摘要:优化列车运行组织过程是降低牵引能耗的重要途径, 对城市轨道交通系统降本增效、可持续发展具有重要意义. 首先, 明确提出“宏观开行方案-中观节能运行图-微观节能驾驶策略”三层节能运行组织框架; 其次, 基于文献计量法对城市轨道交通列车节能运行组织领域文献进行知识图谱分析, 梳理研究重点; 最后, 详细分析具体的节能优化策略, 阐述其优化原理及应用价值, 包括不成对行车、网络化运营、快慢车、灵活编组、考虑/不考虑再生能量利用的运行图优化、单车速度曲线优化、多车协同操纵、多层级协同优化等. 既有研究成果能够为列车节能运行组织提供理论支持和实践指导, 未来的研究趋势包括深度融合储能装置、网络级节能运行组织、应用新兴人工智能技术等方面.

摘要:自动驾驶行为决策是车辆实现智能化的核心技术, 深度强化学习(DRL)因其环境交互特性和端到端决策优势在该领域展现出显著潜力. 鉴于此, 通过多维度分析, 系统梳理基于DRL的自动驾驶行为决策的研究内容和发展趋势: 首先, 回顾行为决策的发展历程, 并分析DRL在自动驾驶中的应用趋势; 然后, 提出“状态-动作-奖励-策略-评价”五维框架, 分析算法要素与跟驰、换道等驾驶任务的映射关系; 接着, 结合匝道合流、交叉口和施工区等典型场景, 剖析DRL在不确定性环境中的应用方案; 最后, 指出多车协同、长尾事件及可解释性等挑战, 并提出未来研究方向. 研究表明: 技术上, DRL算法选择与优化日趋多元化, 模型向多模态、轻量化发展; 应用上, 决策范式正从单车智能向车路云协同升级, 从功能实现向人性化交互进化, 突破现有技术“算法创新-硬件加速-法规适配”的协同演进路径.

摘要:为了提高自动驾驶车辆轨迹跟踪控制精度与鲁棒性, 提出基于车辆误差动力学模型的自动驾驶车辆轨迹跟踪非线性鲁棒控制方法. 在车辆运动学模型和非线性车辆动力学模型的基础上, 构建车辆误差动力学模型; 从理论上推导二阶系统的非线性鲁棒控制器设计方法, 并利用李亚普洛夫稳定性理论证明其正确性; 以此为基础设计基于车辆误差动力学模型的自动驾驶车辆轨迹跟踪非线性鲁棒控制器, 并通过仿真验证所提出方法的有效性. 仿真结果表明, 非线性鲁棒控制器可有效提高轨迹跟踪控制精度, 削弱系统参数不确定性引起的控制抖动和控制精度不高的问题, 且可有效减弱测量噪声对轨迹跟踪的影响.

摘要:针对轮胎侧向力非线性变化导致车辆动力学模型失准, 进而影响路径跟踪性能的问题, 将变侧偏刚度参数引入预测函数控制框架, 提出一种自适应预测函数控制算法(APFC). 分析轮胎侧向力的非线性特性对轮胎侧偏刚度的影响, 建立基于平方根容积卡尔曼滤波的轮胎侧向力实时估计器, 设计一种考虑真实轮胎侧向力变化实时修改轮胎侧偏刚度的自适应调节策略. 利用Simulink和CarSim联合仿真实验和实车试验对所提出策略进行验证. 仿真结果表明: 在高/低附着双移线工况下, 横向位置偏差均方根值较模型预测控制(MPC)策略分别降低19.43%和31.67%; 在高附着大曲率工况下横向位置偏差均方根值较MPC控制策略降低37.89%. 实车试验结果表明: APFC控制策略较MPC控制策略平均计算时间缩短54.09%, 横向位置偏差均方根值较MPC控制策略降低38.23%.

