摘要:数据驱动的过程监测是确保工业过程安全运行的重要手段.工业数据大多以时间序列的形式存在.由于工艺复杂性、噪声干扰等影响,工业时间序列往往呈现出低质量、强动态和非平稳等特性,给监测模型的建立带来了困难.尽管研究学者针对不同特性分别提出了相关方法,但这些方法之间的内在关联几乎没有被挖掘.鉴于此,揭示这些方法所蕴含的共性出发点:在工业过程中,仅知晓故障存在与否往往难以满足实际需求,需要对复杂时间序列特性进行深度分解,以实现对过程状态多方面的精细感知;从一种分解的视角出发,综述现有多元统计方法如何针对时间序列各类复杂特性进行建模,通过将复杂的时间序列分解成多个具有实际物理意义的成分,提供可解释的监测结果;总结提炼不同建模方法的核心分解思想并进行对比,并针对各类方法梳理监测统计量的构造与含义;最后,对工业时间序列分解建模工作进行总结和展望,提出未来研究方向.

摘要:针对无人直升机系统存在的外界扰动和输入饱和问题,提出一种自适应固定时间滑模控制方法.通过设计分段函数保证滑模变量连续可微,消除控制器奇异性问题.同时,采用径向基神经网络估计并补偿直升机系统中的外界干扰和输入饱和误差.为改善跟踪性能,引入固定时间趋近律,确保跟踪误差固定时间内收敛至原点微小邻域,提高直升机系统的收敛速度与跟踪精度.最后,通过仿真实验验证所提出控制方法的有效性和优越性.

摘要:针对无人机编队跟踪问题,并考虑对静/动态障碍的规避,提出一种基于同步分布式模型预测控制(DMPC)的编队跟踪与避障控制算法.首先,在DMPC的框架下,以轨迹跟踪和编队保持为目标设计代价函数,并将机间避碰和障碍物规避处理为约束条件;其次,将速度障碍法与避碰、避障以及相容性约束进行融合,并设计终端约束,实现规避动态障碍的功能;再次,根据新的终端约束,以编队稳定为原则,设计与之适配的完整的终端成分;然后,在新的约束和终端成分下,基于Lyapunov理论分析编队系统的稳定性;最后,通过仿真验证所提出算法在编队跟踪和避障方面的有效性和优越性.

摘要:智能网联自动驾驶技术逐渐成熟,为交叉口日益严重的交通拥堵和能源浪费问题提供了新的解决方案.将交通信号控制与车辆轨迹优化相结合,可以有效提高通行效率和燃油效率.因此,针对混合交通流环境下的多车道交叉口,提出一种交通信号与车辆轨迹协同优化控制框架.首先,考虑到信号相序的动态变化和车辆变道的原因及其持续性影响,对车辆的纵向跟驰模型和横向变道模型进行改进;其次,以最小化车辆通行延迟和油耗为目标,提出交通信号与车辆轨迹协同优化控制方法,在交通信号的自适应控制下平滑车辆轨迹;此外,设计一种协同优化控制算法,以较低的计算量保证优化效率;最后,在不同的交通情境下进行数值仿真,结果表明所提出框架能够同时提高通行效率和燃油效率.相比交通信号或车辆轨迹的单独优化框架,所提出协同优化框架在通行延迟、油耗、安全性能和驾驶舒适度等方面均能产生更多的增益.

摘要:针对机动目标三维拦截末制导问题,提出一种考虑终端角度约束的超扭曲滑模制导律.首先设计一种新型多变量超扭曲滑模算法,基于Lyapunov稳定性理论证明其有限时间稳定性,并定量分析算法的收敛时间;其次,建立三维交战场景下的弹目相对运动学,将制导问题转化为关于视线角的二阶多变量系统控制问题;然后,基于改进的多变量超扭曲滑模算法设计带终端角度约束的三维制导律;最后,通过多场景的对比仿真和蒙特卡洛模拟仿真,验证了所提出方法的有效性.

