摘要:随着无人系统技术的快速发展, 其在高精度、高风险及复杂环境任务中的应用日益广泛. 然而, 无人系统在实际应用中面临诸多优化挑战, 如轨迹规划与跟踪、编队控制、决策与任务分配以及控制优化等. 传统优化方法在处理这些复杂问题时往往力不从心. 鉴于此, 首先基于神经动力学优化的无人系统若干问题研究现状, 重点介绍几类神经动力学优化方法, 探讨其在无人系统优化问题中的独特优势; 然后详细分析无人系统中几类关键优化问题的数学特性与难点, 并总结神经动力学优化方法在这些问题中的具体应用与成效; 最后展望神经动力学优化方法在无人系统领域未来的发展方向, 强调其在提高无人系统性能、安全性和智能化水平方面的重要作用.

摘要:随着四足机器人控制技术的逐渐发展, 四足机器人已经广泛被应用于救援、军事、探险等领域. 在四足机器人的应用中, 如何在不牺牲控制性能的前提下有效降低能耗是一个重要的瓶颈问题. 为此, 提出一种基于脉冲强化学习算法(SRL)和中枢模式发生器(CPG)的分层控制算法(SRL-CPG)用于四足机器人的运动控制. 首先, 因为脉冲神经元相比传统的人工神经元具有更低的能耗, 故基于脉冲神经网络(SNN)构建脉冲强化学习算法, 将其作为控制中枢; 其次, 在控制任务动作空间过大的情况下, SRL难以取得良好的控制效果, 因此将CPG作为低级控制器, 利用SRL接受状态信息并对CPG参数进行调整进而控制四足机器人运动; 最后, 将SRL-CPG控制算法在Webots环境中搭建的四足机器人模型Gbot上进行实验验证, 结果表明SRL-CPG控制算法能够有效应用于四足机器人的运动控制, 并大大降低能耗.

摘要:四足机器人特殊的腿部结构使其能够适应各种复杂地形, 由于现有的基于虚拟模型的QP (二次规划)算法研究大多未考虑地形信息或考虑不够全面, 在复杂地形下的稳定性和精确性受到限制. 基于此, 提出一种基于机器人本体感知系统估计地形复杂度的方法, 并在此基础上改进四足机器人控制器, 提升其在非结构化地形下的稳定性. 首先利用四足机器人的本体感知能力、足端运动学以及质心动量反馈, 设计一种综合性的地形复杂度估计函数, 将四足机器人的地形评估与动态性能评估结合在一起评价地形复杂度; 然后在四足机器人虚拟模型控制的基础上, 在支撑相加入利用地形复杂度估计函数的外力干扰补偿与支撑力约束, 提升控制算法在支撑相的稳定性, 在摆动相则利用估计函数进行落足点规划并调整步态周期, 提升机器人的动态能力与适应性. 为了验证所提出方法的有效性, 利用四足机器人UnitreeA1仿真模型与webots仿真软件设计了一系列实验, 实验结果表明所提出的方法能有效提高四足机器人在非结构化地形上工作时的稳定性.

摘要:研究一种环境搜索问题, 利用地面多机器人系统查找细小物品, 具体而言, 地面多机器人系统将接收到的SLAM地图切割成房间, 再将这些房间分配给各个地面机器人, 以使随后的全覆盖搜索过程完成时间最快、地面机器人间无互相干扰. 提出一种基于双向连通边链表数据结构的(房间)区域处理算法, 并提出一种基于混合整数线性规划的房间分配算法, 两种算法构成处理与分配方法. 数值实验结果表明了处理算法的有效性、任务分配的均衡性、安全性、最优性以及其对异速地面多机器人系统的适用性, 同时也在物理实验上验证了处理与分配算法的有效性.