摘要:针对市域铁路与城市轨道交通贯通运营中系统负载不均衡与多制式协同不足问题, 提出一种基于“区间-全网”两维综合负载均衡的多编组列车开行方案, 旨在实现局部区间与全网整体负载均衡的协同优化. 构建以乘客出行成本、企业运营成本及综合负载均衡度最优为目标, 考虑贯通列车折返能力、可用车辆数等约束的多目标优化模型. 针对模型特征, 设计结合变邻域搜索机制与分层扰动策略的自适应变邻域麻雀搜索算法. 运用算例验证模型与算法的有效性, 结果表明, 与贯通短编组、贯通长编组及换乘多编组模型相比, 贯通多编组模型在降低乘客与企业成本的同时, 可提升区间-全网综合负载均衡性; 与麻雀搜索算法和粒子群算法相比, 所提出算法在求解质量上分别提高3.37%和6.98%, 计算效率更优, 可为多制式轨道交通贯通运营的列车调度优化提供参考.

摘要:随着水下任务需求的不断提升, 轨迹跟踪控制一方面需克服模型参数的不确定性、外界未知扰动以及输入饱和对控制性能的影响; 另一方面为避免跟踪误差收敛时间被高估, 需提前约束误差收敛时间的上界. 为此, 针对六自由度全驱动自主水下潜航器, 提出一种基于扰动观测器的非奇异预定时间控制方法. 首先, 设计预定时间稳定的扰动观测器, 实现对模型参数不确定性和外部扰动的快速精确估计; 其次, 基于位姿跟踪误差采用反步法设计虚拟速度控制量, 并通过非线性一阶滤波器对虚拟量求导, 解决反步法固有的“微分爆炸”问题; 与此同时, 引入辅助动力系统并根据扰动观测器的实时补偿, 设计具有抗饱和特性的非奇异积分滑模控制律, 采用Lyapunov稳定性理论证明该闭环控制系统实际预定时间稳定, 并且系统内所有信号在预定时间内收敛于原点附近邻域; 最后, 通过仿真结果验证所提出设计方法的有效性, 其不仅跟踪误差收敛速度优于固定时间控制, 且收敛时间上界不受系统初始状态的影响.

摘要:研究具有动态领导者的异构线性多智能体系统的预设时间编队跟踪控制问题. 鉴于此, 设计一类基于传感反馈的预设时间分布式观测器, 用于跟随者协同估计领导者的状态信息, 在此基础上, 提出一种预设时间控制器, 以实现跟随者对动态领导者的预设时间时变编队跟踪. 值得注意的是, 每个智能体的分布式观测器设计仅依赖于其相邻智能体的局部输出测量, 这消除了智能体间直接通信的必要性, 而适用于更广泛的实际应用场景, 同时, 也带来了技术挑战. 通过利用基于输出调节方法的坐标变换, 异构线性多智能体系统的输出编队跟踪控制被转换为同步稳定问题. 基于李雅普诺夫稳定性定理和预设时间稳定性理论, 验证异构多智能体系统的领导-跟随编队跟踪控制是在预设时间内实现的, 且收敛时间与初始状态无关, 多智能体系统的控制参数可以任意选择. 最后, 通过仿真结果表明所提出方法的有效性.

摘要:针对一类离散时间非线性非仿射网络化控制系统, 提出一种基于扩展状态观测器的多描述编码数据驱动自适应滑模控制方法. 首先, 通过动态线性化技术将非线性系统转化为带有线性参数项和非线性余项的数据模型; 其次, 为了提高数据传输的可靠性, 在传感器到控制器通道引入多描述编码协议, 该协议将源信号编码为两个“描述”并通过相互独立的信道传输, 引入两个独立的伯努利随机变量来表征各个信道的丢包现象; 在此基础上, 设计包含参数估计算法和扩展状态观测器的多描述编码数据驱动自适应滑模控制方案, 前者用于估计数据模型中的未知参数, 后者用于估计非线性余项; 然后, 基于压缩映射方法, 证明了控制系统跟踪误差的有界性; 最后, 通过数值仿真和实际例子验证了所提出方法的有效性和适用性.

