摘要:炼钢-连铸批量计划与生产调度是实现钢铁生产降本增效的重要途径,传统“分而治之”的编制方法由于多种不确定因素的影响难以保证大规模钢铁生产物流资源与时间的动态平衡.鉴于此,从数学建模和优化方法两个角度对国内研究状况进行综述,针对不确定环境下大规模炼钢-连铸批量计划与生产调度问题,论述基于拉氏松弛框架的一体化调度方法的研究现状,并对未来进行展望.

摘要:对现有的分解方法进行改进,提出一种基于弱关联的自适应高维多目标进化算法(WAEA).首先,提出一种基于夹角子空间的关联策略,使得一个解能与多个参考向量相关联;其次,提出弱关联概念,并基于此概念设计双模态标量函数,使算法能够更好地处理复杂PF问题,此外,算法通过检测参考向量子空间内解的数量,自适应调整惩罚参数大小,使其能有效处理各类多目标问题;最后,将WAEA算法与8种代表性的高维多目标算法进行比较,实验结果表明WAEA算法在处理复杂Pareto前沿的高维多目标问题时能更好地平衡Pareto最优解的收敛性与多样性.

摘要:针对机械臂对尺寸变换、形状各异、任意位姿的未知物体抓取,提出一种基于多层级特征的单阶段抓取位姿检测算法,将物体抓取位姿检测问题视为抓取角度分类和抓取位置回归进行处理,对抓取角度和抓取位置执行单次预测.首先,利用深度数据替换RGB图像的B通道,生成RGD图像,采用轻量型特征提取器VGG16作为主干网络;其次,针对VGG16特征提取能力较弱的问题,利用Inception模块设计一种特征提取能力更强的网络模型;再次,在不同层级的特征图上,利用先验框的方法进行抓取位置采样,通过浅层特征与深层特征的混合使用提高模型对尺寸多变的物体的适应能力;最后,输出置信度最高的检测结果作为最优抓取位姿.在image-wise数据集和object-wise数据集上,所提出算法的评估结果分别为$95.71$%和$94.01$%,检测速度为58.8FPS,与现有方法相比,在精度和速度上均有明显的提升.

摘要:近年来随着深度学习尤其是深度强化学习模型的不断增大,其训练成本即超参数的搜索空间也在不断变大,然而传统超参数搜索算法大部分是基于顺序执行训练,往往需要等待数周甚至数月才有可能找到较优的超参数配置.为解决深度强化学习超参数搜索时间长和难以找到较优超参数配置问题,提出一种新的超参数搜索算法-----基于种群演化的超参数异步并行搜索(PEHS).算法结合演化算法思想,利用固定资源预算异步并行搜索种群模型及其超参数,从而提高算法性能.设计实现在Ray并行分布式框架上运行的参数搜索算法,通过实验表明在并行框架上基于种群演化的超参数异步并行搜索的效果优于传统超参数搜索算法,且性能稳定.

摘要:针对固定节点数的渐近最优快速扩展随机数算法(RRT*FN)精度低、收敛到最优值速度慢等问题,提出一种改进的RRT*FN路径规划算法,并用于解决二维静态环境下的移动机器人全局路径规划问题.首先,改进算法使用与RRT*FN算法相同的均匀采样方法进行路径搜索,当搜索到一条初始路径时,在之后的路径规划中使用启发式采样方法.在之后的每次迭代中,改进算法在椭圆子集采样方法与路径点邻近区域采样方法中随机选择一种作为当前采样方法.然后,当树中的总节点数达到预设值时,对树中的叶子结点采用加权方法进行删除.通过给予采样区域内的叶子结点更高的权重,从而将采样区域外的叶子结点以更高概率删除,得以保留树中的高性能节点,以便提高算法性能.最后,通过仿真实验验证改进算法的有效性.

摘要:针对受扰非线性多智能体网络,研究分布式鲁棒包容控制方法.采用微分博弈理论将有界$\mathcalL_{2

摘要:将储能技术作为新兴调节功率的手段引入智能电网,为保障电网平稳运行提供新的思路.考虑到电力系统的暂态稳定问题与蜂拥控制问题的相似性,针对电力系统遭遇故障后恢复暂态稳定的控制问题,提出一种新的基于蜂拥算法的非线性分布式控制方案,该方案利用电机动力学方程中非线性项与系统频率之间的关系,引入系统状态反馈项以加快系统恢复暂态稳定性,通过外部储能设备对系统故障实施控制.最后,将该控制器应用在IEEE新英格兰39节点电力系统模型中,仿真结果验证了该控制器具有快速性、可实施性,并进一步验证了所设计的控制器在储能设备低容量条件下的有效性.