摘要:在机器视觉中,视频监控的红外与可见光图像融合可以帮助机器更有效地识别目标和环境.针对现有视频监控的红外和可见光图像算法中存在人物细节提取不充分、目标物体轮廓模糊等问题,提出空洞卷积并行注意力机制和纹理对比度增强的红外与可见光图像融合.首先,融合网络采用多尺度密集连接和空洞卷积并行注意力机制构建局部-全局并行网络提取图像中的梯度信息和强度信息;然后,利用Scharr滤波器和深度可分离卷积构建纹理对比度增强网络,增强融合特征的对比度和纹理细节;最后,利用一种信息交换流网络设计分解网络,由于分解图像的质量直接取决于融合结果,分解过程可以使融合图像包含更多的场景信息.通过与其他8种具有代表性的图像融合方法对比,所提出方法的7项客观评价指标有5%sim62%的提升,表明所提出方法不仅能够充分提取源图像信息,获得纹理细节更清晰、对比度更好的融合结果,而且可以有效解决因源图像分辨率差异大而阻碍的多光谱遥感分析、军事侦察等实际应用.

摘要:由于皮肤癌数据的长尾分布特性,快速识别含少量数据的罕见皮肤病样本成为一个具有挑战性的小样本问题.基于元学习的检测方法能够从多数常见皮肤病样本中快速学习元知识,利用先验知识提高模型检测罕见皮肤病的能力.然而,皮肤癌公共类别质量和分布的偏差,导致元学习在预训练阶段存在过拟合风险,且基于传统网络的元学习模型难以处理细粒度皮肤病问题.针对此问题,提出一种高维多目标元学习皮肤癌检测模型.该模型在元学习的基础上,通过考虑皮肤癌检测模型的多种分类性能,优化公共类别(基类)分布获得强化的训练样本;采用融合CCNet注意力机制的ResNet12网络结构,充分提高识别细粒度皮肤病变图像的能力.此外,设计一种基于离散分组交叉策略的高维多目标优化算法对所提出的高维多目标皮肤癌检测模型进行高效求解.在ISCI2018和Derm7pt两个公开的医学数据集上进行实验,在二分类的1次、3次和5次采样任务中,分别获得67%、79%、82%的检测准确率,验证了高维多目标检测皮肤癌检测模型的有效性.

摘要:在机器臂抓取检测领域,RGB图像和深度图像的处理效率仍有很大提升空间.鉴于此,提出一种基于Transformer-CNN混合架构的新型跨模态交互融合的机械臂抓取检测方法.为了充分利用RGB和深度图像的特征信息,开发一种高效的跨模态特征交互融合模块,用来校准RGB和深度图像相对应的特征信息,并交互增强双模态的特征.此外,设计一种Transformer与CNN并行的网络模块,结合CNN的局部建模能力和Transformer的全局建模能力,获得更好的特征表示,从而提高抓取检测性能.实验结果表明,所提方法在Cornell与Jacquard抓取数据集上分别达到了99.1%和96.2%的准确率.在真实场景下的抓取检测实验验证了所提方法可以有效预测各种场景下物品的抓取位置.

摘要:工业互联网的发展实现了工业生产的“少人化”“无人化”的同时也使得工业控制系统面临着更多的信息安全威胁.针对信息安全防护需求实现过程中信息安全策略与功能安全策略存在冲突以及无人值守工业控制系统现场端与监控端的安全策略决策目标存在冲突的问题,提出一种基于多目标的安全策略协同决策方法.通过设置安全策略协同规则实现信息安全策略与功能安全策略的协同,构建风险收益量化模型和冲突风险量化模型对安全策略的风险收益属性以及实施所增加的冲突风险进行量化,结合各现场端的可接受风险阈值,利用多目标优化算法实现无人值守工业控制系统现场端与监控端的协同决策.最后,以煤矿行业无人值守压风机控制系统为对象,通过仿真验证所提出方法的有效性.