摘要:针对电机长尾数据故障诊断中尾部类别特征学习不足和头尾部梯度竞争失衡的问题, 提出一种融合余弦退火热重启衰减学习率策略(CDLR)的时空消息传递神经网络(STMPNN)电机长尾故障诊断模型(STMPNN-CDLR). 首先, 通过多节点拓扑结构建模多变量时间序列数据样本同一时间窗中不同时间阶段(子时间窗)传感器间的时空依赖关系, 并设计动态时空关系加权矩阵刻画传感器特征在时间维度上的演化模式, 强化头尾部类别潜在时空交互的特征表示; 其次, 利用STMPNN的消息传递机制实现跨子时间窗的特征更新, 提升模型对局部和全局信息的感知能力; 最后, 通过CDLR策略周期性地重启和衰减学习率, 缓解长尾分布导致的梯度竞争失衡问题, 增强模型稳定性和对尾部类别的敏感性. 在4组不同长尾比率的电机故障诊断实验中, 所提出的方法在不牺牲头部正常类别诊断性能的前提下, 对尾部故障类别展现出优异的诊断性能和稳定性, Accuracy高于94.57%, 验证了该方法在解决电机长尾故障诊断问题中的有效性和优越性.

摘要:在分布式自适应离散事件触发通信机制(D-ADETCS)下, 针对一类同时遭受多源隐蔽型虚假数据注入(FDI)攻击与执行器故障的工业信息物理系统(ICPS), 从“攻”与“防”的不同视角, 研究ICPS多模态综合安全控制与通信网络间的协同设计问题. 首先, 通过分析事件触发阈值变化率与系统运行状态间的关联特性, 设计新型自适应离散事件触发阈值函数, 并在系统双侧网络前端部署ADETCS构建D-ADETCS驱动下的综合安全控制架构; 其次, 考虑FDI攻击的隐蔽性、有效性和目标选择性等特征, 建立支持多网络节点协同的多源隐蔽型FDI攻击模型, 并基于大蔗鼠算法优化的轻量级梯度提升机设计分布式数据修复器, 用于应对多源隐蔽型FDI攻击; 再次, 基于Lyapunov-Krasovskii泛函等方法, 完成鲁棒观测器与多模态综合安全控制器的推证, 进而基于密度峰值快速聚类算法完成控制模态的划分, 并通过模糊控制策略实现各控制模态间的柔性切换; 最后, 通过仿真实验表明, 所提方法与现有方法相比, 在综合安全控制、优化通信资源配置等方面均具有显著优势.

摘要:为提高某型65 m跨度架桥机起重天车的定位精度并抑制钢箱梁摆动, 设计一种改进超螺旋滑模控制器并对其增益参数进行寻优. 首先, 基于吊装系统的完整约束求解出变量间的隐函数关系, 利用第二类拉格朗日方程建立系统动力学模型. 然后, 引入双曲正切函数从而改善超螺旋滑模控制中的抖振现象, 并基于Lyapunov理论证明系统的稳定性. 接着, 通过与传统控制策略的对比分析, 验证所设计控制器的优越性. 最后, 采用改进灰狼优化算法整定控制器参数. 结果表明, 所提的改进超螺旋滑模控制器削弱了系统控制力的抖振, 并在起重天车的定位精度和抑制系统残余振荡方面展现出明显优势. 经改进灰狼算法优化后, 起重天车位移响应更为精确, 系统摆角与控制力峰值均进一步减小, 具有良好的工程应用潜力.

摘要:针对大模型(LLM)在指挥决策中存在的推理能力不足和“幻觉”问题, 通过系统梳理大模型思维链(CoT)和智能体指挥决策链的技术范式, 提出一种架构与思维双重维度的融合方法, 并借助工程实践验证其有效性. 研究表明, 思维链与指挥决策链的融合可增强大模型在指挥决策中的认知推理能力, 推动该类任务由经验依赖向认知驱动转型. 最后, 讨论指挥决策大模型和指挥决策智能体的未来发展趋势, 并提出可能的解决思路和研究方向.

