摘要:智能网联车辆作为现代交通系统的重要组成部分, 在提升交通效率、保障交通安全及改善环境质量等方面展现出巨大潜力, 已成为智慧交通领域的研究热点. 鉴于此, 对车辆队列模型、队列控制策略以及数据驱动系统架构等领域的最新研究成果进行深入调研与系统梳理, 全面总结基于数据驱动的智能网联车辆队列控制的研究现状与发展趋势. 首先, 总结智能网联车辆队列建模的方法, 比较分析机理建模与数据驱动建模的异同与优势; 其次, 探讨智能网联车辆队列系统的优化控制问题, 重点分析传统控制方法与数据驱动控制策略之间的差异, 特别是多目标优化方法在智能化与网联化交通环境中的应用潜力; 进一步, 阐述数据驱动控制策略的数据来源、系统架构及其实现路径, 并讨论实施过程中的技术挑战与解决方案; 最后, 总结当前智能网联车辆控制系统发展过程中面临的主要问题与挑战, 并对未来研究的方向与重点进行展望, 旨在为推动智能网联车在复杂交通环境中的广泛应用提供理论指导与实践依据.

摘要:知识图谱旨在将现实世界中的对象、概念及其相互关系, 以图的形式进行有效组织. 面对不断演变的真实世界信息, 传统静态知识图谱在数据质量、准确性、复杂性、动态更新维护等方面面临挑战. 近期, 大语言模型在语义理解和文本生成方面取得了卓越进展, 其跨领域、跨模态、跨任务的强泛化能力为知识图谱构建提供了新机遇. 鉴于此, 针对大语言模型在知识图谱构建中的研究进展进行综述. 首先, 介绍知识图谱和大语言模型的基本概念以及两者融合的通用计算框架; 然后, 围绕知识图谱的生命周期, 深入分析和讨论大语言模型在知识抽取、知识融合和知识推理这3大关键环节的进展和挑战; 接着, 从知识问答和检索增强生成系统剖析大语言模型驱动的知识图谱的应用成效; 最后, 总结和展望大语言模型时代知识图谱构建的发展趋势, 多角度探讨亟待研究的问题, 为未来研究提供启示.

摘要:针对干扰环境下机械臂的安全交互控制问题, 提出一种基于控制障碍函数的机械臂全身动态避障与安全柔顺控制方法. 为保证系统鲁棒安全的同时降低保守性以提高跟踪性能, 提出基于非线性干扰观测器的可调输入至状态安全高阶控制障碍函数, 其能够处理高相对度约束, 进而拓宽输入至状态安全控制障碍函数的适用范围. 进一步, 利用所提出的控制障碍函数建立不等式约束, 并在二次规划框架下通过最小限度修改参考控制输入来形成鲁棒安全关键控制器. 该控制器在机械臂连杆的多个位置构建与障碍物之间的虚拟安全屏障, 以实现整个机械臂对静/动态障碍物的规避. 同时, 在机械臂末端建立多个动态空间约束, 以确保机械臂在预设的安全区域内执行交互任务. 此外, 基于Nagumo定理证明安全集合的前向不变性, 并用仿真和实验验证所提出方法的有效性.

摘要:针对七自由度机械臂在机器人辅助全膝关节置换术复杂任务中的路径规划需求, 在传统RRT*算法基础上提出一种基于启发式采样的机械臂路径规划算法. 首先, 采用双向搜索策略快速扩展出一条可行路径, 通过贪婪策略去除初始路径的冗余点简化路径, 记录简化后的路径长度形成初始的超椭球采样区域, 在超椭球采样时概率引入引力增益系数, 进一步提高算法的收敛能力; 然后, 在动态范围区域对随机树进行重选父节点以及重布线的优化步骤, 逐步优化路径长度; 最后, 再次使用贪婪策略去除路径冗余点并使用二次贝塞尔曲线使得路径平滑. 为验证所提出算法的实用性, 使用Matlab平台构建不同的实验环境, 基于TOPSIS熵权法对不同算法进行评估, 在手术截骨环境下通过ROS仿真以及实验样机对比实验, 对比不同算法在截骨环境下的综合能力, 实验结果表明所提出算法能够为多场景中的机械臂提供快速有效的路径规划方案.

