摘要:随着智能喷涂技术的快速发展,机器视觉在喷涂机器人系统中的研究和应用引起广泛关注,合理的喷涂轨迹能保障油漆厚度均匀、减少漆膜缺陷产生,并且融合涂装质量检测技术形成闭环的喷涂系统.鉴于此,针对机器视觉在喷涂机器人轨迹规划与涂装质量检测中的研究进行综述.首先,对喷涂系统在现代产品制造中的快速发展所面临的机遇、挑战和机器视觉技术进行介绍;然后,综述基于机器视觉技术的喷涂机器人轨迹规划和涂装质量检测的研究成果,对基于机器视觉的喷涂机器人轨迹规划方法,包括待喷涂工件的三维重建、基于点云数据的喷涂轨迹自动规划和基于视觉伺服的喷涂轨迹补偿进行分析和讨论,并重点介绍机器视觉在涂装质量检测中的应用与研究现状,从数据增强和模型选择两个方面,对不同任务中基于深度学习的涂装质量检测算法性能的改善提供潜在解决方案;最后,总结与展望机器视觉技术在喷涂机器人轨迹规划与涂装质量检测中的研究方法和思路,为喷涂系统朝着智能化、柔性化的方向发展提供参考.

摘要:为实现人机物智慧互联、智能体高效互通,第6代移动通信系统(the sixth generation of mobile communications system,6G)需要充分利用通信设备蕴含的感知潜能进行通信感知一体化,从而实现极高传输速率、极低传输时延、高精度宽范围感知等性能目标.鉴于此,总结6G通信感知一体化国内外最新研究进展,包括通信感知一体化信息理论、通信感知一体化波形、通信感知一体化多址接入和干扰处理等技术.以太赫兹频段为例,重点总结太赫兹通信感知一体化研究进展,并展望通信感知一体化未来发展及其挑战.

摘要:电梯群控系统调度问题(EDP)是具有非线性目标函数、较短求解时间要求的一类组合优化问题,针对此问题,提出一种基于时空状态网络的EDP问题线性化方法,并构建对应的线性0-1整数规划模型.为高效求解上述模型,在ADMM分解算法框架的基础上,为拉格朗日乘子次梯度迭代过程引入空间膨胀法(space dilation)应对算法迭代时间较短的问题,为二次项乘子设计基于迭代时间的更新形式,进而给出更加适配短时求解的改进ADMM分解算法.数值实验结果表明,在实际问题规模与500ms系统响应时间要求下,所提出的方法相较既有启发式算法具有更好的求解效果,相较商用求解器Gurobi-9.0.1提供的分支定界算法具有更短的求解时间,能够稳定高效地求解EDP问题.

摘要:现有的目标检测框架中,浅层弱分类能力是制约着网络精度进一步提高的关键.对此,提出基于浅层定位信息的动态细化检测网络.该网络在单阶段算法的基础上,通过增加多连接模块来增强浅层特征,同时去除浅层的分类操作以最大程度地保留浅层的定位结果,并将其作为候选框送入深层网络.深层网络通过使用引入自适应因子的感受野模块构建特征金字塔,以获得丰富的语义信息用于对浅层的回归结果进行判别和微调.最后设计基于自注意的可变形卷积头,通过对候选框的偏移来自发进行定位校准,使得网络获得精确的检测结果.在PASCAL VOC和MS COCO数据集上的实验结果表明,所提出的网络结构可以实现优异的检测精度.

摘要:针对鸡群算法收敛速度慢且容易陷入局部最优的不足,从平衡勘探与开发的角度提出一种基于刺激-响应机制的改进鸡群算法.首先,考虑公鸡的引领作用为其设计勘探和开发两种搜索方程;然后,根据种群聚集度和平均改进度定义执行搜索方程的刺激和阈值;最后,在刺激-响应机制下,公鸡充分发挥引领作用,带领鸡群完成勘探与开发.将改进算法用于基准函数优化和食管癌生存风险预测模型优化,并与其他改进的鸡群算法进行对比,表明了所提出算法的有效性.