摘要:为实现在轨任务所需的快速高精度的力/位控制, 研究双臂空间机器人在轨辅助对接操作的阻抗控制问题. 首先, 利用Lagrange方法建立双臂空间机器人捕获操作后形成闭链混合体系统动力学方程，基于阻抗控制理论建立二阶线性阻抗模型和二阶近似环境模型; 接着, 利用径向基神经网络(RBFNN)对系统不确定因素进行分块逼近; 然后, 考虑有限时间内收敛的控制需求, 引入添加非线性项并经过分段式改良的快速非线性滑模面(FNSMS), 并通过设计边界层函数来抑制所引入的滑模项带来的抖振; 最后, 通过Lyapunov稳定性判定验证系统的稳定性. 仿真结果表明, 所提出控制算法收敛速度快、稳定性好、鲁棒性强, 可同时实现高精度的力/位控制, 其姿态控制精度优于0.5°, 位置控制精度优于0.001 m, 输出力的控制精度优于0.5 N, 满足双臂空间机器人在轨辅助对接操作的任务需求.

摘要:针对转向系统的延迟和道路曲率的变化会降低路径跟踪精度和稳定性问题, 提出一种采用延迟补偿和曲率增广的模型预测路径跟踪控制策略. 首先, 建立一阶惯性模型表示转向系统因信号传输、机械摩擦引起的响应延迟, 采集实车转角数据并利用粒子群优化算法完成转向延迟模型的参数辨识; 然后, 在此基础上, 将转向延迟模型融合至路径跟踪误差方程, 以提高控制系统模型的准确性, 并将曲率作为模型预测控制的增广量来减小曲率对跟踪精度的扰动; 最后, 对所设计控制策略进行仿真和实车试验. 仿真结果表明: 所设计控制策略在大曲率转弯工况下的横向偏差和横摆角偏差分别降低63.1%和7.5%, 在双移线工况下的横向偏差和横摆角偏差分别降低30.9%和43.4%, 能够避免转向延迟引起的转角振荡, 提高车辆路径跟踪精度和稳定性. 实车试验结果表明, 所设计控制策略在双移线工况下的横向偏差和横摆角偏差分别降低36.6%和30.4%, 验证了所提出控制策略的有效性.

摘要:针对一类具有复杂非线性和输出约束的输出反馈非线性系统提出一个自适应事件触发跟踪控制方法, 其中系统的复杂非线性由与输出相关的非线性函数和不可测状态耦合构成. 为了估计不可测的状态变量并补偿复杂的系统非线性, 首先, 利用增益调节技术设计一个动态高增益, 并设计一个修改的高增益K-滤波器; 然后, 对跟踪误差引入性能约束函数并设计自适应动态面输出反馈控制器. 为控制器设计一个触发条件来确定事件触发控制信号, 使得系统的通信资源得到有效节约. 研究结果表明, 利用所提出方案, 系统的复杂非线性和触发误差均能被有效处理, 输出约束能被保证, 并且跟踪误差能够收敛到一个任意小的紧集. 最终, 所提出控制方案的有效性通过高超音速飞机仿真实验得到了验证.

摘要:针对传统目标位姿跟踪在处理旋转运动时导致估计精度低和稳定性差的问题, 提出一种分布式目标位姿跟踪的序列无关融合估计方法. 首先, 在矩阵李群上构建状态和不变误差的动态方程, 并将系统误差状态转移矩阵与估计状态解耦, 更精确地描述和处理旋转运动中的不确定性, 以提高滤波器的鲁棒性; 然后, 考虑到融合序列的随机性, 设计基于李群的序列无关融合策略, 使得在任意融合序列条件下均可在李群上进行有效地数据融合, 确保全局估计的一致性; 最后, 通过仿真和实验验证所提出方法的有效性和优越性.

摘要:针对带有非对称死区输出的1/4主动悬架系统, 提出一种自适应模糊非奇异有限时间跟踪控制方案. 首先, 使用基于预设性能函数的误差转换方法对全状态跟踪误差进行约束, 在避免控制器设计中的“奇异值”问题的同时, 保证车辆驾驶过程中的舒适性与安全性; 其次, 结合自适应算法利用模糊逼近引理对系统中存在的未知非线性函数以及因非对称死区输出带来的不确定项进行模糊逼近; 再次, 将非线性滤波器与反步法相结合, 避免反步法中可能出现的“微分爆炸”问题; 然后, 利用对称障碍李雅普诺夫函数方法验证车身子系统的有限时间稳定性后, 对1/4主动悬架系统进行零动态性能分析, 得到了悬架空间限制条件; 最后, 通过仿真实验对所设计控制方案的有效性进行验证.

