摘要:逻辑动态系统指自变量只取有限个值的动态系统, 包括2值的经典逻辑(或布尔逻辑)、$ k$值逻辑、(一般)混合值逻辑, 网络拓扑结构是影响网络性能和可靠性的关键因素之一. 鉴于此, 从多个角度对逻辑动态系统拓扑结构的相关研究做一简要分析与总结. 首先, 从动态演化的角度概述同步布尔网络、异步布尔网络、随机布尔网络中关于吸引子的研究方法, 主要包括模拟方法、BDD技术、分解方法、反馈顶点集方法等; 其次, 从结构矩阵的角度, 总结在代数状态空间表示的框架下, 求解吸引子与吸引域的具体算法, 体现了矩阵半张量积在求解拓扑结构中的优越性; 最后, 从图的角度简要总结基于接线图、状态转移图、网络删节、网络划分等求解吸引子的方法.

摘要:研究考虑执行器故障与控制输入饱和的不确定机器人系统高性能轨迹跟踪控制问题, 提出一种基于非奇异终端滑模控制框架的固定时间预设性能容错控制器. 首先, 设计一种新颖的固定时间预设性能函数, 同时保证机器人轨迹跟踪位置误差稳态精度与瞬态性能的状态约束要求; 然后, 基于设计的改进预设性能函数与非奇异终端滑模控制策略, 提出一种考虑执行器部分失效故障与输入饱和非线性的固定时间预设性能容错控制方法, 保证闭环系统具有更快的瞬态响应性能、更高的稳态精度以及更强的鲁棒性; 接着, 利用Lyapunov稳定性理论证明机器人轨迹跟踪位置误差的固定时间稳定性, 同时满足设定的预设性能; 最后, 通过双关节机器人仿真算例与实验验证所提出方法的正确性和有效性.

摘要:为保障下肢失能患者主动康复训练的效果和安全性, 针对下肢康复外骨骼机器人设计一种基于非对称积分障碍李雅普诺夫函数的无力矩传感器导纳控制方法. 首先, 基于广义动量法设计一种滑模观测器, 用以实时估计人机交互力矩, 从而降低下肢外骨骼对力矩传感器的依赖; 其次, 面向下肢外骨骼构建一种导纳控制框架, 利用饱和函数将外环导纳模型生成的参考轨迹约束在预定的安全区间内, 以保证外骨骼的柔顺性与安全性; 此外, 针对内环步态轨迹跟踪设计一种基于非对称积分李雅普诺夫函数的反演滑模控制算法, 保障系统的输出约束性能和步态轨迹跟踪精度; 最后, 基于李雅普诺夫稳定性判据证明控制系统的稳定性, 并在下肢康复机器人实验平台上验证所提出控制算法的有效性和优越性.

摘要:移动机器人在执行未知目标收集任务时通常面临环境未知、目标信息缺失等挑战. 针对未知环境目标收集任务时易忽视探索角落边界、过度拓展覆盖范围而产生的任务完成效率低、路径冗余等问题, 提出一种同时探索和覆盖的运动规划方法(SECPP). 首先, SECPP算法通过由环境信息量和移动代价构成的信息增益函数, 从边界采样的候选探索点中选择信息增益最大的为实际探索点. 然后, 考虑机器人探索后地图信息的变化, 搭建平衡框架来判断局部环境探明情况. 若局部环境未探明, 则使得机器人持续根据选定探索点执行环境探索任务; 若局部环境已探明, 则提取任务区域信息, 通过由路径探索因子和覆盖引导点构成的覆盖奖励函数, 生成区域覆盖路径, 使得机器人沿路径移动并同步执行目标采集, 以实现区域目标的完全收集. 最后, 将SECPP算法与其他同类先进算法进行仿真和实验对比, 仿真和实验结果表明, SECPP能够以更短的重复路径长度、更少的转角数量以及更短的时间完成未知目标收集任务.

