”实行低价策略;定向能力对企业利润呈双向调节作用,即在阈值范围内,定向能力的提升会带来更高的企业利润,但超过阈值时,定向能力的提升将会降低企业利润;定向能力的投资成本系数较大时,拥有较多忠诚客户的企业倾向于提高定向能力;反之,竞争双方都将提高定向能力以增加企业利润.

摘要:研究一类非线性互联大系统的分散自适应预设性能有限时间跟踪控制问题.结合神经网络自适应技术、实际有限时间控制理论和预设性能控制方法,提出一种新的预设性能控制设计方法,以解决传统预设性能方法难以实现分散控制的问题.所设计的控制器能够保证大系统中各个子系统的跟踪误差被有限时间性能函数约束,在任意给定的停息时间内收敛到平衡点的一个给定的邻域内,且该闭环大系统的所有信号是实际有限时间稳定的.特别地,该停息时间与系统初始状态无关.两个仿真例子验证了所提出控制方法的有效性和优越性.

摘要:针对受不确定性影响的平面Acrobot机器人,提出一种基于免疫优化的线性自抗扰鲁棒控制设计方法,实现机器人末端点从任意初始位置到达并镇定在目标位置.首先,借助驱动关节与被动关节角度之间的状态约束获取机器人末端点位置与驱动关节角度的对应关系,使末端点的位置控制转换为驱动关节的角度控制;其次,为缩短运动路径加入最小角度位移限制条件,设计免疫算法求解目标位置所对应的驱动关节角度的最小期望值;再次,引入线性自抗扰控制技术,把机器人的模型不确定性、未知干扰等因素视为一个新的扩张状态变量,设计线性扩张状态观测器和基于状态误差的反馈控制器,在仅驱动关节角度可测的情况下实现Acrobot的鲁棒镇定;最后,通过仿真实验验证所提出方法具有更好的鲁棒控制性能.

摘要:研究事件触发机制下具有不可靠通信的离散网络化控制系统的H_∞故障检测问题,首先,为了节约网络资源,采用事件触发机制来判断采样数据是否传输到网络中;其次,利用Bernoulli 随机变量描述数据在网络传输中的丢包,综合考虑以上约束,建立一种能同时描述事件触发策略、数据丢包、分布时滞和时变时滞的网络化控制系统模型,运用Lyapunov稳定性理论和线性矩阵不等式求解方法将故障检测滤波器的设计转化成H_∞凸优化问题;最后,通过数值仿真验证事件触发机制下的故障检测滤波器不仅节约网络资源而且可以有效地检测出系统故障信息.

摘要:为克服现有群组DEMATEL存在的尚未考虑群组专家之间的信息交互、对于不完备专家判断信息的推断机理不明确等缺陷,基于社交网络中的信任关系理论和凝聚层次聚类理论,通过给出不完备群组DEMATEL初始直接影响矩阵残缺值的推断方法和专家交互情境下群组DEMATEL直接影响矩阵信息修正方法,提出专家交互情境下不完备群组DEMATEL决策方法的实现步骤.最后,通过算例对比分析反映出通过专家多轮次交互,群组专家之间的共识度以及决策结果的可靠性持续提升,从而验证了所提出方法的科学性和可行性.