摘要:数据动态特征分析与控制技术是一种重要的数据挖掘手段,燃煤锅炉数据具有明显时序性和漂移性等特点,针对目前数据跟踪与监督算法大多缺乏动态性、实时性和稳定性等问题,设计一种基于改进生长神经气模型(GNG)的自适应聚类模型,建立基于概率、范围搜寻、节点平均距离的节点生成、删除机制,实现对漂移数据实时监控.最后以燃煤锅炉动态数据为分析对象进行实验,实验结果表明该模型和算法对动态漂移数据的实时跟踪能力更强,能对燃煤锅炉动态数据进行准确、有效的监督和控制.

摘要:传统的基于拉普拉斯图的半监督特征选择算法处理高维、少标签样本时,缺乏外推能力且对数据异常值的鲁棒性差.基于此,提出一种基于Hessian正则的自适应损失半监督稀疏特征选择算法.首先,为提升线性映射能力,利用Hessian正则保留数据的局部流形结构;其次,为增强模型对具有较小或者较大损失数据的鲁棒性,引入自适应损失函数,通过调节自适应损失参数确定最小损失;再次,采用$l_{2,p

摘要:分布式数据流已成为现代数据驱动应用产生数据的主要形式,而局部节点的数据虽然独立存储,但彼此之间是相互关联的,因此如何高效地共享局部节点数据来构建全局学习器是分布式在线学习的关键问题.针对此问题,提出一种分布式在线学习的数据共享解决方案,包括基于指数损失的半监督聚类方法和基于协方差矩阵与均值向量的数据共享方法,并证明重构数据集的累计绝对误差小于给定绝对误差界的概率下界.实验表明:所提出的方法可以使节点间的共享数据量维持在一个较低的水平,同时保证基于重构数据训练得到的学习器具有很好的泛化学习能力.

摘要:研究基于视觉引导自动引导车(AGV)的改进A*路径规划算法.首先,设计一种包含导航、定位和任务信息的图形编码标志方法,AGV通过识别位于车身前方网格型路径中有序排布的编码标志进行快速定位和下一位置预判,为多AGV规划奠定基础;其次,根据网格型路径构成的动态随机网络,提出一种改进A*算法,将AGV在运动时产生的动态时间耗费作为参考指标,以实现多AGV在路径网络中的路径规划和冲突避让策略,提高固定路网资源的利用效率;最后,对多AGV在网格型路径中协同工作的场景进行仿真,实验结果表明,所提出的改进算法可以有效应用于多AGV系统,并且提升整体系统的工作效率.

摘要:针对一类生产实际中广泛存在的绿色单机调度问题,即带释放时间的低碳单机调度问题,提出一种精确动态规划算法(exact dynamic programming algorithm,EDPA)进行求解,优化的主要和次要目标分别为最小化最大延迟时间和总碳排放量.首先,建立问题的排序模型,该模型可用三元法表示为$1|agr(r_j,d_j)|TCE/T_{\max

摘要:针对智能电网的无线通信环境存在频谱短缺、资源利用效率低等问题,将认知无线电技术应用于智能电网的邻域网络通信中.引入认知智能电网概念以保证业务传输的公平性和有效性,提出一种基于改进二进制蝴蝶优化算法(BOA)的频谱分配策略,此方案考虑了通信过程中的信噪比和路径损耗,选择系统能量效率作为信道效益,并且在拓扑结构固定的城市居民小区进行建模仿真.首先,使用基于改进时变转换函数和扰动策略的二进制蝴蝶优化算法(IBBOA)为认知智能电网用户进行频谱分配;然后,采用基于接收信噪比的闭环功率控制算法动态调整用户的传输功率,减少认知智能电网用户和主要用户之间存在的干扰;最后,以系统能量效率和两个用户公平性指数为优化目标,与遗传算法(GA)和二进制粒子群算法(BPSO)进行对比实验.仿真实验表明,联合闭环功率控制的IBBOA算法所获得的系统能量效率比未联合闭环功率控制的NBOA算法高33.2%,IBBOA算法最终的系统能量效率和用户公平性指数fair比GA算法分别高出47.8%和62.6%,比BBOA算法分别高出17.6%和26.7%.结果表明所提方案能够有效抑制认知智能电网中用户间的干扰,大大提高频谱利用率和系统能量效率.