摘要:室内热环境在影响居住者的舒适度和生产力方面起着至关重要的作用. 供暖、通风和空调(HVAC)系统是住宅建筑中控制室内热环境的主要手段. 然而, HVAC系统消耗大量能源, 占建筑物总能源消耗的20% $ \sim $ 40%, 导致高昂的运营成本. 因此, 设计能够在保持最佳热环境并降低能源消耗的HVAC控制策略至关重要. 对此, 提出一种基于增强智能(AuI)的框架, 结合人类指导和深度强化学习(DRL)实现HVAC控制优化. 首先, 建立优化问题, 旨在平衡能源消耗和热舒适度, 并最小化两者成本; 其次, 构建人类行为模型, 模拟不同热环境下居住者的反应; 然后, 提出AuI增强深度确定性策略梯度(DDPG)算法, 用于学习适配热舒适度和能源效率的最佳HVAC策略; 最后, 搭建了仿真实验, 用于策略训练和性能评估. 实验结果表明, 相较于无人类指导的对比算法, AuI-DDPG能减少38.7%的HVAC能耗, 同时改善31.1%的居住者热舒适.

摘要:研究执行器故障下多智能体系统的最优编队控制问题, 提出一种基于强化学习的预设时间最优容错编队控制方法. 首先, 借助预设时间调谐函数, 结合评论家-演员算法, 可显著降低算法复杂度; 然后, 在此基础上, 设计一种高效的容错控制机制, 以确保系统在执行器发生故障时仍然能够稳定地实现预期编队控制目标; 接着, 基于强化学习的自适应算法能力, 进一步增强算法对于复杂动态环境的适应性和鲁棒性; 最后, 通过仿真结果验证了所提出方法在故障场景下的有效性和优越性.

摘要:研究Markov跳变执行器故障下, 一类具有输出约束的不确定非线性互联大系统分散自适应跟踪控制器设计问题. 考虑到故障的间歇性、时变性和随机性, 引入一组时变的Markov变量描述子系统中的执行器故障. 首先, 构造一个双曲正切型辅助函数, 仅利用局部信息补偿强度未知的子系统耦合. 然后, 设计自适应机构估计未知故障的边界, 提出一种分散容错控制器; 同时, 运用输出变换策略对子系统输出施加约束, 与基于障碍Lyapunov函数的控制方法相比, 扩大了输出初值的取值范围. 所提出方案能够保证闭环系统中所有信号依概率有界, 且子系统输出不违反约束. 最后, 对由弹簧连接的双倒立摆系统进行仿真研究, 验证所提出控制方案的有效性.

摘要:针对过程数据具有变量非线性耦合、过程尺度多样等特征, 提出一种基于多尺度滑动窗口核熵成分分析(MS-MWKECA)自适应工业过程故障检测方法. 首先, 使用小波变换将过程变量实时地分解成不同的细节尺度和近似尺度, 建立基于熵成分分析(KECA)的局部尺度模型, 并筛选具有显著特征的尺度用于数据重构; 随后, 对重构的数据建立基于滑动窗口KECA的在线检测模型, 并且在滑动窗口更新数据的过程中, 设计一种自适应权重分配的窗口更新融合策略; 最后, 在Tennessee-Eastman (TE)过程和热轧生产过程(HSMP)中进行仿真测试, 通过对比实验验证所提方法的有效性和优越性.

摘要:二分-分量一致是指多智能体系统中具有相似特性智能体的部分分量会随时间推移趋于某个相同的值, 而剩余智能体的对应分量则趋于相反的值, 是一种弱于二分一致的动力学行为. 基于此, 研究切换网络拓扑上非线性多智能体系统的二分-分量一致性问题. 首先, 考虑有向符号图上的非线性多智能体网络系统, 在切换网络拓扑满足结构平衡条件的情况下, 控制协议也相应地进行切换; 然后, 通过设计合适的控制协议, 建立相应的偏差系统, 结合图论、稳定性理论和矩阵理论, 得到该多智能体系统在发生切换拓扑情况下实现二分-分量一致的充分条件; 最后, 通过数值模拟验证理论结果的可行性.

摘要:针对非线性工业信息物理系统遭受双侧虚假数据注入攻击和执行器故障的问题, 在事件触发的基础上, 设计T-S模糊的变比例积分观测器, 研究稳定性控制策略. 设计平滑自适应事件触发机制, 触发参数根据输出误差自适应调整, 以减少不必要的数据传输; 采用T-S模糊模型将非线性系统线性化后, 通过构建新的增广系统, 设计模糊变比例积分观测器, 以估计系统状态、双侧FDI攻击和执行器故障; 设计模糊补偿反馈控制器, 利用观测器的估计结果, 对攻击和故障进行补偿; 集成Lyapunov-Krasovskii泛函、线性凸组合、改进的仿射Bessel-Legendre不等式等理论, 设计观测器矩阵, 协同设计控制器及事件触发矩阵. 以工业四容水箱为仿真对象, 通过Matlab仿真, 验证所提出策略能够确保系统受到攻击和故障时稳定运行, 自适应触发机制能够有效减少数据传输.