摘要:假设存在一个不诚实的协调者, 从最小成本的视角研究群体决策中的个体偏好策略操纵问题. 首先, 提出群体决策中的个体偏好策略操纵问题, 以及成功操纵决策结果时的最小成本测量方法; 然后, 建立基于最小成本的个体偏好策略操纵模型, 该模型能够在协调者操纵方案排序结果的同时最小化个体的偏好信息调整; 接着, 通过线性转化对模型进行求解分析; 进一步地, 分别建立加权平均(WA)和有序加权平均(OWA)下最小成本的个体偏好操纵模型, 通过对模型设置不同的预期目标, 比较WA与OWA集结函数的防操纵性能; 最后, 采用一个数值案例对所提出模型的有效性进行验证, 并设计两个实验仿真分别比较决策者数量和方案数量变化, 对于WA和OWA集结函数防范个体偏好策略操纵性能的影响.

摘要:为解决高比例绿电城市电网日运行全时间尺度有功功率平衡控制所面临的多级时间尺度交织、多类直调资源协同、多重不确定性并存的复杂问题, 构建抽水蓄能、规模化电池储能、小型电池储能集群和常规机组协同参与有功功率调节服务的日前风险协调调控最优模型. 以城市电网日运行总成本最小化为目标, 提出充分发挥集中和分布式储能互补优势的运行机制, 可应对秒级阶跃性扰动、分钟级非阶跃性扰动以及小时级调峰等多重不确定性扰动因素, 综合权衡以实现多类调节资源日前预留容量最优协调. 为精细化风电波动不确定性的概率表征, 采用融合长短期记忆网络的高精度预测和间接分位数回归方法, 可为随机因素管理提供更为可靠的理论支撑. 为更精确地度量潜在有功失衡风险, 采用条件风险价值理论来量化多级时间尺度下弃风和失负荷损失. 以修改的IEEE-39节点系统为案例并设置风电渗透率为71%进行仿真分析, 验证所提出最优协同调控策略的有效性和优越性, 集中和分布式储能可通过统一协调调控保障城市电网频率安全稳定运行.

摘要:TRACLUS算法在处理具有复杂时空特性的轨迹数据时, 其采用的分段策略侧重空间几何信息而忽略了时空动态信息, 导致分段精度不高; 空间邻近性的聚类的规则难以有效识别时空耦合模式, 且在处理噪声和密度不均数据方面存在局限性. 鉴于此, 提出基于时空加权和密度峰值的轨迹聚类算法. 该算法使用时空加权分段将自适应时空权重和时空几何距离融入最小描述长度代价函数, 提取包含时空局部特征的子轨迹段; 将时空局部密度融入密度峰值聚类, 并结合局部特征的噪声识别与迭代式类簇中心选择, 提升子轨迹段聚类效果; 将密度筛选和时空连续性约束嵌入代表性轨迹生成, 增强聚类结果可解释性. 在拓扑结构不同的北京和上海出租车数据集上的实验表明: 时空加权分段使轨迹重建误差平均降低28.15%, 方向偏差平均降低66%; STW-DP-TRACLUS算法在3种评价指标上综合优于多种传统及先进的轨迹聚类算法, 验证了其在复杂时空轨迹模式挖掘方面的有效性.

