摘要:

摘要:水下无人系统跨域协同控制,旨在通过传感器融合、跨域通信、数据处理等技术和方法,突破水下单一传输介质限制,实现水下物理单元跨域信息交互和任务协同.它是未来海上无人系统发展的趋势,对提升海上无人系统智能化与自主化至关重要.目前,水下无人系统跨域协同控制理论研究尚不成熟,在任务部署、信息交互、路径规划与多机控制等层面面临诸多亟待解决的难题.鉴于此,详细阐述了海空跨域协同下的水下无人系统架构与主要特征,分析了水下无人系统跨域协同控制面临的挑战与关键问题;梳理总结了水下无人系统跨域协同国内外发展现状;综述了水下任务部署、信息交互、导航制导与协同控制层面的研究进展.最后,对水下无人系统跨域协同控制未来值得深入探究的方向,进行了总结与展望.

摘要:水下无人系统跨域协同控制，旨在通过传感器融合、跨域通信、数据处理等技术和方法，突破水下单一传输介质限制，实现水下物理单元跨域信息交互和任务协同. 它是未来海上无人系统发展的趋势，对提升海上无人系统智能化与自主化至关重要. 目前，水下无人系统跨域协同控制理论研究还不成熟，在任务部署、信息交互、路径规划与多机控制等层面面临诸多待解决的难题. 鉴于此，本文详细阐述了海空跨域协同下的水下无人系统架构与主要特征，分析了水下无人系统跨域协同控制面临的挑战与关键问题. 梳理总结了水下无人系统跨域协同国内外发展现状，综述了水下任务部署、信息交互、导航制导与协同控制层面的研究进展. 最后，对水下无人系统跨域协同控制未来值得深入探究的方向，进行了总结与展望.

摘要:自主水下航行器(Autonomous Underwater Vehicle，AUV)在任务过程中或完成后需通过自主回收实现能源补充与数据下载等操作，是否能进行高效、精准的回收引导决定了AUV的回收效率，成为其能否广泛应用的关键。针对AUV坐落式回收过程中的近距离光学引导定位问题，本文提出了一种基于深度学习的单双目位姿测量算法。首先，面向恶劣的水下光学成像条件，结合暗通道先验去雾和YOLO v9目标检测网络，实现了一种可适应不同水质、光照强度且鲁棒性强、可靠性高的引导光源提取算法。同时，针对回收过程中的特征匹配问题，设计了一种不依赖于AUV速度的全向特征匹配算法，实现了3D-2D特征匹配。此外，针对坐落式回收典型的多阶段引导特点，分别基于PnP原理和SVD分解设计了面向不同阶段的单、双目引导定位算法。最后，基于多次仿真和实物试验，验证了算法在精确位姿估计方面的可行性和有效性。

摘要:自主水下航行器(AUV)在任务进行过程中或完成后需通过自主回收实现能源补充与数据下载等操作,是否能进行高效、精准地回收引导决定了AUV的回收效率,成为其能否广泛应用的关键.针对AUV坐落式回收过程中的近距离光学引导定位问题,提出一种基于深度学习的单双目位姿测量算法.首先,面向恶劣的水下光学成像条件,结合暗通道先验去雾和YOLO v9目标检测网络,实现一种可适应不同水质、光照强度且鲁棒性强、可靠性高的引导光源提取算法.同时,针对回收过程中的特征匹配问题,设计一种不依赖于AUV速度的全向特征匹配算法,实现3D-2D特征匹配.此外,针对坐落式回收典型的多阶段引导特点,分别基于PnP原理和SVD分解设计面向不同阶段的单、双目引导定位算法.最后,基于多次仿真和实物实验,验证算法在精确位姿估计方面的可行性和有效性.

摘要:水声传感网(underwater acoustic sensor networks,UASNs)是水下物联网的主要技术,为海洋生态环境监测和水下搜救等应用提供了较好的技术手段和信息感知平台.在UASNs应用中定位至关重要,因为没有精确位置信息的数据收集将无利用价值.然而,由于存在路径损耗、吸收损耗、设备发射功率不确定以及水下环境参数未知等不利因素,使得在复杂动态海洋环境中实现鲁棒精确定位较为困难.为此,提出一种多参数未知下水声传感网由粗到精的定位方法(coarse-to-fine localization method for UASNs under unknown multi-parameters,CFL-UMP).首先,利用一阶泰勒级数展开和若干近似操作,将原非线性非凸定位问题转化为交替非负约束最小二乘框架;然后,粗定位阶段基于Golub-Kahan双对角化的最小二乘残差(LSMR)算法求解得到位置估计近似解,然而LSMR通常只能快速收敛到局部最优解,因此在精细定位阶段引入二分法,将第1步粗估计得到的近似解作为二分法的初始值,通过迭代同时得到水下目标位置、路径损耗因子以及发射功率的精确解;接着,为了验证CFL-UMP算法的优越性,分析CFL-UMP算法的计算复杂度,并推导出克拉默-拉奥下界;最后,与所选基准算法相比,通过仿真结果证实了CFL-UMP在不同水下模拟场景中均能获得最优的定位精度,且能够有效降低水下定位误差.

摘要:复杂的水下环境通常会引起信号传播延迟或带来量测野值,从而产生量测丢失和非高斯噪声问题,导致水下自主定位的精度降低.为了解决这些问题,提出一种基于贝叶斯推断和统计相似度量测的水下自主定位方法.首先,该定位方法使用最大后验估计方法来判断量测丢失是否发生.如果接收到此刻的量测信息,则采用不动点迭代方法最大化统计相似度量测的下界,以逼近真实的噪声协方差矩阵,从而获得更准确的状态估计和误差协方差矩阵;如果没有接收到量测信息,则只输出一步预测的状态估计和误差协方差矩阵,以提高该方法的鲁棒性.仿真和海试实验验证结果表明,所提出的水下自主定位方法相较于其他的定位方法具有更高的定位精度和更好的鲁棒性.

摘要:复杂的水下环境通常会引起信号传播延迟或带来量测野值,从而产生量测丢失和非高斯噪声问题,导致水下自主定位的精度降低. 为了解决这些问题, 提出一种基于贝叶斯推断和统计相似度量测的水下自主定位方法. 首先,该定位方法使用最大后验估计方法来判断量测丢失是否发生. 如果接收到此刻的量测信息,则采用不动点迭代方法最大化统计相似度量测的下界,以逼近真实的噪声协方差矩阵,从而获得更准确的状态估计和误差协方差矩阵? 如果没有接收到量测信息, 则只输出一步预测的状态估计和误差协方差矩阵, 以提高该方法的鲁棒性. 仿真和海试实验验证结果表明,所提出的水下自主定位方法相较于其他的定位方法具有更高的定位精度和更好的鲁棒性.