摘要:在室内多天线多用户可见光通信(VLC)网络中,为了改善在发射天线和用户数量增多的情况下,最优天线选择算法存在时间复杂度过高问题,将朴素贝叶斯(NB)方法应用于室内多用户VLC网络下行链路发光二极管(LED)选择问题中.首先,将该LED选择任务建模为多分类问题,利用用户已知信道状态信息生成训练样本集,并通过VLC网络多用户通信和速率最大生成对应类标签;其次,利用生成的训练样本集,通过NB方法得到分类器模型;最后,将训练得到的分类器模型应用于新用户的LED选择.仿真分析表明,与最优多用户VLC网络LED选择算法相比,所提出的基于NB的LED选择方案可以有效地降低时间复杂度,在算法复杂度和用户传输和速率之间实现了较好的平衡.

摘要:针对鲸鱼算法求解稳定性不强、收敛速度有时较慢、易陷入局部极值等缺点,提出一种具有轮盘赌选择和二次插值择优机制的双种群交互演化鲸鱼算法.首先,在搜索觅食阶段引入轮盘赌选择机制,可有效避免劣质解被多次选取的问题,保证算法的收敛性能;在算法进化结构和求解过程中用两种不同演化机制的种群以及它们之间不断的信息交互,可有效地平衡和调节算法的全局搜索与局部搜索能力;在双种群个体演化更新后、信息交互前,利用二次插值策略更新鲸鱼个体的位置,增加种群的多样性,而之后的择优选取新位置可提高算法的收敛速度.然后,给出算法流程并用概率测度法对算法的收敛性进行证明.最后,通过6种代表性算法对CEC2017测试函数集套件中不同特征函数在多个维度上进行仿真实验,结果表明改进算法的收敛速度、寻优精度和求解稳定性均有明显提高,具有很好的收敛性能.

摘要:准确实时的短时交通流预测对现代交通管理服务体系的构建至关重要.为了充分挖掘并利用不同路段短时交通流交互作用而表现出的时空特性,构建由自相关函数、互相关函数和KNN算法组成的两级筛选机制评估与目标路段的相关性优化路段组合,实现空间信息深度挖掘;提出一种GCN-GRU组合预测模型,利用图卷积网络(GCN)全局处理路段拓扑信息的优势进一步捕捉短时交通流的空间特性,并借助门控循环单元(GRU)对时间信息的长时记忆能力提取其时间特性.利用实测高速公路短时交通流数据进行验证,仿真结果表明,采用两级筛选机制对路段进行有效筛选并引入深度学习组合模型,预测性能明显改善,优于堆栈式自编码网络(SAEs)和GRU等经典模型.

摘要:针对具有模型不确定项的系统,提出一种辅助信号结合冗余执行器的主动故障检测方法来检测微小故障.首先,以提升故障灵敏度和抗干扰鲁棒性为指标,构建最优观测器得到残差信号;其次,引入辅助输入信号来增大故障系统的残差,同时构建冗余执行器来避免辅助输入信号对无故障系统的影响;然后,给出随模型不确定项变化的自适应阈值构建方法降低故障检测的保守性.所提出的主动故障检测方法对无故障系统不造成影响,当故障发生时残差迅速变化且高于阈值以实现快速检测.最后通过仿真对比验证了所提出方法的有效性.

摘要:基于固定翼无人机飞行特性以及蜂群无人机控制策略,针对无人机控制器遭受恶意攻击的情形,采用时序网络与元胞自动机理论分析蜂群无人机故障影响机理.首先,通过时序网络分析蜂群无人机拓扑网络的变化情况,提出基于跳数的故障传播路径的确定方法;其次,考虑蜂群无人机状态信息,建立符合蜂群无人机特征的元胞对象,同时基于局部信息交互原则,确定元胞自动机的状态演变规则,并依据近邻信息对无人机控制律的影响,提出矢量投影法来确定故障影响权值,辨识出各无人机故障影响程度的动态变化情况;最后,建立仿真模型,利用预测与实际故障影响程度结果,基于DCG算法与模式距离验证所建故障影响模型的有效性.

