摘要:柔性触觉传感器易于贴合皮肤等不规则表面,相比刚性传感器具有更强的信号感知能力、更高的精度和更佳的穿戴舒适性,在人机交互、医疗设备、可穿戴设备、健康监测等领域发挥着重要作用.鉴于此,从传感器不同工作原理出发,对柔性触觉传感器进行系统地介绍和对比,从结构优化的角度分析传感器性能优化方法,整理出微结构、结构疏松化、多模态测量等3种电磁原理中的共性设计方法.同时总结柔性触觉传感器在医疗康复机器人领域中的应用,整理机器人控制、人机交互、医疗器械和生理信息监测等4种具体应用场景,分析不同应用场景对传感器性能的不同需求,如机器人控制需要高精度、短响应时间;人机交互需要大面积、多模态等,并给出部分结构优化设计与应用之间的关联.最后简要介绍柔性触觉传感器信息提取和信息融合等智能信息处理方法,并对柔性触觉传感器的发展趋势进行展望.

摘要:地面移动机器人已经在资源勘探和灾难救援等多领域得到广泛应用,轮足复合机器人能够结合轮式运动速度快、平稳性高和足式运动的高越障性能等多方面优势,在理论创新和工程技术方面均有重要的研究价值.对近年来国内外轮足复合机器人的机械结构进行分析和比较,将轮足机构复合方式分为4类进行列举和总结.针对多模态运动的优势展开分析,列举轮足复合机器人主要采用的运动建模、规划和控制策略,不仅涉及单独的足式运动和轮式运动,同时涉及足端越障、变构型避障、轨迹规划的轮足复合运动.最后对运动规划关键技术进行总结和展望,指出轮足复合移动机器人后续的发展方向、研究思路和所面临的挑战.

摘要:针对机器人在多类别物体不同任务下的抓取决策问题,提出基于多约束条件的抓取策略学习方法.该方法以抓取对象特征和抓取任务属性为机器人抓取策略约束,通过映射人类抓取习惯规划抓取模式,并采用物体方向包围盒(OBB)建立机器人抓取规则,建立多约束条件的抓取模型.利用深度径向基(DRBF)网络模型结合减聚类算法(SCM)实现抓取策略的学习,两种算法的结合旨在提高学习鲁棒性与精确性.搭建以Reflex 1型灵巧手和AUBO六自由度机械臂组成的实验平台,对多类别物体进行抓取实验.实验结果表明,所提出方法使机器人有效学习到对多物体不同任务的最优抓取策略,具有良好的抓取决策能力.

摘要:针对大型变电站巡检作业效率低的问题,利用改进的生物激励神经网络算法和优先级启发式算法,结合基于变切线长的无障碍物区域分割法,提出一种多移动机器人协同全区域覆盖巡检以及多任务点协同巡检的方法.首先,分析生物激励神经网络算法的不足,如规划的路径曲折、转角大等问题,并提出一种改进方法,利用改进的算法和Hungarian算法实现对多任务点的巡检;然后,设计一种变切线法将电站区域分解成若干不含障碍物的子区域,各移动机器人分别在子区域内利用优先级启发式算法选择路径,利用改进的生物激励神经网络算法跳出死区,从而完成多机器人的协同全区域巡检任务;最后,通过仿真实验表明,改进的神经网络算法相比于原始算法与A*算法在路径长度和转向次数等方面具有明显的优化作用,仿真实验验证了所提出多机器人协同巡检方案的可行性.