摘要:机器人柔顺控制在物理人机协作中扮演着重要角色, 但环境的不确定性可能影响交互的稳定性, 特别是机器人与环境之间的接触失效可能导致物理冲击行为, 进而造成机器人和任务组件的损坏. 对此, 提出一种能量功率受控的机器人笛卡尔空间阻抗控制方法. 该方法通过缩放控制器刚度和阻尼限制机器人的能量和功率, 并引入能量罐提供能量存储机制, 确保控制器与机器人之间的能量传输符合无源性要求. 在此基础上, 设计功率缩放因子调节能量罐与控制器之间的能量交换速率, 限制控制器流向机器人的功率, 避免因能量罐的快速释放导致系统失稳, 进一步提高机器人执行任务的安全性和控制器的鲁棒性. 基于李雅普诺夫理论严格证明了闭环系统的稳定性, 并通过Matlab/SimScape仿真实验验证了所提出控制方法的有效性.

摘要:以隔膜分切机中的放卷张力控制为研究对象, 针对放卷系统非线性、强耦合以及参数时变等特性导致的张力波动问题, 提出一种基于自抗扰控制(active disturbance rejection control, ADRC)的串级控制方案. 首先, 采取串级控制结构, 以高动态性能的速度内环将传动机构的摩擦等非线性扰动对于张力的影响进行有效隔离; 然后, 由于速度内环的控制周期短、频率高, 将ADRC的扩张状态观测器(extended state observer, ESO)放在内环, 可有效减小扰动补偿的延时, 进一步提高控制带宽和动态性能; 最后, 张力外环引入ADRC的安排过渡过程和非线性状态误差反馈(nonlinear state error feedback, NLSEF)的措施, 能够有效缓解张力控制中存在的快速性与超调的矛盾, 对隔膜特性和卷径测量噪声等缓变扰动对于张力的影响有很好的补偿效果. 仿真和实验结果表明, 所提出串级控制器具有良好的动态性能和抗干扰能力, 能够更好地适应隔膜分切机不同工况下的张力控制要求.

摘要:针对直升机系统存在的执行器故障和不确定性问题, 提出一种基于宽度神经网络的预设时间容错控制方法. 首先, 建立直升机的全状态方程, 结合预设时间及动态面控制实现直升机的预设时间稳定控制. 同时, 设计宽度神经网络对模型中的故障和不确定项进行估计, 并通过增加特征节点和增强节点的方式提高网络估计精度. 然后, 基于估计值对控制项进行补偿, 得到执行器故障或不确定情况下的自适应控制律. 最后, 通过仿真实验验证所提出方法的有效性.

摘要:分布式能源广泛接入电网促使传统配电系统向园区级信息物理多微网过渡, 针对分布式资源接入交直流混合微电网后子网间功率交互的问题, 提出考虑自治-互济的多园区端网弹性协调控制策略, 保证孤岛下园区系统电能质量. 首先考虑子微网净功率和功率互济时最大传输功率作为约束条件, 将其划分为自治、过渡、互济3种运行模态, 根据不同模态设计储能的充放规则以及功率互济传输方向, 给出具体的切换策略; 然后在负荷端考虑重要负荷用电质量问题, 将反步控制应用到电力弹簧保持重要负荷电压期望轨迹稳定跟踪; 针对信息网络通信受阻问题, 提出分布式一致性模型预测补偿控制方法; 最后在Matlab/Simulink仿真平台验证了所提出控制策略的有效性和准确性.

摘要:探讨基于衰减网络的Markov跳变系统通信调度概率和控制器协同设计问题. 具体而言, 在每个传输时刻只能通过网络传输一个信道的衰减信号, 该信号由传感器的测量信号经过衰减网络传输到控制器. 引入随机通信协议对信道选择进行调度, 随机通信协议的信道选择和衰减网络中的衰减系数均建模为Markov模型. 通过Lyapunov方法, 推导出同时满足闭环系统指数均方稳定和预设$H_{\infty}$性能的充分性条件. 然而, 得出的系统稳定性和控制器设计条件存在非线性和非凸约束. 为了解决非线性约束并获得最佳的闭环系统$H_{\infty}$性能, 提出一种带有惩罚约束的遗传算法与线性矩阵不等式方法相结合的迭代算法, 并给出该迭代算法初始值的选择方案. 最后, 通过仿真算例验证了所提控制方法的有效性.

