摘要:随着移动机器人作业环境复杂度的提高、随机性的增强、信息量的减少,移动机器人的运动规划能力受到了严峻的挑战.研究移动机器人高效自主的运动规划理论与方法,使其在长期任务中始终保持良好的复杂环境适应能力,对保障工作安全和提升任务效率具有重要意义.对此,从移动机器人运动规划典型应用出发,重点综述了更加适应于机器人动态复杂环境的运动规划方法——深度强化学习方法.分别从基于价值、基于策略和基于行动者-评论家三类强化学习运动规划方法入手,深入分析深度强化学习规划方法的特点和实际应用场景,对比了它们的优势和不足.进而对此类算法的改进和优化方向进行分类归纳,提出了目前深度强化学习运动规划方法所面临的挑战和亟待解决的问题,并展望了未来的发展方向,为机器人智能化的发展提供参考.

摘要:异常检测是指识别数据集中显著区别于其他正常模式的数据,广泛应用于欺诈检测、入侵检测、数据分析等领域.现有的异常检测研究大多是基于非结构化数据点集,而现实中数据间复杂的结构关系构成了复杂网络,在数学形式上表示为图,所以面向复杂网络的异常检测的需求日益增加.对此,总结了当前复杂网络异常检测的方法与研究进展:首先提出复杂网络异常检测的必要性与发展历史;其次,分别从静态图和动态图的视角将复杂网络异常检测分为基于结构、社区、关系学习的静态图异常检测和基于节点、边、子图、全图的动态图异常检测;然后,分类别地进行概述、分析与比较,并给出复杂网络异常检测的应用场景;最后,总结未来面向复杂网络异常检测的研究方向.

摘要:多机械臂的精准协同控制已成为当前机器人领域的研究难点,为实现双机械臂精准控制,通过建立双机械臂动力学模型,采用时间延时估计简化机械臂动力学模型,在保证控制系统稳定性的前提下,引入自适应模糊滑模控制器实现对估计误差的修正和补偿,设计基于时间延时估计和自适应模糊滑模控制的双机械臂协同阻抗控制器,实现双机械臂协同操作的末端轨迹控制以及接触力精准控制.最后,将该控制器应用于两台六自由度机械臂仿真平台,实现双臂夹取和搬运同一目标物体的操作,通过与其他控制器进行对比实验,表明所设计的控制器具有响应快、无抖震、精度高的特点.

摘要:针对如何恢复重建后超分辨率图像的纹理细节问题,提出基于自注意力生成对抗网络的图像超分辨率重建模型(SRAGAN).在SRAGAN中,基于自注意力机制和残差模块相结合的生成器用于将低分辨率图像变换为超分辨率图像,基于深度卷积网络构成的判别器试图区分重建后的超分辨率图像和真实超分辨率图像间的差异.在损失函数构造方面,一方面利用Charbonnier内容损失函数来提高图像的重建精度,另一方面使用预训练VGG网络激活前的特征值来计算感知损失以实现超分辨率图像的精确纹理细节重构.实验结果表明,SRAGAN在峰值信噪比和结构相似度分数上均优于当前流行算法,能够重构出更为真实和具有清晰纹理的图像.

摘要:首先,对电网应急能力进行基于时间维度和空间维度的拆解,构建基本电网应急能力评价指标体系;其次,考虑到指标评价标准具有动态性的问题,采用三角模糊数对指标进行量化处理,并建立可对多个模糊数集结的优化模型;然后,采用α-截集对三角模糊数进行处理并建立基于单一时间节点下的模糊-两阶段超效率SBM模型实现对电网应急能力的静态评价;最后,以时间维度拆解为基础,建立电网应急能力动态综合评价模型,实现对应急能力的整体评价、排序,使评价结果更加具有科学性和合理性.实例分析结果表明,所提出方法可有效区分应急能力仍需作出改善的区域,并在一定程度上克服评价标准需要动态变化的问题,具有较强的客观性.

摘要:决策树作为一种经典的分类算法,因其分类规则简单易懂被广泛应用于医学数据分析中.然而,医学数据的样本不平衡问题使得决策树算法的分类效果降低.数据重采样是目前解决样本不平衡问题的常见方法,通过改变样本分布提升少数类样本的分类性能.现有重采样方法往往独立于后续学习算法,采样后的数据对于弱分类器的构建不一定有效.鉴于此,提出一种基于C4.5算法的混合采样算法.该算法以C4.5算法为迭代采样的评价准则控制过采样和欠采样的迭代过程,同时依据数据的不平衡比动态更新过采样的采样倍率,最终以投票机制组合多个弱分类器预测结果.通过在9组UCI数据集上的对比实验,表明所提出算法的有效性,同时算法也在稽留流产数据上实现了准确的预测.

