摘要:多机器人路径规划为共享工作环境中的多个机器人规划从起始位置到目标位置的无冲突路径集合,是多智能体领域协同规划方向的重要课题.然而,时钟漂移、动态障碍物、机器故障等现实因素,可能会导致多机器人系统的实际执行过程与规划方案存在时间上的偏差,使机器人之间发生意外冲突.面向不确定性因素展开多机器人路径鲁棒规划并在一定程度上保证规划方案的安全执行,是当前路径规划领域的挑战之一.对此,首先整理不确定性下多机器人路径规划的问题描述;然后分别从面向不确定性的鲁棒规划算法、在线执行策略以及评价指标等方面对目前研究进行综述,讨论各类解决方法的思路和特点;最后对多机器人路径鲁棒规划研究的关键技术进行展望.

摘要:通信技术和自动驾驶技术的高速发展为车辆队列协同控制带来了新的机遇.车辆队列协同控制能够有效提高车辆的行驶安全性,增加交通容量,减少交通拥堵,降低燃油消耗,具有重要的社会和经济效益,已成为智能交通系统重要研究方向和学术研究的热点.鉴于此,针对车辆队列协同控制的现有研究进展,从车辆队列建模、通信拓扑结构、单队列与多队列协同控制、队列性能分析4个方面分别概述现有研究方法及其优缺点,并对未来车辆队列协同控制的研究进行展望,为后续更深入的研究提供参考.

摘要:为了解决传统扩张状态观测器存在对系统状态跟踪速度慢、跟踪精度低的问题,基于滑模控制方法设计一种新型三阶固定时间收敛滑模非线性扩张状态观测器,并对其收敛时间和稳态误差进行分析.首先,提出一种新型固定时间收敛滑模面和滑模趋近律,并借助滑模控制方法设计得到滑模非线性扩张状态观测器;然后,利用Lyapunov函数证明该滑模非线性扩张状态观测器能够实现固定时间收敛,并分析其对系统扰动的估计误差;最后,仿真对比实验表明,与传统扩张状态观测器相比,所提出滑模非线性扩张状态观测器能够实现对系统状态快速且高精度的跟踪、具有显著的性能优势.

摘要:针对机械臂系统力/位混合控制问题,提出一种固定时间模糊自适应阻抗控制方法.首先,利用固定时间自适应模糊反步法处理机械臂系统的未建模动态;其次,构造固定时间命令滤波器实现对虚拟控制函数的有效逼近,并引入误差补偿机制消除滤波误差;同时,设计固定时间抗饱和器消除饱和对系统性能的影响,稳定性分析表明闭环系统所有信号都是固定时间有界的;最后,通过仿真实验验证了所提出的控制策略的有效性.

摘要:ChatGPT所代表的大语言模型对AI领域产生了颠覆性影响,但它主要关注自然语言处理、语音识别、机器学习和自然语言理解.对此,将大语言模型应用于智能决策领域,将大语言模型置于决策中心,并构建以大语言模型为核心的Agent体系结构.基于此,进一步提出双层Agent任务规划,通过自然语言的交互,发出和执行决策指令,并通过兵棋推演模拟环境进行仿真验证.通过兵棋对抗模拟实验,发现大语言模型的智能决策能力明显优于常用的强化学习AI,并且其智能性、可理解性都更强.实验表明,大语言模型的智能性与Prompt密切相关.此外,将大语言模型从以往的人机交互领域拓展到智能决策领域,对智能决策的发展具有重要的参考价值和意义.