摘要:面向海洋资源开发和安全监控需求, 为进一步提高对海上平台的状态估计精度, 考虑空中观测平台的观测系统误差和姿态系统误差, 研究空中观测平台、海上合作平台和海上平台的最优观测配置. 采用空海协同误差消减方法对海上平台进行系统误差消减以及目标状态估计, 基于一阶泰勒展开计算系统误差造成的目标状态估计误差, 分别推导距离系统误差、方位角系统误差、俯仰角系统误差、偏航角系统误差、纵摇角系统误差、横滚角系统误差以及系统误差综合下的多平台最优观测配置, 得到平台间的最优观测配置为三者在一条直线上且空中观测平台逐渐趋近目标. 在典型场景下通过仿真实验验证了理论推导的正确性.

摘要:研究车辆的稳态漂移控制问题, 提出一种车辆自主漂移改进保代价控制方法. 首先, 构建一个三自由度的车辆动力学模型, 在模型中考虑轮胎非线性的影响; 然后, 利用所建立模型计算系统平衡点, 并基于相平面法分析车辆系统稳定平衡点、不稳定平衡点与车辆漂移状态间的关系; 接着, 引入Koopman算子理论, 建立能够表征车辆非线性特性的近似线性模型, 同时, 给出能够处理系统约束的改进保代价控制律存在条件和构造方法, 并根据近似线性模型设计基于改进保代价的状态反馈控制器, 使得车辆状态保持在期望不稳定平衡点的同时保证控制约束; 最后, 通过Carsim-Simulink联合仿真结果表明了所提出方法在实现持续自主漂移和确保车辆安全方面的有效性.

摘要:首先, 基于排队论模型, 提出充电桩利用率作为充电站选址规划中的重要考虑因素, 以用户的充电拒绝率、充电桩利用率以及运营商投资总成本为3个目标建立多目标充电站选址优化模型; 然后, 通过真实的车辆运动轨迹数据进行实验分析, 通过研究车辆在行驶过程中的驻留行为, 分析用户的实际充电需求, 在候选点的选取规划中, 引入ArcGIS软件, 利用其优秀的空间计算能力, 在地图中选取合适的候选充电站点; 接着, 为求解模型, 提出一种改进多目标粒子群算法, 并与其他智能优化算法进行对比分析, 验证所提出改进算法的合理性和有效性; 最后, 通过仿真实验, 进一步分析不同充电站数量以及充电桩功率对于充电站规划过程中各指标的影响. 实验结果表明: 当充电站数量达到一定规模时, 一味地建设充电站并不会使得服务效率得到提升; 不同充电功率对于充电站拒绝率影响较小, 但是会显著影响到充电桩的利用率.

摘要:深度强化学习已成为无人集群在复杂未知环境中实现自主决策的关键技术方案, 但是, 内部不可解释的“黑盒”结构使得人类难以理解、信任和监督智能体的自主决策, 严重阻碍其在高安全需求领域中的应用. 鉴于此, 提出一种具备可解释性的多智能体强化学习方法. 首先, 设计具备可解释性的狄利克雷变分自编码器, 从隐空间中编码匹配物理语义信息的决策依据概率分布; 然后, 使用门控网络线性混合决策依据生成动作决策; 最后, 在多智能体近端策略优化强化学习网络框架下完成可解释自编码器的集成训练. 所提出方法将智能体的决策表征为若干具备物理含义依据的混合概率分布, 使得人类可通过概率密度直观地理解智能体行为, 并可通过调整门控权重直接干预智能体决策. 仿真对比实验验证了所提出方法的决策性能, 所设计的可视化方法展示了智能体决策的可解释性以及人类干预决策的效果.

