摘要:随着智能制造技术和机器人技术的发展, 智能涂装技术和机器人遥操作技术的应用越来越广泛, 合理的编程方法能够保障喷涂的质量和效率, 机器人遥操作技术能够延伸人类的操作手段. 鉴于此, 针对智能喷涂机器人编程方法和遥操作技术的研究进行综述. 首先, 对喷涂系统的发展、编程方法和机器人遥操作技术进行介绍; 然后综述智能喷涂机器人编程方法和遥操作技术的研究成果, 对喷涂机器人的编程, 包括示教编程、离线编程系统、喷涂自动轨迹规划进行分析和讨论, 并重点介绍智能喷涂机器人遥操作技术的应用和研究现状, 从遥操作方法和系统控制两个方面阐述机器人遥操作技术在智能涂装领域的应用现状及遥操作系统稳定性和交互性的优化算法; 最后, 总结与展望智能喷涂机器人编程方法和遥操作技术的发展趋势.

摘要:随着低空经济进入快速发展期, 旋翼无人机凭借其垂直起降能力、高机动性及成本低廉等优势, 引起了人们的广泛关注. 利用其进行物资装备的空中运输能克服地形地势对运输的限制, 较地面运输更为高效. 在旋翼无人机空中运输领域, 吊绳悬挂方式具有机械成本低、对负载体积无限制等优势, 因此具有更好的任务适应性. 然而, 旋翼无人机本身具有欠驱动特性, 随着悬挂负载的引入, 系统的自由度更高、非线性程度和状态耦合也更为严重, 为其控制与规划方案的设计带来了巨大挑战. 鉴于此, 首先对无人机吊运系统进行分类并简要介绍其特性; 然后分别对单机和多机吊运系统的控制及规划方法研究现状与最新进展进行重点阐述; 最后对旋翼无人机吊运领域的已有研究进行讨论与总结, 并展望该领域未来的发展和趋势.

摘要:当城市发生突发性事件时, 高效的应急物资配送能力是降低生命和财产损失的有效途径之一. 为了提高城市应急物资配送效率和效果, 提出一种基于进化多任务的多无人机协同路径规划算法(MCPP-EMTO). 首先, 将原多无人机应急配送问题作为主任务, 并将不考虑无人机续航能力和容量约束的多无人机应急配送问题当作辅助任务; 然后, 所提出算法将辅助任务得到的有用演化信息迁移至主任务来提高求解效率; 最后, 为了验证所提出算法的性能, 设置3个不同的城市应急配送场景, 并选用4种高性能多目标进化算法作为比较算法. 仿真实验表明, 相比于4种比较算法, 所提出算法能够得到多样性和逼近性较好的帕累托前沿.

摘要:针对未知异构非线性多智能体系统一致性跟踪问题, 设计基于控制器动态线性化的分布式直接型无模型自适应PID控制算法, 仅使用被控系统的输入输出数据以及智能体间的拓扑结构关系进行控制器参数整定, 不受被控系统数学模型的限制. 首先利用动态线性化技术将受控系统以及理想控制器等效转换成相应的动态数据模型, 基于理想控制器的动态数据模型设计控制器结构以及参数自适应更新算法; 然后利用压缩映射以及盖尔圆盘定理进行误差收敛分析; 最后进行大量仿真对比, 验证所设计控制算法的有效性和优越性.

摘要:针对现有时间序列聚类分析较少考虑到各簇时间序列的相似形态对聚类结果的影响, 提出一种基于时间序列形态的模糊聚类算法. 该算法使用线性时间复杂度的Jeffreys复合距离度量时间序列之间的距离, 利用迭代过程中的隶属度为各簇选择能够映射簇内时间序列相似形态的核心特征, 并在下一次迭代中对距离进行特征加权. 当隶属度不再显著变化时, 算法停止迭代, 根据隶属度最大原则对时间序列进行簇划分. 在14个公开时间序列数据集上与10种对比算法的实验结果表明, 所提算法具有精确的聚类结果和较好的鲁棒性, 综合性能优于对比算法.