摘要:针对高动态通信对抗场景下无人机集群协同干扰资源分配问题,提出一种结合状态正态化、优势标准化、熵正则化机制和近端策略优化算法(state normalization,advantage normalization and entropy regularization-based proximal policy optimization,SANER-PPO)的干扰资源分配方法.首先,以无人机集群有效干扰的目标电台数量最大化和消耗的干扰功率最小化为目标函数,建立干扰资源分配优化问题;然后,将无人机集群映射为智能体,根据干扰资源分配模型建立马尔科夫决策过程;最后,利用SANER-PPO算法求解资源分配优化问题,生成无人机集群的干扰波束和干扰功率的优化决策结果.相比于原始PPO算法,SANER-PPO算法将状态正态化机制引入智能体的决策阶段以增强算法的有效性,将优势标准化机制和熵正则化机制引入更新阶段来提升算法的收敛速度和稳定性.结果表明,所提出算法能有效解决协同干扰资源分配问题,相较于原始PPO和柔性演员评论家两种算法,在资源消耗量和有效干扰的成功率方面具有明显优势.进一步,通过逐步移除所提出算法的改进机制来进行消融实验,验证了3种改进机制的有效性.

摘要:提前预测道路两旁的行人是否存在过街意图或一段时间后是否会出现过街行为是自动驾驶汽车面临的重要挑战之一,如何有效融合不同模态的多元信息是准确预测行人过街意图的重要问题.基于此,提出一种基于混合注意力机制的多信息融合预测模型,使用一种基于交叉注意力机制的图像特征融合网络来提取原始图像与语义图像之间的互补信息,并使模型更加关注与行人过街行为有关的图像部分.同时,提出一种融合注意力机制的分级GRU模块,用以捕捉不同模态的非视觉信息对行人过街意图的影响.在PIE和JAAD数据集上对所提模型进行对比实验,已验证其具有领先于同类研究的性能;针对所提出模块进行广泛的消融实验,表明其有效性.

摘要:传统制造业正逐渐向智能化、绿色化制造模式转型.为实现柔性制造车间的增效减排,以最小化最大完工时间和总能耗为目标,构建充电约束下可变速AGV与机器绿色集成调度模型,并设计一种基于混合学习策略的改进NSGA-II算法进行优化求解.采用基于工序、机器、AGV及其速度的四段式染色体编码方案,对各编码段分别设计不同的交叉变异算子;采用基于反向学习的精英保留策略,以提高算法的种群多样性;提出针对问题特征的邻域搜索算子,基于Q-learning强化学习算法,动态调整迭代过程中的邻域结构,增强算法的局部搜索能力.最后通过仿真实验表明,改进NSGA-II算法是求解该问题的有效方法.

摘要:一致分数阶GM(1,1)(CFGM(1,1))模型是一种基于一致分数阶累加的单变量灰色预测模型.一致分数阶累加生成算子不满足灰色预测理论中极其重要的新息优先原则,且CFGM(1,1)模型存在从差分方程到微分方程的转换误差.为此,提出一种新息优先一致分数阶累加生成算子,结合离散GM(1,1)模型的思想,构建新息优先一致分数阶离散GM(1,1)模型,从理论上导出新算子满足新息优先原则的条件,并用两类智能优化算法寻求模型中的最优累加参数.两个实际案例表明,所提模型不仅能满足新息优先原则,还可以有效克服CFGM(1,1)模型中的转换误差,具有更优的拟合和预测精度.

摘要:针对机器人系统中含有的不确定参数和未知干扰等问题,提出一种基于双滑模观测器和非奇异快速终端滑模控制的复合控制策略.首先,为了估计补偿模型中的不确定参数和外部干扰带来的未知动态,基于机器人系统欧拉-拉格朗日模型构建滑模观测器,以优化机器人系统轨迹跟踪控制性能;然后,针对滑模观测器中存在残差造成的抖振问题,设计辅助滑模观测器,通过将观测误差反馈补偿,抑制观测器在观测扰动时的抖振现象,进一步提高观测精度;接着,为了实现系统抗扰和轨迹跟踪问题,提出有限时间滑模控制器,通过调节滑模控制中的切换增益,可有效地缩短收敛时间,并提高系统的鲁棒性;最后,通过李雅普诺夫稳定性理论证明闭环系统的稳定性,并通过Simulink仿真验证所提出方法的有效性.