摘要:深度迁移学习技术已经成功应用于跨工况的滚动轴承剩余寿命(remaining useful life,RUL)预测问题,但针对在线场景的RUL评估仍存在如下不足:在线工况存在漂移,无法确定同工况的历史数据,不能直接构建回归预测模型;在线目标轴承只有正常状态和早期故障数据,无法直接与离线轴承的快速退化期数据进行迁移学习.鉴于此,从时序退化信息迁移的角度提出一种面向未知工况的轴承在线RUL评估方法.首先,构建融合第三方退化信息的时间序列迁移递归预测模型,利用张量长短时记忆网络提取离线工况全寿命数据的单调性和趋势性等时序信息,并迁移到在线递归预测过程;然后,利用迁移成分分析对所预测的在线退化序列和已有离线序列进行公共特征空间适配,提取域无关特征,并构建支持向量机回归模型,实现在线轴承剩余寿命评估.在IEEE PHM Challenge 2012轴承数据集上的实验结果表明,所提出方法可在只有早期故障数据的情况下准确预测退化趋势,为未知工况下的轴承在线RUL评估提供一种有效的解决方案.

摘要:针对奇异摄动信息物理系统在未知周期拒绝服务攻击(denial-of-service,DoS)下的状态估计问题,提出事件触发多时间尺度切换滤波器设计方法.首先,在传感器与滤波器之间引入事件触发机制确定采样数据是否传输至网络中,可以达到节约网络资源的目的;然后,在此事件触发机制的基础上,考虑未知周期Dos攻击问题,建立滤波误差切换系统,通过构建依赖奇异摄动参数的Lyapunov函数,提出奇异摄动信息物理系统切换滤波器设计方法,得到较小的估计误差,从而克服设计过程中的病态数值问题,降低网络通信中DoS攻击对系统的不良影响,保证误差系统指数稳定且满足$H_\infty$性能,实现未知周期DoS攻击下系统的状态估计;最后,利用电路仿真算例验证所提出的滤波器设计方法的有效性.

摘要:为了提高回声状态网络对于混沌时间序列特征提取与预测的能力,提出一种层次化可塑性回声状态网络模型.该模型将多个储备池顺序连接,通过逐层特征变换的方式增强对非线性多尺度动态特征的提取能力.同时,引入神经科学中的内在可塑性机制模拟真实生物神经元的放电率分布,以最大化神经元的信息传递为目标对储备池进行预训练.层次化可塑性回声状态网络不仅能够增加模型的容量,降低随机投影所带来的不稳定性,而且也为理解储备池的表示、处理、记忆及储存操作提供一种新的思路.仿真实验结果表明,相比于其他7种改进的回声状态网络模型,所提出的模型在人造数据和真实数据所构成的混沌时间序列预测任务中均能取得最优的预测精度.

摘要:多输入多输出系统的交互作用会限制适用于单输入单输出系统的多种先进设计方法的使用,且多数关于多输入多输出系统控制研究只重视消除交互作用的影响,忽略系统控制问题,这样不但弱化系统的鲁棒性,且设计过程复杂,解耦后系统阶次也较高.鉴于此,提出一种基于系数图法的多入多出系统的控制器设计方法,将多输入多输出系统解耦问题转化为参数优化问题.首先,给出目标函数和两个线性约束条件,通过在频域基于粒子群算法优化目标函数,从而设计补偿器实现解耦;其次,基于系数图法确定控制器结构及参数整定,兼顾系统的稳定性和鲁棒性;最后,通过仿真实验验证所提出方法的有效性.

摘要:结合注意力机制的循环神经网络(RNN)模型是目前主流的生成式文本摘要方法,采用基于深度学习的序列到序列框架,但存在并行能力不足或效率低的缺陷,并且在生成摘要的过程中存在准确率低和重复率高的问题.为解决上述问题,提出一种融合BERT预训练模型和卷积门控单元的生成式摘要方法.该方法基于改进Transformer模型,在编码器阶段充分利用BERT预先训练的大规模语料,代替RNN提取文本的上下文表征,结合卷积门控单元对编码器输出进行信息筛选,筛选出源文本的关键内容;在解码器阶段,设计3种不同的Transformer,旨在探讨BERT预训练模型和卷积门控单元更为有效的融合方式,以此提升文本摘要生成性能.实验采用ROUGE值作为评价指标,在LCSTS中文数据集和CNN/Daily Mail英文数据集上与目前主流的生成式摘要方法进行对比的实验,结果表明所提出方法能够提高摘要的准确性和可读性.