摘要:提出一种指数型犹豫模糊熵,并基于熵权法给出犹豫模糊多属性决策模型.首先,给出犹豫模糊元熵的公理化定义,构造犹豫模糊元的指数型犹豫模糊熵测度公式,并证明指数型犹豫模糊熵测度公式满足犹豫模糊元熵的公理化定义基本准则.在此基础上,引入犹豫模糊集的熵定义和熵测度公式,并证明犹豫模糊集的指数型犹豫模糊熵测度公式同样满足犹豫模糊集熵的公理化定义基本准则.进一步将指数型犹豫模糊元熵测度公式与现有的犹豫模糊元熵测度公式进行对比分析,结果表明,所提出的指数型犹豫模糊元熵测度公式能更完整地确定犹豫模糊元的模糊性.最后,将指数型犹豫模糊熵测度公式运用到基于熵权法的犹豫模糊多属性决策模型,并通过具体案例分析指数型犹豫模糊熵的有效性和实用性.

摘要:工业设备运行状态直接影响到最终产品质量,有必要对设备运行过程开展监控,因此着重对工业设备运行数据中存在的不同阶次信息以及多模式等复杂数据特性展开讨论.针对过程中存在的不同阶次信息问题,首先通过引入最大交互熵展开与偏最小二乘方法,将原始空间信息分解为高阶和低阶信息,并构建相应隐空间模型来提取高阶与低阶质量相关关系;其次,针对过程中存在的多模式运行问题,提出公共-特有信息提取算法,并结合高阶-低阶信息结构,将原始空间信息进一步分解,并构建相应隐空间模型;再次,设计在线监控算法,可有效判断过程中存在的模式切换或故障,提高了多模式过程监控算法效果;最后,相关算法在实际工业设备运行环境中进行了验证,结果表明,所提出的算法在设备多模式运行状态监测中的效果相比传统方法有较大优势.

摘要:研究两个具有耦合时滞的分数阶复杂网络的延迟投影同步与参数辨识的问题.首先,建立具有耦合时滞以及模型参数不确定分数阶复杂网络模型,并给出驱动网络与响应网络的延迟投影同步误差模型;其次,设计有效的控制器以及参数自适应律以实现两个网络之间的延迟投影同步与参数辨识,给出了实现延迟投影同步与参数辨识的充分条件,对该充分条件给出了严格的数学证明,并通过一个数值仿真实例验证了所提出方法的有效性和可行性;然后,对3种特例进行讨论,并得到实现同步的充分条件,这3种情况分别为具有耦合时滞的延迟同步、具有耦合时滞的投影同步和没有耦合时滞的延迟投影同步;最后,对模型中耦合强度、时滞因素以及投影比例对同步的影响进行了讨论.

摘要:针对离散输入受限系统,分别设计静态和动态的增益调度事件触发和自触发控制算法.首先设计一种基于离散参量Lyapunov方程的静态增益调度事件触发控制算法,该算法通过事件触发机制更新控制增益,使得在增大闭环系统收敛速率的同时节约通讯资源.为了避免对采样状态和测量误差的连续监测,设计了相应的静态增益调度自触发控制算法;同时,为进一步增大触发间隔,分别设计相关的动态增益调度事件触发和自触发控制算法. 不仅建立设计参数与最小触发间隔之间的关系,还给出可以避免triviality现象发生的条件;最后,将所提出算法应用于航天器交会系统控制器的设计,并直接在原始非线性模型上进行仿真,仿真结果验证了所设计算法的有效性.

摘要:对于大量的卫星和地面站资源,随着观测任务与日俱增,如何高效安排对应的一体化成像数传活动成为提升卫星管控效能的关键.在综合考虑实际约束的基础上,建立数学模型详细描述成像卫星联合任务规划问题,通过采用统一资源编码的思想设计一种简单且易于理解的个体表示方法,并利用任务有效执行期的潜在冲突关系提出相互冲突任务集的概念以降低问题求解的时间复杂度,由此生成相应的算法框架.最后运用多个测试实例验证该框架的有效性,同时突出其面对大规模算例时可在有限时间内获得高质量解的能力.