摘要:水声传感器网络在海洋科学和工程领域应用广泛，高性能的路由协议要求网络具有较高的吞吐量的同时，能量消耗尽可能小，这是提高能源利用效率的关键。针对这一问题本文提出一种基于能量优化和超时重传的水声传感器网络路由协议（Energy-Optimization Routing Protocol Based on Retransmission Timeout in Underwater Acoustic Networks，EORT）。在路由寻找阶段利用退避机制接收尽可能多的路由请求后再进行回复，以控制路由开销，同时融合能量均衡策略均衡网络能耗；在数据传输阶段引入超时重传机制进行数据监听和链路有效性判断，融合碰撞避免机制规避碰撞，有效提高包交付率和吞吐量，同时将监听和重传结果反馈路由维护过程以控制路由维护开销。通过仿真和水下实验与按需平面距离向量路由协议（Ad Hoc On-Demand Distance Vector Routing，AODV）和矢量转发路由协议（Vector Based Forwarding，VBF）对比。仿真实验结果表明EORT相比AODV和VBF吞吐量和包交付率均有提升，且具有更低的单位字节能耗；水下实验进一步表明相比AODV，EORT可吞吐量提升14.46%，包交付率可提升12.5%，单位字节能耗可降低0.02J。

摘要:高性能水声路由协议要求协议具有高吞吐量的同时,能耗尽可能小,这是提高能源利用效率的关键.针对这一问题,提出基于能量优化和超时传输的水声传感器网络路由协议.首先,路由寻找阶段融合能量均衡策略并利用退避机制尽可能接收多的路由请求再进行回复来控制路由开销;然后,数据传输阶段引入超时传输机制,利用主备份路由协同传输并监听和判断链路有效性,融合碰撞避免机制规避碰撞;最后,通过仿真和水下实验与按需平面距离向量路由协议(Ad Hoc on-demand distance vector routing, AODV)和矢量转发路由协议(vector based forwarding, VBF)进行对比.仿真实验结果表明:所提出协议相比于AODV与VBF,吞吐量和数据包成功接收率均有提升,且具有更低的单位字节能耗;水下实验结果表明:相比于AODV,所提出协议吞吐量提升了11.84%,数据包成功接收率提升了15.62%,单位字节能耗可降低0.10J.

摘要:海洋环境复杂多变,船舶航行容易受到风浪、洋流等因素的干扰,船舶运动具有非线性、耦合性等特点.针对传统的船舶运动姿态预测方法对时序数据的提取效率尚有不足,难以达到高精度预测效果的问题,提出样本卷积交互-通道注意力(SCI-CA)神经网络船舶纵摇运动预测模型.该模型采用多类别船舶运动姿态数据作为输入,将输入拆分为两个子序列,利用样本卷积交互网络(SCI)的递归下采样卷积交互结构,结合多分辨率聚合而成的丰富特征,提高船舶运动数据深层特征的利用率.再通过通道注意力机制(CA)提高有效通道的权重比例,并以残差结构输入到全连接层,得到最后的预测结果.实船数据验证结果表明,SCI-CA组合模型预测结果较其他模型预测精度高,其平均绝对百分比误差(MAPE)、均方根误差(RMSE)均有明显降低,验证了SCI-CA模型预测船舶运动的有效性.

摘要:海洋环境复杂多变,船舶航行容易受到风浪、洋流等因素的干扰,船舶运动具有非线性、耦合性等特点。针对传统的船舶运动姿态预测方法对时序数据的提取效率尚有不足,难以达到高精度预测效果的问题,本文提出了样本卷积交互-通道注意力(SCI-CA, Sample Convolution and Interaction-Channel Attention)神经网络船舶纵摇运动预测模型。该模型采用多类别船舶运动姿态数据作为输入,将输入拆分为两个子序列,利用样本卷积交互网络(SCI)的递归下采样卷积交互结构,结合多分辨率聚合而成的丰富特征,提高船舶运动数据深层特征的利用率。再通过通道注意力机制(CA,Channel Attention)提高有效通道的权重比例,并以残差结构输入到全连接层,得到最后的预测结果。实船数据仿真结果表明,SCI-CA组合模型预测结果较其他模型预测精度高,其平均绝对百分比误差(MAPE,Mean Absolute Percentage Error)、均方根误差(RMSE, Root Mean Square Error)均有明显降低,验证了SCI-CA模型预测船舶运动的有效性。

摘要:针对随机通信时延和时变通信拓扑条件下的多水下自主航行器编队轨迹规划问题, 本文将随机梯度上升算法引入分布式模型预测控制方法中, 提出了一种在线分布式轨迹规划方法. 首先通过采样贝塞尔曲线, 将轨迹规划问题转化为一系列优化问题, 然后通过拉格朗日对偶函数法分布式求解, 在完成点对点轨迹规划任务的同时保持成员间通信连接. 最后本文基于拉格朗日对偶理论框架推导出了所提出算法的收敛速度与最大通信时延的定量关系, 并通过在仿真场景下与现有方法的对比实验验证了所提方法的可行性和有效性.

摘要:针对随机通信时延和时变通信拓扑条件下的多水下自主航行器编队轨迹规划问题,将随机梯度上升算法引入分布式模型预测控制方法中,提出一种在线分布式轨迹规划方法.首先,通过采样贝塞尔曲线,将轨迹规划问题转化为一系列优化问题.然后,通过拉格朗日对偶函数法分布式求解,在完成点对点轨迹规划任务的同时保持成员间通信连接.最后,基于拉格朗日对偶理论框架推导出所提出算法的收敛速度与最大通信时延的定量关系,通过在仿真场景下与现有方法的对比实验验证所提方法的可行性和有效性,并通过仿真实验探究水下自主航行器自身运动误差及定位误差对轨迹规划的影响.

摘要:为解决三维空间中的水下无线传感器网络(underwater wireless sensor networks, UWSN)传统DV-Hop算法定位误差大的问题,提出一种基于改进瞪羚优化算法(improved gazelle optimization algorithm, IGOA)的UWSN三维定位算法(IGOADV-Hop).首先,通过双通信半径修正节点跳数,对锚节点间的距离误差进行加权修正;然后,在瞪羚优化算法引入Logistic映射初始化种群,增加种群多样性;接着,在开发阶段引入位置更新动态权重系数,提升节点位置计算的全局寻优能力;最后,使用IGOA替代最小二乘法进行节点三维坐标计算,并在网络中加入移动节点和水下噪声构建动态UWSN.仿真实验结果表明,与传统DV-Hop算法和其他群智能优化算法相比,所提出算法定位精度更高.

摘要:为解决三维空间中的水下无线传感器网络(Underwater Wireless Sensor Networks, UWSN)传统DV-Hop算法定位误差大的问题,提出一种基于改进瞪羚优化算法(Improved Gazelle Optimization Algorithm, IGOA)的UWSN三维定位算法(IGOADV-Hop).首先,通过双通信半径修正节点跳数,对锚节点之间的距离误差进行加权修正.其次,在瞪羚优化算法引入Logistic映射初始化种群,增加种群多样性,然后在开发阶段引入位置更新动态权重系数,提升节点位置计算的全局寻优能力.最后使用IGOA替代最小二乘法进行节点三维坐标计算,并在网络中加入移动节点和水下噪声构建动态UWSN.仿真实验结果表明,与传统DV-Hop算法和其他群智能优化算法相比,所提算法定位精度更高.

摘要:随着海上风力发电和光伏发电的快速发展, 海洋输电工程的地位越来越重要, 海底电缆的应用也越来越 广泛. 获得精确的海底电缆的位置不仅有利于日常巡检, 而且提高了故障检测的效率, 因此海底电缆的路由定位 和故障检测将会是未来维护和维修的重要环节. 由于海底电缆的小直径和内部电流的变化性, 导致了定位准确度 的下降以及定位难度的上升. 针对上述问题, 本文首先基于海底环境和水下机器人, 利用三芯铠装海底电缆的电 缆结构推导了海底电缆外磁场的近似方程. 水下机器人根据检测到的磁感应强度值进行姿态调整, 在此基础上, 提出了一种基于改进灰狼优化算法 (Improved Grey Wolf Optimization,IGWO) 的海底电缆定位算法, 利用基于磁 通密度模的适应度函数, 设计了一种用于海底电缆探测的在线路径定位方法. 最后, 通过仿真实验, 验证了 IGWO 算法实现海底电缆定位的精确性与有效性.