摘要:目标跟踪通常只能使用视频第1帧的外观信息,在线学习目标的外观特征,并预测后续帧中该目标的位置和大小.然而,跟踪过程中目标外观时刻变化,仅通过第1帧并不能准确描述后续目标的外观.针对上述问题,提出一种基于并行多外观特征的孪生网络目标跟踪算法.首先,引入包含目标近期外观信息的动态模板帧,同时提出3种方法:多外观特征、并行外观特征、并行多外观特征,利用动态模板帧进行目标跟踪.与简单地使用动态模板帧替换初始模板帧不同,所提出的方法可解决由动态模板帧中目标容易漂移导致的跟踪算法性能下降的问题.其次引入评价模块,使用基于信息熵的评价方法或基于IOU-Net的评价方法,对得到的多个预测结果分别进行打分,选择得分最高的预测结果作为最终的预测结果.最后提出更新模块,对评价模块得到的得分进行分析,当得分满足更新模块设立的更新条件时,用最终的预测结果更新动态模板帧,使用新的外观信息指导下一帧跟踪.实验结果显示,该算法在GOT-10k、OTB100等标准数据集上取得较好效果,验证了所提算法的有效性.

摘要:针对无人车在狭窄的转弯工作环境下,传统导航存在无法构建地图或所构建地图障碍物膨胀半径过大以及定位和控制存在误差,从而导致无人车与障碍物相撞,无法有效完成导航任务的问题,首先,通过将A*算法所生成的路径进行离散化,周期性选取路径点作为深度强化学习算法的目标点的方法,设计子目标驱动DQN算法,并基于此建立深度神经网络;然后,采用软件搭建狭窄的转弯环境,使用所提出子目标驱动DQN算法、无子目标驱动的DQN算法、DDPG算法、SAC算法分别对无人车进行训练,通过对比4种算法的收敛速度、执行步数以及导航成功率,验证所提出子目标驱动DQN算法在完成狭窄转弯环境导航任务时,效果最好;最后,将所提出算法的训练结果移植到全新的、空间更小、弯数更多的测试场景中进行测试,表明无人车能够顺利完成导航任务,从而验证所提出子目标驱动DQN算法的高扩展性.

摘要:产品优化设计策略中,基于用户喜好评价信息开展产品关注度挖掘和用户满意度变化规律的预测研究至关重要.现有研究大多采用基于量表的半结构化数据分析模型,忽略了评价过程的多维度非线性决策属性,尤其是感性意象之间的耦合问题.对此,面向非结构化数据构建异质情感主题聚类仿真流程,首先利用网络爬虫获取用户在线评论文本;其次,借助Word2vec词向量进行文本数值化编码,并通过情感分析模型完成情感二分类判断,建立正向和负向情感数据集;然后,采用BTM主题聚类模型开展异质情感主题聚类;最后,输出多维评价指标量化结果.仿真结果表明,所构建的仿真流程能够准确进行二分类判断(信度检验均大于0.85),且主题聚类结果契合产品优化策略.

摘要:基于深度学习的缺陷分割技术对于保证生产效率和改善产品质量至关重要.然而,在实际应用中有许多领域无法收集大规模的缺陷样本,导致传统缺陷检测方法性能急剧下降.此外,缺陷区域存在尺寸小、纹理信息弱以及与无缺陷区域对比不明显的问题,进一步阻碍了视觉缺陷检测技术的实际应用.对此,提出一种基于视觉与点云的多模态小样本缺陷分割方法,通过采用跨模态注意力聚合RGB语义信息和点云结构信息,实现两种模态的高效融合;然后,结合多模态特征与支持掩码生成基本前景原型、自适应背景原型和遗忘补偿原型,提升支持原型的表征能力;进而,根据相似性动态地匹配原型与查询特征,并在特征丰富化后完成对未见过物体缺陷的有效分割.在Defect-3i和Mvtec 3D-2i两个小样本缺陷分割数据集上的实验表明,所提出算法在单样本(1-shot)和五样本(5-shot)两种设置中的平均交并比(mIoU)分别超过其他先进小样本算法0.11%和0.20%、5.23%和5.10%,验证了所提出小样本架构的合理性与多模态网络的先进性.