摘要:针对超磁致伸缩驱动器(GMA)系统输出位移与输入电流间的迟滞效应影响控制精度的问题, 提出一种无需逆模型补偿的输出反馈滑模控制方法. 首先, 对传统Prandtl-Ishlinskii (CPI)模型进行改进, 构建改进PI (MPI)迟滞模型用于准确表征迟滞非对称性; 然后, 将MPI模型分解为线性和非线性部分, 并将GMA系统模型转换为仿射形式; 接着, 设计一种未知系统动态估计器(USDE), 用于对包含迟滞算子的非线性动态进行准确估计; 最后, 引入基于快速趋近律的滑模控制方法, 有效改善给定轨迹跟踪的响应速率和稳定性. 实验结果表明, 在给定正弦信号下, 相较于基于扩张状态观测器(ESO)与采用传统趋近律(CRRL)的控制方法, 所提出方法的平均绝对误差(MAE)分别降低了25%和23%, 均方根误差(RMSE)分别降低了21%和25%, 标准差(SD)分别降低了15%和27%.

摘要:研究领导者线速度和航向角均为时变情况下, 基于方位测量的编队控制问题. 不同于传统基于方位的编队控制方法需要已知领导者完整且时变的速度信息, 考虑了领导者时变的线速度对于所有跟随者未知的场景. 首先, 为保证目标编队的唯一性, 考虑$n_l$个同步运动的领导者; 然后, 根据以通信方式获得的领导者航向角和速度上界信息, 为轮式机器人模型的跟随者设计一种基于方位测量的编队控制律, 以实现目标编队的期望几何构型; 最后, 使用Lyapunov定理证明闭环系统的渐近稳定性, 通过仿真结果验证了所提出控制律的有效性.

摘要:针对执行空间重复任务的旋转电机系统, 提出一种基于李雅普诺夫方法的有限空间重复学习控制方法. 通过引入空间微分算子, 实现旋转电机系统模型由时间域表达到空间域表达的转换, 将以时间为自变量的旋转电机模型转换为以转子角位置为自变量的旋转电机模型. 在此基础上, 根据旋转电机在空间运行的周期重复特性, 将系统不确定分为固有的空间周期不确定和其他不确定两部分, 并构造全限幅空间重复学习律对空间周期不确定进行精确补偿; 同时, 设计有限空间控制律和鲁棒控制律, 使旋转电机的角速度跟踪误差能够在电机转子转动有限角度范围内收敛至原点附近邻域内, 实现旋转电机的角速度对期望角速度的快速、高精度跟踪; 最后, 基于李雅普诺夫定理证明闭环系统跟踪误差在有限空间内收敛至原点附近邻域内, 并给出实验结果验证所提出控制方法的有效性.

摘要:针对布尔控制网络在非周期性拒绝服务(DoS)攻击下的镇定控制问题, 研究服从独立同分布过程的非周期性DoS攻击. 首先, 将遭受攻击的布尔控制网络转化为概率布尔网络, 进而得到系统能够全局随机稳定的充分必要条件; 其次, 基于可达集构造方法, 设计能够保证系统稳定的状态反馈控制器; 最后, 通过仿真实验验证所提出理论与控制方法的有效性.