摘要:基于检测的多目标跟踪方法在复杂场景问题上达到了较好的效果, 但已有研究大多关注于时空特征关联而忽视了提高检测性能所能带来的全局跟踪收益. 据此, 提出一种卷积混合注意力机制, 该模块结合动态稀疏通道注意力和空间位置注意力: 在处理通道注意力时, 整合空间上下文信息, 动态调整通道权重; 在处理空间注意力时, 结合不同通道特征评估空间区域的重要性, 旨在优化注意力分配并提升检测精度. 进一步地, 提出一种两阶段多目标跟踪方法 —— CHAMTrack, 通过在运动目标检测阶段使用该注意力机制, 增强算法在复杂场景中对关键信息的捕捉能力, 提升不同尺度目标的跟踪效果, 降低跟踪过程中漏检和ID切换的发生率. 在MOT17和MOT20数据集上的实验结果表明, CHAMTrack在MOTA指标上分别提升$2.1\, \% $和$1.3\, \% $, 在IDSw.指标上分别提升$ 28 \,\%$和$ 20.5\, \%$, 显著提升了多目标跟踪算法在复杂场景中的效果和鲁棒性.

摘要:作为可再生能源装机的重要组成部分, 海上光伏发电系统受制于特殊的气象环境和有限的远海气象监测条件, 相比于陆地光伏预测, 海上光伏预测需要精确掌握海域上空多变的云层状况并分析海洋气象波动特征. 鉴于此, 提出一种基于卫星遥感数据的超短期功率预测方法. 首先, 针对云层图像的不确定性和波动问题, 采用遥感图像全波段的分段加权高斯融合和基于VAE的重构技术, 提出基于多光谱云图修正的海上功率模型; 然后, 使用双层GAN网络预测海上光伏出力, 显著降低预测误差; 最后, 通过新加坡柔佛海峡电站数据验证结果表明: 所提出模型能够高精度实现1 h及以上的超短期功率预测, 精度较传统方法提高了12%, 增强了电网实时调度的可靠性和可再生能源并网消纳能力.

摘要:电潜泵故障诊断对于确保安全可靠采油至关重要, 但是, 电潜泵数据呈现出的多变量、非线性和动态变化等复杂特性为该任务带来了严峻挑战. 近年来, 深度学习在复杂数据特征提取方面表现出的强大能力催生了一系列基于神经网络的电潜泵故障诊断方法. 然而, 多数方法忽略了电潜泵数据的动态特性以及长时依赖特征提取困难的问题. 针对上述问题, 提出一种多变量时序标记Transformer神经网络来实现电潜泵故障诊断. 该模型设计新的多变量时间序列标记策略, 继承引入多头注意力机制和残差连接的传统Transformer神经网络编码器在长时依赖特征提取方面的优势, 用前向神经网络替代传统Transformer神经网络解码器来简化模型复杂度. 通过对油田现场故障数据分析, 验证所提出方法的有效性. 实验结果表明, 所提出方法实现了10类电潜泵故障的精确诊断, 相比于流行的深度学习方法诊断性能更优.

摘要:研究基于超螺旋滑模算法的异步电机转子磁链观测问题. 根据异步电机电流模型, 设计超螺旋算法下的转子磁链开环估计模型. 为了提高该模型对于转子电阻及外部扰动变化的鲁棒性, 对观测器中电机参数的不确定部分进行估计. 进一步地, 将观测器得到的转子磁链引到定子电流估计方程中, 得到闭环结构, 从而提高磁链观测精度和收敛速度. 通过重构模型中待观测的中间变量, 解决了传统观测器模型对于转子磁链求解时的积分漂移和初值误差问题. 针对磁链与转子转速的耦合问题, 通过处理扰动给出系统稳定的充分条件. 最后通过仿真和实验结果验证所提出算法的可行性和有效性.

摘要:针对协同利用多频率信息进行建模时存在变量频率不齐, 以及高频变量通常具有季节性影响的问题, 构建季节性混频灰色预测模型(SMFGM (1, N)). 首先, 所提出新模型通过引入Nakagami函数来实现变量间频率对齐, 基于季节因子消除变量的季节性影响, 添加非线性项来反映系统受时间因素的非线性影响; 然后, 为了辨识新模型中的滞后参数, 将Nakagami函数与经典灰色关联度模型相结合, 提出混频灰色关联度模型, 以识别不同频率变量间的关联关系; 最后, 基于年度GDP和季度税收收入案例, 将所提出新模型与混频数据抽样模型、其他灰色预测模型、神经网络模型以及统计模型进行对比分析. 分析结果表明: SMFGM (1, N)模型具有更优异的建模性能, 能够有效处理具有季节性规律的混频数据预测问题, 为多频率信息系统建模提供了新的方法.