摘要:多水下自主航行器(autonomous underwater vehicle,AUV)的动态任务分配问题具有高度非线性、动态不确定性以及多模态的特征,对多AUV任务分配方法的自组织性、鲁棒性以及快速性提出了更高的要求.动态蚁群劳动分工(dynamic ant colony's labor division,DACLD)模型是一种采用分布式框架的群智能算法,众多行为简单的个体相互作用过程中涌现产生的整体智能行为能很好地适应复杂多变的环境,在解决任务分配问题上具有很好的柔性.引入动态蚁群劳动分工中的刺激-响应原理,建立动态蚁群劳动分工与多AUV任务分配问题之间的映射关系,将任务的状态预测纳入响应阈值,研究基于动态蚁群劳动分工模型的多AUV任务分配方法.同时,针对任务分配过程中可能出现的任务冲突现象,提出新的循环竞争方案以实现最大限度地利用AUV资源.仿真结果表明,所提出的方法能高效地完成任务分配过程,具有很好的自组织性、鲁棒性及快速性.

摘要:基于机器学习的网络入侵检测方法将恶意网络行为(入侵)检测转化为模式识别(分类)问题,因其适应性强、灵敏度高等优点,受到国内外广泛关注.然而,现有的模式分类器往往假设数据集的分布是均衡的,而真实的网络环境中,入侵行为要远少于正常访问,这给网络入侵行为检测带来巨大挑战.因此,提出一种基于聚类簇结构特性的综合采样法(CSbADASYN),通过挖掘少数类样本的内部结构对其进行自适应过采样,以获得样本分布结构特性保持的均衡数据样本,解决因数据不均衡带来的分类偏向.CSbADASYN先采用谱聚类方法对数据集中的少数类样本进行聚类分析,再根据所获得的聚类簇结构自适应插值,将获得样本分布结构保持的均衡样本用于分类器模型学习.在经典的NSL-KDD和KDD99数据集上进行大量的验证性和对比性实验,结果表明,CSbADASYN 能使传统分类器模型在不均衡数据集上的分类性能得到明显提升.与传统的未经样本均衡处理和其他的带均衡处理的入侵检测方法相比,该方法能获得更低的误报率和漏报率.

摘要:无线携能通信能够提升传感器网络的能量效率和资源复用率,然而当前研究均优化无线携能通信参数以实现系统增益,忽略了信道质量变化对系统能量效率的影响.为了解决该问题,针对无线携能通信的传感云系统,提出基于最优停止理论的Sink节点能效优化策略.首先设计下行无线携能通信、上行信息传输的工作时序,其中下行阶段Sink节点采用机会调度策略,选择信道质量较好时刻开始下行链路传输.Sink节点能效定义为系统所实现的上行吞吐量与下行能耗之比.继而基于最优停止理论,建立Sink节点能效最优化问题并证明该问题存在最优停止规则.最后设计最优能效算法求解Sink节点最优下行无线携能传输时刻,从而制定相应的能效优化策略.通过仿真实验验证最优能效算法的有效性与性能,同时通过不同策略的对比验证所提策略在提升Sink节点能效方面的优势.

摘要:针对当前工业信息物理系统的安全风险评估模型极少考虑系统的动态进程对评估准确性的影响,给出一种工业信息物理系统安全风险动态表现分析量化评估模型.首先,运用贝叶斯网络对攻击在网络层的入侵过程建模,计算网络攻击成功入侵的概率;然后,在攻击成功入侵的前提下,采用卡尔曼状态观测器实时观测被控对象的状态,研究系统的动态表现,定量分析系统的表现损失,从经济损失的角度量化攻击对系统造成的影响,并结合攻击成功入侵的概率,实现对系统安全风险的动态评估.最后,通过Matlab对攻击下沸水发电厂模型的运行状态进行仿真,结果表明所提模型能有效地评估工业信息物理系统的风险.

摘要:指令整形是一种便捷的前馈控制方法,在工业领域已有许多应用.由于系统模型存在不确定性,且干扰难以避免,目前指令整形的研究热点是提高方法的鲁棒性,然而这在很大程度上增加了系统的保守性并使整形器参数整定更为复杂.因此,借鉴双模ZV整形方法和EI整形方法的思想,提出一种改进的VI指令整形方法.该方法包含4个脉冲,设计时在自然频率两侧选取两个虚拟频率,并依据振荡容忍极限指标对其进行调整,确定脉冲的幅值和作用时刻.与传统指令整形方法相比,所提出方法具有更强的鲁棒性和更高的振荡抑制水平,且参数整定的便捷程度得到了较大提升.针对四旋翼吊装系统,结合所提出的改进的VI指令整形方法,提出一种将指令整形器与双闭环控制相结合的控制结构,利用根轨迹法分析了闭环指令整形控制结构的稳定性,通过仿真验证了改进方法的有效性,并与其他整形方法进行比较,表明了改进方法的优越性.