摘要:癫痫的发作会给患者的身体和精神造成极大的创伤,对癫痫发作的准确预测可以及时协助医生对患者采取治疗措施.为了准确预测癫痫发作,提出脑电特征和多通道脑电交互特征相融合的癫痫发作预测方法.首先,提出多尺度符号化排列传递熵对多通道脑电信号交互信息进行分析,生成同步矩阵,并通过显著性分析筛选与癫痫发作相关的重要脑电通道,减少不必要特征对分类的干扰;然后,对筛选通道后的脑电信号生成表征脑电信号特征的功率谱密度能量图(PSDED)和描述脑通道交互特征的同步矩阵图(SMD),将两个特征图融合,采用深度卷积神经网络(DCNN)对癫痫患者脑电信号进行分类识别,提高学习能力和泛化能力,分类准确率可达到96.825%;最后,在分类的基础上采用预测评价系统对癫痫发作预测性能进行评估,癫痫发作预测范围(SPH)为10min和发作发生期(SOP)为10min时,预测敏感性达到96.66%,误检率可达到0.03/h;当SPH为30min,SOP为10min时,预测敏感性达到93.17%,误检率可达到0.05/h.与现有研究结果相比较,所提出方法具有较好的预测敏感度和较低的误检率.

摘要:识别癫痫脑电信号的关键在于获取有效的特征和构建可解释的分类器.为此,提出一种基于增强深度特征的TSK模糊分类器(ED-TSK-FC).首先,ED-TSK-FC使用一维卷积神经网络(1D-CNN)自动获取癫痫脑电信号的深度特征与潜在类别信息,并将深度特征和潜在类别信息合并为增强深度特征;其次,将增强深度特征作为ED-TSK-FC模糊规则前件与后件部分的训练变量,保证原始输入的深度特征及其潜在意义都出现在模糊规则中,进而对增强深度特征作出良好的解释;然后,采用岭回归极限学习算法对模糊规则的后件参数进行快速求解,在不显著降低分类准确度的情况下,ED-TSK-FC的廉价训练方法可以缩短模型的训练时间;最后,在Bonn癫痫数据集上,分别从分类性能、学习效率和可解释性3个方面,验证ED-TSK-FC的优越性.

摘要:针对人群密度在二维图像中随图像视角变化呈现较大差异、特征空间多尺度信息丢失等问题,提出一种多维视角多元信息融合(MDPMIF)的人群密度估计方法.首先,由“上-左-右-下”的方向对视角变化进行信息编码,通过递进聚合方式捕获深层次全局上下文信息,同步提取多维度视角的尺度关系特征;然后,设计联合学习策略获取全局尺度关系特征,并将全局上下文表达、全局尺度关系特征集成,得到更全面的视角变换描述;最后,采用语义嵌入方式实现高、低阶特征相互补充,增强输出密度图的质量.同时,真实场景下的人群聚集模式存在差异,单纯密度图方法易对图像中的低聚集部分造成人群计数高估,基于此,提出一种高低密度多维视角多元信息融合人群计数网络.设计高低密度区分策略对MDPMIF输出进行高低密度区域自适应划分,高密区域保持MDPMIF网络估计结果,低密区域采用检测方法实现人群计数修正,提高模型的鲁棒性.实验结果表明,所提出方法的性能优于对比方法.

摘要:为解决现有的模式挖掘方法没有充分利用体检数据中检查项的异常程度与特定疾病之间相关性的问题,提出一种面向健康体检数据的多目标Top-k频繁模式挖掘方法.首先,针对体检数据的特点,提出异常度和覆盖率两个指标,在此基础上,将Top-k频繁模式挖掘建模为一个多目标优化问题;其次,针对该问题,提出一种基于偏好的种群初始化策略和一个面向模式和项的双层更新策略,并基于此设计一种高效的进化多目标优化算法进行求解.实验结果表明,所提出方法所获得的Top-k个模式不仅能够有效地反映其与特定疾病之间的关联性,而且能够提供多样化的模式,为健康管理提供重要的参考依据.