摘要:伴随线上医疗不断发展, 医院在线上线下联合医疗服务的模式中面临着对线上服务医生进行排班优化决策的问题, 其主要挑战在于时变的患者需求和线上医疗特殊的服务模式. 针对此决策问题, 首先将线上医疗服务系统建模为资源共享队列, 采用时变马尔可夫链和均匀化方法对患者逗留时间、队列长度和医生加班时间进行建模和分析评估; 然后基于以上系统评估方法, 提出变邻域搜索的启发式算法对医生排班问题进行求解; 最后基于合作医院的实际数据开展数值实验分析, 以验证基于时变马尔可夫链建模的准确性. 结果表明, 所提出算法可以得到相对医院实际方案更好的排班结果, 从而可以更加合理地安排医生工作时间, 减少患者逗留时间, 控制系统中的患者数量, 并具有优良的鲁棒性. 所做的研究对于完善我国线上医疗服务系统的运作管理具有实际意义.

摘要:针对连续搅拌反应釜系统的浓度和温度的跟踪控制问题, 提出基于Koopman算子的模型预测控制方法. 基于Koopman算子建立CSTR的有限高维线性模型(24维), 以CSTR的高维线性Koopman模型作为预测模型, 结合预测控制滚动时域多目标优化, 考虑状态约束、控制目标、性能优化等约束条件, 设计连续搅拌反应釜系统的温度和浓度跟踪控制算法. 利用Matlab/Simulink仿真实验验证所提出方法的有效性. 通过与CSTR的局部线性化模型预测控制算法(LMPC)和非线性模型预测控制算法(NMPC)进行仿真对比, 验证所提出方法的优越性. 实验结果表明, 所提出方法无需依赖系统的精确数学模型, 能避免求解非凸优化问题, 而且收敛速度更快, 控制精度更高.

摘要:针对小到个体、组织, 大至地区、国家等复杂系统的未来发展进行的综合预判问题, 基于综合评价并结合被评价对象(系统)的历史发展对其未来进行多指标预测分析, 从而为其未来发展的综合预判提供数据支撑. 由于被评价对象的未来发展往往充满一定的不确定性, 具体研究中将被评价对象的未来发展预期分为超乐观、乐观、平均、悲观和超悲观5种情境, 以此为基础分情境预测未来短期内被评价对象的发展空间, 并构建相应的预测性评价方法. 在对指标进行赋权时, 从有利于系统未来整体发展的视角提出一种指标权重设计方法. 在预测性评价结论方面, 考虑到未来发展的不确定性特征, 将随机聚合方法融合至预测模型的求解中, 采用带有概率特征的相对优劣排序方式来描述被评价对象未来可能的发展水平. 最后, 将所提出方法应用于组织中层管理人员未来发展潜力预测性评价中, 通过与已有方法的对比分析表明所提出方法特征的同时, 验证所提出方法的有效性. 该研究可为复杂系统未来发展的综合预判问题提供方法支撑, 研究结论可为系统规划和资源分配提供基于历史数据支撑的有效参考.

摘要:针对无人机城市街景实时语义分割任务中轻量级算法缺乏全局信息交互导致像素类别错分的问题, 提出一种注意力置换与通道重建的无人机城市街景实时语义分割网络, 网络采用编码-解码结构. 在编码器中, 利用轻量级的置换自注意力机制来构建注意力分支, 提取全局上下文信息的同时保持较高的计算效率; 利用分裂-变换-融合的策略设计通道重建模块对注意力分支的输入进行融合压缩, 减小无关特征带来的计算量和对分割结果的影响. 在解码器阶段, 利用空间权重加权构建空间特征融合模块, 实现对有效特征最大程度上的利用; 利用置换自注意力机制和非对称卷积构建全局信息感知模块, 以克服无人机航拍图像中复杂背景的干扰. 实验结果表明: 所提模型在UAVid验证集上平均交并比达到72.3 %, 相较于UNetFormer提升了 2.3%, 分割速度达到每秒105.8帧; 在保证模型分割速度的前提下, 取得了较好的分割精度.

