摘要:在柔索驱动机器人中采用柔性索代替传统的刚性连杆,可以显著降低机构的重量及运动部件的惯性,突破铰链转角及连杆伸缩长度的制约,因而在工作空间、负载自重比以及适应性方面展现出明显的优势.这不仅体现了机器人设计中的轻量化理念,也符合人机共融的发展趋势.鉴于此,深入探讨柔索驱动机器人在运动规划、轨迹跟踪、索力分配、振动抑制和容错控制5个方向的代表性理论、典型应用和研究进展,分析不同运动规划与控制方法的设计思路和优点,并进一步总结各领域面临的挑战.最后针对自主重构、变刚度以及人机协同控制问题,展望柔索驱动机器人运动规划与控制方法的发展趋势.

摘要:随着工业大数据技术的发展,应用于工业对象的有监督方法得到广泛研究.真实数据往往遵循长尾类分布,导致传统有监督模型在实际应用过程中存在模型退化以及模型失效等问题.零样本学习(zero-shot learning, ZSL)技术的提出为这一问题提供了一种新的解决思路.零样本学习的目标是使用收集到的已见类别数据训练模型,使得训练好的模型对于收集不到数据的未见类别同样适用.零样本学习通过将故障的文本描述等辅助知识引入到模型中,一定程度上缓解了模型在实际工业场景中对训练数据收集的依赖,提高了模型的泛化性能.然而,目前领域内尚缺乏对零样本学习在工业领域应用的系统梳理与讨论,而工业零样本学习在辅助知识的收集和处理、研究方法、应用场景等方面与其他领域的零样本学习相比也具有独特性.鉴于零样本学习在工业领域潜在的巨大应用价值和未来的发展潜力,系统性梳理和展示了从零样本学习理论模型到工业应用的动机、演变与挑战.首先,回顾零样本学习设定与相关方法的发展脉络,分析零样本学习与其他任务设定之间的关联,并指出本文与前人综述的区别.接下来,回顾工业领域零样本学习的研究现状,介绍典型的工业零样本学习任务和辅助知识,分析工业零样本学习的特征和典型问题,梳理工业领域零样本任务中应用的现有方法.此外,梳理工业零样本任务的基准数据集和开源工作.最后,在现有研究的基础上总结工业零样本任务面临的问题与挑战,并对该领域的研究做出展望.

摘要:工业环境下金属断口图像识别是金属失效分析的重要一环,具有重要的研究意义.卷积神经网络(convolutional neural networks, CNN)已被证实在图像识别任务中是有效的,但是在工业环境下的金属断口图像识别仍然面临以下问题:1)金属断口图像具有较强的类内复杂性和类间相似性;2)现有CNN网络结构复杂,参数较多,很难部署在嵌入式设备上.针对上述问题,提出一种基于轻量化CNN的金属断口图像识别方法.首先,设计一种多特征融合的CNN模型结构来提升网络的特征提取能力,并给出一种混合剪枝算法对网络进行轻量化处理来降低算法复杂度;然后,将重要超参数搜索视为优化问题,利用贝叶斯优化(Bayesian optimization, BO)算法进行求解,实现模型设计和剪枝过程的自动化;接着,以金属断口图像数据集为例进行实验分析,实验结果表明所提出模型仅需3.82M的参数量即可实现97.56%的识别精度;最后,将训练好的模型部署到Jetson Nano嵌入式平台上,验证了所提出算法在实际应用中的可行性.

摘要:传统孪生网络目标跟踪算法采用互相关或者深度互相关的方式对模板帧与检测帧进行相似性度量,无法有效适应极端的目标形变.以无锚点框的目标跟踪算法为基础,设计一种基于图网络的IoU感知目标跟踪算法.首先,以Resnet50为基础,在每个残差结构后引入通道自适应调整模块NCAM,构造轻量高效且具有通道自适应的特征提取网络.其次,基于图网络设计一种新的模板帧与检测帧的相似性计算方式,将特征图像素点视为图网络的节点,对模板特征与检测特征的图网络节点进行相似性计算以有效应对目标极端形变.最后,在分类部分采用IoU感知的分类损失函数在分类分支与回归分支之间建立联系,改变以往孪生网络目标跟踪算法训练与测试不一致的情况;在回归部分选用CIoU损失计算离线训练阶段的回归损失,得到更加精准的边界框.OTB2015、UAV123、VOT2018与VOT2019数据集上的实验结果验证了所提算法的有效性.