摘要:针对一类具有时变时延和非周期性拒绝服务(denial-of-service,DoS)攻击的离散时间线性多智能体系统,提出一种基于动态事件驱动的预测控制方案.通过引入网络化预测控制方法,该方案可有效降低时变时延和非周期性DoS攻击对系统性能造成的负面影响.此外,各智能体的传感器侧均设计动态事件驱动控制机制,以减少各智能体反向通道的数据传输频率,从而节约系统的网络资源消耗.随后给出闭环多智能体系统渐近稳定且输出实现一致的充要条件.最后通过数值仿真结果验证所提出方案的有效性和正确性.

摘要:多目标萤火虫算法在处理大规模稀疏多目标优化问题时难以保证Pareto最优解的稀疏性,当优化问题的目标维数过大时,将导致Pareto支配失效和收敛速度变慢.鉴于此,提出一种基于动态评分和邻域搜索的高维多目标萤火虫算法(SMaOFA).首先,所提出算法基于双编码混合集成的方式生成稀疏的初始种群,并提出动态评分策略,此策略在每轮迭代时动态更新决策变量得分,为后续迭代提供先验知识,以保证解集的稀疏性;然后,根据模糊支配概念以及萤火虫间的欧氏距离提出邻域搜索策略,摒弃全吸引模型对算法收敛速度的影响,同时避免目标维数过大导致的Pareto支配失效;最后,引入线性调整因子改进萤火虫的位置更新公式,提升种群的搜索能力.实验结果表明,处理大规模稀疏多目标优化问题时,所提出算法具备高效的性能.

摘要:为了解决实际生产中的动态多目标优化问题,提出一种基于多场景建模的动态鲁棒多目标进化优化算法.首先,所提出算法将不同环境下的问题视为不同场景,并通过相似度计算和场景聚类建立多个场景;然后,利用改进的多场景多目标进化优化算法求解各场景的折中解,当环境发生变化时,根据新问题所属的场景类,直接应用该场景类的折中解作为新问题的最优解,从而加快算法的响应速度;最后,通过对场景类中问题的约减,保留最具代表性的问题,逐步提高算法的鲁棒性,并降低解的切换成本.实验结果表明,所提出算法能够快速响应环境变化,并提高解的鲁棒性.

摘要:针对信任网络群决策环境下专家意见修正和协调者补偿成本的复杂问题,提出一种考虑多来源参考路径信息干涉效应的信任网络群体共识决策方法.首先,针对非共识专家在意见修正过程中存在不愿调整其意见的情形,建立考虑相对出度中心性指数和自信度的非共识专家调整意愿识别模型.其次,考虑非共识专家对信任专家意见的接受意愿以及协调者意见,结合多来源参考路径信息以波函数形式在愿意调整非共识专家大脑中的干涉效应,建立概率语言环境下考虑量子干涉的意见反馈机制.基于此,进一步考虑协调者补偿成本最小化和个体共识度提高的约束,建立最小意见调整成本共识模型.然后,利用信任惩罚机制降低不愿调整意见的非共识专家对群体共识达成的影响,同时考虑信任调整成本最小化和群体共识达成约束,建立最小信任调整成本共识模型;最后,将所提方法应用于突发事件应急决策,验证该方法的可行性.

摘要:利用改进的Inception-Resnet-V2(IRV2)网络和局部-全局-局部(local-global-local,LGL)模块设计一种结合CNN和Transformer编码结构的孪生网络SiamLGL(siamese local-global-local network)用于目标跟踪.首先,算法特征提取部分采用改进后的IRV2网络,由于网络的层数更深,图片经过IRV2网络提取的特征较浅层网络提取的特征效果更优,特征融合部分采用深度互相关将特征图上的信息进行融合;其次,融合后的特征图利用LGL模块获取目标的全局和局部信息,模块内部采用两个编码器串联,第1个编码器利用深度可分离卷积获取目标的局部信息,第2个编码器利用自注意力获取图片的全局特征,为了降低自注意力结构的时间复杂度,采用稀疏注意力的方式进行计算,在降低时间复杂度的同时保证网络的精度;最后将特征图输入至分类回归网络中,生成对应的目标位置,其中分类网络采用二元交叉熵损失函数,回归网络采用Distance-IoU(DIoU)作为损失函数.算法在GOT-10k、LaSOT、TrackingNet、UAV123、OTB100和VOT2019等6个公开数据集上进行实验评估,结果验证了算法的有效性.