摘要:随着海上风力发电和光伏发电的快速发展,海洋输电工程的地位越来越重要,海底电缆的应用也越来越广泛.获得精确的海底电缆位置不仅有利于日常巡检,而且提高了故障检测的效率,因此,海底电缆的路由定位和故障检测将会是未来维护和维修的重要环节.由于海底电缆的小直径和内部电流的变化性,导致定位准确度的下降以及定位难度的上升.针对上述问题,首先,基于海底环境和水下机器人,利用三芯铠装海底电缆的电缆结构推导海底电缆外磁场的近似方程;然后,水下机器人根据检测到的磁感应强度值进行姿态调整,在此基础上,提出一种基于改进灰狼优化算法(improved grey wolf optimization, IGWO)的海底电缆定位算法,利用基于磁通密度模的适应度函数,设计一种用于海底电缆探测的在线路径定位方法;最后,通过仿真实验验证了IGWO算法实现海底电缆定位的精确性和有效性.

摘要:为解决水下非结构化环境给水下精准定位带来的问题,提出一种基于LSTM的惯性里程计定位方法用于水下作业机器人的定位.该网络在训练阶段,首先通过模拟噪声模型,在IMU的加速度和角速度数据中增添高斯白噪声实现数据增强,使用ResNet18提取机器人运动特征;然后在网络的输入空间引入IMU的采样时间加强鲁棒性,并使用三通道LSTM将提取的特征映射到高维空间进行特征融合;最后使用全连接层预测机器人的相对位移和旋转.在训练过程中,采取相对损失函数和绝对损失函数相结合的方式确保网络在短期和长期的定位精度,并进行多次数据集和水池实验以验证方法的有效性.实验结果表明,该方法在大多数场景下都具有较好的定位性能,有着较强的鲁棒性.

摘要:考虑到水下目标定位过程存在通信和采样中的不确定性,叠加含噪定位网络解算引入的额外误差,如何求解长航时水下目标定位误差方差下界用于评估定位性能至关重要.针对水下目标机动运行定位精度不稳定的问题,采用无迹粒子滤波和拓展后验克拉美罗估计,开展水下目标长航时近似最优精度建模和评估.首先,考虑水下多参量非线性模型易引起滤波退化,采用无迹粒子滤波对水下目标状态进行估计;然后,利用泰勒级数展开求解水下目标预测状态的近似逼近;接着,将滤波估计得到的状态值与近似估计得到的期望和方差,集成到水下目标三维拓展后验克拉美罗估计中;最后,开展无迹卡尔曼滤波0阶sim2阶、粒子滤波、最大最小粒子滤波、无迹粒子滤波0阶sim2阶与理论最优估计值的比较,所提出模型长航时目标位置和速度近似后验克拉美罗估计值能够逼近理论值,可用于水下目标长航时定位性能分析.

摘要:考虑到水下目标定位过程存在通信和采样中的不确定性,叠加含噪定位网络解算引入的额外误差,如何求解长航时水下目标定位误差方差下界用于评估定位性能至关重要.针对水下目标机动运行定位精度不稳定的问题,采用无迹粒子滤波与拓展后验克拉美罗估计,开展水下目标长航时近似最优精度建模与评估.首先,考虑水下多参量非线性模型容易引起滤波退化,采用无迹粒子滤波对水下目标状态进行估计;其次,利用泰勒级数展开求解水下目标预测状态的近似逼近;然后,将滤波估计得到的状态值与近似估计得到的期望和方差,集成到水下目标三维拓展后验克拉美罗估计中;最后,开展了无迹卡尔曼滤波0阶到2阶、粒子滤波、最大最小粒子滤波、无迹粒子滤波0阶到2阶与理论最优估计值的比较,所提模型长航时目标位置和速度近似后验克拉美罗估计值能够逼近理论值，可用于水下目标长航时定位性能分析.

摘要:针对水声双扩展信道背景下的连续波信号跟踪问题,提出一种基于粒子滤波的检测前跟踪算法,重点提升临近多径信号干扰下的弱信号跟踪性能.首先,提出一种利用临近信号预测状态来描述多径信号干扰的似然函数;其次,在量测空间中引入速度量测集,推导速度-相关包络联合似然函数解析式,并以此构建多量测输入的信号检测前跟踪模型,最终获得稳健的信号参数跟踪结果.数值仿真与水池实验结果表明,在典型的水声时变双扩展信道下,所提出算法具有更优的多径信号检测及跟踪性能.

摘要:随着自主水下机器人(AUV)和无人水面艇(USV)在民用和军事领域的应用不断扩展,USV与AUV协同完成相关任务的作业模式受到了广泛关注. 针对多USV和多AUV协同访问多目标点的任务分配问题进行研究,旨在最小化多USV和AUV系统访问所有目标点的总旅行距离.首先,建立考虑通信约束和AUV最大航程约束的多USV多AUV协同多点访问任务分配问题的数学模型,并对问题的NP-hard属性进行分析.其次,提出一个两阶段任务分配算法:1)先利用最小边际代价算法构建各USV访问完所有水面目标点的路径,再采用最近插入策略分配水下目标点;2)通过多个邻域搜索算子对初始解进行优化,得到可行最终解.相对于已有流行的自组织映射算法,仿真实验表明所提出任务分配算法能在较短计算时间内得到质量较优的任务分配方案.

摘要:基于深度学习的水下声学目标识别算法在水下平台部署时,通常面临计算资源短缺和水下声学环境复杂多变的挑战,提出一种结合二值化神经网络与知识蒸馏的轻量型水声目标识别算法(DSBNN_KD),旨在通过深度可分离卷积和权重参数二值化等手段实现模型的压缩和优化加速.同时,利用知识蒸馏技术将高性能高复杂度的教师模型的知识转移到轻量级学生模型上,从而缓解极端量化带来的性能损失,并确保模型的泛化性能.对DSBNN_KD的表现在两个实测水声数据集上进行全面评估,实验结果表明,相比当前主流的全精度轻量化模型,所提出DSBNN_KD在模型参数量、模型部署尺寸和计算量等方面均展现出显著的优势,同时在知识蒸馏技术的辅助下,量化后的模型依然可以保持与全精度模型接近的性能.

摘要:利用多智能体强化学习方法赋能异构多实体系统是分布式人工智能领域的前沿课题.多机协同突防海上目标任务中异构多编队之间的高效协同是制胜的关键,由于环境的部分可观导致多智能体强化学习方法的探索效率不高.为此,提出一种知识耦合分层值分解(hierarchical value decompostion,HAVED)的多机协同突防行动策略规划方法,上层围绕多机编队间(intra-team)占位规划展开资源调度,下层围绕编队内(inner-team)任务规划展开目标分配.对值分解基类算法利用加权算子对联合动作对应的损失进行加权,避免陷入局部最优,着力提升多机多编队在对抗场景中突防策略的探索与学习效率.为验证算法的有效性,以多机协同突防海上目标为典型任务场景,设计典型任务想定.采用集中式训练-分布式执行范式,在墨子兵棋推演平台上进行仿真实验,对多类值分解方法进行对比分析,以验证所提出方法的有效性.最后通过对推演对抗过程数据进行复盘分析,总结出智能体涌现出的3种典型行动策略.