摘要:随机生成的回声状态网络动态储层存在大量冗余神经元,导致网络高维状态空间矩阵产生共线性问题而影响网络预测性能.为解决该问题,提出一种基于强化学习的储层神经元筛选优化方法(SC-ESN),其实质是基于集成学习的思想构建多个初始储备池,利用互信息度量储层池中每个神经元对网络性能的贡献,并结合强化学习的决策机制筛选出对网络输出有效的神经元,进而达到优化网络结构、提高网络预测性能的目的.基于人工数据集和实际数据集的实验表明,所提出的SC-ESN模型与其他预测模型相比,该模型在保证预测性能的前提下具有最小结构.

摘要:面向道路交通场景中多类别、可变规模的目标车辆检测需求,如何有效地以低算力构建结构化数据,实现超视距感知并解决单车视距限制,是自动驾驶汽车环境感知技术领域亟待解决的重要问题之一.为此,提出兼顾精度和实时性的轻量化路侧视角多目标检测算法.首先,以嵌入通道域注意力机制的倒残差网络结构代替单阶段检测算法特征提取网络作为网络骨干部分,利用深度可分离卷积降低特征提取网络参数量;其次,采用空间金字塔池化(spatial pyramid pooling,SPP)处理深层网络输出特征图,选取轻量化后骨干网络不同深度特征图的输出,利用路径聚合网络(path aggregation network,PANet)融合深层语义信息与浅层表观信息构成检测模型颈部;最后,在检测模型头部设置3种不同特征图大小的网络输出,使同一图像信息不同尺寸目标在适宜网络深度进行目标信息回归,提出轻量化路侧视角多目标检测算法M3-YOLOv4.实验结果表明,M3-YOLOv4在数据集RS-UA表现的mAP值为0.906,相较YOLOv4的mAP值下降1.1%,M3-YOLOv4模型参数量缩减为YOLOv4的10%,同平台下模型前向推理速度也具备明显优势.

摘要:对角支撑是四足机器人复杂动态以及线性行走必备的一种状态.然而,目前鲜有有效的状态估计算法,无法支撑相应控制策略.为此,提出一种融合惯性测量单元(inertial measurement unit, IMU)和运动学约束的状态估计算法.首先,针对对角支撑状态下运动学模型欠约束带来的位姿估计难题,通过分解机身坐标系到参考坐标系的变换矩阵,简化运动学方程,并利用IMU提供的可信俯仰和横滚角测量值,推导获得其余4个位姿量的解析式;然后,进一步基于腿部微分运动学和IMU提供的俯仰和横滚角速率,结合位姿量的导数获得线速度和偏航角速率的解析式;最后,通过仿真分析验证所提出算法的有效性.实验结果表明:位姿估计值准确、无漂移,偏航角速率和线速度的均方根误差分别小于2deg/s和9mm/s,优于现有算法且满足实际控制需求.

摘要:针对未知环境下机器人难以准确理解障碍分布并有效搜索目标的问题,提出一种基于激光雷达的启发式导航算法.在雷达数据中引入上升/下降沿进行障碍边沿界定及检测,提出边沿匹配算法识别狭窄间隙和连续障碍,经间隙去除与安全性拓展,得到表征周围环境中的连续障碍集合;面对遮挡目标的障碍,提出启发式临时目标选取方法并设计其切换条件,使机器人以较短路径提前避让各类障碍并渐近抵达全局目标.基于Matlab进行一系列仿真和对比,结果表明,所提出的算法可显著提高机器人在复杂未知环境下的通行效率、轨迹平滑度和全局搜索能力.最后基于ROS的实验验证所提出算法在实际环境中的有效性.