摘要:为研究时延对交通流稳定性的影响,构建考虑时延的人工驾驶汽车和智能网联汽车混合交通流稳定性分析模型.首先,分析并确定混合交通流中不同类型跟驰模式的比例关系和时延取值;然后,在此基础上采用不同的跟驰参数和时延值区分车辆的跟驰模式,并由此推导出混合交通流线性稳定条件;最后,以智能驾驶员模型为例,通过设计数值实验分别讨论智能网联汽车的渗透率、驾驶员的感知时延和车辆通信时延对混合交通流稳定性的影响.结果表明,智能网联汽车能够提高混合交通流的线性稳定性,而驾驶员的感知时延和车辆通信时延均不利于混合交通流系统平衡;与人工驾驶汽车相比,自动驾驶汽车对混合交通流稳定性影响仍较小,实验表明智能网联汽车在一定程度上能够减缓对混合交通流系统的干扰.

摘要:针对实际工况中被测对象大多处于正常状态而引起故障样本稀缺、故障数据间存在差异,导致故障类别识别准确率不高的问题,基于密集卷积神经网络(DenseNet),提出一种减压阀样本数据不平衡下的故障诊断模型-----加权密集卷积神经网络(W-DenseNet).首先,将原始一维压力信号数据重构后转换为二维灰度图,作为模型的输入数据;其次,以DenseNet为基础框架搭建特征提取网络;然后,在损失函数中为不同类别样本添加惩罚系数以实现不平衡样本误差的加权平均;最后,为验证模型的有效性,搭建减压阀数据采集系统并进行分类性能实验.实验结果表明:W-DenseNet模型在不同平衡度的减压阀数据集下均有良好的分类效果,且当各故障类间均存在样本不平衡现象时,模型对3种故障类型的召回率仍分别高达95.18%、95.47%、96.89%.

摘要:针对变负载条件下滚动轴承源域与目标域中相同状态的数据特征分布差异性较大,目标域数据按照序列方式在线获取时,数据更新需重新训练模型的问题,提出一种深度在线迁移的CNN-ISVM(convolutional neural networks-incremental support vector machine)变负载下滚动轴承故障诊断方法.该方法运用短时傅里叶变换得到不同负载下滚动轴承振动信号的频谱图并构建数据集;使用源域数据建立CNN-ISVM预训练模型并保存模型参数;利用迁移学习将源域共享模型参数迁移至目标域CNN-ISVM模型训练过程中,快速建立分类模型;分类模型中的ISVM分类器在保留已学到知识的基础上,在线处理目标域新增数据,无需重新训练.经实验验证,所提出方法可实现数据按照序列方式采集的变负载下滚动轴承多状态在线分类,并具有较好的稳定性及较高的准确率.

摘要:服装生产工业中,服装裁剪分床计划是工艺流程的第1个步骤,对生产管理和成本控制起决定性作用,而大批量不规则多色服装裁剪分床是关键难题,其本质是一个NP难的非线性优化问题.针对该问题,提出一种基于NSGAII的复合优化算法,首次将多目标进化算法应用于裁剪分床计划问题中.首先,建立多色服装裁剪分床多目标进化优化模型,以生产过剩量最小和分床数量最少为优化目标;其次,采用岭回归解耦策略将分床优化问题中的尺码组合方案和铺布层数方案进行线性解耦,从而提高求解精度;再次,采用实数编码方式对分床方案进行编码,提高算法运行效率;最后,通过实际应用案例和算法对比实验,验证所提出算法在求解精度和效率上相比传统启发式算法和优化软件工具优势明显.实际应用案例表明,所提出算法能够有效地优化裁剪部门生产管理,减少布料浪费和生产设备投入,具有很好的应用价值和参考意义.

摘要:在实际工程和控制领域中,许多优化问题的性能评价是费时的,由于进化算法在获得最优解之前需要大量的目标函数评价,无法直接应用其求解这类费时问题.引入代理模型以辅助进化算法是求解计算费时优化问题的有效方法,如何采样新个体对其进行真实的目标函数评价是影响代理模型辅助的进化算法寻优性能的重要因素.鉴于此,利用径向基函数神经网络作为代理模型辅助进化算法,提出一种新的不确定度计算方法,同时结合模型估值构造一种新的填充采样准则以自主地选择新的采样点,从而引导算法在评价次数有限的情况下尽可能地找到目标函数值较好的解.所提出算法与近年来针对计算费时问题的优化算法在7个高达100维的基准问题上进行测试比较,实验结果表明所提出算法在相同评价次数下可以获得更好的优化结果.