摘要:针对网络化控制系统中在有限频扰动和噪声下的传感器故障检测问题,构建一种新型的观测器结构:动态观测器.利用动态观测器零点可配置这一新特性,提出零点和极点联合优化配置的故障检测方法.所提出的动态观测器是在传统比例积分观测器的基础上扩展而成,更具一般性,具有零点可配置的特点,能够克服传统观测器零点是固定的限制.将动态观测器的零点配置到有限频率测量扰动信号和网络传输延时等外部扰动的特征频谱处,利用零点的特性更好地衰减扰动对残差的影响.给出观测器故障检测的综合性能指标,结合$H_2/H_\infty$优化方法优化动态观测器极点.最后以网络化两轮自平衡机器人的模型为例,比较动态观测器、比例积分观测器、比例观测器的故障检测效果.仿真结果验证了所提动态观测器故障检测方法的优势和有效性.

摘要:针对间歇过程的非线性、多阶段性等特点及其三维数据形式,提出基于批次图像化的卷积自编码故障监测方法.首先,将每个批次数据看作一个灰度图,每个批次中数据变化可以看作图片的纹理变化,利用卷积自编码器(convolutional autoencoder,CAE)直接对间歇过程三维数据进行特征提取,避免三维数据展开成二维时导致的信息丢失,无需分阶段充分考虑批次全局信息,有效提取过程变量相关关系的动态变化;同时,利用卷积操作提取局部特征信息,自编码网络可以解决非线性问题,实现特征的无监督学习;然后,使用一类支持向量机(one-class support vector method, OCSVM)描述特征分布,构造新的统计量,确定控制限,实现故障监测;最后,通过将该方法应用到Pensim仿真平台及重组人粒细胞集落刺激因子发酵的实际生产数据,验证所提方法的准确性和有效性.

摘要:针对复杂产品虚拟装配过程中零部件间匹配关系描述不清晰、反映装配约束的特征属性考虑不足、装配序列规划中零件配对精度不高等问题,提出基于资源特征融合的复杂型面配合决策方法.在分析典型复杂型面结构体的装配工艺关联、匹配型面特征,以及装配设计意图的基础上,构建包括工程语义(engineering semantic,ES)、单元件(single element,SE)、装配约束(assembly constraints,AC)、装配端口(assembly port,AP)、装配空间关系(assembly space relation,ASR)等多特征融合的特征装配集,采用有向无环图对特征装配集进行模块化封装和拓扑排序,获取最优装配序列,并通过模糊理想解法完成复杂型面结构体特征装配集模型从定性输入到定量求解,再到定性输出的映射变换,实现特征装配集间的精准匹配,给出匹配决策过程.最后,通过应用案例验证模型与算法的有效性,为实现复杂型面结构体高效精确装配提供新思路.

摘要:为了解决生产调度过程中由系统维护维修产生的资源闲置和时间成本增加问题,将系统维修与生产调度联合建模.在众多学者将系统作为整体进行生产调度与维修研究的基础上,考虑系统内各组成部件之间的复杂关系.针对具有经济相关性的两部件系统,以调度作业加工顺序、预防性维修阈值、机会维修阈值作为决策变量,考虑到两部件同时维修比单部件独立维修更为经济,将机会维修引入到建模之中,制订机会维修、预防性维修、故障后更换的视情维修与生产调度结合的联合策略,通过劣化状态空间划分法给出生产调度过程中所有维修组合及其对应维修概率,推导出联合概率密度函数,建立以最小化总加权期望完成时间为目标的联合优化模型.通过数值实验和灵敏度分析验证所提出的策略及模型的有效性.

摘要:针对实际生产过程中普遍存在的加工时间不确定性,采用模糊数表示工件的加工时间,以同时最小化模糊最大完工时间和模糊总能耗为优化目标,建立模糊分布式流水线绿色调度问题(green distributed permutation flow-shop scheduling problem with fuzzy processing time,GDPFSP_FPT)的模型,进而提出一种超启发式交叉熵算法(hyper-heuristic cross-entropy algorithm,HHCE)进行求解.首先,HHCE采用一种新颖的三角模糊数排序准则合理计算个体的目标函数值,可在算法搜索过程中较准确发现优质解区域;其次,HHCE在高层利用基于贡献率的评价方法确定8种特定邻域操作所构成的各排列的优劣,同时采用交叉熵(cross-entropy,CE)方法学习较优排列的信息并生成新排列,进而在低层把高层生成的每个排列作为一种启发式算法,对低层相应个体执行一系列邻域操作,以实现对问题解空间较多不同区域的搜索;然后,HHCE将基于非关键路径的节能策略用于对低层每代种群中的较优个体执行局部搜索,从而进一步提高算法获取低能耗非劣个体或解的能力;最后,仿真实验与算法对比表明,HHCE可有效求解GDPFSP_FPT.