摘要:为了解决车路协同环境下城市道路车道缩减路段车辆强制换道导致的通行效率和安全问题, 基于博弈论思想提出一种自动车辆协同换道控制策略. 首先, 针对多车道缩减场景构建完全信息下的两方非合作博弈模型, 并依据整体合理性条件和个体合理性条件判定将其扩展为合作-非合作博弈转化模型; 然后, 在安全和效率收益函数中引入乘客行驶偏好, 以适应不同乘客的驾驶风格倾向性以及增强车辆换道的类人化决策; 接着, 利用收益等值思想求解博弈系统的纳什均衡和基于夏普利值进行收益分配以得到两种模型中博弈车辆的最优控制策略; 最后, 采用SUMO/TraCI与Python联合仿真方法对典型城市道路车道缩减场景进行实验验证. 实验结果表明: 基于两种博弈模型的协同换道控制策略在中高交通需求水平下均效果显著, 且在车道缩减区表现出显著的局部效应; 该控制策略不仅能够有效提升车道缩减路区的交通安全和通行效率, 还具有一定抑制交通震荡波的形成和传播、增加交通流稳定性的能力, 可为未来车路协同环境下的自动车辆强制换道控制提供借鉴.

摘要:针对线上线下(online to offline, O2O)药品配送取货药店选择与骑手路径问题, 首先, 根据单一药店持有药品种类有限且客户订单需要齐套性配送的实际情形, 以平台配送总成本最小化为目标, 构建O2O药品配送取货药店选择与骑手路径协同优化模型; 然后, 结合模型复杂性特点, 设计人工免疫与蚁群嵌套算法进行求解. 多组不同规模以及现实场景的算例分析结果表明, O2O药品配送取货药店选择与骑手路径协同优化可有效提高配送资源利用率, 降低平台配送总成本. 药品种类数变化对于骑手数影响甚微, 对于配送路径成本和平台配送总成本有一定的正向影响, 连锁药店药品库存充裕量增加可降低平台配送总成本和拆单率. 研究结论可为平台制订O2O药品订单骑手取送方案提供有益的参考.

摘要:从聚合博弈的角度研究二阶多智能体系统的分组编队控制问题, 每个分组选定一个领导者, 为实现期望编队设计博弈成本函数, 研究发现二次聚合博弈的纳什均衡可以构成领导者的期望编队. 此外, 设计一种分布式算法, 使这些领导者通过寻求纳什均衡来形成期望的编队, 每个领导者对博弈的聚合函数进行估计. 进一步, 利用李雅普诺夫稳定性理论分析算法的收敛性. 与现有的编队协议相比, 采用该算法的二阶智能体在不依赖邻居位置和速度信息的情况下收敛到期望的编队. 同时, 跟随者采用不同于领导者的控制协议, 通过调整相对于邻居和领导者的位置和速度, 最终形成期望的编队. 最后, 通过一个仿真案例验证上述理论结果的有效性和可行性.

摘要:为克服蜜獾算法收敛精度有时不高、易早熟收敛等缺点, 增强其寻优性能以及优化效果, 提出一种多策略改进蜜獾算法(PSWHBA). 首先, 将迭代过程划分为3部分, 在不同的迭代时期选取不同的搜索策略, 以更好地平衡勘探与开发; 然后, 引入停滞门限值, 一旦达到该阈值则执行多重变异更新策略, 帮助个体跳出局部极值; 最后, 对种群中的较差解进行基于模拟退火的小波变异学习, 以提高整体种群质量, 进而提升算法的收敛速度和寻优精度. 为了全面评估PSWHBA的性能, 将其与多个具有代表性的对比算法在IEEE CEC2022测试集上进行仿真测试, 包括寻优精度、收敛性能以及与对比算法的差异性分析. 实验结果表明: PSWHBA对于算法机制的改进具有明显的有效性, 相较于对比算法具有明显的优越性, 具备出色的寻优性能和稳定性.