摘要:随着客户对“门到门”运输服务需求的增长以及对于物流费用敏感度的提升, 多式联运经营人亟需提供高效经济的集装箱全程运输服务. 鉴于集装箱全程运输链涵盖多种运输资源和环节, 多式联运经营人面临如何合理调配运输资源和实现各环节间有效协同的挑战. 综合考虑集装箱干线运输和两端接驳环节, 研究集装箱多式联运全程运输路径与接驳集卡调度的协同优化问题. 首先, 基于集装箱运输时空网络, 构建以总运营费用最小为目标的混合整数线性规划模型; 然后, 通过逻辑Benders分解算法框架设计可有效处理实际规模问题的精确求解算法; 最后, 选取西部陆海新通道部分运输网络为实验场景进行算例分析. 实验验证分析结果表明: 相较于Gurobi商业求解器, 所提出算法在多种规模算例中求解效率更优; 与传统的独立决策方法相比, 所提出协同优化模型能够降低$5\% \sim 7.5\%$的总运营费用.

摘要:研究在($ p, N$)-策略控制下耐烦服务员不中断多重休假M/G/1排队系统, 其中每当系统变空时, 服务员去进行一次不中断的休假, 当服务员休假回来时, 若系统中等待服务的顾客数大于等于事先设置的正整数阈值$N( {N \geqslant 1} )$, 则服务员立即开始服务直到系统再次空竭; 若系统中有顾客但顾客数少于$N$个, 则服务员以概率$p\,( 0 \rhbr \leqslant p \leqslant 1 )$开始服务, 以概率$ {1 - p} $不服务, 处于通常的闲期, 直到系统中的顾客数累积到$N$时才服务. 通过系统稳态队长的随机分解定理得到系统稳态队长分布的概率母函数和平均队长表达式, 同时应用Little公式得到任意顾客的平均等待时间表达式. 然后建立系统的费用结构模型, 利用更新报酬定理推得系统长期运行单位时间的期望成本费用函数. 进一步, 在没有平均等待时间和有平均等待时间约束下, 通过数值实例分别讨论系统的优化控制问题, 并确定使系统费用最小的一维最优控制策略$N $*和当休假时间为$ T$时的二维最优控制策略($N $*, $ T$*).

摘要:密度峰值聚类算法简单、高效, 可识别任意维度和形状类簇, 已在各领域得到广泛应用. 然而, 密度峰值聚类算法也存在一些问题, 如: 对截断距离参数敏感、难以发现低密度区域的类簇中心以及容易产生“多米诺效应”. 为此, 提出混合近邻和多簇合并的密度峰值聚类算法. 首先, 综合考虑样本的全局分布与局部结构, 引入自然近邻与$ k $近邻重新定义局部密度, 消除对截断距离参数的敏感, 并提高低密度区域样本的局部密度以增加类簇中心的识别度; 其次, 将样本划分为多个微簇, 并利用簇间关联度进行合并, 减少距离类簇中心较远的样本的分配错误, 从而有效缓解分配错误连带效应. 使用人工数据与真实数据进行测试, 结果表明, 所提出算法的综合性能优于对比算法.

摘要:突发事件应急决策过程中, 决策者常因判断矩阵信息缺失而对其他决策者偏好产生移情效应, 且个体间偏好信息冲突阻碍共识达成. 针对残缺判断矩阵群决策问题, 现有方法往往忽略了挖掘高质量的额外信息来辅助决策, 有限的信息降低了决策结果的可靠性. 此外, 传统研究中矩阵补全与共识达成过程相互独立, 且反馈机制中难以识别出决策个体的冲突偏好, 影响共识达成效率. 为了克服以上问题, 提出一个移情网络下同步实现矩阵补全和共识达成的群决策框架. 该框架首先有效整合间接偏好信息与移情偏好信息, 构建有序回归共识判别模型; 其次, 通过设计冲突反馈机制, 分别构建冲突信息最小成本剔除和调整共识模型, 该方法不仅能够深入挖掘有效的隐性信息, 而且可以促进残缺值补全、共识达成与加性一致性实现的有机融合, 提升应急决策过程中估计值的可信度和共识达成效率; 最后, 通过台风灾害应急案例、仿真和对比分析验证了所提出框架的有效性.