摘要:为了更加合理地规划车辆配送路径,尽可能使用最少的车辆数和最短路径长度来完成整个客户点的配送任务,提出一种基于粒子群算法的满载需求可拆分车辆路径(F-SDVRP)规划策略,在配送过程中通过确保任何一辆满载的配送车辆从配送点出发后均以“最优”的配送路径进行配送来达到配送的总路径“最优”要求,并通过粒子群算法不断优化整个客户点的配送顺序.仿真结果表明,在求解相关客户点配送问题时,所提出的车辆规划策略得到的结果优于对比文献中的求解方法,在配送车辆数相同的情况下,最大的路径长度减少率达到8.21%.此外,各算例的仿真结果表明,所提出的策略的寻优结果稳定,粒子群算法可以解决满载需求可拆分车辆路径规划问题.

摘要:针对电力系统中普遍存在的系统非线性和参数不确定性等问题,提出一种基于径向基函数神经网络(RBFNN)的分布式自适应控制器,以提高多机电力系统的暂态稳定性.利用基于RBFNN的方法对系统中的未知非线性项和外部扰动进行补偿,设计相应的自适应参数估计方法,逼近未知非线性项的理想权值矩阵.该策略基于多智能体框架,分布式控制器通过通信网络接收测量装置测量的实时数据,并控制储能装置动作,使受到扰动后各发电机能够迅速实现频率同步.利用李雅普诺夫稳定性理论,证明所提出的分布式控制方法的收敛性.最后,通过仿真研究验证所提出的分布式控制方法的有效性.

摘要:飞机结冰具有不确定性和随机性,会破坏飞机的动力学特性,威胁飞行安全.针对这一问题,对结冰飞机的安全边界保护和控制裕度计算展开探究.首先,应用可达集方法,将结冰的作用看作不确定性对抗输入,分析结冰对飞机安全包线边界的影响;然后,基于已知的结冰飞机飞行安全包线,提出两种包线边界保护方法,第1种是改进的最优控制边界保护方法,通过引入新型的最优控制保护动作的切换策略消除传统最优控制保护方法的控制量抖振现象,第2种是保留驾驶员操作权限的安全边界保护方法,通过计算安全边界上的可用控制指引驾驶员完成正确的操作,使得飞机飞行状态不超出安全包线;最后,通过实时计算飞机当前状态点的控制裕度对飞机超出包线进行提前预防,指引驾驶员完成安全程度较高的操作,并提出一种新型的控制裕度迭代计算策略,能够有效降低控制裕度计算的保守性.

摘要:针对带多普勒量测的目标跟踪问题,提出一种基于转换量测容积卡尔曼滤波器的序贯滤波目标跟踪算法.对具有量测误差相关性的距离和多普勒量测进行解相关处理,构造出新的解相关量测方程,进而基于贝叶斯方法提出带多普勒量测的序贯处理算法的统一理论框架,实现对位置量测和多普勒量测的序贯滤波.在该理论框架下,提出基于转换量测容积卡尔曼滤波器的序贯滤波目标跟踪算法.该算法先采用转换量测容积卡尔曼滤波器和位置量测对目标状态进行估计,再利用经典容积卡尔曼滤波器对新构造的伪多普勒量测进行量测更新以实现目标跟踪.通过对所提算法的性能分析验证该算法的一致性和收敛性.仿真结果表明,该算法与其他跟踪算法相比,具有更高的跟踪精度.

摘要:为解决工业过程中机械臂等特殊重复运行系统的输出在有限时间内无需实现全轨迹跟踪,仅需跟踪期望轨迹上某些特殊关键点的控制问题,针对线性时不变离散系统提出一种基于范数最优的点对点迭代学习控制算法.通过输入输出时间序列矩阵模型变换构建综合性多目标点性能指标函数,求解二次型最优解得到优化迭代学习控制律,同时给出模型标称和不确定情形下最大奇异值形式鲁棒控制算法收敛的充分条件,并进一步推广得到输入约束系统优化控制算法的收敛性结果,最后在三轴龙门机器人模型上验证算法的有效性.