摘要:面向信息时代的决策问题, 数据驱动的决策方法日益成为主流. 然而, 数据的长期累积促使概念漂移现象不断涌现. 针对动态决策环境下存在的概念漂移现象, 提出一种考虑概念漂移的数据驱动证据推理决策方法. 首先, 考虑历史决策数据中概念漂移的特异性, 运用早期漂移检测思想以及累计和控制图检测方法, 能够有效检测决策数据中存在的细微漂移; 然后, 基于此, 运用证据推理融合算法, 提出双重集成策略进行漂移适应, 先基于属性权重进行局部集结, 获得局部最优决策结果, 进而定义数据局部贡献度进行全局集结, 以实现兼顾模型精度、动态适应性和可解释性的全局最优决策; 最后, 将所提出方法应用于安徽省合肥市某三甲医院超声科乳腺结节辅助诊断问题中, 验证其有效性和实用性.

摘要:研究概率推理学习控制(PILCO)方法如何在决策过程中使用不确定性, 并进一步探索不确定性对PILCO优化性能的影响. 首先, 对给定策略下函数模型中不同不确定性的来源进行梳理和量化; 然后, 使用方差作为不确定性度量, 并采用总方差定律将总成本不确定性分解为两个组成部分; 最后, 引入一个金标准蒙特卡洛方案, 通过传播轨迹来近似PILCO的动力学模型, 从而分别量化成本中的随机不确定性和认知不确定性. 仿真结果表明, 当PILCO有效学习时, 它选择的是认知成本不确定性在总成本不确定性中具有高占比相关的策略.

摘要:多线图是科学研究的重要数据, 常通过聚类分析挖掘其潜在的特征关系. 然而, 仅从单一特征视角进行处理, 容易忽略波形间相关信息, 而多视角聚类有望补充单一视角聚类的不足. 简单扩充视角存在视角间干扰导致聚类性能下降的风险, 因此稳定多视角聚类性能是一项新的挑战. 针对上述问题, 提出面向多线图的时频域差分熵增强的多视角聚类方法(DE-MCC). DE-MCC的核心思想是在不同时序波形构成的多视角基础上, 增加时频域差分熵作为特征强化视角, 提升模型获取多视角互补信息的能力, 并通过权重控制融合不同视角组合得到的软聚类向量, 在保证准确度的同时稳定聚类结果. 所提出的方法在脑电图与材料学电子能级图两种复杂的非平稳多线图数据集上均获得了理想结果. 相较其他先进多视角聚类方法, 脑电图数据的聚类准确率达到79.38%, 多次独立实验结果的标准差减小47.9%, 验证了所提方法的稳定性.

摘要:时速600公里高速磁悬浮列车的运行安全至关重要, 任何部件的表面缺陷都可能对运行安全造成重大影响. 目前, 电磁铁的表面缺陷检测仍主要依赖人工巡检, 而基于深度学习的方法在实际工业环境中面临数据稀缺、精度低及实时性差等多重挑战. 鉴于此, 提出一种两阶段磁悬浮电磁铁缺陷检测方法, 第1阶段快速定位并裁剪电磁铁, 第2阶段精确定位缺陷. 为缓解缺陷样本稀缺问题, 采用StarGAN v2生成对抗网络进行数据增强, 并引入难负样本挖掘策略以降低误报. 第1阶段为满足实时性需求, 设计轻量化网络结构, 通过结构裁剪与通道剪枝显著降低模型复杂度, 使参数量减少约97%, CPU推理速度提升约370%. 第2阶段模型融合高阶关系建模、多分支动态融合模块与去归一化Transformer等多种结构, 以增强跨尺度建模能力. 实验结果表明, 对比同规模模型, 第2阶段提出的模型在自建电磁铁数据集上的平均mAP_50-95高出6.2%, 在PCB与GC10-DET两个公开数据集上也取得最高的F₁分数并保持实时性能, 显示出良好的工业部署可行性.