摘要:在供应商给下游零售商提供多级销售目标返利合同的背景下, 构建由资金充足供应商和资金约束零售商组成的二级供应链, 探究零售商面对随机需求和两等级销售返利时的库存与融资决策. 研究发现: 销售目标在一定范围内时, 销售返利会激励零售商增加订货量且会促使资金不足的零售商融资补货达到目标库存; 过大的销售目标会降低零售商的订货量, 此时零售商资金过剩但是不订货. 数值分析表明, 相较于线性返利模式, 销售目标返利能够提高供应链利润. 存在零售商刚好订货至销售目标阈值的“跟订区域”, 该区域可以实现供应链双方利润的帕累托改进, 零售商的库存决策不受自有资金的影响. 供应商应通过销售目标返利激励零售商订货以实现长期合作, 且可根据零售商订货量来反向识别其资金实际状况.

摘要:多维分类问题中的类别变量具有复杂的依赖关系, 这对分类性能有着重要影响. 分类器链算法能够有效地建模这些依赖关系, 但由于标签顺序选择和错误传播问题, 性能提升受限. 为此, 提出一种基于分解排序的多维分类器链算法. 首先, 通过一对一分解规则将多维分类问题转化为多个二类分类问题, 以降低问题的复杂度; 其次, 将标签顺序建模为线性排序问题, 并利用遗传算法进行优化, 确保标签排序的合理性; 最后, 通过控制特征空间策略减弱前序分类器的错误预测对后续分类器的负面影响, 从而提高算法的鲁棒性. 在10个真实的多维分类数据集上进行的对比实验表明, 所提出的算法在泛化性能上优于当前先进的多维分类算法, 同时具有较低的计算复杂度.

摘要:针对传统滚动轴承故障诊断方法中单信道振动数据分析导致的故障特征提取不充分、诊断精度受限的问题, 提出一种基于改进人工蜂群算法的多元变分模态分解(IABC-MVMD)与精细复合多元多尺度模糊熵(RCMMFE)相结合的多元故障信号诊断方法. 为克服MVMD分解过程中分解层数与带宽平衡参数难以自整定对诊断精度带来的影响, 设计一种融合Chebyshev混沌映射、精英信息引导、自适应惯性权重的改进人工蜂群算法(IABC), 满足了多元激励信号在频域内的自适应剖分需求. 在此基础上, 使用RCMMFE构建能够全面表征轴承状态的高维故障特征集, 并将其输入支持向量机中进行故障诊断. 通过CWRU数据集上的仿真验证并与现有方法的对比分析, 结果表明, 所提出方法能够高效准确地提取与识别滚动轴承的多元故障信号特征, 具有较好的理论价值与实践意义.

摘要:密度峰值聚类(DPC)算法简单高效, 能够识别任意形状簇, 但在处理簇间密度差异大的数据集时, 不能准确识别出簇中心. 同时, 其分配策略可能会导致连续的分配错误. 为解决上述问题, 提出一种基于$k$近邻图的密度峰值聚类($k$NNG-DPC)算法. 首先, 利用$k$近邻思想构造$k$近邻全局图和局部图, 并在此基础上提出新的局部密度和相对路径距离, 从而保证簇中心选取的正确性; 然后, 制定一种两级分配策略, 对不同密度大小的数据点采用不同的分配策略, 以避免出现连续的分配错误. 在10个合成数据集和8个真实数据集上, 将$k$NNG-DPC算法与6种优秀的聚类算法进行对比, 实验结果表明, $k$NNG-DPC算法的聚类表现优于对比算法, 能获得更好的聚类结果.

摘要:针对现有多源领域自适应故障诊断方法未充分考虑不同源域信息质量差异的问题, 提出一种基于可信多源领域自适应的跨域故障诊断模型(TMDAFD). 首先, 构建源域与目标域的最优公共嵌入空间, 以实现特征有效对齐; 然后, 基于证据深度学习理论, 设计具有不确定度量的领域自适应模型, 量化不同源域支持下目标域诊断结果的不确定性, 为多源决策融合提供可信依据; 最后, 结合所得到的不确定度指标设计信息融合策略, 有效整合多源决策信息, 进一步提升跨域故障诊断模型的准确性. 在凯斯西储大学(CWRU)、江南大学(JNU)和渥太华大学(UO)三个滚动轴承故障数据集上进行实验验证. 实验结果表明, TMDAFD模型显著提升了跨域故障诊断任务的性能, 验证了其在复杂多源场景下的有效性.