摘要:压缩感知理论能够为处理大规模信号数据提供有效支持.压缩感知中信号的稀疏表示和稀疏重构问题本质是一个稀疏优化问题,该问题是要从满足欠定方程组约束的无穷多解中找到稀疏度最大的解.鉴于此,提出一种基于变量约简求解压缩感知中稀疏优化问题的算法(VRSO),变量约简从欠定方程组约束中挖掘出变量关系,将变量分为核心变量和约简变量并用核心变量表示约简变量,通过设置核心变量中元素为0,将求解整个变量解空间上的最小化问题简化为求解约简变量解空间上的最小化问题.所提出算法通过原子与观测信号的内积大小对核心变量集合进行迭代更新,并找出优化问题的1组稀疏解.实验结果表明,所提出算法的重构误差和稀疏度误差优于匹配追踪算法、正交匹配追踪算法、迭代硬阈值算法等5种所选的对比算法,所求解的信号精度更高、稀疏度更好.

摘要:研究一类具有未知外部干扰的一阶多智能体系统的分布式优化问题.在分布式优化任务中,每个智能体只被容许利用自己的局部目标函数和邻居的状态信息,设计一个分布式优化算法,使全局目标函数取得最小值,其中全局目标函数是所有局部目标函数之和.针对该问题,首先提出由扩张状态观测器和优化算法组成的自抗扰分布式优化算法.其次,在Lyapunov稳定性的基础上发展新的方法,对闭环系统的收敛性和稳定性进行严格的证明;当外部干扰为常值时,所设计的优化算法能使所有智能体的状态指数收敛到全局目标函数的最小值;当外部干扰为有界干扰时,通过调整扩张状态观测器的增益参数,所设计的优化算法能使所有智能体的状态收敛到全局目标函数最小值的任意小的邻域内.最后,仿真结果表明了该优化算法的有效性.

摘要:应用一种改进的黑洞多目标进化算法(MOBH),实现对圆筒型无槽无铁芯直线永磁同步电机(LPMSM)的多目标优化设计.黑洞进化算法在不同Pareto区域的收敛速度、种群多样性、种群收敛性和亚种群获取等方面具有良好的性能.在分析无槽无铁芯圆筒直线电机的电磁解析模型和MOBH算法基础上,建立电机推力、推力体积比、铜损(效率)多目标优化模型,为3个目标对应的Pareto占优解空间提供更加全面和直观的最优解空间.可以根据应用需求和目标函数实际物理值分布范围来综合选取最终最优解,探讨单一目标函数情况下Pareto占优解分布与主要设计变量的关系.最后通过样机实验验证主要设计指标的计算准确性.

摘要:针对现实中广泛存在的一类模糊需求下多时间窗车辆路径问题(vehicle routing problem with multiple time windows under fuzzy demand,VRPMTW_FD),即车辆配送前客户需求模糊但车辆到达客户后其需求变为确定的多时间窗车辆路径问题(vehicle routing problem with multiple time windows,VRPMTW),以最小化总成本为优化目标,构建基于模糊可信性理论的模糊机会约束规划模型,并提出一种两阶段混合优化算法(two-stage hybrid optimization algorithm,TSHOA)进行求解.首先,在TSHOA的第1阶段设计改进灰狼优化算法(improved grey wolf optimizer,IGWO)求解车辆配送前客户需求模糊的VRPMTW,以获得VRPMTW_FD的预优化路径;然后,在TSHOA的第2阶段设计最优点重调度策略(optimal point rescheduling strategy,OPRS),对预优化路径进行动态调整,从而确定合适的返回点以降低因预优化路径故障产生的额外配送成本.通过不同规模问题上的仿真实验和算法比较,验证了TSHOA可有效求解VRPMTW_FD.