摘要:为了减少机器人在探索过程中容易忽视局部狭小区域、路径重复度高、探索效率低下的问题, 提出一种基于分层边界与可视图的自主探索算法. 首先, 根据三维地图中状态变化的体素, 实时提取局部边界并增量构建全局边界, 对边界聚类得到候选目标点; 其次, 基于增量更新的可视图对候选目标点进行综合指标的评价, 采用一种指数衰减形式的评估函数; 再次, 将可视图与D*Lite算法结合, 基于动态规划的思想, 引导机器人快速完成对未知环境的探索, 避免重复路径; 最后, 在不同环境下进行仿真实验, 通过数据验证所提出方法在移动距离、运行时间、探索效率方面都优于次优视图规划器(NBVP)、基于图的探索规划器2$\,$(GBP2)和双阶段视点规划器(DSVP)算法. 结果表明, 该算法可以有效解决机器人在探索时忽视局部狭小区域、路径重复度高的问题, 提高了机器人自主探索的效率.

摘要:研究有向不平衡通信拓扑下智能电网的经济调度问题, 提出一种新颖的分布式优化算法, 其目的是通过有效调度发电机组的输出功率, 以最大限度地降低系统总发电成本. 该算法通过引入动量项, 确保发电机能够从其自身和邻居处获取更多先前的历史信息, 从而在更短的时间内实现收敛. 算法中动量项和步长是时变的, 因此算法的执行效率更高. 为了避免智能体间的连续通信, 算法考虑一种新的事件触发条件, 其关键参数选择简单, 且智能体只在触发时刻向其邻居传输信息. 基于成本函数的假设(平滑性和强凸性), 通过理论分析表明, 当最大步长和最大动量项系数在其限制范围内时, 该方法可以实现最优调度. 最后通过数值实例进一步验证所提出算法的优越性和正确性.

摘要:针对飞机全电刹车系统普遍存在的匹配和非匹配扰动会降低滑移率和制动压力跟踪精度, 难以实现对飞机刹车的高性能控制的问题, 提出一种基于级联扩张状态观测器和有限时间预设性能反演的飞机全电刹车系统改进滑模复合控制方法. 首先, 考虑匹配和非匹配扰动建立飞机全电刹车系统的优化数学模型, 设计级联扩张状态观测器对匹配和非匹配扰动进行实时估计; 其次, 基于扰动估计和有限时间预设性能反演设计滑模控制方法, 使滑移率可以在预设时间内精确跟踪期望值; 再次, 基于扰动估计设计改进非奇异全局终端滑模控制方法, 制动压力可以精确跟踪参考虚拟制动压力, 使飞机全电刹车系统快速获得最大的制动压力, 提高制动性能. 通过在不同跑道状态下进行的对比仿真分析, 验证了所提出的飞机刹车复合控制方法可以有效提高刹车效率.

摘要:传统轻量级图像超分辨率重建方法通常依赖单一尺度的卷积提取图像特征, 简单地将浅层与深层特征聚合后进行图像重建. 然而, 这种做法忽略了感受野信息的丰富性以及中间潜在特征在图像重建过程中的重要作用, 导致卷积层间的信息交互受限, 进而造成图像细节信息丢失和重建精度不高的问题. 鉴于此, 提出一种基于渐近式感受野的轻量级图像超分辨率重建方法. 该方法的核心在于设计一种双路阶梯式卷积链, 通过逐步调整感受野的大小, 有效地融合图像的整体结构信息和局部细节特征, 从而实现信息的多样化表达. 此外, 探索一种多维潜在特征的融合方法, 旨在充分挖掘多维潜在特征间的相关性. 实验结果表明, 与目前流行的重建方法相比, 所提出的方法在捕捉图像细节方面表现出色.

摘要:视线估计是一种预测人眼注视位置或注视方向的技术, 在人机交互和计算机视觉的应用中发挥重要作用. 针对特征的差异性和利用率不全面的问题, 提出双分支特征融合的视线估计算法. 首先, 构建Agent Swin Transformer网络与残差网络相结合的双分支网络模型, 对视线特征进行提取, 由改进的Agent Swin Transformer网络构成全局特征提取分支, 逐层提取全局语义特征; 由残差网络构成局部特征提取分支, 提取不同尺度下的局部细节特征. 通过特征融合将特征张量连接在一起, 增强模型的表征能力. 其次, Agent Swin Transformer网络融合高效多尺度注意力模块(EMA)及空间和信道重建卷积模块(SCConv), 以加强特征, 保持信息有效性, 降低复杂性和计算成本. 最后, 结合头部姿态估计进行视线估计得到最终的视线方向, 以减少干扰因素对眼部外观的影响. 在MPIIFaceGaze数据集上进行大量实验, 实验结果表明, 该方法的视线估计角度平均误差为4.23°, 同当前主流的同类方法相比, 所提出算法能够更为准确地进行视线估计.