摘要:针对线性时不变系统的分布式状态估计问题,基于双极限加权齐次估计理论和可观测性分解方法提出一类分布式固定时间收敛观测器.首先,针对单输入单输出积分链式系统,使用双极限加权齐次性方法设计集中式固定时间观测器.然后,基于可观测性分解将线性时不变系统分为可观测和不可观测子系统,传感器网络中每个智能体以集中式观测器为基础,在固定时间内仅用系统输出测量值重构局部可观子状态,利用智能体间状态信息构造一致性算法在固定时间内估计出局部不可观测子状态,从而在固定时间内实现状态全知.不同于已有工作,所提出观测器不需要构造具体的李雅普诺夫函数即可给出收敛时间的显示表达式.最后,通过仿真实验验证所设计观测器的有效性.

摘要:研究基于事件相关间歇控制机制的时滞复杂网络的有限时间同步问题.设计一种有限时间事件相关的间歇控制机制,引入两个有限时间收敛的边界函数,构建三个非负实数域(工作区域、休息区域、缓冲区域),间歇控制的工作与休息区间取决于Lyapunov函数轨迹与预设区域的关系.相比于现有的事件相关间歇控制,所提出的控制机制具有更快的收敛速度.基于有限时间稳定性理论,给出实现网络有限时间同步的充分条件,并对停息时间进行准确估计.最后通过数值仿真验证理论结果的有效性.

摘要:研究具有不可靠通信信道和有限带宽约束的Markov跳变系统的混合事件/时间驱动H_∞控制问题.为处理有限带宽约束,首先,基于驱动误差、辅助变量和切换时刻设计分布式混合事件/时间驱动机制以确定每个传感器节点的驱动时刻;其次,提出一种新的TOD(try-once-discard)调度协议以保证在驱动时刻仅有唯一的传感器节点接入网络.此外,将不可靠通信信道导致的数据丢包现象建模为伯努利分布,基于驱动时刻的数据传输情况构建随机序列和调度矩阵序列,对数据接收情况进行建模.以此为基础,利用线性矩阵不等式(linear matrix inequality,LMI)得到保证闭环Markov跳变系统在无扰动时随机稳定和有扰动时有限增益$L_2$随机稳定的充分性条件,并给出反馈增益阵的设计方法.最后,通过实例仿真验证所提出方法的有效性.

摘要:针对160MW锅炉-汽轮机系统的多目标控制问题和计算负担,提出一种事件触发多目标经济模型预测控制(multi-objective economic model predictive control, MO-EMPC)策略.结合字典序方法和生产过程的需求,将锅炉-汽轮机补给燃料的调节控制作为最高优先级控制目标,主蒸汽调控作为第2层优先级控制目标,给水阀调控作为第3层优先级控制目标,构建分层滚动时域优化控制问题.引入锅炉-汽轮机经济最优平衡点定义辅助正定函数的最优值函数,并利用该最优值函数设计收缩约束条件,通过松弛收缩约束条件设计触发机制,建立具有稳定性和经济性能最优的轻量化多目标预测控制方案.对比时间触发下的字典序MO-EMPC算法,所提方法不仅通过降低求解频次减少了计算量,同时保证了锅炉-汽轮机系统的经济性能.