摘要:在《控制与决策》创刊35年之际,基于可视化工具(包括Vosviewer和CiteSpace)对其1986年至2020年期间的文献进行综合性计量分析.首先,对文献的基本特征进行初步探索,包括载文量时序分析、发文作者之间的合作关系分析、机构共现分析以及文章影响力分析.基于可视化工具,分时段对相应文献做关键词共现分析,突出该期刊热门研究话题.另一方面,进行关键词演变分析和突发性检测,并分析研究前沿问题,以探究该期刊热门研究主题的动态发展趋势.最后,对结果进行总结性分析,凝聚当前研究重点及研究方向,旨在促进学者紧抓热门话题,提升期刊办刊质量.

摘要:为解决能源供应问题,偏远海岛可构建风-光-海水抽蓄型微电网,研究该类结构的离网型海岛日前调度的综合评价问题.首先,考虑经济、环保、技术和可靠性等因素,提出一套海岛孤网日前调度的评价指标体系;其次,利用改进的组合赋权模型,将直觉模糊层次分析法的主观权重与改进熵权法的客观权重融合为最优权重;再次,构建基于合作博弈与改进累积前景理论的灰色关联分析-逐次逼近理想解法的组合评价模型,并从实际运行出发考虑多重决策心理对评价结果的影响;最后,以EIHierro海岛为算例验证了评价模型的可行性和有效性,对海岛微电网的工程实践具有指导意义.

摘要:最后一公里分销网络可以帮助企业达成高响应性的供应链管理目标,集成最后一公里四方物流网络设计问题成为网络设计的一个重要研究方向.解决该问题需要对分销中心的位置,三方物流的选择、分配以及其车辆路径规划进行决策.在满足车辆路径规划、流守恒等约束条件下,以最小化网络构建费用为目标建立混合整数规划模型.由于该问题的NP-难特性,可将该问题分解成两个子问题并设计两阶段启发式算法,通过迭代算法解决两个子问题.在数值实验中,将启发式算法分别与CPLEX和粒子群优化算法求出的解进行比较,实验结果验证了启发式算法的有效性;同时,将提出的启发式算法成功地应用到实际规模的问题中,表明所提出的算法能够为解决集成最后一公里四方物流网络设计问题提供有效的工具.

摘要:将消费者对乳制品新鲜度的参考效应引入第三方物流(third party logistics,TPL)服务商参与的双渠道乳制品供应链中,考虑到乳制品新鲜度受到制造商加工水平和TPL服务商物流服务水平的共同影响,构建分散式、集中式以及引入基于二部定价的成本共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.研究表明:一定条件下,基于二部定价的成本共担契约能够使制造商加工水平、TPL服务商物流服务水平以及供应链整体收益均达到集中式决策下的情形,而且制造商、零售商和TPL服务商的收益相较于分散式决策都能得到帕累托改善,供应链能够实现完美协调;线上或线下渠道乳制品的零售价与该渠道所占的市场份额及渠道间的价格替代系数正相关;消费者的参考效应能够激励制造商和TPL服务商提高各自的努力水平,使供应链收益增加.

摘要:决策粗糙集模型是当前粗糙集理论最为重要的研究分支之一.然而,由于现实环境下数据类型的复杂多样以及数据的动态更新,使得传统的决策粗糙集模型面临着一定的局限和不足,针对这一问题,提出一种混合型信息系统的邻域决策粗糙集模型,并设计出一种矩阵方法的邻域决策粗糙集增量式更新算法.首先,将传统的离散型决策粗糙集模型在混合型信息系统下进行推广,提出一种邻域决策粗糙集模型,使得该模型可以直接处理混合型的数据;然后,利用矩阵的方法重新表示该邻域决策粗糙集模型,同时,针对混合型信息系统对象增加和对象减少时的情形,通过矩阵研究邻域决策粗糙集模型的增量式更新, 并从理论上证明这种增量式方法的高效性;最后,基于矩阵的增量式更新方法,提出混合型信息系统邻域决策粗糙集的增量式更新算法.实验分析表明所提出的增量式更新算法具有一定的有效性和优越性.