摘要:针对姿态任意、尺寸不一的物体以及抓取角度离散性问题,提出一种基于语义分割与旋转目标检测的单目位姿估计方法.阶段1:首先利用faster R-CNN(faster regions with convolutional neural networks features)进行抓取检测获取候选抓取框;其次利用语义分割网络获取待抓取物体的轮廓信息;最后利用语义分割结果为每个待抓取物体筛选置信度最高的抓取框,同时完成角度粗估计.阶段2:利用旋转目标检测获取精细的抓取角度,以修正阶段1抓取框的偏转角.此外,考虑到抓取物具有多尺度的特点,提出一种多尺度特征融合模块,使金字塔的所有层共享相似的语义特征.针对智能算法求解逆运动学时出现迭代后期收敛速度慢的问题,利用牛顿法收敛速度快的优点,加快智能算法后期的收敛速度.基于V-REP仿真以及实际抓取检测实验表明,所提算法的抓取检测精度为98.4%,实际抓取成功率达到了88.3%,仿真抓取时的有害扭矩大小较修正前有所改善,能够满足机械臂抓取要求.

摘要:针对康达效应矢量推进器输出饱和以及矢量力矩耦合等固有推进特性,为其欠驱动的水下机器人提出一种最优等效补偿控制方法.以轨迹跟踪误差为基础,设计滑模控制器,并利用径向基神经网络和扩张状态观测器对执行器饱和以及外界扰动进行实时估计与补偿.在此基础上,最优等效补偿控制借助离散动力学方程构建关于机器人递推状态偏差的代价函数,通过在推进器推力可达集内寻求等效力矩使代价函数最小,从而不仅保证控制律满足推进器矢量力矩耦合特性,还能有效抑制机器人欠驱动方向的扰动.利用Lyapunov理论最终验证该控制方法在推进器自身特性约束下渐近稳定;仿真实验数据表明,欠驱动水下机器人在该方法控制下可实现较精确的轨迹跟踪任务且鲁棒性较强.

摘要:非完整轮式移动机器人被广泛应用于军事设备、物流运输、医疗和家居服务等场景.采用一种光滑的反馈控制策略来同时解决非完整移动机器人的目标点镇定问题与轨迹跟踪问题,使得移动机器人能够自适应地在点镇定和跟踪控制中平滑地切换.首先,针对点镇定与跟踪问题构建统一的数学模型;其次,基于数学模型并结合一致delta持续激励理论,设计一种基于时变函数的新型控制器,该控制器不仅能在无参考轨迹的先验知识条件下解决点镇定控制问题的同时获得更为光滑的自主运动轨迹和更快的收敛速率,而且能够很好地实现期望轨迹跟踪;然后,基于Lyapunov稳定性理论,给出点镇定和轨迹跟踪误差的稳定性分析;最后,通过数值仿真与工程实验验证所提出方法的可行性和有效性.

摘要:智能群体的意图识别是多智能体领域的一个热点问题,在自动驾驶、人机交互及国防军事等领域具有广泛应用.由于智能群体规模及环境内障碍物分布具有不确定性,现有意图识别模型的泛化能力往往有限,鉴于此,提出一种基于态势图序列的意图识别方法,将观测得到的智能群体信息转化为态势图序列,通过态势图序列训练识别模型,从而降低模型对智能体数量的敏感程度.针对含有障碍物的环境,提出阻碍态势的生成方法,从而提高模型对环境变化的适应能力.此外,为降低对专家知识的依赖,采用卷积神经网络估计各个智能体的斥力因子.最后,与其他几种意图识别方法对比并进行消融实验以验证所提出方法的准确性和泛化能力.