摘要:随着国内城轨列车普遍加装轴箱振动传感器, 基于振动信号的车轮退化状态检测成为地铁运维的新需求. 受路基病害、变载荷及测量误差等因素影响, 振动信号易受不规则噪声干扰, 导致退化状态识别精度较低; 同时, 新列装车辆数据不足, 退化趋势表征困难, 检测模型鲁棒性不足. 鉴于此, 提出一种鲁棒无监督张量域适配网络, 通过跨车辆车轮退化信息迁移提升状态评估效果. 首先, 利用深度卷积自编码网络提取源域与目标域的深度特征, 采用张量Tucker分解获得核心张量, 通过最小化两域核心张量间的最大均值差异损失及张量化趋势性损失来进行领域适配; 然后, 建立交替优化算法, 交替进行张量分解与领域适配, 得到最优核心张量及公共退化特征表示; 最后, 基于退化特征的第一主成分构建健康指标(HI), 并根据HI曲线的凹凸性识别退化拐点. 实验基于国内某地铁6号线的实测数据, 结果表明, 所提出方法能够有效实现车轮退化信息迁移, 且鲁棒性强、识别精度高, 可以为地铁跨线跨车运维提供新的解决方案.

摘要:早期微小故障往往表现为数据分布变化不明显, 且高维数据下变量共线性的存在会导致样本协方差矩阵高度病态甚至奇异, 因此传统基于规范变量分析的方法面临难以求解协方差矩阵的逆且无法及时检测到微小故障的难题. 针对上述问题, 提出一种融合概率信息与稀疏规范变量分析(PSCVA)的微小故障检测方法. 首先, 在求解规范变量时施加L₀约束, 利用混合整数二次优化方法对数据矩阵进行分解以获得稀疏规范变量, 增强变量间潜在关系的直观理解并有助于发现关键故障变量; 其次, 利用正常阶段获得的稀疏规范变量构造规范向量、残差向量和规范变量残差3种统计量, 进一步考虑正常样本与故障样本之间的概率分布差异, 引入Wasserstein距离构造概率化的故障检测指标, 以提高微小故障的检测性能; 接着, 采用核密度估计确定非高斯分布数据下统计指标的控制限; 最后, 通过田纳西伊斯曼(TE)化工过程和连续搅拌反应釜(CSTR)系统的案例研究结果表明, 相较于CVDA和PCVDA, 在TE过程中所提出方法的检测率分别提高27.53 %和10.68 %, 在CSTR系统的早期微小故障检测中分别提前106和60个样本预警到故障.

摘要:实际仿真模拟辅助设计的多目标优化问题, 完成一次性能评估的成本代价极其昂贵. 基于历史数据训练廉价的代理模型, 辅助多目标优化算法求解昂贵多目标优化问题, 是目前主流方法之一. 然而, 当优化目标数量增多时, 将面临模型管理中如何选取新样本改善模型质量的困难. 为此, 从多个目标估值与其可靠性平衡、解的收敛性和多样性自适应平衡、当前样本分布三方面考虑, 分别提出基于线性组合置信下界函数、自适应性能平衡函数、标量偏差矩阵的3个采样准则, 并行选取若干个体进行真实函数评价后填充样本集, 提高模型引导多目标优化算法寻优效率. 同时, 引入非支配样本引导当前种群搜索, 加快定位最优区域. 最后应用两个经典多目标问题集和两个优化实例, 与5个先进算法比较, 验证了所提算法的有效性.