摘要:研究风电并网下电力系统的负荷频率控制问题,针对风电具有间歇性的问题提出基于非周期间歇控制的自动发电控制策略,旨在既保证频率稳定性,又节省控制资源.首先,建立风电作为可调度能源并且考虑不确定参数的自动发电控制系统,通过自动发电控制系统进行电力系统的二次调频,从而维持发电功率和负载功率的平衡;其次,将非周期间歇控制引入自动发电控制,提出基于时间触发和基于事件触发的非周期间歇控制的自动发电控制策略;同时,借助Lyapunov-like函数证明了基于非周期间歇控制的自动发电控制系统的输入到状态稳定;最后,通过含风电、火电和水电发电单元的自动发电控制系统的仿真结果表明,基于非周期间歇控制的自动发电控制策略能够在风电并网下维持电力系统的频率稳定,并且能够有效降低控制成本和控制率.

摘要:研究一种利用不变拓展卡尔曼滤波器(invariant extended Kalman filter,InEKF)和深度学习的车辆定位方案.首先,通过引入轮速计测量模型,构建基于自编码器的深度神经网络,并重构车辆速度真值;然后,基于InEKF推导以SE(3)为状态量的滤波算法,使用该算法融合多源信息以估计车辆位置.实验结果表明,与现有先进方法相比,所提出车辆定位系统可在城市环境下显著提高定位精度.

摘要:浅层特征在超分辨率重建网络中扮演关键角色,其中蕴含丰富的图像细节,对准确估计深层特征具有明显参考价值.然而,研究者常常忽视浅层特征,过度依赖深层模块堆叠和拓扑结构优化,进而造成信息冗余.为此,提出一种轻量级超分辨率重建网络,旨在探索浅层特征与深层特征的映射机制,以提升重建质量.首先,通过利用浅层特征生成特征掩码,引导深层特征的生成过程;其次,采用基于注意力机制的特征选择模块,动态生成特征权重信息;最后,设计双分支特征增强学习模块,平衡输出特征权重并增强特征融合能力,进一步提升重建性能.实验结果表明,所提出的算法在国际通用数据集上显著提升了峰值信噪比和结构相似度指标,同时具有较小的模型参数量和卓越的视觉表现.这些结果验证了所提出的轻量级超分辨率重建网络的有效性和优越性.

摘要:多无人机仿射编队控制能够根据编队需求实现灵活的编队机动.针对存在外界未知扰动情况下的多无人机编队形成及变换问题,研究多无人机仿射编队抗扰控制及编队形成与变换过程中的避碰问题.首先,针对在外界干扰情况下仿射编队形成及变换问题,设计一种基于误差符号函数积分(RISE)的鲁棒控制算法.该控制算法能够对未知外界扰动造成的影响进行有效的补偿,提高多无人机仿射编队控制的鲁棒性.然后,基于Lyapunov分析法证明了编队控制系统的稳定性.针对多无人机机间避碰问题,利用缓冲维诺单元对无人机飞行区域进行分离,在仿射编队形成及变换过程中保证无人机间的碰撞避免.针对避碰过程中可能出现的死锁问题,提出一种启发式算法使无人机能够顺利从死锁中恢复.最后,使用室内实验平台验证所提出算法的有效性.