摘要:船联网(internet of vehicle,IoS)是船舶信息交换的载体.基于区块链技术,在IoS上构建一种可信的信息交换机制,并提出相应的航行事件置信度计算与船舶信誉管理方案.该方案借鉴信息过滤的思想得到船舶综合相似度,利用加权熵值反向计算融合的评级,根据回应船舶评级偏离融合评级的程度更新回应船舶的信誉值;然后采用最小二乘法建立信誉值倒数与评级误差之间的拟合关系,从而得以更新报告船舶的信誉值;进一步设计基于船舶信誉值的DPoS(delegated proof of stake)共识机制,旨在优先选择信誉值较高的船舶作为见证者船舶,以保障系统出块环境的稳定性和高效性.结果显示,在船舶滥用行为占比为40%的情况下,航行事件真实性判定的准确率仍在75%以上.研究表明,所提出的方案不仅有效提高了航行事件真实性判定的准确率,还能识别恶意船舶并限制其滥用行为,从而保证IoS环境的安全和稳定.

摘要:船联网(IoS)为船舶信息广播提供了一个交互平台, 借助IoS进行航行事件通告, 能够有效提升船舶对通航环境的感知能力. 然而, 在纷繁的事件信息流中, 鉴别特定事件信息真实性成为亟需解决的关键问题. 基于区块链的无中心、分布式等计算特点, 在IoS上构建一种可信的信息交换方法, 并提出了适用于IoS的航行事件真实性判定与信任管理方案. 该方案通过信息过滤, 计算船舶间的综合相似度, 并借助贝叶斯推理模型验证事件的真实性. 同时, 引入信誉更新机制, 以识别恶意船舶. 进一步设计了基于船舶信誉值的DPoS共识机制, 旨在优先选择信誉值较高的船舶作为见证者船舶, 以保障系统出块环境的稳定性和高效性. 结果显示, 在船舶滥用行为占比为40%的情况下, 航行事件真实性判定的准确率仍在75%以上. 研究表明, 所提出的方案不仅有效提高航行事件真实性判定的准确率, 还能识别恶意船舶并限制其滥用行为, 从而保证IoS环境的安全和稳定.

摘要:针对水下小型UUV难以检测识别问题，提出了基于自适应特征模式分解与联合卷积网络的UUV辐射噪声识别方法.首先，采用自适应特征模式分解(AFMD) 对信号进行处理，获取一系列分解分量，根据GINI指标选取最优分量进行重构；其次，对重构后的信号进行连续小波变换，获取不同类型辐射噪声的二维时频图，最后，在频率动态卷积模块与SGE模块基础上，引入特征融合模块构建联合卷积神经网络(JCNN)，利用所设计的网络提取二维时频图特征，实现水下无人潜水器辐射噪声分类.实验结果表明，本文提出的方法能够对水下UUV辐射噪声进行识别，且识别率较高.

摘要:针对水下小型UUV难以检测识别问题,提出基于自适应特征模式分解与联合卷积网络的UUV辐射噪声识别方法.首先,采用自适应特征模式分解(AFMD)对信号进行处理,获取一系列分解分量,根据基尼指数(GiNi index)选取最优分量进行重构;然后,对重构后的信号进行连续小波变换,获取不同类型辐射噪声的二维时频图;最后,在频率动态卷积模块和SGE(spatial group-wise enhance)模块基础上,引入特征融合模块构建联合卷积神经网络(JCNN),利用所设计网络提取二维时频图特征,实现水下无人潜水器辐射噪声分类.实验结果表明,所提出方法能够对水下UUV辐射噪声进行识别,且识别率较高.

摘要:针对水下图像出现蓝绿色偏、雾化和噪声等问题,提出一种基于颜色线模型和多尺度融合的水下图像增强算法.首先,设计一种局部自适应颜色校正方法对退化图像进行预处理,提高图像颜色线拟合效果并降低图像色偏的程度;然后,构建一种利用颜色线和背景光矢量求解偏置来估计透射率的凸优化算法,求得准确的模型参数来恢复图像实现图像去雾;接着,将预处理后的图像利用白平衡算法来补偿颜色的深度选择性吸收所造成的偏色,将白平衡处理后的图像分别利用伽玛校正和基于颜色线约束的噪声抑制算法进行处理,分别得到提高全局对比度和抑制噪声的图像;最后,对去雾、对比度增强和低噪声图像进行多尺度融合,得到特征丰富的水下增强图像.实验结果表明:所提出方法能够有效解决水下图像的色偏、雾化和噪声现象;相对于各对比算法,在水下彩色图像质量评价指标和峰值信噪比上分别提高了18.37%和42.16%,更好地保留了水下图像的颜色并降低了图像噪声.

摘要:针对水下图像出现蓝绿色偏、雾化和噪声等问题,提出一种基于颜色线模型和多尺度融合的水下图像增强算法.首先,设计一种局部自适应颜色校正方法对退化图像进行预处理,提高图像颜色线拟合效果并降低图像色偏的程度;然后,构建一种利用颜色线和背景光矢量求解偏置来估计透射率的凸优化算法,求得准确的模型参数来恢复图像实现图像去雾;接着,将预处理后的图像利用白平衡算法来补偿颜色的深度选择性吸收所造成的偏色,将白平衡处理后的图像分别利用伽玛校正和基于颜色线约束的噪声抑制算法进行处理,分别得到提高全局对比度和抑制噪声的图像;最后,对去雾、对比度增强和低噪声图像进行多尺度融合,得到特征丰富的水下增强图像.实验结果表明:所提出方法能够有效解决水下图像的色偏、雾化和噪声现象;相对于各对比算法,在水下彩色图像质量评价指标和峰值信噪比上分别提高了18.37%和42.16%,更好地保留了水下图像的颜色并降低了图像噪声.

摘要:水下潜器凭借其强机动性与自主性，已成为海事搜索救援中的必要设备. 现有研究普遍通过随机部署潜器方式来实现给定水域目标探测，并没有从理论上对探测航迹与队形进行建模分析. 本文首先证明了随机选择起点和移动方向的潜器，直线航迹是实现最大覆盖和最大目标探测概率的最优航迹. 基于上述探测航迹，采用测度理论建立了面向水下搜索救援的潜器探测模型. 进一步，考虑潜器通信损耗，证明了潜器感知区域在相切时是最优的探测队形，并严格分析了潜器编队夹角、间距、移动速度与采样周期对目标探测概率的影响. 最后仿真结果验证了所构建模型与方法可以有效的提高目标的探测概率.

摘要:水下潜器凭借其强机动性和自主性,已成为海事搜索救援中的必要设备.现有研究普遍通过随机部署潜器的方式来实现给定水域目标探测,并没有从理论上对探测航迹和队形进行建模分析.鉴于此,首先,证明随机选择起点和移动方向的潜器,直线航迹是实现最大覆盖和最大目标探测概率的最优航迹;然后,基于上述探测航迹,采用测度理论建立面向水下搜索救援的潜器探测模型;接着,考虑潜器通信损耗,证明潜器感知区域在相切时是最优的探测队形,并严格分析潜器编队夹角、间距、移动速度和采样周期对目标探测概率的影响;最后,通过仿真结果验证所构建模型和所提出方法可有效地提高目标的探测概率.