摘要:针对单一传感器数据易受自身品质和环境的影响导致难以监控齿轮箱整体运行状况的问题,提出一种基于多传感器数据融合的SA-DACNN(self attention-dynamic adaptive convolutional neural network)齿轮箱故障诊断方法.首先,将采集到的不同位置的传感器信号作为多通道信号,并将多通道信号同时作为网络输入;然后,设计一种多通道特征融合模块,该模块通过自适应地加权不同通道的信息,确保不同通道的重要信息能够有效地融合,解决特征级多通道数据融合问题;最后,在全连接层之前,使用带残差连接的自注意力模块,帮助网络自动学习全局信息,增强对原始振动信号的特征学习能力.在两个齿轮箱数据集中进行实验,结果表明,所提出方法具有较高的故障诊断准确率,可以满足多传感器数据融合故障诊断的任务.

摘要:考虑实际操纵工况特别是低附着路面条件对汽车队列动力学稳定性的影响,提出针对异质汽车队列的自适应协调控制策略.建立包含车轮旋转动力学的队列分布式控制器设计模型,将车速-轮速误差引入队列的跟驰控制决策以协调车辆动力学与队列动力学,将路面附着引入间距策略以适应路面工况的变化.首先,以保证节点车辆的动力学稳定性和队列的跟驰控制性能为目标,基于滑模控制方法设计队列自适应协调控制策略,并基于Lyapunov方法证明队列跟驰的间距误差以及车速-轮速误差一致最终有界,导出兼顾车辆动力学的队列稳定性条件.然后,基于4辆车组成的异质汽车队列,在高、低两种路面附着工况下对控制方案进行仿真评价.仿真结果表明,所提出的自适应协调控制策略通过对节点车辆动力学和队列动力学的协调控制,能够保证汽车队列系统在大范围操纵工况特别是低附着路面工况下的车辆动力学稳定性、队列稳定性和交通流稳定性.

摘要:为实现不确定机械臂系统快速和高精度跟踪控制性能,提出一种基于反演算法的预定时间重复学习控制策略.通过构造非奇异预定时间虚拟控制器,有效避免传统有限时间反演控制中由虚拟控制器微分引起的奇异性问题,确保机械臂角位置跟踪误差在预定时间内收敛至原点附近邻域内.在此基础上,根据期望轨迹的周期特性,将机械臂系统的集总不确定划分为周期不确定和非周期不确定两部分,并构造全限幅重复学习更新律以准确估计和补偿周期不确定部分.同时,设计鲁棒控制律并引入终端吸引,补偿包括外部干扰在内的非周期不确定部分,实现机械臂角位置对周期性期望轨迹的高精度跟踪.最后,基于Lyapunov定理证明闭环系统稳定性和分析跟踪误差收敛性,并通过仿真结果验证所提出控制方法的有效性.

摘要:为了实现单个产品的可靠度估计和剩余使用寿命预测,在综合利用产品总体和个体退化信息的基础上,提出一种考虑个体差异性的二元逆高斯退化模型.首先,基于Copula函数建立二元逆高斯过程退化模型,并从性能退化速率与性能间相关关系两方面对个体差异性进行描述;然后,利用两阶段期望最大化算法,先后对单性能模型和Copula函数中参数值进行估计;接着,基于个体退化特性和Bayes理论,分别提出个体缺失观测值估计和退化值预测的模拟方法,并利用退化量预测值对个体的剩余使用寿命进行预测;最后,通过重型机床的实例数据验证所提出模型和统计推断方法的有效性,并对产品后续预防性维修和健康管理提出建议.

摘要:针对高超声速滑翔飞行器因其强机动性、高灵活性,轨迹难以预测的问题,提出一种基于贝叶斯推断的高超声速滑翔飞行器轨迹预测方法.首先,根据高超声速滑翔飞行器攻击某目标的意图信息和战场态势信息,设计意图代价函数量化其攻击意图;然后,采用贝叶斯推断迭代递推目标的机动模式和运动状态;最后,利用蒙特卡洛序贯滤波方法计算目标状态分布进而预测其轨迹.仿真实验结果表明:所提出方法能够有效预测高超声速滑翔飞行器的轨迹,当有多个目标时能够给出各目标被攻击的概率,为防御方提供决策参考.