摘要:针对物流配送需求大、“最后一公里”交付困难等问题,提出带有动态能耗约束的多车辆与多无人机协同配送问题,并以最小化配送时间为目标建立混合整数规划模型(MIP).为解决该问题,设计K-means聚类和最近邻协同的初始解生成算法,并提出基于问题领域知识的自适应大规模邻域搜索算法(adaptive large neighborhood search,ALNS).在不同规模算例上的实验结果表明,所提出的算法相比于模拟退火算法、变邻域搜索算法和遗传算法在求解质量和求解效率方面都具有一定的优势,求解质量分别平均提升23.8$%$、23.3$%$和5.7$%$,表明ALNS较对比算法能够更好地平衡全局搜索和局部搜索.此外.灵敏度分析实验表明,无人机载重能力和无人机续航能力是影响包裹配送时间的两个关键因素.

摘要:针对炼钢厂天车任务具有时序性、冲突性和不确定性的特点,提出一种基于贝叶斯公式的天车调度方法. 首先,解析炼钢厂内天车任务的产生规律,构建天车调度过程的贝叶斯网络;然后,计算各类天车任务产生的时空概率分布;最后,根据可用天车数量匹配运输任务,动态生成天车调度方案.基于天车调度仿真系统,利用某炼钢厂10900条实际的天车任务数据,对该天车调度方法测试表明,所提出方法可在规定时间内有效地完成所有天车任务;与人工调度方法相比,完成任务总时间、天车避让次数、由于天车避让导致额外的运输时间均明显减少.在提高 天车运行效率的同时,减少天车碰撞的安全风险.

摘要:针对地面分队防御作战兵力部署信息利用不足、未能宏观统筹部署的问题,提出一种基于Jackson网络的地面分队防御作战兵力部署方法,实现对地面分队防御作战兵力部署的建模和优化.首先,分析地面分队防御敌突击武器的规律和特点,用Jackson排队网络对该过程建模,并针对第1道防线节点顾客到达率大于服务率的问题,提出Jackson排队网络的等效转化方法;其次,依据各节点的吞吐量和顾客到达率,研究节点间的顾客转移量、外来顾客到达率,并最终求得敌目标对防线的突破率;最后,基于博弈思想,建立双层迭代寻优结构,计算敌最优进攻策略下我方的最优决策.仿真实验验证了所提出的改进人工蜂群算法在求解所研究模型收敛性和稳定性方面的优势以及所提出双层迭代寻优结构的合理性,同时讨论了毁伤概率对兵力部署的影响.

摘要:触觉智能感知是当前研究的热点问题之一.然而,大规模触觉数据集的缺乏限制了机器人触觉感知领域的发展,解决问题的关键在于构建覆盖手掌的高时空分辨率触觉压力传感器系统.对此,构建一种脑启发的触觉传感系统(BITSS),以高时空分辨率对触觉压力信息进行获取,并实现基于脉冲事件的触觉感知.受皮肤触觉感受器启发,BITSS使用神经形态模型对触感压力信号进行脉冲编码,实现两种触觉感受器神经元的模拟.实验结果表明,BITSS模拟的神经放电活动可以解码出抓握状态的低维空间.在10种日常物体的分类任务中,基于脉冲事件的分类器分类精度达到94%,具有较快的执行速度,并验证了BITSS对触感压力信号的时空编码能力.

摘要:针对合成孔径雷达(SAR)图像中小目标舰船检测困难的问题,提出基于单次多盒检测器的一种特征增强小目标检测算法.首先提出一种混合多特征提取模块,采用并行的普通卷积、不同空洞率的空洞卷积以及非对称卷积形成与舰船目标相匹配的感受野,以提高浅层网络对复杂形状小目标的特征提取能力;然后提出一种邻近多特征融合模块,将特征信息进行更科学的深层次融合,对小目标特征进一步增强;最后根据SAR图像单通道的特性,缩减特征提取网络VGG-16的冗余特征通道.在公开的SSDD数据集上与其他检测算法进行对比实验,实验结果表明,所提出方法将平均精确度提升至93.44%,检测速度提升至41.8FPS,参数量减少为18.74M,综合性能优于其他检测算法.