摘要:无人机飞行高度的动态变化使得航拍图像中往往包含大量小目标, 同时目标尺度变化显著, 这些问题给目标检测任务带来了挑战. 针对上述问题, 提出一种基于多尺度融合和高分辨特征增强的无人机航拍目标检测方法. 首先, 在骨干网络中引入多尺度结构重参数化特征提取模块, 利用普通卷积块和结构重参数化的大核卷积块对多个分支进行不同尺度的卷积运算, 有效提取不同感受野下的特征信息; 然后, 在颈部网络中引入基于特征金字塔网络的多维特征自适应融合模块, 以优化其自下而上的特征聚合过程, 实现对浅层特征中的精细细节和深层特征中的上下文信息的自适应选择, 从而更有效地应对目标尺度显著变化; 最后, 在颈部网络中引入多尺度特征融合小目标增强模块, 以捕捉无人机航拍图像中小目标物体在不同尺度上的变化. 通过在VisDrone2019和TinyPerson两个公开数据集上进行大量的实验, 表明了所提出方法的有效性和优越性.

摘要:不当超车行为是造成高速公路交通事故的主要原因之一. 针对超车场景中状态机模型设计难度大且泛化性不足的问题, 引入动态非合作博弈模型分析车辆间的交互行为, 并考虑驾驶员不同风格搭建超车决策模型. 首先, 通过因子分析法和$K $-means聚类法将驾驶员划分为激进型、普通型和保守型3种驾驶风格. 然后, 引入Stackelberg博弈论描述自车与障碍车的交互, 构建包含安全、舒适和通行效率的博弈成本函数, 结合不同驾驶风格求解最优超车决策. 此外, 研究考虑不同驾驶风格影响的5次多项式换道轨迹, 建立满足多需求的决策评价函数, 求解出不同驾驶风格组合下的最优换道时间. 最后, 通过PreScan和Simulink联合仿真验证该决策模型在多场景下的有效性, 旨在帮助智能车辆做出类人化的超车决策, 提高通行效率和行车安全性.

摘要:针对目标跟踪算法在长期跟踪场景下对目标尺度变化缺乏适应性, 以及跟踪目标小、遮挡与相似物干扰等问题, 提出一种新的具有动态感受野的双模板分支跟踪算法(SDT-Tracker). 首先, 引入并行注意力机制对ResNet50进行重新设计, 构建一种具有动态感受野的特征提取网络进行高效特征提取. 其次, 设计3种下采样方式进行降采样, 通过融合局部特征、原始特征和关键特征, 实现多角度特征捕获, 减小特征信息的损失. 最后, 提出一种动静态双模板分支跟踪策略, 动态分支持续引入后续帧信息, 静态分支提取目标初始信息, 在关键帧时刻抑制动态分支引入的无关信息, 进而减少相似物干扰和遮挡造成的负面影响. 在LaSOT、OTB100数据集上进行算法验证, 实验结果体现了算法的有效性和优越性. 将算法移植到嵌入式设备Jetson Xavier NX上进行性能测试, 运行速度达24帧/秒, 相较于经典目标跟踪算法, 所提方法在多种复杂场景下具有更高的精度, 且能有效解决相似物干扰、遮挡等问题.

摘要:信息物理系统(CPSs) 的网络安全问题日益突出. 为确保CPSs的安全运行和数据可靠性, 研究无人水面船艇(USVs) 在拒绝服务(DoS)攻击和虚假数据注入(FDI)攻击下的分布式分阶弹性状态估计问题. 首先, 提出一种基于随机加密技术的隐私保护模型, 分析在FDI和DoS联合攻击以及FDI双通道攻击的不同场景下, 攻击对估计误差和系统估计性能的影响; 其次, 为了抵御FDI 攻击, 数据在整个通信过程中都进行加密处理, 为防御DoS攻击, 提出一种加密补偿机制; 然后, 由于开放的网络环境使USV在数据传输过程中会遭遇联合攻击而威胁系统状态的真实性, 构造一种分布式分阶弹性状态系统来抵抗联合攻击, 保证获得CPS的真实状态; 最后, 通过对无人水面船艇的速度状态的仿真和对比实验, 验证所提出方法的有效性.