摘要:考虑一类基于移动传感器/执行器网络具有状态时滞的分布参数系统,在系统中加入扰动因子,分析移动传感器/执行器的动力学行为,研究系统出现扰动时如何设计反馈控制器和移动控制力.首先利用无穷维抽象发展方程理论将时滞分布参数系统在Hilbert空间中进行方程演变;其次,结合工程实际应用进行合理的假设以便于问题的解决;接着利用算子半群理论,通过Lyapunov稳定性定理证明系统的状态在反馈控制器的作用下能够趋于稳态,且系统在移动控制力的作用下渐近稳定;最后,通过数值仿真实验表明所设计控制策略的有效性.

摘要:虽然分布式坏值检测方法能够消除观测数据中坏值对分布式最小二乘估计性能的影响,但是现有的分布式坏值检测方法中依然存在安全漏洞.针对一类分布式最小二乘估计算法研究了相应隐匿虚假数据注入(FDI)攻击策略的设计问题,设计依赖于部分节点系统信息的分布式隐匿FDI攻击方法,这一方法不仅使得FDI攻击信号无法被现有分布式坏值检测方法检测到,而且可以以预设的偏移量改变估计结果.最后,通过IEEE 118-Bus电力系统模型验证所设计FDI攻击方法的隐匿性和有效性.

摘要:针对已有社区搜索算法采用高维稀疏向量表示节点时间复杂度高的问题,提出一种基于节点嵌入表示学习的社区搜索算法CSNERL.节点嵌入技术能够直接从网络结构中学习节点的低维实值向量表示,为社区搜索提供了新思路.首先,针对已有节点嵌入算法存在较高概率在最亲近邻居间来回游走的问题,提出基于最亲近邻居但不立即回访随机游走的节点嵌入模型NECRWNR,采用NECRWNR模型学习节点的特征向量表示;然后,采用社区内所有节点的向量均值作为社区的向量表示,通过选择与当前社区距离最近的节点加入社区的方法实现一种新的社区搜索算法.在真实网络和模拟网络数据集上分别与相关的社区搜索算法进行实验对比,结果表明所提出社区搜索算法CSNERL具有更高的准确性.

摘要:现有的识别亲缘关系的方法大多数仅能识别单亲亲缘关系(父子关系、父女关系、母子关系、母女关系),并且这些识别方法对年龄差距大、性别不同的父女或母子等识别样本的识别效果不佳.为了解决这些问题,提出一种可以同时识别孩子与父母之间关系(双亲亲缘关系)的识别方法.鉴于目前针对双亲亲缘关系的识别方法极少,提出一种基于度量学习和相关分析的识别双亲亲缘关系模型来提高识别子女与双亲之间亲缘关系的准确度.依据子女与双亲的生物遗传关系设计可融合子女与双亲的亲缘特征的多线性并行网络;并利用判别式度量学习和典型相关性分析在数据处理中优势,从包含多种人体身份的面部特征中提取有利于亲缘关系识别的特征信息,用于鉴别子女与父母是否存在血缘关系以实现识别精度的提高.实验结果表明,所提出的方法在子女与双亲的亲缘关系识别上效果更好.

摘要:针对稀疏表示分类器的分类性能评估受样本数量影响较大,特别是在小样本情况下其分类精度低导致的强烈证据冲突问题,提出一种基于稀疏表示分类倾向性的决策融合方法.该方法采用稀疏分解重构残差的相对大小对样本在各个类别间的分类倾向性进行量化表征;通过求解残差异同概率,对稀疏分类器的混淆矩阵进行修正,提高了稀疏表示分类器分类性能评估的准确性;利用修正后的混淆矩阵对各个证据源进行加权融合,解决了小样本情况下的辨识精度低导致的高度证据冲突问题.在轴承故障融合诊断实验中,采用提出的方法对不同传感器信号的不同特征向量获得的稀疏表示分类器进行决策融合,达到了轴承故障状态准确辨识的目的,有效验证了所提出方法在小样本情况下进行目标分类识别的有效性与优势性.

摘要:针对深度学习算法在多目标跟踪中的实时性问题,提出一种基于MobileNet的多目标跟踪算法.借助于MobileNet深度可分离卷积能够对深度网络模型进行压缩的原理,将YOLOv3主干网络替换为MobileNet,通过将标准卷积分解为深度卷积和逐点卷积,保留多尺度预测部分,以有效减少参数量.对于检测得到的边框信息,利用Deep-SORT算法进行跟踪.实验结果表明,所提出方法在跟踪效果基本不变的情况下可提升处理速度近50%.