摘要:针对元启发式算法在求解多星协同调度问题时暴露出的过早或过晚收敛、稳定性较差等问题,提出一种基于数据驱动的自适应并行搜索算法.首先,根据领域知识设计多个任务分配算子,目的是将多星协同调度问题转化为多个单星任务调度问题.然后,启动多个线程并行、独立求解各单星任务调度问题.在算法迭代过程中,各线程依据概率选择不同的邻域操作算子,并且动态更新精英解集和邻域操作算子概率.接着,对精英解集挖掘频繁模式,提取高质量解中有价值的知识并构造新解.最后,将单星任务调度的结果反馈给任务分配层,指导算法开展新一轮的任务分配.仿真实验表明,所提出的算法能够在有限时间内获得高质量的解,在不同的场景下均能表现出良好的适用性和优化效果.

摘要:针对含有虚假数据注入(false data injection,FDI)攻击和传感器故障的异构互联信息物理系统,研究分布式攻击估计器设计问题.首先,将系统状态和传感器故障增广成等价的广义状态空间模型,利用该模型和子系统间的关联信息设计分布式攻击估计观测器.在分布式观测器的设计中,引入中间变量和输出估计误差反馈项,使观测器具有灵活的参数矩阵结构,适用于不同状态维度子系统组成的异构系统,实现对攻击信号和传感器故障的同时估计.其次,对动态误差系统进行稳定性分析,利用${H_\infty

摘要:区间约束多目标优化问题的目标函数或约束条件中至少有一个含有区间不确定性参数,该问题广泛存在于实际工程应用中.目前求解该问题的算法非常少,且实际约束优化问题的可行域往往是间断的.针对具有间断可行域的区间约束多目标优化问题,通过定义区间约束违反度,给出基于区间的可行性规则,基于此,提出一种区间约束违反度引导的区间约束多目标进化算法.所提出算法以基于分解的区间多目标进化算法为框架,首先,采用拉丁超立方体采样在搜索空间中探测可行域,利用均匀分布的采样点构成初始种群;然后,每隔固定进化代数,基于个体的区间约束违反度或区间拥挤距离,自适应调整参考向量;接着,使用双差分变异算子生成新个体,并基于可行性规则更新邻域个体;最后,将所提出算法在构造的具有间断可行域的区间约束多目标基准函数和海岛综合能源系统优化调度问题上进行测试,并与3个区间约束多目标进化算法比较.实验结果表明,所提出算法具有优越的性能.

摘要:研究在多策略网络攻击下切换系统的滑模控制问题.在传感器向控制器传输信息的通道中,系统遭受到多策略的虚假数据注入(false data injection,FDI)攻击.与传统的FDI攻击不同,多策略FDI攻击会根据攻击时刻选择不同攻击策略.多策略FDI攻击造成系统传输信息的损坏,进而导致切换系统状态不稳定甚至发散.为解决这一问题,应用滑模控制方法保证切换系统的依概率输入-状态稳定性能.应用Lyapunov函数方法得到了闭环切换系统稳定性的充分条件.另外,建立了系统状态与受损状态信息之间的数学模型,基于可用的受损状态,设计滑模控制律,所设计的滑模控制律保证了系统状态的可达性,系统状态轨迹在有限时间内被驱动到指定滑模面内.最后,通过数值仿真验证了所提方法的有效性.

摘要:自知识蒸馏降低了对预训练教师网络的依赖,但是其注意力机制只关注图像的主体部分,一方面忽略了携带有颜色、纹理信息的背景知识,另一方面空间注意力的错误聚焦情况可能导致主体信息遗漏.鉴于此,提出一种基于动态混合注意力的自知识蒸馏方法,合理挖掘图像的前背景知识,提高分类精度.首先,设计一个掩膜分割模块,利用自教师网络建立注意力掩膜并分割出背景特征与主体特征,进而提取背景知识和遗漏的主体信息;然后,提出基于动态注意力分配策略的知识提取模块,通过引入基于预测概率分布的参数动态调整背景注意力和主体注意力的损失占比,引导前背景知识相互协作,逐步优化分类器网络对图像的关注,提高分类器网络性能.实验结果表明:所提出方法使用ResNet18网络和WRN-16-2网络在CIFAR100数据集上的准确率分别提升了2.15%和1.54%;对于细粒度视觉识别任务,使用ResNet18网络在CUB200数据集和MIT67数据集上的准确率分别提高了3.51%和1.05%,其性能优于现有方法.