摘要:为了减少多弹协同控制系统的计算负担与通信资源,引入事件触发机制,研究分布式微分对策制导律.首先,将分布式微分对策制导问题转化为分布式零和博弈问题,利用自适应动态规划求解其事件触发的耦合Hamilton-Jacobi-Bellman方程,同时设计事件触发机制的触发条件和自适应评价网络权重的更新律,提出一种事件触发机制的分布式微分对策制导律;然后,依据Lyapunov定理证明多弹协同系统的稳定性和评价网络估计权重误差的最终一致有界;进而,设计最小采样时间间隔以确保系统不出现Zeno行为;最后,通过仿真实例验证所提出制导律的有效性.结果表明,与传统的分布式微分对策制导律相比,所提出的制导律对控制器状态更新次数可减少65.36%,极大地减少了控制系统的计算负担与通信资源.

摘要:针对深度强化学习序贯决策过程中面临的动作安全性问题,研究一种事件触发式多智能体分层安全强化学习运动规划方法.首先,基于受限马尔可夫决策模型,构建一种具备安全约束的多智能体深度确定性策略梯度框架,该框架针对不同状态空间,以事件触发的方式实现运动策略的分层学习;然后,通过引入李雅普诺夫评价网络,建立带有条件约束的目标动作选择机制,并利用拉格朗日乘子法,解决多目标约束求解困难的问题,保证机器人内部决策的安全性;最后,在多机器人强化学习场景中对所提出方法进行实验.实验结果表明:触发式多智能体分层安全强化学习方法使得机器人的状态轨迹从危险状态中快速恢复至安全空间,增强了策略的安全性和多机协同运动规划能力.

摘要:针对传统3D RRT*全局路径规划算法存在的采样基数大、父节点重选计算量大、节点扩展盲目、搜索路径不平滑等问题,提出一种基于近似测地线避障策略的目标双向3D RRT*路径规划算法(approximate geodesic target bidirectional RRT*,AGTB-RRT*).首先,在双向目标点的连接路径上设置近似中位节点,并建立朝起点和目标点双向扩展的随机树,有效提高算法的搜索效率;建立基于单叶双曲面的启发式采样空间,有效减小采样基数和父节点重选计算量并降低内存占用.其次,对目标点和随机点进行阈值切换,并建立目标引力势场,有效降低节点扩展盲目性,提高算法的收敛速度.再次,对3D障碍物建立三角网格包络,并基于近似测地线方法使节点沿3D障碍物包络表面快速绕行,进而规划出一条代价小、速度快的局部避障路径.最后,采用B样条曲线拟合方法对整个生成路径进行优化处理,以得到一条平滑的最优可行路径.仿真实验结果验证了所提出AGTB-RRT*算法在三维空间下用于路径规划的有效性和可行性.

摘要:鉴于狼群算法在单目标优化问题中具有良好的求解能力,借助狼群的生物习性并用于求解多目标优化问题,提出自适应分组和拥挤距离更新的多目标狼群算法(MOWPA-AG).首先,模拟狼群中的家族聚集性,提出兼顾种群多样性和分散搜索的自适应分组策略,对种群进行分层并帮助种群扩散检索Pareto最优解;然后,设计基于拥挤距离的群体更新机制,使种群保持快速进化的同时获得最优解集;为验证算法的性能,在9种不同的基准测试问题上进行测试,并与经典及新进多目标优化算法进行比较以验证MOWPA-AG的有效性;最后,将MOWPA-AG用于解决实际工程四杆桁架结构问题,以体现所提出算法的普适性.