摘要:传统的固定采样间隔(FSI)非参数自适应指数加权移动平均(AEWMA)控制图在应对中小漂移时存在局限, 特别是处理漂移类型未知或时变的过程中, 常规方法往往表现不佳, 且大多数研究侧重于单参数漂移. 对此, 基于加权Cucconi统计量, 提出一种变采样间隔(VSI)的非参数自适应指数加权移动平均(VSI-AWEC)控制图, 用于提升对位置-尺度双参数联合漂移的监控能力. 首先, 结合Cucconi统计量原理和变采样间隔机制, 提出该控制图的设计框架; 其次, 通过蒙特卡洛模拟评估其性能, 结果显示, 与固定采样间隔控制图相比, VSI-AWEC控制图在处理位置-尺度双参数联合漂移时, 具有更优的平均报警时间(ATS), 能够在不同漂移情境下提高监测灵敏度; 然后, 分析VSI-AWEC控制图在多种分布下的有效性, 并比较不同参数选择对控制图性能的影响. 实验结果表明, VSI-AWEC控制图在不依赖分布假设的情况下, 能够快速有效地发出警报, 特别是在监测小漂移时, 表现优异.

摘要:由于突破式技术创新的动态性及其成功与否具有随机性, 静态模型无法描述这一过程. 基于此, 构建由两个实施突破式技术创新的制造商和一个实施营销策略的零售商组成的供应链, 分析技术距离对技术投入努力和营销投入努力的影响, 提出制造商技术创新成功前后的动态竞合策略. 研究表明: 在技术创新成功之前, 供应链成员的投入努力与技术创新成功率、边际利润以及技术或营销水平提升率呈正相关, 而在技术创新成功之后, 投入努力则趋于稳定; 技术溢出效应和技术抑制效应对低技术水平制造商影响显著, 对高技术水平制造商没有影响, 而学习效应对两制造商的影响效果相当; 当技术距离比较小, 或者技术创新成功率比较高时, 两制造商采取合作策略更有利, 反之, 当技术距离比较大, 或者技术创新成功率比较低时, 竞争策略更优. 综上, 研究发现技术距离和技术创新的不同阶段会显著影响供应链的最优决策与竞合策略, 为供应链的协同创新发展提供了理论依据.

摘要:针对快速搜索随机树(RRT)算法与常规平滑方法组合在解决复杂环境下无人机(UAV)路径规划问题时计算效率低、随机性高、存在航迹拐点、路径冗长及安全性较差等不足, 提出一种结合改进双向搜索随机树算法(RRT-Connect)和人工势场平滑法(APF)的航迹规划方法. 首先, 两棵随机树分别从起始点和目标点同时进行扩展, 并引入贪婪策略以提高搜索效率; 然后, 采用目标偏置策略来优化随机节点的选择, 同时加入改进的人工势场分量, 以减少搜索方向的随机性, 加快两棵随机树的交汇, 生成一组避开障碍物的可行航迹; 最后, 在初始航迹基础上, 采用基于人工势场的平滑优化方法, 将航迹节点视为带有引力势场的点, 只对相邻两侧的航迹节点施加引力作用, 并在各障碍物处设置斥力势场. 通过引力和斥力相结合的双重作用机制, 实现对航迹节点的调整优化, 从而提升航迹的平滑性和安全性. 仿真实验验证了所提方法在不同场景下的可行性和有效性.

摘要:首先, 针对柔性作业车间节能分批调度问题, 构建一个以最小化最大完工时间和机器加工总能耗为目标的优化模型; 同时, 提出一种规则数字化分批方法, 合理划分批次, 以进一步提升调度效率. 然后, 为高效解决该问题, 提出一种融合强化学习的非支配排序遗传算法II (RLNSGA-II), 该算法通过自适应策略调整交叉率和变异率, 能够有效增强算法的全局搜索能力. 接着, 结合分批问题特性设计3种邻域搜索策略, 可显著提升算法的局部搜索能力. 最后, 通过对比实验验证所设计强化学习参数自适应策略和邻域搜索策略的有效性, 并将RLNSGA-II与其他多目标优化算法进行对比, 验证其在求解EFJSP-BS中的显著优越性.