摘要:受损路网修复和物资配送是灾后应急响应初期的两个重要环节,已有研究大都将路网修复和物资配送割裂开来考虑,难以满足实际救援需求.为此,在构建抢修队与运输队联合调度的路网模型的基础上,引入马尔科夫决策过程来模拟抢修队的修复活动和运输队的救援活动,分别设计相应的状态、动作集和即时奖励函数,并提出一种基于双层交互Q学习的路网抢修和物资配送联合调度算法.对比实验表明,所提方法能有效提高路网抢修和物资配送的效率,可为应急响应初期的救援与处置提供及时可靠的物资保障.

摘要:时间序列数据广泛存在于工业、医疗等应用领域的分布式边缘设备中,由于其往往具备人类不可识别的特征,基于现实数据的时间序列分类任务中普遍存在数据“孤岛”和标注错误等问题.为解决分布式数据环境下这一困难,提出一种联邦时序过滤框架,该框架充分考虑自监督对比学习在提取复杂时序数据表征的优越性,并结合联邦学习方法来解决分布式系统的隐私安全问题,同时降低通信成本.首先,通过在服务器上维护一套基准样本,使用基于区别对比损失和预测对比损失的时序增强预监督策略,通过预训练-微调方法获得一个高泛化时间序列表征能力的预监督模型;然后,引入一种新的标签噪声过滤的方法,利用由预监督模型指导的伪标签与本地标注的标签协同过滤设备中的噪声数据,并将干净数据集用于全局模型的训练;最后,根据各种标签噪声下对框架进行有效性验证,验证不同基准数据比例对于所构造框架的影响,并通过消融实验验证预监督模型各损失的过滤效果.

摘要:多目标跟踪是自动驾驶领域中的一个关键问题.然而,仅依赖单一图像信息或点云信息难以克服复杂场景下的跟踪挑战,目前,多模态融合的跟踪方法在融合性能、数据关联、轨迹管理等方面仍然存在许多问题.为此,提出图像与点云三维体信息交互的3D多目标跟踪网络.首先,设计三维体特征交互模块来获取目标的三维体形态信息,得到更有判别性的特征,提升复杂场景下的定位精度;然后,设计基于三维综合运动估计的数据关联,利用卡尔曼滤波以及目标在点云中的运动信息,获取目标在下一帧中的位置预测,从而提升目标在帧间的一致性;最后,为进一步增强轨迹关联的鲁棒性,设计一种基于三维体特征的轨迹管理模块,以更好地克服目标消失-重现的关联问题.在KITTI数据集上的实验结果表明,与其他方法相比,所提出跟踪方法具有更好的跟踪性能.

摘要:聚类集成算法在数据挖掘和模式识别等领域应用广泛.现有的聚类集成算法虽取得了显著的进展,但鲜有同时考虑如何处理冗余成员和关注成员内部多样性的算法.对此,设计一种簇的不确定性度量指标,并提出一种基于成员选择的簇加权聚类集成算法.首先,利用平均差异性度量和筛选聚类成员,并引入信息熵衡量簇的不确定性,给簇赋予相应的权重;其次,在基于成员选择的簇加权共协矩阵和高置信度矩阵的基础上构建增强矩阵;最后,在增强矩阵上执行层次聚类算法得到最终的聚类集成结果.采用多个UCI数据集进行实验,将所提算法与主流的聚类集成算法进行比较,实验结果表明,所提出的算法可以获得更好的聚类集成效果,且具有较高的鲁棒性和稳定性.