摘要:超精密运动台是光刻机的关键组成部分, 包括工件台和掩模台, 二者的同步性能直接影响光刻机的套刻精度和关键尺寸均匀性. 针对工件台和掩模台的同步控制问题, 提出一种基于同步性能综合指标的迭代学习控制(MASD-ILC), 能够减小同步误差, 且有效抑制推力扰动. 验证所提方法的学习律沿时间轴和迭代轴的收敛性并给出收敛条件, 分析学习增益和权重系数对学习律收敛性的影响, 通过仿真验证所提出方法的有效性. 与传统基于误差的迭代控制(e-ILC)相比, 所提出的MASD-ILC收敛速度更快、收敛误差更小、鲁棒性更好. 基于MASD-ILC的系统经过迭代学习, 同步性能综合指标从31.56 nm降低到0.10 nm, 存在推力扰动和模型不确定时, MASD-ILC的收敛速度和收敛误差不受影响.

摘要:由于存储空间限制, 物联网中的边缘设备往往仅能保留当前某个有限时段内的数据. 实际生产过程中, 设备工况在一定时间内发生变动, 产生新类别的故障数据或图像, 这种类别增量会造成模型在本地训练时产生灾难性遗忘. 在单边端类别增量的局部灾难性遗忘基础上, 随着云边协同优化, 灾难性遗忘会产生扩散. 针对上述问题, 提出一种基于稳定特征原型的联邦类别增量学习方法, 在边端建立类别样本记忆库存储类别代表性样本, 设计基于回放范式的原型网络更新策略, 在云端设计以统一特征空间下的特征原型为参考基准的加权聚合策略, 在联邦框架下稳定优化特征空间, 实现类别知识的联邦更新. 基于类别增量常用的数据集CIFAR10和Mini-ImageNet的实验验证了所提方法可以有效缓解灾难性遗忘.

摘要:为应对24小时全时段视频监控需求, 行人重识别任务必须要同时应对单模态与跨模态重识别的挑战, 但目前的行人重识别任务通常将单模态与跨模态作为两个分支独立研究, 忽视了这两个任务互补的应用价值. 为应对这一挑战, 提出一种可协同训练单模态和跨模态行人数据集的可迁移网络架构, 通过三路分支网络深入挖掘每个模态的行人信息, 并深入探讨协同优化架构中的域间隙和模态样本量不平衡问题, 有效实现多任务的优化问题. 针对域间隙的问题提出一种低层级特征拉近策略, 显著减少了跨域样本特征间的差异, 使得模型能够学习并提取域不变的语义特征. 同时, 为了解决模态样本量不平衡的问题, 设计一种弱模态特征挖掘策略, 通过灵活调整训练权重, 使模型更加关注弱模态的优化. 实验结果表明, 所提出的框架可以迁移到使用ResNet作为主干网络的众多主流方法上, 其中在经典方法AGW的基础上Rank1和mAP分别提高了23.79 %和17.78 %.

摘要:共享经济的兴起推动了共享出行行业的迅速发展, 顺风车合乘成为移动出行的新趋势, 合乘中考虑司乘的服务模式偏好有助于满足多元化的消费需求. 针对服务模式偏好下顺风车合乘的司乘匹配问题, 提出一种新的匹配方法. 首先, 针对服务模式偏好下顺风车合乘的司乘匹配问题进行描述, 根据时间窗和最大绕路距离计算乘客和司机的满意度; 然后, 构建以匹配数量最大、司机平均满意度最大、乘客平均满意度最大为目标的多目标优化模型, 针对模型的NP难特性, 基于带精英策略的非支配排序遗传算法设计求解该模型的启发式算法; 最后, 通过算例表明所提出方法的可行性和有效性. 结果表明, 所提出方法能够有效求解服务模式偏好下顺风车合乘的司乘匹配问题, 初始种群生成策略和局部搜索操作能够在一定程度上增强算法的全局搜索能力.