摘要:针对车联网和自动驾驶背景下的混合车流调控问题,提出通过路侧设备调节车流中受控自动网联车速度以实现宏观交通流速度调控的方法.首先将单个受控自动网联车对车流状态的调节过程描述为马尔可夫决策过程,设计衡量受控车辆对整体车流影响程度的动态网格,以受控车辆的实时期望速度为动作,并综合考虑受控车对网格车流的影响程度、对期望速度的响应快慢以及车流的安全性构造报酬函数,采用深度确定性策略梯度算法进行策略寻优.考虑到受控自动车周边交通环境的多样性,提出基于关键参数量的控制策略模型簇.其次,面向车流速度的实时调控,根据路段车辆簇的划分,提出多个路侧设备控制同一车辆簇的控制权时序交接策略.路测设备以簇为单位对信号覆盖范围内的车辆进行标记与跟踪,实时计算受控车辆的期望控制信号并下发.最后,将所提出的方法在多种场景下进行训练验证,结果表明所提出的方法在适用场景中能够实现车流的平稳调速.

摘要:利用某一给定度量作为属性评价指标以及启发式算法的约束条件,是大量属性选择方案的关键.然而,属性相似性评价的缺失与朴素的逐个选择机制,使属性遍历存在冗余,故时间消耗巨大.此外,单一度量限制了属性评价视角,难以挖掘出高学习性能的属性.鉴于此,提出一种属性选择框架,其中:1)利用属性粒度及属性间的知识距离对属性分组,组内属性具有明显差异性且组间属性具有较强区分能力,使属性遍历以组为单位,有效压缩候选属性搜索空间,提升属性选择效率;2)利用提出的受限Pareto最优原则,对属性组进行迭代选取,最终得到期望的属性子集.在12组UCI 数据集上,通过注入4种不同比例的属性噪声进行实验,结果表明: 相较于8 种流行方法,所提出方法得到的属性选择结果,在分类稳定性这一指标上平均提升了5.89%,在分类准确率这一指标上平均提升了12.28%,在时间消耗这一指标上平均降低了59.27%.

摘要:针对高轨在轨服务与主动式碎片清除任务中的Lambert变轨规划问题,提出一种基于深度神经网络的燃料最优快速求解方案.首先,考虑J2摄动力影响与共面圆轨道假设,建立基于Lambert变轨的问题表征;其次,针对轨迹规划问题提出考虑J2摄动力影响的两步PSO优化算法,并经过仿真实验总结变轨过程$\Delta V$消耗相对转移时长的变化规律($\Delta V-T$曲线特性),定义样本形式,构建燃料最优变轨知识库,基于总结的变化规律及样本非线性函数关系的特征,引出基于深度神经网络的快速轨迹规划策略,从而将Lambert计算次数缩小为两次;最后,通过仿真实验,验证所提出高轨最优Lambert变轨规划策略的有效性,在测试集上实现了关键区域变轨时长预测0.0140%的平均绝对误差,新策略具备广泛的应用前景.

摘要:火电厂关键区域的管道、阀门等设备时常发生油液、蒸汽等物质的泄漏故障.为了提高火电厂管道及阀门泄漏故障的分割与检测精度,加快模型推理速度,提出一种基于改进YOLOv7的火电厂管道及阀门泄漏分割与检测算法,通过在YOLOv7网络中加入相关实例分割模块,实现实例分割与目标检测任务的并行;通过融入极化自注意力机制和可分离的视觉深度自注意力模块(separable vision transformer),弱化复杂背景的干扰,强化对泄漏区域的边缘提取;在后处理阶段运用置信度传播簇机制(confidence propagation cluster,CP-cluster),提高模型定位的准确性;在颈部网络使用幽灵卷积降低特征冗余,并通过通道剪枝技术压缩模型,实现模型轻量化.实验结果表明,在加入各项改进后,算法分割任务与检测任务的mAP@0.5:0.95指标分别达到75.7%、82.2%,相较于基础模型,指标分别提高了11.9%、7.1%,且模型参数量减少了30.3%,可有效地应用于电厂的实际生产环境中.

摘要:具有弯曲和扭转变形的柔性翼系统由一个四阶偏微分方程(PDE)与一个二阶常微分方程(ODE)描述,其中各个通道的干扰和参考轨迹来自于一个未知外系统.此时所有干扰和参考轨迹的系数均未知,且由于外系统初值未知,扰动和参考轨迹的时变状态也未知.首先,将柔性翼系统的鲁棒输出调节问题转化为跟踪误差系统的镇定问题,此时来自于干扰和参考轨迹的时变未知项被进一步转化为未知系数与已知时变信号的组合;然后,提出非线性自适应控制,其中非线性对数项用于保证时变输出约束,自适应律用于估测未知干扰的系数;最后,基于Barrier Lyapunov函数证明闭环系统跟踪误差的收敛性, 以及跟踪误差的时变约束特性,通过Matlab数值仿真进一步验证该控制方法的有效性.