摘要:针对昂贵约束多目标离散优化问题,提出一种基于随机森林和自适应随机排序的昂贵多目标进化算法 (a random forest and adaptive stochastic ranking based multi-objective evolutionary algorithm,RFASRMOEA).为了提高代理模型对离散问题的近似精度,RFASRMOEA采用随机森林作为代理模型辅助进化算法进行搜索.同时,为提升综合性能,提出一种基于平衡适应度评估策略和自适应概率操作的自适应随机排序机制.具体地,平衡适应度评估策略利用种群迭代信息结合所设计的基于目标转移的多样性评估和基于余弦的收敛性评估,充分发掘种群个体潜力.而自适应概率操作通过动态调整随机排序机制的关注点,使得算法在前期探索更多可行域而后期迅速收敛于可行域,进而平衡约束条件的满足与目标函数优化之间的冲突.在测试问题上的实验结果表明,所提出算法在处理昂贵约束多目标离散优化问题时具有较高的竞争力.

摘要:以多产品两阶段批处理流水线为研究对象,探究不同调度策略对流水线性能的影响,量化分析产线生产率、在制品水平等性能.首先,针对上游机器效率最高优先加工策略、下游机器效率最高优先加工策略、最长队列优先加工策略、循环加工策略等4种不同调度策略,分别刻画系统状态空间,基于马尔可夫过程建立性能评估模型,量化生产率等性能指标.然后,考虑缓冲区容量与批容量关系,对比4种调度策略对系统性能指标的影响.结果表明:在缓冲区容量与批容量无关的情形下,循环加工策略表现优于其他3种调度策略;在缓冲区容量与批容量正相关的情形下,最长队列优先加工策略表现优于其他3种调度策略.

摘要:多微网互联对于提升微网稳定性和促进可再生能源消纳具有重要作用,对此,考虑多微网系统网内多智能终端协同和网间功率互济需求,提出一种基于多智能体强化学习的端-网实时协同优化算法.该算法可自适应源荷不确定性和系统拓扑变化,实时产生网间能量互济和网内智能终端协同优化策略.首先建立端-网协同优化系统结构和优化模型;其次建立基于多智能体马尔科夫决策过程的强化学习模型,进而提出基于多智能体近端策略优化算法(MAPPO)的分布式协同优化算法;然后考虑调节过程中功率平衡约束,设计一种新的功率平衡反馈信号,能够有效避免功率不平衡现象的出现;最后针对3个典型场景进行仿真,结果表明各微电网无需全局信息便可得到准确的近似全局最优解.将所提出方法分别与状态完全观测和状态部分观测的分布式强化学习算法进行对比,结果表明所提出的方法既能获得良好的协同优化效果,又能满足实时优化对于算法效率的需求.

摘要:为提高最后一公里配送效率并降低配送成本,基于送货上门和自提两种配送需求,提出送货上门与车辆停靠移动自提相结合的混合交付模式并开展配送优化研究.首先,通过客户取货行为研究建立车辆停靠调度与客户取货行为关联;在此基础上,开展车辆停靠选址-停靠时长调度-车辆路径集成决策,构建以车辆使用成本、路径成本和自提失败追索成本之和最小的混合整数规划模型;然后,针对该问题特征设计改进的变邻域搜索算法高效求解,并通过仿真实验对算法的有效性进行验证;最后,开展模型及关键参数的敏感性分析.实验结果表明,移动停靠自提、调度时长粒度、停靠点数量及收费模式等对配送系统影响显著,综合考虑这些因素对最后一公里配送系统构建具有较强的现实意义.

摘要:针对攻防博弈中无人潜航器(unmanned underwater vehicle,UUV)的占位机动决策问题,现有方法存在研究不充分、不全面、无法解决实际占位攻击决策的问题,通过研究并建立攻击占位机动的数学模型,提出采用向量法分析UUV极限射程圆和UUV可攻区域,首次给出占位可攻判定规则,并全面分析不同速度条件下,有无障碍物条件下的最短时间攻击占位机动决策求解方法.针对UUV占位机动决策中目标运动状态变化的问题,提出一种参数自适应的攻击占位机动决策方法,该决策方法能够自适应目标位置、艏向、速度参数的变化,自主选择最近可达阵位点,并求解到达该最近可达阵位点的机动参数.通过仿真验证占位可攻判断规则以及占位机动决策求解方法的有效性、高效性,以及所提出方法在动态攻防博弈下的参数自适应性.