摘要:针对智能网联车辆在通信受限环境下遇到的通信延迟、资源受限、集总扰动及非理想通信拓扑等影响, 提出一种基于观测器的协同编队控制策略. 首先, 根据四元素模型对车辆队列系统进行动力学建模; 其次, 为解决系统部分状态不可测、集总扰动与可测噪声等问题设计积分观测器, 依此设计协同编队控制策略; 然后, 构建误差系统并考虑$H_\infty$性能指标, 构造Lyapunov-Krasovskii泛函处理变化时延, 将基于观测器的编队控制问题转化为误差系统稳定性问题,并推导出稳定充分条件; 最后通过仿真结果验证所提方法的正确性和有效性.

摘要:基于自适应视线制导方法(ALOS)、有限时间扩张状态观测器(FTESO)和鲁棒模型预测控制(RMPC)提出一种基于横摇约束的船舶路径跟踪控制方法. ALOS通过路径点自动更新可接受半径, 获得更灵活的机动性; FTESO用于船舶运动状态和外部干扰的估计, RMPC控制器设计中将输入约束、横摇约束和无限时域性能指标纳入优化目标, 转化为线性矩阵不等式凸优化, 进行多目标协同控制. 根据Lyapunov稳定性理论和齐次理论, 确保系统的闭环稳定性及有限时间内的收敛性. 仿真结果表明, 虽然经过极限角度时所提方法路径跟踪超调量略大, 但所提方法减摇率为83.40 %, 与视线制导$+$模型预测控制(LOS $+$ MPC)方法相比减摇率可提升51.28 %, 验证了所提控制方法的有效性和鲁棒性, 可为欠驱动船舶舵减摇控制设计提供参考.

摘要:针对传统RGBT目标跟踪算法网络精确度低、鲁棒性差, 以及在目标尺度变化大和长时跟踪过程中存在目标丢失无法找回等问题, 提出一种新的基于自适应特征融合机制的可修正RGBT目标跟踪算法. 首先, 引入一种特征层与模态间双自适应融合机制, 充分利用两模态间的互补信息, 增强RGB与红外特征的跨模态融合; 然后, 设计一种后端时序约束回归模块, 利用上一帧信息对IOU计算以及边界框回归进行约束, 有效减少相似物干扰; 最后, 提出一种基于元学习的在线模板更新机制, 对回归阶段得分较高的模板图像进行更新存储, 解决长时跟踪中累计误差和目标难以找回问题. 采用权威的目标跟踪数据集GTOT、RGBT234和VOT-RGBT2019进行算法验证, 所提出方法均可取得极具竞争力的结果. 将算法移植到嵌入式设备Jetson Xavier NX上进行性能测试, 实验结果表明: 所提出算法运行速度可达到29帧/s, 相比于当前流行的多种RGBT算法, 具有更为全面的跟踪性能, 且能够有效解决相似物干扰、目标丢失难找回等问题.

摘要:岭回归由于简单高效被用于处理各种机器学习任务, 并取得令人称赞的结果. 然而, 当岭回归直接应用于聚类时, 易触发平凡解. 为解决此问题, 提出基于约束图的鲁棒不相关岭回归方法(RURCG). 首先, 利用广义不相关约束使得岭回归嵌入流形结构, 保证其聚类时存在闭式解; 然后, 为了避免异常数据对聚类的影响, 对岭回归的误差项施加二值向量, 该向量的元素具有明确的物理意义, 若数据正常, 则其值为1, 否则为0; 接着, 对岭回归嵌入拉普拉斯构造来获取数据的局部几何结构, 使得聚类结构更为充分, 其中涉及的图矩阵包含成对约束和标签信息; 最后, 运用迭代优化策略求解目标函数, 通过在8个基准数据集上的仿真实验验证所提出方法的有效性.

摘要:惯性参考单元(IRU)是抑制运动载体光电跟瞄系统载体振动干扰的有效手段. IRU系统指向精度受机械谐振、传感噪声、驱动器输出纹波、基座角振动等内外部扰动影响, 不同扰动的来源、特征均有所不同. 对IRU系统的多源异质扰动抑制方法展开研究, 在分析系统内外部扰动来源、特征的基础上, 提出改进型扰动观测器(RDOB)结构, 实现系统窄带大幅值扰动的抑制, 结合扰动前馈结构, 进一步提升系统对外部扰动的抑制能力, 并通过仿真和实验验证控制方法的有效性. 结果表明: 基于RDOB与扰动前馈技术的控制结构能够实现100 Hz的位置控制带宽, 多源异质扰动作用下的闭环指向精度为1 μrad, 对20 Hz外部扰动的抑制能力可达–32.03 dB, 在0.1 mrad、20 Hz外部扰动作用下, IRU系统对0.2 mrad、1 Hz正弦信号的跟踪精度为6.1 μrad.