摘要:针对多智能体系统在牵制控制过程中最终收敛时系统稳定性较差的问题,设计一种影响度矩阵,重新构建介数中心性算法来完成牵制控制节点选择工作.首先,根据子网的度分布计算影响度矩阵;其次,由影响度矩阵计算子网的介数中心性分布矩阵;最后,根据介数中心性选择牵制控制节点,既保留个体本身的重要性,也引入邻居个体重要性对其影响程度.经过对比实验验证了影响度介数中心性算法可有效增强多智能体系统的鲁棒性并提高系统的收敛速度.

摘要:为解决磁悬浮开关磁阻电机受到外部环境未知干扰、内部参数摄动等不确定因素带来的影响,提出一种基于自适应终端滑模控制器的直接瞬时转矩及直接悬浮力控制策略.首先,对电机的数学模型进行分析并建立状态方程,采用直接瞬时转矩控制与直接悬浮力控制方法,以减小系统脉动;其次,设计非奇异终端滑模面,避免常规终端滑模控制中的奇异问题,并引入自适应律,结合终端滑模控制器以抑制不确定因素的干扰,保证系统的快速收敛、强鲁棒性;最后,与传统滑模控制器方法进行对比,验证该方法的有效性.仿真结果表明,所提出方法能迅速精准跟踪控制系统的转速及位移,有效提升状态收敛速度,抗扰能力强,具有良好的动态性能.

摘要:传统模糊聚类算法在影像分割过程中仅考虑影像的光谱信息,所以对噪声比较敏感.对此,提出基于混合邻域约束项的改进模糊C均值聚类(MNCFCM)算法.首先,从隶属性及光谱属性两方面定义邻域像素关于中心像素的相似度;然后,利用线性加权的方式将从两方面定义的相似度进行融合,同时结合邻域像素到聚类中心的欧氏距离构造混合邻域约束项,并将其引入目标函数中,以平衡影像分割过程中的影像平滑及细节保留,实现对影像的更优分割;最后,通过对合成影像及真实遥感影像分割结果的定性、定量评价,验证所提出算法具有较强的鲁棒性,在降低对噪声的敏感性的同时,能够较好地保留影像细节,获得高精度的分割结果.

摘要:电子商务信用风险评价能够更好地维护市场规则并防范交易主体的合法权益.从语言评价信息的角度,利用多属性群决策方法对电子商务信用风险评价方法进行探讨.首先,提出个体语言共识测度和群体语言共识测度;然后,针对共识性水平较低的决策群体,构建一种整数规划模型,用于调整决策者给出的初始语言决策信息;最后,提出一种基于语言共识模型的电子商务信用风险评价方法,并通过电子商务信用风险评价问题说明该方法的可行性和有效性.

摘要:针对Holonic-C2组织协作式资源的动态调度问题,对战场上的突发事件进行分析,面向任务属性变化、可用平台减少和任务数量变化3类基本突发事件,提出Holonic-C2组织双层结构下针对突发事件的协作机制,在战术决策Holon模块构建两种多目标优化模型,在战役决策Holon模块提出战术Holon协作选择方法.仿真实验表明,所提出的Holonic-C2组织协作式资源动态调度过程能够有效处理单个战术Holon无法处理突发事件的情况,可实现多个战术Holon的协作,验证了所提方法的可行性.

摘要:针对属性评价值为语言变量、专家权重未知的供应商选择决策问题,提出一种综合考虑评价犹豫度和相似度的专家权重确定方法.首先,根据专家评价的犹豫度差别改进语言变量转化标准,将语言变量转换为更符合决策实际的直觉模糊数;然后,从评价信息的犹豫度和相似度两个方面集成专家权重,得到集结后的综合评价矩阵;最后,运用逼近理想解排序法(TOPSIS)对供应商进行排序,通过算例验证所提方法的可行性和有效性.敏感性分析及对比分析结果表明,决策者对专家评价确定性和一致性的不同偏好会影响最终的决策结果,当专家因认知局限和个人偏好对属性评价的犹豫度存在差别时,采用考虑犹豫度差别的语言变量转化方法能够降低评价信息不确定性对评价结果产生的不合理影响,有利于提高评价结果的可信度.