摘要:海面物联网在海洋观测、海域监测等应用中发挥着重要作用.复杂动态海洋环境造成海洋网络链路状态、链路质量的时变特征,且其给海面物联网带来了严峻挑战,为此,将物理层自适应数据速率、媒体访问控制(MAC)层载波侦听多址接入与网络层机会路由联合进行跨层设计,提出速率自适应海面物联网跨层传输协议,通过3次握手机制机会性选择最佳转发结点并基于动态信噪比实现传输速率实时自适应调整,旨在提高动态复杂海洋环境下海面物联网的稳健性.陆地和湖上试验结果表明,所提协议在数据包交付率、能耗与时延方面性能优异,可为复杂动态海洋环境中海面物联网数据的高效传输提供重要的技术途径.

摘要:海洋环境复杂多变,为提升欠驱动无人船(underactuated marine vehicle,UMV)的自主航行与故障应对能力,提出基于有限时间正切漂角视线制导的指令滤波路径跟踪控制策略.在包括内部动力学未知、时变大漂角和执行器故障的复杂情况下,该策略可使UMV在有限时间内遵循所需的路径.首先,构建有限时间漂角观测器,用于快速精准地估计时变大漂角;随后,引入有限时间正切漂角视线制导律,不仅能提升制导性能,还能有效避免因非光滑制导指令产生高频震荡导致UMV失稳;此外,通过采用有限时间指令滤波控制技术降低计算负担,并提出滤波补偿方案减少滤波误差;最后,基于径向基函数神经网络和有限时间理论,设计自适应有限时间容错路径跟踪控制器,使得UMV的纵向速度和艏向角跟踪误差在有限时间内能够收敛到原点附近的小邻域.仿真实验验证了所提出方案的有效性和优越性.

摘要:针对具有模型不确定和海洋环境扰动的微小型无人水下航行器无速度测量轨迹跟踪控制问题,提出自适应鲁棒积分有限时间预设性能渐近控制方法.构造预置期望收敛时间的预设性能函数与误差转换函数,将跟踪误差由受限状态转化为非受限状态,其中期望的收敛时间可预先设置且不依赖误差初始状态.在此基础上结合状态扩张观测器和误差符号鲁棒积分控制,提出复合扰动快速补偿与连续抑制相耦合的状态输出反馈控制器,其中线性状态观测器用于快速补偿未知速度和复合扰动,而连续误差符号鲁棒积分控制则进一步抑制估计误差和避免抖振.该设计不仅能保证跟踪控制的瞬态和稳态性能,还可避免鲁棒积分控制需要精确已知扰动微分上界的保守假设以及对高控制增益的依赖.稳定性分析证明了闭环控制信号在有限时间内渐近收敛.仿真结果验证了所提出控制方法的有效性.

摘要:针对具有模型不确定和海洋环境扰动的微小型无人水下航行器无速度测量轨迹跟踪控制问题,提出自适应鲁棒积分有限时间预设性能渐进控制方法. 首先,构造预置期望收敛时间的预设性能函数与误差转换函数,将跟踪误差由受限状态转化为非受限状态,其中期望的收敛时间可预先设置且不依赖误差初始状态. 在此基础上结合状态扩张观测器和误差符号鲁棒积分控制,提出复合扰动快速补偿与连续抑制相耦合的状态输出反馈控制器,其中线性状态观测器用于快速补偿未知速度和复合扰动,而连续误差符号鲁棒积分控制则进一步抑制估计误差和避免抖振. 该设计不仅能保证跟踪控制的瞬态和稳态性能,还可避免鲁棒积分控制需要精确已知扰动微分上界的保守假设以及对高控制增益的依赖. 稳定性分析证明了闭环控制信号在有限时间内渐进收敛.仿真结果验证了所提控制方法的有效性.

摘要:针对水下机械臂的末端轨迹跟踪控制问题,提出一种自适应快速反正切非奇异终端滑模控制器.首先,基于莫里森方程建立考虑水作用效应的水下机械臂动力学模型;其次,结合非奇异终端滑模控制和反正切函数特性,设计了一种反正切非奇异终端滑模控制器,并基于径向基神经网络预测了系统的未知扰动;然后,通过李雅普诺夫理论验证了所提控制方法可在有限时间内收敛到期望位置;最后,通过仿真实验验证了所提控制方法的有效性.

摘要:针对水下机械臂的末端轨迹跟踪控制问题,提出一种自适应快速反正切非奇异终端滑模控制器.首先,基于莫里森方程建立考虑水作用效应的水下机械臂动力学模型;其次,结合非奇异终端滑模控制和反正切函数特性,设计一种快速反正切非奇异终端滑模控制器,并基于径向基神经网络预测系统的未知扰动;然后,通过李雅普诺夫理论验证所提控制方法可在有限时间内收敛到期望位置;最后,通过仿真实验验证所提控制方法的有效性.

摘要:无人船在拥挤水域中自主航行时,大量的其他船舶与静态障碍物、海洋环境扰动和无人船的不确定动态加剧了无人船的碰撞风险.针对此问题,设计无人船智能避碰决策与航迹跟踪控制方案.首先,根据无人船航行水域中其他船舶和静态障碍物的数量评估拥挤程度,并将其引入现有的船舶碰撞风险度评估函数,合理评估拥挤水域中无人船的碰撞风险;然后,创建双向长短时记忆神经网络,根据由无人船在过去有限时域内的航迹跟踪控制信号和驶过航迹组成的输入序列,估计在未来有限时域内基于无人船运动数学模型标称参数的无人船航迹预测误差.通过在线更新神经网络权重,使估计的航迹预测误差可被用于修正由无人船的不确定动态和遭受的海洋环境扰动导致的航迹预测误差,实现具有自学习能力的无人船航迹智能预测;最后,基于模型预测控制思想,求解以最小化无人船剩余航行距离和碰撞风险为目标,以无人船动态、无人船与其他船舶和静态障碍物的安全距离为约束的优化问题,获得避碰操纵的期望航迹和航迹跟踪控制信号.仿真和仿真结果表明,在所设计的智能避碰决策与航迹跟踪控制方案下,无人船自主航行的实际距离更短,与其他船舶的碰撞风险更低.

摘要:针对多无人艇(unmanned surface vessels,USVs)编队系统中USV视野受限等问题,提出一种以无人机(unmanned aerial vehicles,UAV)作为多USV编队领导者的模型.针对UAV领导的多USV系统水空协同编队问题,设计一种固定时间的优化编队控制算法.在对USV、UAV进行三自由度动力学建模的基础上构建增广系统,并建立一个以优化控制输入及编队误差为目标的性能指标函数.所提出的辨识器-执行者-评价者结构的强化学习算法中,辨识器可以精确辨识系统中的未知非线性动态,通过评价者完成对最优性能指标函数值的评估、执行者更新控制策略两个步骤不断优化控制策略以逼近最优,进而利用Lyapunov方法证明UAV-USV系统编队误差能在固定时间内收敛.最后,通过仿真模拟验证了所提出算法的有效性.