摘要:回收业务的长期运营属性决定了其决策过程的动态特征. 针对闭环供应链(CLSC)企业对远期收益存在的时间偏好异质性, 即制造商主导且时间偏好一致、零售商跟随且时间偏好不一致情形, 探究异质性时间偏好对CLSC系统回收、定价策略制定及回收模式选择的影响. 首先, 应用随机双曲折现模型, 构建零售商时间偏好不一致的跨期决策动态规划模型; 其次, 结合随机微分对策理论和逆向归纳法, 求解得到不同回收模式下的均衡回收投入、定价策略、可再利用率期望以及效用函数, 并对均衡结果进行比较分析. 研究发现: 相较于时间偏好不一致的成熟型零售商, 幼稚型零售商负责回收能使整个CLSC系统实现较高的效用; 时间偏好一致的制造商负责回收, 无论面对成熟型还是幼稚型零售商, 其回收行为均能促进废旧产品的有效利用, 进而确保整个CLSC系统达到最优状态. 因此, 制造商回收是CLSC系统的最佳回收模式, 且零售商时间偏好的不一致性可增强供应链成员采用制造商回收策略的意愿, 该结论与完全理性的静态模型研究不同.

摘要:针对在复杂空间博弈场景中, 脉冲推力驱动的航天器追逃博弈决策实时性受限和传统奖励函数较难适应远距离和高动态对抗学习环境的问题, 对航天器博弈对抗的智能机动决策和燃料优化展开研究. 首先, 建立轨道博弈动力学和机动约束模型; 然后, 提出一种具有时间约束的航天器单脉冲可达域求解方法, 并结合神经网络对轨道危险区进行量化拟合; 接着, 基于分布式系统架构设计层次强化学习框架, 采用近端策略优化(PPO)算法开展红蓝对抗学习训练; 最后, 对所提出机动策略进行验证. 仿真结果表明, 在二体动力学轨道博弈场景中, 危险区策略可使得平均燃料消耗降低33.81%, 博弈策略相较于传统方法打靶率平均可提升38.41%.

摘要:目前提出的动态多目标进化算法大多仍难以全面应对各种类型的动态多目标优化问题. 鉴于此, 提出一种基于自适应响应选择的动态多目标进化算法(ARS-DMOEA), 其核心思想是自适应选择具有不同响应优势的动态响应策略, 以有效应对各种类型的动态多目标优化问题. 首先, 提出一种自适应响应选择策略, 可以根据不同动态响应策略的历史性能自适应地调整其选择概率; 其次, 设计一种混合动态响应策略, 根据选择概率选择不同策略生成的个体, 从而在新环境中生成高质量的初始种群. 与4种优秀动态多目标进化算法进行对比实验, 结果表明, ARS-DMOEA具有较高的竞争力, 并能有效适应不同类型的动态多目标优化问题.

摘要:近年来, 基于Transformer的方法在三维人体姿态估计任务中表现出色, 然而, 现有方法虽能通过全局自注意力机制有效建模关节间长程依赖关系, 但在肢体快速运动等场景下易产生局部运动轨迹预测偏差, 存在对局部运动特征建模不足问题. 鉴于此, 提出一种结合卷积神经网络(CNN)与混合注意力机制的Transformer架构模型, 通过加入卷积特征提取, 显著增强局部关节运动表征能力. 首先, 设计混合多假设生成模块, 兼顾效率的同时生成更丰富的假设信息, 有效弥补传统全局视角方法在捕捉局部依赖关系上的不足; 然后, 使用自假设精细化模块进一步挖掘数据中的多样化信息, 确保模型能够捕捉到更多细节; 最后, 通过跨假设交互模块充分融合不同假设间的特征信息, 增强模型的鲁棒性和精度. 实验结果表明, 该模型在数据集Human3.6M上的表现相较于基准模型MHFormer提升了7.99%, 表明了所提出组件与整体架构在三维人体姿态估计领域的有效性.

摘要:针对功能磁共振成像(fMRI)中高阶功能连接建模与分类任务中维度膨胀、归一化缺失与跨阶协同弱化的挑战, 提出一种微分几何驱动的结构分层化轻度认知障碍(MCI)识别模型. 该模型融合双阶段对齐协同脑图谱(DAS-Connectome)与结构嵌入提炼层(SERL). DAS-Connectome引入两级结构建模机制: 一是通过流形对数映射实现归一化的几何推广, 构建稳定的高阶神经依赖结构; 二是执行结构映射增强, 将高阶结构与原始低阶张量缩并耦合生成DAS-Connectome, 从而提升结构表达的一致性与判别密度. SERL通过变分信息瓶颈的嵌入机制和预训练ViT(Vision Transformer )对DAS-Connectome进行低维表征提炼, 最终将嵌入特征输入轻量级分类器完成MCI判别. 实验表明, 所提出框架在阿尔茨海默病神经影像学计划库的数据集上相较传统方法分类准确率最高提升16%, 在小样本条件下展现出良好的稳定性与泛化能力.