摘要:针对由一个制造商和一个零售商构成的闭环供应链,运用Stackelberg动态博弈理论,构建不同担保模式下考虑零售商公平关切的决策博弈模型,探讨产品担保模式及零售商公平关切对闭环供应链定价及担保期决策、经济效益和环境效益的影响,分析不同担保模式的担保效率.研究结果表明:当消费者对新产品和再制造品差异化担保期较为敏感时,制造商或零售商会为再制造品提供长期担保服务;零售商公平关切会降低新产品和再制造品批发价格,其对再制造品销售价格、担保期以及供应链经济环境效益的影响与产品担保模式密切相关;两种担保模式的经济环境效益与担保成本和再制造品相对环境优势相关,当零售商担保的相对成本优势和再制造品相对环境优势显著(微弱)时,零售商(制造商)担保模式是闭环供应链利益相关者的一致选择;零售商担保模式能够减缓零售商公平关切对闭环供应链经济效益及环境效益的负面影响.

摘要:“共享经济”理念下的网约车平台需求具有随机发生和波动变化的特点.针对乘车需求波动导致不同供需状态下的网约车平台定价问题,运用最优控制方法,以平台期望收益最大化为目标,构建乘运供应能力下的平台动态定价模型,并基于庞特里亚金极大值原理及模型推导,求得最优动态价格解以及平台乘运供应率和需求率的变化轨迹.研究表明:网约车平台的最优价格动态影响乘运供应,且随着市场乘车需求的波动而动态变化;尤其是乘车高峰需求时,最优动态价格将显著减少乘车需求订单的延误.最后,通过数值仿真验证模型结论并进一步探讨平台服务质量和市场乘车需求变化系数对最优价格和期望收益的影响.

摘要:相对于固定配时,基于交通流的动态变化特征的信号配时算法具有更好的道路状态适应性.鉴于此,提出一种基于交通流识别的自适应控制策略,首先利用自组织映射网络(SOM)神经网络对历史交通流状态聚类,结合路口时间段与路段环境特征分析实现交通流模式划分;在此基础上,引入概率神经网络(PNN)对该路口的交通流模式进行训练学习;最后针对不同状态类型交通流量,动态选取门限服务轮询信号配时和韦伯斯特信号配时策略计算信号灯配时周期,实现控制策略与交通流动态变化特征的匹配.仿真实验结果表明,区分交通流模式的混合服务路口信号控制方法对车流的随机变化具有更好的适应性.

摘要:将辐射源威胁评估作为多属性决策问题进行处理时,由于作战环境的复杂性,侦察方无法获取敌方辐射源的完整信息,导致各个辐射源目标的属性取值通常不是确定数值,具有一定的不确定性.针对上述问题,引入区间数理论和灰色关联分析对传统逼近理想解排序法进行拓展,提出一种基于灰色关联分析和逼近理想解排序的区间多属性决策方法用于解决不确定条件下的辐射源威胁评估问题.该方法构建基于区间数的欧氏距离和基于区间数的灰色关联度,通过对二者进行结合构建关于战场态势的决策信息系统,并通过构造新的综合贴近度实现对辐射源威胁程度的定量评价.实验仿真验证了所提方法能够有效解决实际作战中不确定条件下的辐射源威胁排序问题,有助于侦察方对于战场态势的进一步掌握.

摘要:针对非线性网络控制系统中测量数据的量化及随机丢包问题,给出一种基于数据驱动的自适应迭代学习控制算法.该算法能够保证系统在数据量化、随机丢包以及不确定迭代学习长度等因素的影响下,经过有限次迭代后输出轨迹跟踪误差收敛到零;借助伪偏导线性化方法,将非线性系统转换为线形时变系统形式;在线性系统框架下利用前一批次的系统输出信息更新自适应学习增益.与传统迭代学习控制算法不同的是,该算法无需预知迭代长度的先验信息和控制系统模型信息.最后通过Matlab仿真实验验证所提出算法的有效性.

摘要:车辆线控转向(steer-by-wire,SbW)系统存在摩擦力矩及回正力矩等不确定动态特性,难以实现精确建模与有效控制.为此,提出一种基于自适应模糊逻辑系统的自适应高阶滑模(adaptive higher-order sliding mode, AHOSM)方法,实现SbW系统的有效控制.首先,通过自适应模糊逻辑系统逼近SbW系统的未知动态,使控制器的设计不再需要摩擦力矩及回正力矩的动力学模型;其次,采用高阶滑模和自适应增益技术削弱传统滑模控制器存在的抖振现象;再次,通过构造Lyapunov函数设计增益自适应律补偿逼近误差和系统不确定项对控制精度的影响,该方案不需要系统不确定项的界已知,且能够避免增益过估计现象;最后,通过稳定性分析证明该控制器可以在有限时间内建立实际滑动模态,数字仿真和硬件在环实验进一步验证了该控制方法的有效性和优越性.