摘要:超级电容作为储能式轻轨的动力源,其性能非常重要,为此提出一种分布式协同控制策略来实现串联超级电容的电压均衡.在信息层将串联超级电容单体视为智能体,均压问题可建模成多智能体系统协同跟踪问题;将串联超级电容单体之间分散的通信网络利用有向图来描述;借助有界的S型饱和函数,基于最近邻原则,设计了有界的控制增益可调节的协同均压控制律;在假定有向图含有生成树的前提下,利用李亚谱诺夫函数,结合拉塞尔不变集原则,证明了整个闭环系统的渐近稳定性;利用仿真验证了所提出的协同控制策略的有效性和可行性.

摘要:考虑到社会经济系统中广泛存在时滞因果关系,通过分析驱动因素对系统主行为的时滞累积作用效果以及系统行为线性发展趋势,构建了含时间趋势项的时滞累积型多变量灰色TDAGM($1,N,t$)模型,论证了GM(1, 1)、GM(1,N)、OGM(1,N)、时滞GM(1,N)、TDDGM(1,N)模型均是该模型在不同参数取值下的特殊形式;为避免模型求解过程中微分形式与差分形式转换而产生误差,通过定义TDAGM($1,N,t$)模型的派生形式,给出了TDAGM($1,N,t$)模型时间响应式的直接求解方法;针对模型时滞效应参数的识别和优化问题,基于粒子群优化算法,给出了TDAGM($1,N,t$)模型参数估计的算法框架.时滞系统的数值实验结果表明,TDAGM($1,N,t$)模型能够较好地解决含时滞特征的多变量系统预测问题.将该模型应用于河南省粮食产量预测的实例中,拟合精度较高且预测结果符合河南省粮食生产发展趋势,验证了模型的有效性.

摘要:在大数据和低碳双重背景下,研究由制造商、零售商以及大数据服务商组成的三级供应链联合减排与协调问题.考虑到减排量对需求具有双重影响,构建集中式、分散式以及基于改进的双边成本分担契约下的微分博弈模型,求解并比较3种情形下供应链成员的最优均衡策略.结合算例,对部分参数进行灵敏度分析,并讨论该契约对供应链的协调效果,从而为大数据服务商参与下供应链联合减排的动态协调研究提供理论依据.

摘要:针对现有不确定语言决策试验和评价实验(DEMATEL)方法大多仅适用于中小规模群体,且未考虑不确定语言变量采用非均匀标度的情况,探讨一种新的不确定语言信息下的大规模群体DEMATEL决策方法.首先,给出一种群体不确定语言DEMATEL矩阵的聚类方法,并对大规模群体DEMATEL意见进行合理分组;然后,定义三维不确定语言密度算子,并对大规模群体DEMATEL意见进行有效集结;最后,提出一种改进的基于不确定语言DEMATEL的指标权重确定方法,并在此基础上进行多属性决策.算例分析验证了所提方法的可行性与有效性,该方法采用非均匀标度来表征和呈现不确定语言变量,而且考虑了大规模群体决策的共识度,使得决策结果更为客观合理且更为可靠.

摘要:针对孤岛微电网异构电池储能系统频率、电压以及电池能量的一致性问题,考虑初级下垂控制,提出一种新的分布式有限时间次级控制策略.采用所提出的控制方案能够在有限时间内实现系统频率、电压恢复一致到额定值,并获得电池能量等级的均衡一致和期望的有功功率分配.该控制方法的优势在于整定时间的上界独立于系统的任意初始条件,能够保证微电网有限时间控制的及时性,同时基于Lyapunov方法分析控制策略的一致性收敛特性.最后,通过Matlab/Simulink仿真实验,结果进一步佐证了分布式有限时间次级控制策略的有效性.

摘要:遗传算法可以较好地解决复杂的组合优化问题,但也存在两方面不足:一是搜索效率比其他优化算法低;二是容易过早收敛,陷入局部最优.对此,提出一种混沌“微变异”遗传算法.利用混沌优化算法具有随机性和遍历性的特点,解决遗传算法容易陷入局部最优解的早熟问题,使得新算法同时具有较强的局部搜索能力和完成全局寻找最优解的能力.同时,对遗传算法的选择算子增加了混沌扰动,对交叉算子和变异算子进行自适应调整,对适应度函数进行改进,使遗传算法整体性能得到提高.最后,通过经典函数验证表明,混沌“微变异”遗传算法比一般的混沌遗传算法和经典遗传算法的进化速度更快,搜索精度更高.