摘要:针对风电场监控和数据采集系统(supervisory control and data acquisition,SCADA)数据在采集传输过程中常遇到的数据丢失问题,提出一种新的自适应轻量化生成对抗网络插补策略(adaptive transformer slim GAIN,AT-SGAIN),旨在增强数据完整性.AT-SGAIN通过简化GAIN模型结构,显著提高了计算效率;采用双判别器结构,分别用于真实数据和生成数据的鉴别,保障了速度提升过程中插补精度的维护.算法集成了Transformer(变压器模型)编码器,增强了对风电数据时间序列特征的捕捉能力,并通过自适应双分支注意力机制,精准调整通道和空间注意力权重,提升了网络对局部信息的敏感度.实验结果证明,所提算法在多项对比测试中均显著优于现有经典方法.

摘要:灾后路网修复决策研究中“一个受损路段只能由一个维修队修复”的常用约束限制了通过多维修队合作减少重要路段修复时间,从而改善修复效果的可能.为解决该问题,基于受损路网模型和多维修队修复同步性,提出多维修队合作修复策略的约束式,研究以路网性能累计效用最大化为目标的应急救援阶段灾后路网多维修队合作修复调度与路由联合优化问题.首先,根据灾后节点可达性建立路网性能评价指标;然后,设计多维修队场景下修复动作的回报函数,以此为基础构建灾后路网多维修队合作修复调度与路由联合优化问题的马尔可夫决策过程,并采用贪心算法和Q学习算法求解该问题;最后,通过案例分析结果表明,在随机破坏和灾难点破坏场景中,所提出方法能够加速路网性能的恢复,有效提升应急救援阶段路网性能累计效用,保障灾后救援活动顺利进行.

摘要:在系统的结构可靠性分析中,针对主动学习克里金(active learning Kriging, AK)方法中学习函数涵盖信息不全面、终止准则过于保守,导致在高维因子系统的求解中加点过多带来高昂成本、效率较低的问题,提出一种高维性能因子系统结构可靠性的主动学习分析方法.首先,基于初始样本构建Kriging模型,基于一种新的学习函数寻点并更新模型,该函数能够同时考虑极限状态面附近、方差所度量的不确定性大小以及候选点本身的概率密度情况,使得增加的学习点更具代表性;然后,使用预测值的最大相对误差作为加点终止准则;接着,估计系统的失效概率;最后,在3个数值函数算例验证的基础上,针对一个8维曲柄滑块机械结构中连杆的失稳问题进行研究.实验结果表明:与已有常见的学习函数相比,所提出方法在保证预测精度的条件下,减少了加点数量,能够实现准确、高效的可靠性分析.

摘要:多机器人或无人机组成的集群在执行任务的过程中,当探测到未知外部个体时,需要识别其意图来决定如何应对.然而,集群内部节点会受到针对测量信号的干扰攻击,导致对外部个体的测量存在误差,进而影响到对其意图的识别.针对此问题,设计一种考虑网络攻击的基于分布式意图识别的集群控制算法.在该算法中,集群内部执行集群控制律,当探测到未知外部个体时,集群内部各个节点采用攻击识别算法来识别其是否受到网络攻击;然后,利用基于攻击识别策略的分布式卡尔曼滤波算法,对外部个体的状态进行分布式状态估计,以最大程度上削弱网络攻击对测量值的影响;接着,利用Fréchet距离计算期望轨迹与测量轨迹的相似性,并采用基于分布式共识算法来判断该外部个体的意图,作出逃逸或汇聚控制.仿真结果验证了所提方法的有效性.

摘要:为解决汽车传动轴轴承密封唇与防尘盖间过盈量的多目标优化问题,提出一种基于广义正态分布优化(GDNO)和多目标黑猩猩优化算法(MOChOA)的汽车传动轴轴承密封圈过盈量优化设计方法.利用带扰动的数字分段线性混沌映射初始化黑猩猩个体的位置,降低前期搜索的盲目性,提高MOChOA的收敛速度,改进MOChOA的寻优精度;将GNDO用于MOChOA的全局探索和局部开发,选择当前最佳位置,降低MOChOA陷入局部最优的概率;采用MOChOA在搜索空间中寻找Pareto最优解集,为轴承设计人员提供了多种解决方案.实验结果表明,利用该方法优化后轴承的密封性能得到较大提升,优化后轴承污染物进入量的平均值减少77.78%.