摘要:一致分数阶灰色多变量卷积(CFGMC($ \alpha, N $))模型在传统的灰色多变量(GM($1, N $))模型基础上引入一致分数阶导数和常数项, 不仅体现了信息的差异性对数据发展趋势的影响, 还实现了与经典GM($1, 1 $)模型的兼容性. 然而CFGMC($ \alpha, N $)模型存在驱动因素累加阶数单一、结构简单、微分方程与差分方程之间的转换误差等缺陷. 为此, 对因变量和自变量一致分数阶累加的阶数进行差异化分析, 同时引入非线性校正项并借助于离散灰色模型的思想以消除转换误差, 构建一种可变一致分数阶非线性离散灰色多变量模型, 并分析新模型的基本性质, 给出最优累加阶数的计算方法. 利用该模型对油气管道腐蚀速率进行分析, 结果显示新模型的拟合和预测精度明显优于经典的GM($1, N $)模型、CFGMC($ \alpha, N $) 模型等其他几种灰色多变量模型.

摘要:针对考虑外包的两阶段混合流水车间绿色调度问题, 制造商可将部分工件的第1阶段工序外包给多个待选外包商, 其中外包工件在第2阶段内部加工前需要考虑运输时间和成本. 首先, 构建一个新的混合整数线性规划(MILP)模型, 旨在最小化制造周期、总成本以及总能源消耗的加权和目标, 各目标的权重参数通过基于指数标度的AHP-熵值综合赋权法确定. 然后, 鉴于问题的NP难性质, 结合问题特性进一步提出一种高效的两阶段启发式算法(ETH), 该算法将问题分解为两个并行机调度子问题, 并明确阶段间的优先关系. 在两个阶段中: 先分别根据约翰逊规则和先到先服务规则确定工件顺序; 之后, 基于贪心思想将工件分配至机器; 同时, 第1阶段的决策综合考虑运输时间和外包成本等约束条件. 实验对比结果验证了ETH算法在求解效率和优化质量上相较于传统舍入启发式算法(RH)的优越性.

摘要:现有的粒子滤波器在解决未知但有界系统状态估计问题时, 普遍存在粒子需求量大和粒子退化问题, 影响状态估计的精确性. 鉴于此, 设计一种基于自适应萤火虫重采样的区间粒子滤波器. 首先, 通过宽度和估计误差计算每个区间的权重, 进而根据权重判断区间是否被舍弃; 然后, 在重采样步骤中引入自适应萤火虫优化策略, 通过求解优化后的自适应系数来确定每个粒子区间的移动方向和步长, 从而改进后验粒子区间分布; 接着, 进一步划分状态估计区间, 对所得到的状态估计上下界进行迭代收缩, 以获得更小的状态估计区间边界和更准确的状态估计结果. 所提出算法可使得具有更高权重系数的区间能够更有效地包裹真实状态, 从而减少粒子需求, 且所设计的自适应重采样策略能够显著降低粒子退化的程度. 最后, 通过数值仿真和Buck-Boost模型的实验, 验证了所提出算法能够更紧致地包裹状态的上下界, 且具有更低的均方根误差, 表明所设计滤波器提高了状态估计的准确性, 提供了更紧致的状态包裹.

摘要:随着信息技术的不断发展, 智能运维在工业设备的数字化转型过程中发挥着至关重要的作用. 通过设计科学的运维策略, 不仅能够保证复杂系统的高可用性和可靠性, 还能降低企业运营成本和风险. 不同于传统维修策略假设运行周期是无限的, 为设计出更加符合实际的运维策略, 首先, 在有限周期下考虑预防性维修成本随运行时间发生改变的特点, 并结合复杂系统在实际作业过程中同时受到退化失效和突发失效的双重影响, 建立一个有限周期下基于竞争失效系统的预防性维修优化模型; 然后, 以期望维修总费用最小化为目标, 通过构建马尔可夫决策过程并采用动态规划算法来确定最优的检修间隔和维修策略; 最后, 通过数值算例结合敏感性分析验证所提出动态运维策略在维修资源合理配置方面的有效性.