摘要:针对现有态势评估方法在高动态、强对抗的近距空战环境下存在空战对抗特性指标考虑不充分、常值权重应用不合理的问题,提出一种基于模糊动态权重的近距空战态势评估方法.首先,根据近距空战对抗特性研究导弹攻击、机动特征和能量状态对空战态势的影响机理,从打击、占位、机动、能量态势和固有能力多角度构建态势评估指标体系并建立相应的指标评估模型;然后,设计基于态势分类的模糊权重动态适配方法,利用区间二型模糊表征权重求解过程中的不确定性,同时结合最优最劣法确定态势指标模糊权重,根据态势典型样式进行权重适配与指标聚合;最后,基于空战对抗飞行数据进行仿真验证与对比分析,仿真结果表明所提出方法能够更加合理、准确地呈现近距空战过程中的态势变化情况.

摘要:针对时滞和阶次未知的双率采样输出误差系统,在有限采样数据条件下,提出一种辅助模型正交匹配追踪迭代辨识算法.首先,根据双率采样数据建立目标系统的辨识模型;其次,考虑到输入通道的时滞与系统阶次未知,采用过参数化方法,通过设置足够长的无噪输出数据和输入数据回归项,得到一个稀疏度为待辨识参数个数的稀疏系统;然后,结合辅助模型思想和压缩感知中的稀疏恢复方法实现参数向量和无噪输出的交互估计,即利用正交匹配追踪算法估计参数向量,再利用该估计值构建辅助模型计算无噪输出,并以此更新参数估计向量;最后,根据得到的参数向量结构计算系统的阶次与通道的时滞.仿真实验表明,所提出算法能够利用少量采样数据实现系统参数、时滞和阶次的高精度联合估计.

摘要:提出一个概率深度学习框架,通过基于物理信息的神经网络对非线性微分系统中的不确定性进行量化和演化分析.算法使用潜在变量模型(即噪声/随机变量模型)构建系统状态的概率表示,并将偏微分方程描述的物理定律引入训练过程中,建立约束关系,为基于小样本数据集的训练提供一种有效的机制.所提出的概率物理学信息神经网络算法能够提供一种灵活的框架,表征由输入中的随机性或观测中的噪声引起的物理系统输出的不确定性,避免重复采样昂贵的实验或数值模拟器的需要.最后,通过包含随机变量的非线性系统示例对所提出算法进行验证,以表明算法的有效性.

摘要:为解决因实际输出约束突变而与期望轨迹发生冲突所引起的系统跟踪的安全性问题,针对一类具有未知控制方向、未建模动态及时滞的不确定非线性系统,提出一种自适应安全跟踪控制策略.基于一种新的预设有限时间性能函数(prescribed finite-time performance function,PFTPF)提出一种安全边界保护方法(secure boundary protection method,SBPM).SBPM可以自动构建两条自适应调整的安全边界,确保系统同时满足安全边界约束和PFTPF规定的控制性能.在该方法中提出一种双向滤波平滑机制(bidirectional filtering smoothing mechanism, BFSM),能够显著抑制控制输入的大幅抖动.

摘要:针对城市多交叉口系统具有强非线性、时变以及周期性等特点,同时考虑道路固有容量以及道路拥堵缓解的迫切程度等因素,在分布式控制架构下,设计基于分散估计分散控制的无模型自适应迭代学习信号配时方案.该方案通过实时调整各交叉口信号配时来调节各路口的流量,使每个交叉口流量处理能力均衡,从而提高道路资源的利用率,达到缓解城市交通拥堵的目的.最后,通过仿真分析进一步验证了所提方案的有效性.