摘要:近年来,信息物理系统网络安全问题成为一大研究热点.以攻击者角度研究攻击设计问题可有效评估系统对网络攻击的脆弱性并为设计网络保护措施提供理论依据.鉴于此,在$\epsilon$-隐性下研究针对信息物理系统远程状态估计的最优欺骗攻击设计问题.首先,与需要额外滤波器和历史数据在线计算真实新息的相关结果不同,提出一种利用离线生成的攻击信号篡改传感器测量值以降低系统性能的自生成攻击模型,使攻击更易实现.随后,推导得出该攻击下远程估计误差以量化攻击效果,并将攻击设计问题转化为多变量受限二次优化问题.不同于相关结果的恒定均值,模型采用更具一般性的时变均值,使优化问题包含更多决策变量且相关结果中的攻击优化方法无法直接求解.因此,利用K-L(Kullback-Leibler)散度和互信息的相关统计学性质将问题等价转化.再结合拉格朗日乘数法和所提出的参数特征关联覆盖法得到最优攻击策略,使其在$\epsilon$-隐性下最大化远程估计误差.最后,通过仿真实例验证结果的有效性.

摘要:数智化时代下,日益复杂的电磁对抗态势不断促使着探测环境中杂波密度的上升,雷达分辨率的增强也已将目标量测的类型从点目标转变为扩展目标,二者在用于描述杂波的信息约减因子(IRF)法中均已成为重要的影响因素.针对这一现象,提出一种基于扩展目标的强杂波IRF法,并与传统的IRF法进行对比.实验结果表明:点目标量测类型下的强杂波信息约减因子(SCIRF)因量级过小而致使其包含的信息过少、性能欠佳;扩展目标量测类型下的SCIRF则拥有与点目标量测类型下理想或弱杂波环境IRF之相同的量级,具备同样的性能.最后,结合全局IRF等指标,从理论上分析了扩展目标量测类型能够改善点目标量测类型下SCIRF性能不佳的根本原因,并给予了其合理解释.

摘要:针对受不确定噪声干扰的线性时滞系统,提出一种基于P范数的时滞系统多胞空间滤波算法.首先,利用多胞体对时滞系统状态可行集作空间表征;随后,根据当前时刻系统状态是否受时滞量的影响,设计基于P范数的系统多胞空间滤波器,通过给定的P范数准则,构造当前时刻系统的多胞空间膨胀优化模型,从而将时滞系统的状态估计问题转换为多胞空间膨胀系数优化问题;进而,利用舒尔补引理和线性矩阵不等式求解该优化问题,并通过多胞空间降维得到状态估计最紧致的多胞体可行集;最后,通过风力发电机系统仿真,验证利用所提出的方法解决线性时滞系统状态估计问题的有效性.

摘要:在超宽带室内定位中,由于室内环境复杂,各锚节点与定位节点间的通信会受到不同程度的干扰,干扰较大的数据会严重影响定位精度,因此需要对锚节点进行筛选.针对以上问题,提出基于接收信号强度(RSSI)超宽带室内定位锚节点选择方法.首先,采用插值法计算定位节点对各锚节点间的RSSI并采用高斯过程回归进行优化,得到初始的RSSI估计值;然后,对此估计值在锚节点位置和路径损耗因子处进行泰勒级数展开,得到具有RSSI信息的费雪矩阵,从而获得RSSI的Cramér-Rao下界(CRLB);接着,将所有锚节点选取状态组合(选择为1,不选为0)代入CRLB公式中,通过半定松弛求解CRLB的迹;最后,最小迹所对应的选取状态组合即为选择结果.实验结果表明,与未进行锚节点选择的算法相比,所提出方法在X、Y、Z方向上的定位精度分别提升37.6%、32.2%、38.8%,且该方法接近穷举法的锚节点选择结果.此外,所提出算法采用无监督的方式无需获取先验数据,具有较高的实际应用价值.