摘要:供应链是一个极其重要而又复杂的系统, 与社会系统和管理系统有着广泛的联系. 由于供应链系统具有一段时间内需求突增或骤减的非瞬时脉冲特点, 使其对各种不确定性和外部干扰都很敏感, 并产生混沌行为. 基于此, 建立具有非瞬时脉冲的供应链模型, 分别分析非瞬时脉冲对稳定和混沌供应链系统的影响, 并给出有限时间稳定策略, 同时讨论零售量和生产量对分销量的联合效应对该模型的影响. 另外, 同步控制是降低不确定性和扰动对供应链负面影响的重要方法, 为此讨论了两个具有相同结构的供应链系统的非瞬时脉冲同步行为, 并给出相应的有限时间同步策略. 最后, 通过数值算例验证了所得结果的有效性. 研究发现: 非瞬时脉冲对供应链系统有着显著影响, 但只要选取恰当的非瞬时脉冲时间间隔和强度, 就可以实现供应链系统的有限时间稳定和同步控制.

摘要:利用自适应评判控制方法研究具有非对称约束的连续时间零和博弈问题. 首先, 建立一种新颖的非二次型函数处理非对称约束问题, 以降低对控制矩阵的限制. 其次, 推导最优控制、最坏扰动, 以及Hamilton-Jacobi-Isaacs方程. 然后, 建立一种自适应评判控制方法以近似最优代价函数, 从而获得近似最优控制以及近似最坏扰动. 针对具有非对称约束的零和博弈问题, 提出一种新型评判学习准则来强化学习过程并消除对初始容许控制的依赖. 此外, 利用Lyapunov方法证明系统状态和评判网络权值近似误差的稳定性. 最后, 利用F-16战斗机和倒立摆两个实例验证所提算法的有效性. 同时, 给出传统学习算法下的仿真结果, 进一步说明所提新型学习准则的可行性.

摘要:IaaS云产品定价与容量规划问题近年来引起广泛关注, 但现有文献尚未在资源互补与复用及捆绑销售的视角下研究该问题. 考察一个提供预留类与现货类云产品、具有两种互补性资源的IaaS提供商, 将资源复用纳入容量规划考量, 通过比较单独、捆绑和混合销售预留类产品时各模式下的最优定价、容量规划及IaaS提供商的利润, 分析IaaS提供商和用户最偏好的销售模式. 研究发现: 1) IaaS提供商选择混合销售能实现最大利润, 若只能选择非混合销售, 则在面临具有较强互补性的资源和对捆绑折扣价格较敏感的用户时, 选择捆绑销售; 反之, 选择单独销售. 2) 捆绑产品用户获益最大的模式是捆绑销售, 非捆绑产品用户获益最大的模式是混合销售. 3) 资源间互补性越弱, 捆绑销售的价格折扣越明显. 4) 资源复用使预留类产品定价更低、需求更大, 也使IaaS 提供商利润更高, 因此资源复用能使IaaS提供商和用户实现双赢. 研究结果为基于资源互补与复用的IaaS云产品捆绑定价与容量规划决策提供了理论支持和实践建议.

摘要:预成端盒是一种连接和管理光纤网络物理分布的重要光传输设备, 现阶段对该类设备的巡检主要依赖人工完成. 为了降本增效, 亟需上线智能化巡检方式. 然而, 受制于设备部署场景复杂的光照条件、多样的端口连纤状态及遮挡问题, 利用现有的图像识别技术对端口信息 (端口连纤状态和连纤条码信息) 进行自动化识别具有极大的难度: 既难以保证端口信息识别的精度, 又难以将识别结果与其实际物理位置相匹配. 为此, 提出基于空间匹配校准的预成端盒端口信息自动化识别方法, 包括: 基于空间多尺度匹配和多角度补偿的端口状态识别和校准方法, 采用多尺度模板校准算法自适应地匹配端口实例的状态信息及其物理位置, 并设计多角度补偿方案完成端口的校准识别; 基于自适应矫正与动态极小值匹配的光纤尾端条码信息识别方法, 自动检测条码成像姿态并有效切割和识别条码, 利用动态极小值匹配算法进行空间匹配校准, 实现连纤端口的条码信息识别. 构建一个真实数据集, 并基于此进行大量实验, 实验表明所提出的方法在端口信息的识别精度和效率上均优于同类应用场景; 同时, 将所提出的方案在移动设备上进行部署测试, 可实现准确高效的预成端盒端口信息自动化识别.