摘要:针对消防飞机的机场选址问题, 构建基于森林火灾风险因子的多目标规划模型, 旨在最小化总任务时间与经济成本. 该模型综合考虑森林火灾风险、灭火资源需求、消防飞机性能参数及部署运营成本+等多种因素, 为提升高风险区域的优先覆盖能力, 引入基于风速、相对湿度和植被覆盖度的森林火灾风险因子. 此外, 针对所构建的高维度整数多目标优化模型, 引入自适应因子和双层决策选择策略, 以提升NSGA-II算法的求解能力. 以广西地区为例, 利用ArcGIS进行空间数据处理, 并采用改进的NSGA-II算法对选址模型进行求解. 研究结果表明: 改进的NSGA-II算法能够有效提升求解速度和求解质量; 在广西地区, 柳州白莲机场部署2架AG600消防飞机为最优方案, 其解的相对接近度较其他方案提高39%. 所提出基于森林火灾风险因子构建的机场选址模型可为我国AG600消防飞机机场选址和部署提供理论依据和参考.

摘要:在全球政治经济局势日益复杂多变的今天, 国际供应链面临着前所未有的挑战, 断链风险如影随形. 针对由一个制造商、两个供应商以及一个紧急供应商组成的二级供应链系统, 研究突发事件导致供应链中断时, 考虑消费者的购买决策易受随机参照价格影响的情形下, 制造商应如何进行定价决策以及采购策略的选择. 研究结果表明: 1)当不可靠供应商中断概率和随机参照价格波动性较小时, 制造商选择单一供应商采购策略将获得更大的利润; 当中断概率较大时, 双源采购策略是制造商更好的选择. 2)随机参照价格的波动性和中断概率均会显著影响制造商对各供应商采购量、供应商的批发价格、制造商定价以及产品的绿色度. 3)不可靠供应商中断概率和随机参照价格波动性对于制造商定价决策的影响程度具有不确定性.

摘要:旋转机械作为工业系统的核心部件, 其故障诊断对保障设备安全运行至关重要. 然而, 在跨工况场景下, 基于深度迁移学习的故障诊断面临故障样本收集成本高昂和数据分布存在差异两大挑战. 这些挑战在目标域存在未知故障的开集迁移场景下尤为突出, 为此提出一种由分层聚类引导生成可靠伪标签的域自适应(HCRPDA)方法: 首先, 使用源域数据监督训练特征提取器和分类器, 并通过构建域混淆损失来驱动源域和目标域进行对抗学习, 实现已知类别的跨域分布对齐; 其次, 基于域判别器输出的源域相似度和通过分类器的输出计算得到的分类熵这两个指标进行分层聚类, 筛选高置信度的未知类伪标签样本, 进而训练专用的未知类判别器以提升模型对未知故障的识别能力; 最后, 使用PU轴承数据集以及PHM2009齿轮箱数据集进行仿真验证. 实验结果表明, HCRPDA相比于主流的域自适应方法具有更高的未知类识别率和已知类分类准确率, 特别是面对目标域中未知类样本比例较高的场景, 优势更加明显.

摘要:微小故障的早期识别对生产安全与产品品质至关重要, 但其信号微弱, 易受噪声干扰, 难以人工检测, 导致传统诊断方法难以有效应对. 对此, 提出一种基于多源特征融合的工业过程微小故障智能诊断方法 —— 基于图卷积与门控循环单元的注意力融合建模方法(GCN-GRU-A). 首先, 采用格拉姆角场(GAF)技术在每一时刻将多维传感器数据组合成一维向量并生成对应的格拉姆角和场(GASF)图像, 以充分挖掘数据的空间结构特征, 再借助图卷积网络(GCN)对其进行深层次空间特征提取; 其次, 利用门控循环单元(GRU)对原始时序信号进行特征提取, 获取其时间演化规律; 然后, 通过多头注意力机制对空间和时序两路特征进行加权融合, 进一步强化关键故障信息的表达能力, 抑制冗余噪声; 最后, 融合特征被输入至分类器, 实现微小故障类型的精准识别. 通过直拉(CZ)法硅单晶生长过程对所提出算法的有效性进行验证. 结果表明, 所提出的GCN-GRU-A建模方法在多项关键指标上均优于传统单一特征建模方法, 显著提升了微小故障的检测灵敏度和诊断鲁棒性.