摘要:针对多无人艇(Unmanned Surface Vessels, USVs)编队系统中USV视野受限等, 本文提出了一种以无人机(Unmanned Aerial Vehicles, UAV)作为多USV的编队领导者的模型. 本文针对UAV领导的多USV系统水空协同编队问题, 设计了一种固定时间的优化编队控制算法. 在对USV、UAV进行三自由度动力学建模的基础上构建了增广系统, 并建立了一个以优化控制输入及编队误差为目标的性能指标函数. 所提出的辨识器-执行者-评价者结构的强化学习算法中, 辨识器可以精确辨识系统中的未知非线性动态, 通过评价者完成对最优性能指标函数值的评估、执行者更新控制策略两个步骤来不断优化控制策略以逼近最优. 进而, 利用Lyapunov方法证明UAV-USV系统编队误差能在固定时间内收敛. 最后, 通过仿真模拟验证了所提出的算法的有效性.

摘要:针对具有不确定动态和未知时变海洋环境扰动的欠驱动自主水下机器人(autonomous underwater vehicles,AUVs),提出一种基于事件触发通信机制的分布式固定时间三维编队控制方案.首先设计一种固定时间扰动观测器估计AUV不确定动态和未知时变海洋环境扰动组成的集总扰动,且观测器估计误差在固定调节时间内收敛到零;建立事件触发通信机制,降低多AUV之间的通信频率,节约通信资源;进一步,基于上述固定时间扰动观测器和事件触发通信机制,融合动态面控制技术和固定时间控制理论,设计分布式事件触发固定时间三维编队控制律.现有的固定时间扰动观测器和控制律均有两个幂次项,所设计的固定时间扰动观测器和固定时间编队控制律仅保留收敛速度较快的幂次项,可降低参数调节难度.理论分析表明,所设计的编队控制律能使多欠驱动AUV在固定调节时间内实现三维编队控制,仿真和比较结果验证了所提出控制方案的有效性和优越性.

摘要:针对跟踪路径复杂、立体空间运动、模型参数动态变化、风浪流扰动下的多无人潜航器(unmanned underwater vehicle,UUV)协同路径跟踪问题开展研究.首先,针对UUV跟踪复杂路径情形设计自适应前视距离策略,使得UUV可以更好地跟踪复杂水下路径;其次,针对立体空间运动的UUV集群,设计三维视距制导律和协同控制律引导UUV集群在三维空间中沿参数化路径运动;最后,针对模型参数动态变化、风浪流扰动影响下的UUV集群,设计自抗扰控制器实现对动态变化模型、总扰动信息和速度信息的统一估计,保证动力学控制的稳定性.仿真结果验证了所提出基于自适应视距制导的无人潜航器三维协同路径跟踪控制方法的有效性.

摘要:本文针对跟踪路径复杂、立体空间运动、模型参数动态变化、风浪流扰动下的多无人潜航器(Unmanned underwater vehicle, UUV)协同路径跟踪问题开展研究。首先，针对UUV跟踪复杂路径情形设计自适应前视距离策略，使得UUV可以更好地跟踪复杂水下路径。其次，针对立体空间运动的UUV集群，设计三维视距制导律和协同控制律引导UUV集群在三维空间中沿参数化路径运动。最后，针对模型参数动态变化、风浪流扰动影响下的UUV集群，设计自抗扰控制器实现对动态变化模型、总扰动信息和速度信息的统一估计，保证动力学控制的稳定性。仿真结果验证了所提基于自适应视距制导的无人潜航器三维协同路径跟踪控制方法的有效性。

摘要:本文提出了一种基于改进人工势场法且带有输入量化的欠驱动无人船编队协同避碰避障策略。借鉴导弹制导与控制机理，分层设计无人船运动学制导律与动力学控制律。首先，基于辅助变量法在无人船运动学子系统中设计分布式制导律，并引入改进人工势场法的斥力函数。通过重构制导律实现了运动学层面的协同避碰避障以及欠驱动无人船期望轨迹的跟踪。其次,通过使用径向基神经网络，对无人船动力学子系统中的外界干扰和系统未建模动态进行逼近。采用均匀量化器对输入变量进行量化，并对量化过程进行线性描述。所设计的自适应神经网络量化控制器无需量化参数的先验信息。在稳定性分析中，利用输入到状态稳定性理论证明了无人船闭环系统的稳定性。最后，采用Matlab对理论策略进行仿真实验，仿真结果验证了本文所提策略的有效性。

摘要:提出一种基于改进人工势场法且带有输入量化的欠驱动无人船编队协同避碰避障策略.借鉴导弹制导与控制机理,分层设计无人船运动学制导律与动力学控制律.首先,基于辅助变量法在无人船运动学子系统中设计分布式制导律,并引入改进人工势场法的斥力函数.通过重构制导律实现运动学层面的协同避碰避障以及欠驱动无人船期望轨迹的跟踪;其次,通过使用径向基神经网络对无人船动力学子系统中的外界干扰和系统未建模动态进行逼近,采用均匀量化器对输入变量进行量化并对量化过程进行线性描述,使得底层量化控制器无需预测关于量化参数的具体信息;在稳定性分析中,利用李雅普诺夫稳定性理论证明所设计USV编队跟踪控制系统的稳定性;最后,采用Matlab对理论策略进行仿真实验,仿真结果验证了所提出策略的有效性.

摘要:针对一类具有多重扰动、不可测速度信息和执行器故障的无人艇系统,提出一种重复学习复合抗扰容错控制策略.首先,为了克服速度信息不可用的不足,提出一种新的集成故障-扰动估计器,实现故障与干扰之和的准确估计;然后,基于观测信息,通过设计一类比例微分型重复学习复合抗扰容错控制器来实现周期性轨迹跟踪,相比于传统比例微分型重复学习控制器,所提出基于观测器的重复学习控制器不需要利用测量输出的导数且具有更大的控制自由度;最后,通过对一类无人艇动力定位系统的仿真,验证所提出重复学习复合抗扰容错控制策略的有效性和优势.

摘要:针对一类具有多重扰动、不可测速度信息和执行器故障的无人艇系统,提出了一种重复学习复合抗扰容错控制策略. 为了克服速度信息不可用的不足,提出了一种新的集成故障-扰动估计器,实现了故障和干扰之和的准确估计. 然后,基于观测信息,通过设计一类比例微分型重复学习复合抗扰容错控制器实现了周期性轨迹跟踪. 相比于传统比例微分型重复学习控制器,所提出的基于观测器的重复学习控制器不需要利用测量输出的导数且具有更大的控制自由度. 最后,通过对一类无人艇动力定位系统的仿真,验证了所提重复学习复合抗扰容错控制策略的有效性与优势.

摘要:针对复杂海洋环境下自主无人航行器(Autonomous underwater vehicle，AUV)编队协同控制问题，本文提出了一种自适应量测-通信联合框架下基于鲁棒模型预测的编队控制策略。该方法能够避免基于水声广播的显式通信交互方式在水下复杂条件下的延迟、丢包等不利因素。首先，提出一种自适应量测-通信联合框架，利用非显式通信实现编队内部状态的观测，并引入自适应卡尔曼滤波对量测-通信链路中存在的外部扰动进行补偿。其次，在该框架下，设计辅助控制律并将其引入分布式鲁棒模型预测控制器，实现多条件约束下的AUV编队跟踪控制，并通过Hamilton函数、终端约束等理论证明了编队控制器的稳定性。最后，通过对由5艘AUV组成的编队在不同情景下的仿真结果进行对比分析，验证了该方法的有效性。

摘要:针对复杂海洋环境下自主无人航行器(autonomous underwater vehicle, AUV)编队协同控制问题,提出一种自适应量测-通信联合框架下基于鲁棒模型预测的编队控制策略.所提出方法能够避免基于水声广播的显式通信交互方式在水下复杂条件下的延迟和丢包等不利因素.首先,提出一种自适应量测-通信联合框架,利用非显式通信实现编队内部状态的观测,并引入自适应卡尔曼滤波对量测-通信链路中存在的外部扰动进行补偿;然后,在该框架下,设计辅助控制律并将其引入分布式鲁棒模型预测控制器,实现多条件约束下的AUV编队跟踪控制,并通过Hamilton函数和终端约束等理论验证编队控制器的稳定性;最后,通过对5艘AUV组成的编队在不同情景下的仿真结果进行对比分析,验证所提出方法的有效性.