摘要:随着我国城市轨道交通网络规模快速扩张,线路间协调配合的高度复杂性给城市轨道交通的运营组织与管理带来极大挑战.针对客流需求及其分布双重不确定条件下的城市轨道交通网络末班车衔接优化问题,提出一种分布鲁棒机会约束规划模型,即在给定容忍度下最小化最坏条件下的换乘失败客流量.通过分析分布鲁棒优化模型与其对应鲁棒优化模型之间的联系,证明该模型为鲁棒优化模型的推广形式.基于有限的期望和方差信息构造高斯分布非精确集,采用对偶理论将原模型转化为可利用CPLEX求解的混合整数二阶锥规划形式,并通过数值实验验证所构建模型的有效性.算例结果表明:分布鲁棒模型对于小规模网络可利用CPLEX快速求得精确解;相比鲁棒模型可有效避免产生过于保守的优化结果;相比随机模型可有效降低极端情况下换乘失败客流量,具有较强的鲁棒性.

摘要:互联网加速了舆情的发展,舆情讨论时刻都在发生.为了探索决策者角色差异对舆情演化的影响,改进传统DeGroot模型,在社交网络环境下考虑多种决策者角色共存的舆情演化模型.将决策者分为权威者和非权威者,从社会心理学的角度将非权威者随机分为服从者、反抗者和独立者.针对传统模型的权重确定方式较为机械的不足,引入节点在社会网络中的特征向量中心性,提出新的权重确定方法.每一步舆情演化均分为两个阶段:第1阶段所有决策者都进行舆情演化,随后服从者和反抗者在第2阶段对其第1阶段的观点进行调整.在连通的Erdddotos-Rényi网络中进行仿真实验,结果显示,服从者总是会与权威者达成共识,且该共识由权威者的意见决定;反抗者聚集在与服从者和权威者的共识较远的意见簇;独立者的稳定意见则散落分布在二者之间,且更加靠近服从者和权威者的共识.

摘要:针对准则权重信息完全未知的直觉模糊多准则群决策问题,考虑经典直觉模糊熵公式及MULTIMOORA模型的不足,提出新的直觉模糊熵公式以充分刻画直觉模糊数的直觉信息和模糊信息,定义占优凸组合运算,拓展解决多准则决策问题的MULTIMOORA模型以适用于解决多准则群决策问题.在以直觉模糊数为信息输入的系统框架内,构建机场消防站选址评价指标体系,进而提出基于熵权直觉模糊拓展MULTIMOORA的机场消防站选址评价模型.案例分析表明了所提出方法的可行性,为机场消防站选址评价提供了一种新思路.

摘要:针对受过程噪声和量测噪声干扰的双线性状态空间系统,研究其状态估计算法.借助双线性系统的特殊结构,将其等价表示为线性时变模型,推导基于Kalman滤波的状态估计算法.针对线性时变模型中存在的未知变量,基于辅助模型辨识思想,通过构造一个辅助模型,将未知变量用该模型的输出代替,提出基于辅助模型的双线性系统状态估计算法.构造双线性状态观测器,引入delta算子极小化状态估计误差协方差矩阵,从而得到最优状态估计增益,并提出基于delta算子的双线性系统状态估计算法.所提出的算法能够避免线性化过程带来的估计精度差的问题,提高双线性系统的状态估计精度.通过仿真实验验证了所提出算法的有效性,并对比分析了不同噪声情况下所提出算法的估计效果.

摘要:研究基于信息物理系统建模的多分拣移动机器人(multi-SMR)调度策略.首先,在基于实际应用场景的拓扑地图建模中加入新的路径弧时间损耗指标,以实现对货物不均匀比例和多机器人拥堵状态的精确估计;其次,提出一种改进的启发式路径规划算法,并在路径评估过程中增加目的地距离和时间损耗指标;最后,将完整的调度过程以分层式结构部署在信息物理系统模型中,包括控制层的时间损耗指标更新、交通管制监测,以及物理层的分布式路径规划和机器人状态更新.仿真实验结果表明,改进的调度策略可以进一步提升系统分拣效率,降低计算成本,有效解决机器人拥堵和安全问题.