摘要:针对不确定非线性系统设计一种新型指定时间二阶滑模(SOSM)控制器.首先,通过选取新的滑模变量,将标准的二阶滑模积分链系统推广至带有非匹配项的新二阶滑模动态系统,新滑模动态系统的使用可以有效减少传统滑模系统控制通道中的不确定性;其次,通过使用时变放缩函数的概念,在非匹配项的增益函数上界未知的情况下,针对新的滑模动态系统提出一种基于切换策略的指定时间SOSM 控制算法.所提出的控制器从一个有限时间域的SOSM控制器切换到传统的有限时间SOSM控制器,前者可以保证滑模变量在有限时间域内实现指定时间收敛到零,且收敛时间不依赖于系统的初始条件;后者可以保证滑模变量此后始终保持在零.最后,对闭环系统的指定时间稳定性进行了分析,通过仿真对比验证了理论结果的有效性.

摘要:研究一类通信信道受限下“领导者-跟随者”结构的多智能体系统一致性跟踪问题.为了提升智能体的通信效率和降低能耗,引入事件触发机制与轮询协议相结合的混合调度策略,调节相邻智能体之间的信息传输,提高信道利用率.考虑到系统存在匹配的输入扰动,构建基于信道调度令牌的分布式滑模控制策略及协同设计方法,控制器仅依赖触发时刻的采样状态分量而不是实时状态信息,从而有效降低控制能耗,缓解数据冲突.所提出的协同控制策略不依赖于任何全局网络信息,因此,该控制策略的有效性不受网络规模的影响.通过Lyapunov稳定性理论,给出了系统一致性误差的跟踪分析来保证领导跟随一致性.同时,通过求解所提出的优化问题得到了调度协议参数和控制器增益.仿真实例验证了所提出协同控制策略的有效性.

摘要:应用传统数值计算方法求解微波加热媒质过程的温度分布时,存在自由度数量大且无法快速获取温度分布的问题,为此开展如何平衡计算精度和求解速度的研究.一方面,推导微波加热模型有限元离散格式的高阶非线性方程组,并构建瞬像矩阵,在此基础上,引入特征正交分解(proper orthogonal decomposition,POD)方法获取最优POD基底,进一步降维得到低阶微波加热离散控制方程;另一方面,建立TE₁₀波辐射下矩形波导中媒质内部显性耗散功率表达式,开展微波加热媒质全局温度分布的有效计算.数值计算结果表明:所提基于POD的微波加热求解方法不仅能够准确求得加热过程中媒质内部的温度分布,并且计算速度提升82.9% sim 85.5%;同时,该方法在加热边界条件或初始条件发生变化时,无需重新计算POD基底,用较少基底就能够描述高阶模型超99.9%以上能量,对微波加热媒质过程温度分布的实时控制和快速计算具有重要意义.

摘要:针对网络化无人车存在网络带宽、计算资源受限等问题,提出一种基于事件触发的自适应路径跟踪控制策略.考虑轮胎侧滑影响,建立车辆非线性路径跟踪模型,设计基于有限时间稳定的自适应反步控制器;通过设计自适应律估计侧滑角,抑制轮胎侧滑效应对路径跟踪控制系统的影响,保证系统在有限时间内达到稳定且收敛至期望路径.所提出的事件触发机制可以在保证系统路径跟踪性能的前提下有效减少控制指令的传输次数. Simulink/CarSim联合仿真实验结果表明,在轮胎侧滑干扰的影响下,所设计的方法能够保证系统具有期望的路径跟踪性能,同时降低网络带宽占用率.

摘要:针对一类隐蔽虚假数据注入(FDI)和执行器故障共存的工业信息物理融合系统(ICPS),将数据驱动与机理解析方法有机结合,研究综合安全控制与通讯协同设计问题.首先,设计一种服从指数型自适应律的离散事件触发通讯机制(ADETCS),并构建可同时抵御网络FDI攻击和物理部件故障的自适应ICPS框架;然后,基于数据驱动技术,通过优选和优化建立FDI攻击的预测模型PSO-CatBoost,对攻击进行准确重构和补偿;接着,借助于增广型Lyapunov-Krasovskii泛函、改进仿射Bessel-Legendre不等式等少保守性技术,推导出鲁棒观测器和综合安全控制器的求解方法;最后,通过四容水箱实例验证所提出方法的有效性.实验结果表明:将数据驱动的隐蔽FDI重构补偿与机理解析的补偿误差抑制深度融合,主被动协同有效容侵了网络攻击,结合对故障的主动容错,并在ADETCS下随系统行为变化自适应调整触发参数,可显著提升ICPS的双重安全防御能力,节约更多的网络资源.