摘要:针对突发事件复杂、多源信息难以有效融合的问题,研究面向三元群智信息证据融合的风险危重度研判方法.构建由硬件感知、媒介感知和群体感知组成的三元群智信息风险危重度研判体系,设计三元群智信息的二维表征方式;为测度三元群智信息间的内联关系,建立考虑向量投影和距离范数的群智信息相似度测度模型;为减弱三元群智信息证据间的冲突特性,建立考虑量子加权平均算子的风险危重度测算方法.最后通过算例验证方法的有效性.

摘要:针对现有面板数据灰色关联模型在保序性、稳定性和正负性等方面存在的问题,利用差值特征和指数函数构建灰色关联系数,提出方向判断因子来表征正负相关性,设计波动调节因子以刻画序列间的相对波动程度,并利用熵权法确定面板数据的指标权重,提出适用于面板数据的灰色差值关联模型.此外,给出灰色关联分析中反对称性和排列保序性的定义,并证明新模型具有反对称性和排列保序性等性质.最后,将该模型应用于京津冀地区2013sim2021年大气污染的趋势分析,表明模型结果的实用性;通过两组蒙特卡洛实验与传统模型进行对比,验证新模型具有稳定性和排列保序性,更适用于对象排列具有不固定性的面板数据.

摘要:在实际物流运输中,通过对大量历史路径数据进行挖掘可以获得司机在线路选择时的行为偏好,并辅助司机规避各类潜在风险,提高路径规划的可靠性.基于此,考虑司机经验的车辆路径问题,设计一个综合考虑路径可靠度和行驶距离的双重路径评价指标,建立对应的整数规划模型,在充分分析问题特征的基础上提出一种知识驱动型动态多起点变邻域搜索算法.首先,利用广义序列模式挖掘从历史配送路径集中提取出频繁序列和潜力序列两类经验路径;然后,融合上述经验路径提出一种基于知识的冲突消解策略来构建高质量初始解;最后,使用动态多起点变邻域搜索对初始解进行改进.结合某珠宝公司实际物流配送数据发现,与传统的变邻域搜索算法相比,所提出算法可极大地降低问题的规模和求解时间,在有效缩短行驶距离的同时提高路径规划的可靠度,为实际物流企业的路径规划提供决策依据.

摘要:针对电力系统中存在的振荡、波动以及控制器参数难以整定的问题,提出一种基于奈奎斯特曲线的振荡对象自抗扰控制参数整定方法.首先将自抗扰控制器等价为二自由度控制结构,绘制奈奎斯特曲线,即可根据期望左渐近线或交点计算出对象最快响应情况下对应的控制器参数;在此基础上调整相应参数大小以获得预期的响应速度,具有直观性和简洁性,方便工业现场运行人员调参,并可拓展至任意阶对象和控制器;在脱硝系统的仿真实验表明,所提出的参数整定方法与相关文献中二阶振荡模型的PID参数整定方法相比,调节时间、跟踪IAE指标、抗扰IAE指标为PID方案的34.58%、62.60%、2.24%,具有较优越的控制性能和抗干扰性能.

摘要:针对有向通信拓扑下的二阶多智能体系统分布式优化问题,提出一种固定时间收敛的分布式控制算法.该算法基于新的分布式估计器设计,通过局部信息交换,使各智能体能够对全局目标函数梯度进行准确估计.在估计器的基础上,为各智能体设计分布式固定收敛时间算法,以确保所有个体在有限时间内收敛于目标函数的最优解.通过运用固定时间收敛理论和不等式缩放技巧,对算法的稳定性进行理论证明,并通过数值仿真实验验证所设计算法的有效性.