摘要:研究连续多智能体系统的分布式最优一致性问题, 即通过智能体之间的信息交互协同寻找全局成本函数的最小点, 其中全局成本函数由各智能体的局部成本函数求和得到. 基于零梯度和方法与固定时间机制, 提出一种新型分布式非线性一致性策略, 实现智能体在固定时间的最优一致性. 所提算法可利用滑模技术实现智能体初始状态自由. 证明所提算法收敛上界是某正弦函数的零点, 与初始状态无关. 通过3组案例仿真验证所提计算法的有效性.

摘要:基于领导者-跟随者框架研究结构平衡和聚类平衡网络的可牧性. 首先, 通过分析网络的拓扑结构, 依据边界节点的距离划分提出一种节点分组方法. 在此基础上, 分别分析结构平衡和聚类平衡网络的拓扑结构、符号特征、动力学特性与能控性矩阵之间的关系, 给出一些领导者选择方法以确保网络的可牧性. 进一步, 针对结构平衡网络, 给出一种具有多项式时间复杂度的领导者搜索算法. 该算法可避免现有方法中复杂度随着节点数目呈指数式增长的问题, 并为实现网络可牧的最小数目的领导者选择提供帮助. 此外, 研究一类特殊的聚类平衡网络(星聚类平衡网络), 得到两种领导者选择方法实现网络的可牧性. 最后, 通过数值例子验证所得理论结果的有效性.

摘要:针对传统灰狼优化算法(GWO)在移动机器人路径规划任务中经常遭遇局部最优且收敛效率不尽如人意的困境, 提出一种基于Piecewise混沌映射的改进灰狼优化算法(PGWO). PGWO算法首先采用Piecewise混沌映射初始化灰狼规模, 提高种群分布的多样性; 其次将GWO算法中收敛因子$ a $由线性调整为非线性控制参数, 调整后的收敛因子$ a $在早期迭代中迅速减少, 提高全局搜索能力, 避免陷入局部最优, 同时在后期迭代中逐渐减少, 增加局部搜索能力; 最后将GWO算法中灰狼趋于猎物的位置更新公式采用基于步长欧氏距离的比例权重进行更新, 以提高灰狼独立搜索能力. 为了验证改进后算法性能, 选取6个标准测试函数对PGWO算法与GWO算法, 以及2个不同改进后的灰狼算法进行对比实验, 结果表明PGWO算法有较好的收敛性和稳定性. 将PGWO算法应用于3种不同复杂度的栅格地图中进行全局路径规划仿真对比实验, 结果表明, PGWO算法相较于GWO算法在20 × 20, 30 × 30, 50 × 50的栅格地图中, 最短路径分别缩短了22.09 %, 34.12 %, 47.75 %.

摘要:随着个性化无线通信的增长, 蜂窝连接无人机逐渐成为快速构建无线通信网络的重要手段. 由于城区复杂环境对无线通信的影响, 无人机如何获得最佳的飞行路径面临着巨大的挑战. 现有方法在评估无人机路径的通信性能时通常依赖于飞行高度固定的二维视距(LOS)概率模型. 考虑无人机可以通过调节飞行高度以改善通信质量, 提出三维视距概率模型, 从而构建信号干扰噪声比(SINR)的三维地图, 并基于通信质量阈值判别, 获得二值化3D-SINR地图. 然后, 基于该地图, 以无线通信连接中断率、连接中断持续时间、服务基站切换次数为通信质量评估指标, 建立无人机三维路径规划模型. 最后, 采用改进的启发式方法求解无人机飞行路径. 仿真实验展示了城区通信场景下生成三维SINR地图的良好效果. 基于该地图求得的无人机飞行路径与现有方法相比, 拥有更好的通信连接质量和更小的路径长度.