摘要:金属疲劳裂纹是导致航空飞行器结构失效的最常见损伤, 准确、有效地对结构疲劳裂纹扩展进行预测, 对于飞行器研制以及运营全寿命周期提供维护方案具有重要意义, 是航空工业界和学界共同关注的重要问题. 针对飞行器结构疲劳寿命预测问题, 首先, 在现有的非线性灰色Bernoulli模型的基础上, 提出一种可解释累积和算子, 明晰累积和算子的物理意义, 并基于该算子导出改进的非线性灰色Bernoulli模型; 然后, 引入可分非线性最小二乘法构建参数估计算法, 以实现模型结构参数、幂指数以及初值条件的同步估计; 最后, 通过飞行器蒙皮搭接结构的疲劳试验对所提出方法进行有效性验证, 并进行算法对比. 实验结果表明, 模型对两个试件裂纹扩展预测结果的均方根误差均小于1.9 mm, 验证了方法的有效性. 所提出方法对于飞行器结构疲劳寿命预测领域具有重要的技术价值, 对于类似的复杂装备结构疲劳寿命问题具有一定的借鉴意义.

摘要:针对第一方内容和第三方内容存在的两种关系(互补或替代)构建理论模型, 深入研究第一方内容不同投资类型对第一方和第三方内容价格和质量的影响机制, 以及对数字内容平台和第三方内容提供商收益的影响机理. 研究结果表明: 1) 相较于平台不投资第一方内容, 当投资效率较高时, 平台投资互补的第一方内容能促使第三方内容质量、价格及需求的增大; 当投资效率较低时, 此举会使第三方内容质量、价格及需求降低; 而平台投资替代的第一方内容一定能促使第三方内容质量、价格及需求的增大. 2) 在适当的时机, 平台采用高质量低价格的互补第一方内容或低质量高价格的替代第一方内容策略更有利于平台生态的可持续发展. 3)投资互补的第一方内容对平台总是有利, 但不一定有利于第三方内容提供商利润的增长, 而投资替代的第一方内容总有利于两方利润的增长, 且竞争强度越大越有利于两者的利润增长.

摘要:针对非线性动态工业过程建模中易产生信息冗余和时序信息衰减问题, 提出一种基于双流记忆调节门控循环单元并内嵌双阶段注意力机制的动态软测量算法. 首先, 设计时间相关和动态因果相关的双流信息提取结构, 在门控循环单元中分别引入时间门和因果门, 提取信息中的时序关系与动态因果关系, 从而形成互补信息流, 提高模型的预测性能; 然后, 在特征提取和预测输出阶段分别引入特征注意力和时序注意力机制, 以动态挖掘输入特征与目标特征间的潜在相关性, 捕捉关键特征, 并评估不同历史时间点对于待预测时刻的重要程度, 从而选择关键时间点信息; 最后, 通过数值仿真以及某火电厂脱硫过程排放烟气SO₂浓度的软测量验证所提出算法的预测效果.

摘要:针对燃气轮机信号监测过程中存在噪声干扰及特征冗余所导致的数据稳定性差、诊断效率低的问题, 提出一种基于相似度的燃气轮机可诊断性分析方法. 首先, 通过多项式拟合得到运行数据的整体趋势, 消除局部突变导致的噪声, 计算得到噪声阈值, 解决监测信号噪声干扰问题; 然后, 利用动态时间规整算法对燃气轮机不同运行状态下的数据进行相似度计算, 得到独立性特征, 构建可诊断性评价矩阵与故障特征矩阵, 筛选燃气轮机最优特征组合, 解决监测信号特征冗余问题; 最后, 将筛选得到的最优特征组合作为深层卷积神经网络的输入, 建立故障诊断模型, 利用燃气轮机典型气路故障数据对所提出的方法进行实验验证, 结果表明, 所提出的方法有效去除了冗余特征, 具备良好的故障隔离性, 准确率达到99.98 %, 相对原始特征诊断效率提升32.61 %.