摘要:材质图像识别具备广阔的应用前景,如衣物识别、机器人拾取、工业检测等.受光照强度和拍摄角度等影响,材质图像易发生变化,而挖掘鲁棒、高效的图像特征是应对该变化的关键.对此,提出SECF²模型:抽取SENet中具有良好互补性的异构层特征; 改进聚类典型相关性分析模型,实现异构层特征融合,生成刻画材质图像的深层视觉语义,它是一种判别性更强且鲁棒的新特征;采用深层视觉语义训练分类模型并执行集成学习,完成材质图像识别.实验表明:SECF²模型在两个材质图像数据集上都有效,其中Fabric上的识别精准度较最强基线提升8.85%;SECF²模型还具备较强通用性,在图像情感分析基准数据集上取得优异的表现.此外,SECF²仅需两个特征和一次融合,模型复杂度降低且实时效率优良.

摘要:多智能体系统在进行协作或竞争时,会面临联合信息空间扩大、智能体间信息提取效率降低的问题.对此,采用增加过滤机制来筛选信息的多智能体强化学习策略方法(FMAC),以增强智能体间信息交流能力.该方法通过找到彼此相关联的智能体,根据相关性计算智能体的信息贡献,过滤掉无关智能体信息,从而实现在合作、竞争或者混合环境下智能体间有效的沟通.与此同时,采用集中训练分散执行的方式解决环境的非平稳性问题.通过对比算法进行实验,结果表明改进算法提高了策略迭代效率以及泛化能力,并且智能体数量增多时仍可保持稳定的效果,有助于将多智能体强化学习应用到更广泛的领域.

摘要:随着移动互联网的发展,基于本地服务的全渠道运营模式被广大服务运营商和消费者所接受.对于有限服务能力的服务商在全渠道运营的过程中,需要考虑其服务能力在不同渠道中的公平分配.针对同时运营实体和O2O渠道的服务商进行研究,探索考虑公平的服务商不同分配机制下的渠道定价及分配策略的选择.通过消费者效用模型的构建,刻画消费者的渠道选择行为,研究不同渠道偏好市场中线性分配和加权平均分配机制下的服务定价策略以及服务商的最优分配策略.结果表明:在加权平均分配机制下,虽然企业服务能力有限,但是一味扩充企业的服务能力未必能够增加企业的利润;当服务商服务能力较小时,若服务商对渠道偏好的权重较低时,线性分配机制是服务商的最优分配策略,反之,加权平均分配机制为最优.

摘要:针对平方和双指数加权移动平均(SS-DEWMA)图难以选取合适参数同时满足数据监控的多个指标最优的问题,提出一种SS-DEWMA图的多目标优化(MO-SS-DEWMA图)数据监控方法,并将该方法用于非线性系统传感器的故障检测.首先,采用复合嵌入式均方根容积卡尔曼滤波器(CESCKF)对系统状态进行估计,并产生残差;其次,构造残差评价(数据监控)指标漏报率(MDR)和误报率(FAR)与SS-DEWMA图的两个参数的函数,并以MDR和FAR同时最小为优化目标,利用多目标粒子群优化(MO-PSO)算法对两个参数进行离线优化,将优化后的SS-DEWMA图的输出值与阈值比较,在线检测故障,其中,采用小波分析算法削弱噪声对SS-DEWMA图的影响;最后,将所提出算法用于伺服电机驱动的连铸结晶器振动系统位移传感器故障检测中,仿真和实验结果表明,该方法能有效降低故障检测的漏报率和误报率.