摘要:利用可见光(RGB)和热红外(TIR)双模态信息间的互补性可以克服单模态跟踪在恶劣环境下的局限性. 目前基于RGB-T的目标跟踪方法不能充分利用模态间信息, 而且额外模态的引入会导致计算量增大. 为此, 提出双模板跨模态交互与前景选择的高效RGB-T目标跟踪网络, 对两个模态的模板图像进行融合构建融合模板图像分支, 利用融合模板图像特征和两个模态模板图像特征作为模态交互的纽带, 克服不同模态图像中心存在的偏差导致两种模态信息利用不充分问题; 利用极性感知线性注意力构建Transformer编码器, 减少ViT(Vision Transformer)中的多头注意力机制带来的复杂计算量, 提高模型的效率; 通过极性感知线性注意力返回的注意力构建前景选择模块, 去除无关背景特征, 提高跟踪精度的同时减少背景特征带来的计算量. 实验结果表明, 所提出网络在LasHeR数据集上跟踪成功率达到57.1%, 精确率达到71.2%, 相较于模板连接搜索区域交互算法(TBSI)分别提升1.1%和1.5%, 跟踪速度相较于TBSI提升3.5%, 在RGB-T目标跟踪任务中取得了较好效果.

摘要:舱位分配与空箱调运联合优化是班轮运输业需要重点关注的问题，针对舱位与空箱调运需求的不确定性，基于历史大数据采用一种结合长短期记忆网络(LSTM)和多层感知机(MLP)的LSTM-MLP预测模型对细分市场的运输需求进行预测. 在此基础上，着眼于差异化服务策略下的多周期舱位分配与空箱调运联合优化问题，建立多周期混合整数联合优化模型，提出一种分支-割平面算法对联合优化模型进行求解. 数值实验结果表明: 基于差异化服务策略的联合优化可有效提升班轮公司收益, 增加客户满意度; 4组实验验证了分支-割平面算法的有效性和精准性; 所提出基于LSTM-MLP预测的联合优化结果比随机需求下的联合优化可提升8% $\sim $ 17%的总收益.

摘要:研究具有未知外部扰动的非线性多智能体系统在非周期性间歇通信条件下的分布式领导-跟随一致性控制问题. 针对存在有界扰动并且满足Lipschitz条件的非线性多智能体系统, 设计分布式扩张状态观测器, 该观测器能够对系统状态和总扰动进行实时估计与动态补偿. 结合非周期性间歇通信的特性, 提出一种具有扰动补偿能力的分布式一致性控制协议, 该协议仅在通信阶段更新控制信号, 在非通信阶段则保持零输入, 从而在保证系统性能的同时, 有效降低系统的通信负担和能量消耗. 利用Lyapunov理论以及矩阵不等式相关知识证明了所提出的控制协议能够确保系统在非周期性间歇通信和未知外部扰动的复杂条件下实现领导跟随有界一致性. 数值仿真实验验证了所提出控制协议的有效性.

摘要:针对执行器故障下多智能体系统的资源分配问题, 研究预定时间收敛的分布式容错优化算法. 为了克服执行器效率损失故障导致的异构控制增益和偏置故障导致的未知扰动对系统动态的影响, 首先提出一种基于输出反馈和变结构控制方法的容错分布式加权梯度算法; 其次, 利用预定时间李雅普诺夫稳定理论和凸优化理论等工具, 进行算法预定时间最优收敛的稳定性分析; 然后, 为了避免不连续变结构控制导致的输入抖振问题, 设计输入连续的容错分布式加权梯度算法, 并分析算法的实用预定时间稳定性; 最后, 通过仿真结果验证了所提出容错优化算法的有效性.

摘要:针对UAV集群在未知环境中的区域覆盖搜索问题, 提出一种基于分层池化地图模型的UAV集群区域覆盖搜索算法. 首先, 构建环境地图对待搜索任务区域进行表征; 其次, 将图像处理领域的池化技术与区域栅格地图结合, 构建分辨率不同的多层次池化地图模型; 然后, 设计包含覆盖率、边界约束和宏观收益等在内的决策目标函数, 提出适用于强对抗环境的UAV集群分布式信息交互机制; 最后, 采用数值仿真对所提方法的有效性进行验证. 仿真结果表明, 所提算法能够在不同信道质量的条件下有效引导UAV集群对未知任务区域展开覆盖搜索, 在给定覆盖搜索场景中, 算法决策时间和覆盖率均优于现有其他方法.