摘要:针对多自主无人船(ASVs)系统的时变多目标协同跟踪问题,提出一种新型分层有限时间优化调控算法. 首先,设计一个反映多ASVs系统在跟踪过程中能量消耗的目标函数;然后,开发一个有限时间优化估计器(FTOE),以在ASV形成特定编队的同时遵循期望轨迹的情况下最小化目标函数,目标轨迹是可变的,不恒定的;接着,在有限时间本地控制器(FTLC)中,通过跟踪FTOE,多ASVs系统的航行状态可在有限时间内以最小化目标函数的方式稳定在多个预定的各种时变轨迹附近;最后,给出有限时间稳定性的证明,并计算沉降时间.仿真结果验证了所提出分层算法的有效性.

摘要:针对多自主无人船 (ASVs) 系统的时变多目标协同跟踪问题，本文提出一种新型分层有限时间优化调控算法。设计一个反映多 ASVs 系统在跟踪过程中能量消耗的目标函数，接着开发一个有限时间优化估计器 (FTOE)，以在 ASV 形成特定编队同时遵循期望轨迹的情况下最小化目标函数。同时，目标轨迹是可变的，不恒定的。在有限时间本地控制器 (FTLC) 中，通过跟踪 FTOE，多 ASVs 系统的航行状态可以在有限时间内以最小化目标函数的方式稳定在多个预定的各种时变轨迹附近。给出了有限时间稳定性的证明，并计算了沉降时间。最后，仿真结果证明了所提出的分层算法的有效性。

摘要:针对存在执行器故障、外界干扰和模型不确定的自主式水下潜航器系统(autonomous underwater vehicle, AUV),提出基于全驱系统(fully actuated system,FAS)方法的鲁棒自适应轨迹跟踪误差受限控制策略,使AUV能够渐近跟踪目标信号.首先,将跟踪误差相关的归一化函数和障碍函数与时变尺度函数相结合,提出误差受限全驱系统方法;其次,将径向基函数神经网络(radial basis function neural networks,RBFNNs)与误差受限全驱系统方法相结合处理系统中的不确定模型;进一步,设计自适应补偿机制处理执行器故障;再次 基于Lyapunov稳定性理论证明轨迹跟踪误差渐近收敛于零;最后,通过仿真结果验证所设计的鲁棒自适应轨迹跟踪误差受限控制器的有效性.

摘要:研究非线性质量切换无人艇在拒绝服务攻击下的动态记忆事件触发动力定位控制问题.首先,建立一个切换模糊模型描述非线性质量切换无人艇系统,该模型同时考虑了船舶的非线性特征及质量变化行为;然后,提出一个包含记忆项的动态记忆事件触发机制,该机制可利用动态变量的历史信息调整触发阈值,进一步节约有限的通信资源,在此基础上,构造基于该动态记忆事件触发机制的控制器以补偿海洋扰动;接着,利用多Lyapunov函数策略给出拒绝服务攻击下质量切换无人艇系统动态记忆事件触发动力定位控制问题的可解性判据,在拒绝服务攻击下,所提出控制方案能够应对网络攻击导致的通信中断问题,确保质量切换无人艇在恶劣网络条件下仍能保持动力定位性能;最后,以一艘质量切换船为例,验证了该控制方案的合理性.

摘要:本文研究了非线性质量切换无人艇在拒绝服务攻击下的动态记忆事件触发动力定位控制问题. 首先,建立了一个切换模糊模型来描述非线性质量切换无人艇系统. 该模型同时考虑了船舶的非线性特征及质量变化行为. 然后, 提出了一个包含记忆项的动态记忆事件触发机制. 该机制可利用动态变量的历史信息来调整触发阈值, 进一步节约了有限的通信资源. 在此基础上, 构造了基于该动态记忆事件触发机制的控制器来补偿海洋扰动. 其次, 利用多Lyapunov函数策略给出了拒绝服务攻击下质量切换无人艇系统动态记忆事件触发动力定位控制问题的可解性判据. 在拒绝服务攻击下, 本文所提出的控制方案能够应对网络攻击导致的通信中断问题, 确保质量切换无人艇在恶劣网络条件下仍能保持动力定位性能. 最后, 以一艘质量切换船为例, 验证了该控制方案的合理性.

摘要:针对多粒度概率语言下信息丢失及未考虑主体心理行为的双边匹配决策问题, 提出了基于累积前景理论的多粒度概率语言非对称正态云 (MPLANC) 双边匹配决策方法. 首先, 定义了多粒度概率语言非对称正态 云及其可能度, 用来处理和比较多粒度概率语言信息, 既简单有效又最大限度地防止了原始信息丢失. 同时, 构建了基于 MPLANC 双向投影的非线性优化模型和 MPLANC 幂 HM 集成算子, 以获得不同主体的属性权重和正负理想参考点. 其次, 考虑双边主体的心理行为, 利用累积前景理论构建了双边主体的前景值矩阵, 依据前景值最大化构建多目标优化模型来确定最优匹配结果. 最后, 通过服务外包匹配算例验证了所提方法的有效性和实用性; 并通过灵敏度分析与对比分析, 进一步验证了所提方法的灵活性和优点.

摘要:针对多粒度概率语言下信息丢失以及未考虑主体心理行为的双边匹配决策问题,提出基于累积前景理论的多粒度概率语言非对称正态云(MPLANC)双边匹配决策方法.首先,定义多粒度概率语言非对称正态云及其可能度,用于处理和比较多粒度概率语言信息,既简单有效又最大限度地防止原始信息丢失;然后,构建基于MPLANC双向投影的非线性优化模型和MPLANC幂HM集成算子,以获得不同主体的属性权重和正负理想参考点;接着,考虑双边主体的心理行为,利用累积前景理论构建双边主体的前景值矩阵,依据前景值最大化构建多目标优化模型来确定最优匹配结果;最后,通过服务外包匹配算例验证所提出方法的有效性和实用性,并通过灵敏度分析和对比分析,进一步验证所提出方法的灵活性和优点.

摘要:客货混运新模式为我国高速铁路运营管理带来了新的机遇和挑战.鉴于此,以最小化列车停站时间、货物滞留数量和运营成本为目标,以列车到发时刻、动车组编组和货物配装计划为决策变量,为客货混运下高铁运行图与货物配装方案协同优化问题构建一类整数线性规划模型.为验证模型的有效性,以京沪高速铁路为背景进行数值实验,并调用CPLEX软件求解.结果表明:在尽可能减小对客运服务影响的前提下,所提出方法能够通过灵活决策列车时刻表及增加列车编组,提高列车运力;与采用固定列车时刻表的货物配装优化方案相比,协同优化方法能够在小幅增加列车停靠时间的情况下大幅提升货物运输量,可为相关运营部门制定客货混运计划提供一定的理论支撑.