摘要:人体运动是肢体运动方向、关节活动顺序以及动作幅度相互协调的过程.然而,现有方法往往直接对原始3D骨骼关节点信息进行建模,容易忽略肢体关节活动的顺序关系、运动方向性以及动作幅度变化影响.因此,提出一种顺序主导和方向驱动下基于点边特征的骨骼卷积神经网络,通过刻画人体关节点运动顺序、帧间距离和骨骼边方向向量等特征对人体动作分类识别.该网络包含顺序主导单元和方向驱动单元.顺序主导单元对骨骼边末端关节点进行建模,利用关节点的排列方式、帧间距离信息对关节活动顺序和肢体变化幅度进行表征.方向驱动单元利用骨骼边方向向量信息表征肢体运动的方向性.最后,将顺序主导单元与方向驱动单元进行特征融合,对人体日常行为动作进行分类识别.实验结果表明,在两个大型数据集NTU-RGB+D60和NTU-RGB+D120上的实验结果分别较基准方法提升了2.6%、3.5%和5.9%、6.1%.因此,所提出方法能有效利用多特征之间的协同互补性对人类日常行为运动进行深层次刻画,提高人体动作识别的精度.

摘要:为了增强演化模糊系统在混沌时间序列中的在线预测性能,提出一种基于核共轭梯度的演化模糊系统模型.该模型通过基于结构演化的前件部分,挖掘并捕获隐藏在时间序列中的模糊规则.同时,基于参数更新的后件部分有机结合稀疏学习策略和核共轭梯度算法,以降低计算复杂度和提高模型收敛性能.基于核共轭梯度的演化模糊系统不仅剔除了样本中的冗余信息,而且有效平衡了模型的预测精度和预测效率.实验结果表明,所提模型在标杆和真实混沌时间序列的在线预测任务中具有有效性.

摘要:针对柔性制造系统中机器与混合多载自动导引搬运车(automated guided vehicle,AGV)集成调度问题,以最小化最大完工时间为目标,提出一种改进混合离散差分进化算法,通过离散操作进行差分进化算法的变异、交叉,并对每次迭代的最优个体进行变邻域搜索.设计基于搬运任务、机器和AGV的3层编码结构,并进行合理化调整;设计基于关键路径的变邻域搜索,有针对性地调整关键路径上任务的次序、对应工序的机器和AGV,提高局部搜索效率;设计基于外部档案的个体更新策略,将种群中较差的个体从外部档案中进行替换,提高全局搜索效率.最后,通过实验验证算法改进策略的有效性以及所提出算法的有效性,分析AGV数量、AGV载位容量以及AGV电池可用时间对算法求解结果和改进效果的影响.

摘要:为解决重大疫情爆发初期应急医疗物资需求量预测及分配问题,结合传染病的特征以及政府隔离措施对传染病传播的影响,建立改进易感-潜伏-感染-康复(SEIR)模型,基于数据驱动的思想对模型中的部分参数进行周期性更新,从而刻画疫情的扩散演化规律,将需求量构建为感染规模的函数,实现应急医疗物资需求量的预测.在此基础上,建立以加权运输距离最小化为目标,公平分配等为约束的选址-分配模型,并设计自适应混合遗传禁忌算法进行求解.实例测算结果表明:数据驱动的参数更新方法保证了改进SEIR模型预测的精度,平均相对误差为3.8%;所提出选址-分配模型在对配送时效性进行优化的同时能够兼顾物资分配的公平性.不同规模算例求解结果表明:所提出算法的收敛性和解的质量优于标准遗传算法.