摘要:燃气轮机发电系统是火力发电装备的核心组成部分, 然而, 系统中压气机叶片的积垢等因素会导致其性能退化. 因此, 实时评估压气机性能退化程度, 并在适当时候进行水洗, 对于确保压气机的安全可靠运行至关重要. 但是, 出于安全性和经济性等因素的考虑, 电厂通常不允许压气机在严重退化的条件下运行, 故压气机严重退化状态数据获取困难, 传统数据驱动的退化评估模型难以建立, 从而无法预测退化程度以判断是否需要进行水洗. 进一步地, 考虑到压气机性能随燃机负荷不同而有不同表现, 这种差异对于评估压气机的实际退化程度产生了干扰, 增加了准确判断其性能退化情况的难度. 鉴于此, 首先, 提出压气机退化知识引导的退化差值生成对抗网络, 在严重退化数据完全缺失的零样本场景下, 利用专家标注的先验知识对性能轻微退化的数据特征实施定向劣化, 生成性能严重退化的数据特征, 进而有监督地训练退化评估模型; 然后, 为缓解负荷变化造成的干扰, 将不同负荷工况视为多个域, 从运行数据中提取消除变负荷影响的特征, 并通过设计知识预测器, 在这些特征中保留各类先验知识的信息, 提升退化差值生成对抗网络的生成质量; 最后, 使用真实压气机运行数据对所提出方法的有效性进行验证, 与其他零样本学习方法相比, 所提出方法退化等级评估调和平均准确率提升了5.22%.

摘要:汽车产业是国民经济的重要支柱产业之一, 其质量安全问题备受瞩目. 汽车质量反馈信息延迟性较高, 汽车用户在线投诉成为汽车制造商发现质量缺陷的重要信息途径. 现有研究主要关注汽车质量缺陷的静态提取, 如缺陷识别与类型划分, 较少研究汽车质量问题的动态变化. 鉴于此, 针对网络上汽车质量投诉文本特点, 应用潜在狄利克雷分配模型提取质量缺陷主题, 将投诉文本按照主题分类, 计算各缺陷主题下投诉文本的时间间隔和情感得分, 从频率和强度两个维度同时刻画投诉的变化趋势. 由于时间间隔和情感得分的联合分布难以确定, 基于秩检验和经验Copula提出一种二元稳健控制图(记为BEWMA-LC), 对于不同投诉主题同时在线监测投诉文本的时间间隔、情感得分以及相关性, 并在报警后能够进一步识别异常原因. 以大众速腾汽车为实证对象, 基于车质网2010年 $\sim $ 2021年在线投诉文本数据, 通过与已有非参数控制图的对比分析, 验证所提出方法在实时监测和诊断汽车质量变化方面的有效性.

摘要:深度学习方法在泡沫浮选监测中越来越受到关注, 然而, 此类方法面临对关键特征区域感知不足和难以获取足量高质量有标签泡沫图像的问题. 鉴于此, 提出一种基于局部特征增强的改进半监督工况识别方法(local feature enhancement-based improved semi-supervised condition recognition method, LFE-ISSM). 首先, 级联ResNet18和卷积注意力模块(convolutional block attention module, CBAM)构造局部特征增强模块, 通过通道注意力和空间注意力双注意力机制强化泡沫图像的局部特征表达能力; 然后, 使用改进半监督算法训练工况识别模型, 算法在Mean-Teacher框架的基础上融合基于阈值的伪标签正则化策略和特征相似性对齐策略, 以确保伪标签的可靠性并有效引导模型学习数据中的潜在结构信息. 实验结果表明, 所提出方法可有效提取泡沫图像特征, 且在实际工业锌浮选数据集上的分类性能优于对比方法.

摘要:现有的不完备多视图聚类算法虽然取得了一定的进展, 但是仍然存在局限性: 1)无法准确挖掘缺失数据的潜在信息, 特别是在各视图缺失率不一致的情况下; 2)难以同时保留数据的全局结构和局部结构; 3)无法有效挖掘不同视图的高阶相关性和互补信息. 为解决这些问题, 提出基于缺失值学习和结构保留的不平衡不完备多视图聚类算法. 首先, 算法通过线性投影将原始高维数据映射至低维空间; 然后, 结合基于近邻关系学习的补全矩阵和完整性约束机制对缺失值进行填充, 从而确保填充的缺失值尽可能保持数据的原始结构; 接着, 算法采用子空间聚类技术、超拉普拉斯正则化和加权张量Schatten-$ p$范数, 有效捕获数据的全局结构、局部结构以及高阶相关性; 最后, 与10个对比算法在多种缺失率的8个仿真不完备多视图数据集上进行对比实验, 实验结果表明所提出方法的性能优于其他对比算法.