摘要:客货混运新模式为我国高速铁路运营管理带来了新的机遇和挑战. 本文以最小化列车停站时间、货物滞留数量和运营成本为目标, 以列车到发时刻、动车组编组和货物配装计划为决策变量,为客货混运下高铁运行图与货物配装方案协同优化问题构建了一类整数线性规划模型. 为验证模型的有效性, 以京沪高速铁路为背景进行了数值实验, 并调用 CPLEX 软件求解. 结果表明: 在尽可能减小对客运服务影响的前提下,本文所提方法能够通过灵活决策列车时刻表及增加列车编组, 提高列车运力;与采用固定列车时刻表的货物配装优化方案相比, 协同优化方法能够在小幅增加列车停靠时间的情况下,大幅提升货物运输量, 可为相关运营部门制定客货混运计划提供一定的理论支撑.

摘要:手术部是医院的核心部门, 合理制定手术计划有助于医疗资源的高效配置, 对提升医疗服务质量至关重要. 手术时长的不确定性为手术调度带来了挑战. 为了应对手术时长的不确定性, 本文基于历史手术数据, 应用方差膨胀因子减少患者特征之间共线性, 基于分位数回归刻画手术时长区间, 构建了患者特征驱动的手术时长不确定集. 在此基础上, 考虑术后重症监护室床位资源限制, 建立了鲁棒手术指派模型, 决策开放的手术室和患者的手术日期. 基于真实数据测试方法的有效性. 实验结果显示, 通过调节模型参数, 本文所提出模型在降低运营成本和减少手术室加班时间方面优于确定性模型; 而与随机规划模型相比, 在牺牲较少加班时长情况下, 降低了总运营成本, 并在求解时间上具有优势.

摘要:手术部是医院的核心部门,合理制定手术计划有助于医疗资源的高效配置,对提升医疗服务质量至关重要.手术时长的不确定性为手术调度带来了挑战,为了应对手术时长的不确定性,基于历史手术数据,应用方差膨胀因子减少患者特征之间共线性.基于分位数回归刻画手术时长区间,构建患者特征驱动的手术时长不确定集;在此基础上,考虑术后重症监护室床位资源限制,建立鲁棒手术指派模型,决策开放的手术室和患者的手术日期,最后基于真实数据测试方法的有效性.实验结果显示,通过调节模型参数,所提出模型在降低运营成本和减少手术室加班时间方面优于确定性模型;与随机规划模型相比,在牺牲较少加班时长情况下,降低了总运营成本,并在求解时间上具有优势.

摘要:针对六足机器人在复杂环境下如何决策出最优人机指令组合问题,提出将操控指令权限分配的过程分为离线和在线两个阶段.在离线阶段,将六足机器人运动过程中机身的稳定裕度、能量消耗和与障碍物的碰撞接触时间作为指令优选的约束条件,并建立评价函数实现在进入地形前获得最优的操控指令组合;在线阶段,依据上述3个约束条件量化有限状态机网络中的状态转移概率,并人为设置约束条件阈值作为触发条件,向最优的人机决策指令状态进行转换.最后利用半物理仿真系统进行实验,结果表明所提出的决策方法在稳定裕度上相对于其他操控方法提高约15%sim25%;能量消耗上降低了约10%sim50%;碰撞接触时间降低了约10%sim50%.

摘要:针对六足机器人在复杂环境下如何决策出最优人机指令组合问题，提出将操控指令权限分配的过程分为离线和在线两个阶段。在离线阶段，将六足机器人运动过程中机身的稳定裕度、能量消耗和与障碍物的碰撞 接触时间作为指令优选的约束条件，并建立评价函数实现在进入地形前获得最优的操控指令组合；在线阶段依据上述三个约束条件量化有限状态机网络中的状态转移概率，并人为设置约束条件阈值作为触发条件，向最优的人机决策指令状态进行转换。最后利用半物理仿真系统进行实验，结果表明本文提出的决策方法在稳定裕度上相对于其它操控方法提高约 15%-25%；能量消耗上降低了约 10%-50%；碰撞接触时间上降低了约 10%-50%。

摘要:在具有关键多部件系统的生产调度过程中,系统退化往往受多方面因素影响. 生产加工期间的载荷, 外部环境的冲击,及部件间的故障相关性都会造成系统不同程度的退化. 因此, 针对多源退化影响下的同构多部件生产系统, 分析生产调度期间其关键部件和系统的退化特征, 并构建相应的系统退化模型. 在此基础上, 提出生产调度与视情维修的联合策略,以调度作业的加工序列和预防性维修阈值为决策变量,最小化总加权期望完成时间为目标,构建考虑多源退化影响下的同构多部件系统生产调度与视情维修联合决策模型. 据此进行部件级的平稳概率和系统级的联合概率的推导, 并给出数值求解方法.在数值实验中, 通过对比不同退化因素影响下联合决策模型的优化结果, 证实在联合决策中考虑多源退化的必要性; 经过参数的敏感度分析,验证该模型的有效性.

摘要:在具有关键多部件系统的生产调度过程中,系统退化往往受多方面因素影响.生产加工期间的载荷、外部环境的冲击以及部件间的故障相关性都会造成系统不同程度的退化.因此,针对多源退化影响下的同构多部件生产系统,分析生产调度期间其关键部件和系统的退化特征,并构建相应的系统退化模型.在此基础上,提出生产调度与视情维修的联合策略,以调度作业的加工序列和预防性维修阈值为决策变量,最小化总加权期望完成时间为目标,构建考虑多源退化影响下的同构多部件系统生产调度与视情维修联合决策模型.据此进行部件级的平稳概率和系统级的联合概率的推导,并给出数值求解方法.在数值实验中,通过对比不同退化因素影响下联合决策模型的优化结果,证实在联合决策中考虑多源退化的必要性;经过参数的敏感度分析,验证所提模型的有效性.

摘要:针对冗余惯性测量单元(inertial measurement unit,IMU)姿态估计问题,通过采用不变扩展卡尔曼滤波器结构,将被估计系统动态特性建模为矩阵李群和偏差向量的混合模型,从而设计基于协方差在线校正的局部IMU姿态估计器.在此基础上,采用对数映射将李群不确定性映射到向量空间,进而构造依赖于局部姿态估计器参数的分布式融合问题,从而设计基于李群的鲁棒协方差交叉融合准则.特别地,为解决局部估计器之间互协方差未知的问题,通过引入先验容差来约束未知互协方差,从而提供低保守性的协方差上界以提高融合估计性能,形成一种具有双层结构的冗余IMU姿态估计方法.最后在下肢外骨骼康复机器人平台上验证所提出算法的有效性.

摘要:针对冗余惯性测量单元(inertial measurement unit, IMU)姿态估计问题,通过采用不变扩展卡尔曼滤波器结构,将被估计系统动态特性建模为矩阵李群和偏差向量的混合模型,从而设计基于协方差在线校正的局部IMU姿态估计器.在此基础上,采用对数映射将李群不确定性映射到向量空间,进而构造依赖于局部姿态估计器参数的分布式融合问题,从而设计基于李群的鲁棒协方差交叉融合准则.特别地,为解决局部估计器之间互协方差未知的问题,通过引入先验容差来约束未知互协方差,从而提供低保守性的协方差上界以提高融合估计性能,形成一种具有双层结构的冗余IMU姿态估计方法.最后在下肢外骨骼康复机器人平台上验证所提算法的有效性.