摘要:跨区域、跨行业、跨组织融合已成为重要的发展趋势,分析跨界融合供应链网络的风险传播过程,探讨跨界融合供应链网络抗毁性的提升策略,对跨界融合供应链网络应对风险冲击、实现安全稳定发展具有重要意义.对此,基于分布在不同产业领域的企业开展跨界合作的现实情况,从多层网络视角出发构建跨界融合供应链网络风险传播模型,并从网络结构、恢复策略等方面对网络抗毁性进行仿真分析.结果表明:1)部分相依模式下跨界融合供应链网络抗毁性更强;2)供应链核心企业或跨界团队企业受到风险冲击时,网络抗毁性下降幅度更加明显;3)网络恢复策略的恢复效益存在边际递减效应;4)全相依模式下跨界融合供应链网络的抗毁性恢复效果优于部分相依模式;5)调整风险传播模型参数能在一定范围内提高网络抗毁性,抑制风险大规模扩散.

摘要:目前,外卖平台持续地提升顾客服务质量和降低成本,忽视了骑手的权益保障.针对骑手困境,引入骑手奖惩激励机制,建立以平台成本、顾客满意度和骑手激励收益为目标的外卖订单分配模型.基于抢派结合的订单分配模式,考虑配送顺路程度、配送距离和配送能力,构造效用函数来描述骑手自主抢单对订单的偏好及匹配度,利用Logit 离散选择模型实现骑手实时抢单决策;并设计自适应变邻域搜索算法,实现平台派单分配和骑手路径优化.算例实验表明,与派单模式相比,抢派结合模式下配送方案能有效降低配送成本,提高顾客满意度和骑手收益.研究结果拓展了外卖订单分配模式等理论研究,可为外卖行业健康发展提供一定的参考.

摘要:结合加速度计运行机理复杂,测试样本少的特点,提出一种基于置信规则库(BRB)和弹道仿真的健康状态评估模型.首先,基于BRB建立初始的健康状态评估模型,由于定性知识的主观性,初始的评估模型难以提供准确的评估结果而需要被优化,然而,在以往的研究中优化所需的健康状态真实值一般通过专家给定,存在模糊性和不精确的问题,因此,根据加速度计在导航过程中的物理模型,基于弹道仿真方法准确地计算其健康状态的真实值;然后,基于协方差自适应进化算法(P-CMA-ES),健康状态真实值被用于初始评估模型的优化,从而准确、快速地进行健康状态评估;最后,以某型加速度计的健康状态评估为例,验证所提出方法的有效性.

摘要:在时序数据因果关系发现研究中,传统算法针对时间窗口内时序数据之间的因果关系进行分析,存在因果关系识别准确率受限、算法复杂度较高等问题.为解决该问题,首先对概要因果图、因果概要互信息和条件因果概要互信息进行定义,在此基础上推导出基于因果互信息的时序变量定向规则,而后区分是否存在混杂因子,结合PC(Peter and Clark)和FCI(fast causal inference)算法分别提出改进的PCSMI(Peter and Clark summary mutual information)和FCISMI(fast causal inference summary mutual information)算法.实验结果表明改进后算法能够在低复杂度条件下有效提升时序数据因果发现的准确率.

摘要:随着供应链间渠道竞争的日益激烈,了解并分析消费者低碳参考效应对供应链低碳宣传水平的影响机理,将对供应链决策与协调产生重要影响.首先,通过构建制造商主导的双渠道微分博弈模型,并将消费者低碳参考效应纳入模型中,分别在分散和集中情景下分析消费者低碳参考效应对双渠道宣传水平的影响;然后,针对分散情景下供应链整体利润损失,采用成本分摊契约协调供应链.研究表明:消费者低碳参考效应对双渠道宣传努力水平均存在抑制作用,且低碳参考效应对于线上渠道宣传水平的抑制作用更为明显;消费者低碳参考效应会导致制造商更愿意在线下渠道进行低碳宣传并销售产品;成本分摊契约能够在不影响制造商决策的情况下,有效促进线下宣传水平,并实现供应链成员利润的帕累托改进.