2.624

2020影响因子

(CJCR)

  • 中文核心
  • EI
  • 中国科技核心
  • Scopus
  • CSCD
  • 英国科学文摘

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码
显示方式:
目录
目录
2021, 47(12).  
[封面浏览] [PDF 9176KB](34)
综述
航天器任务调度模型、算法与通用求解技术综述
杜永浩, 邢立宁, 姚锋, 陈盈果
2021, 47(12): 2715-2741.   doi: 10.16383/j.aas.c190656
[摘要](812) [HTML全文](346) [PDF 1405KB](322)
摘要:
针对航天器任务调度大规模、复杂化的新常态和灵活组网、快速响应的新要求, 综述了航天器任务调度模型、算法与通用求解技术的发展现状. 首先, 基于遥感卫星、中继通信卫星、导航卫星和航天测控等航天器任务, 从任务排序模型和时间窗口分配模型两个角度出发, 揭示了不同航天器任务调度模型的决策形式和共性特征, 阐明提升模型兼容性、适用性的必要性. 其次, 基于启发式算法、精确求解算法和元启发式算法, 探讨了航天器任务调度算法的适用模型与编码特色, 指明“算法−模型”解耦、算法深度融合的重要性. 在此基础上, 介绍了CPLEX、STK/Scheduler、Europa2和“高景一号”任务调度分系统等航天器任务调度通用求解技术的模型、算法与主要功能, 说明我国自主研发通用求解技术的必要性和新的应用思路. 最后, 指出了开发航天器任务调度统一化建模语言、打造算法库与测试集等未来航天器任务调度研究的新方向.
面向行人重识别的局部特征研究进展、挑战与展望
姚足, 龚勋, 陈锐, 卢奇, 罗彬
2021, 47(12): 2742-2760.   doi: 10.16383/j.aas.c190821
[摘要](455) [HTML全文](220) [PDF 1814KB](260)
摘要:
行人重识别(Person re-identification, Re-ID)旨在跨区域、跨场景的视频中实现行人的检索及跟踪, 其成果在智能监控、刑事侦查、反恐防暴等领域具有广阔的应用前景. 由于真实场景下的行人图像存在光照差异大、拍摄视角不统一、物体遮挡等问题, 导致从图像整体提取的全局特征易受无关因素的干扰, 识别精度不高. 基于局部特征的方法通过挖掘行人姿态、人体部位、视角特征等关键信息, 可加强模型对人体关键区域的学习, 降低无关因素的干扰, 从而克服全局特征的缺陷, 也因此成为近几年的研究热点. 本文对近年基于局部特征的行人重识别文献进行梳理, 简述了行人重识别的发展历程, 将基于局部特征的方法归纳为基于姿势提取、基于特征空间分割、基于视角信息、基于注意力机制四类, 并详细阐述了每一类的原理及优缺点. 然后在三个主流行人数据集上对典型方法的识别性能进行了分析比较, 最后总结了目前基于局部特征算法的难点, 并对未来本领域的研究趋势和发展方向进行展望.
论文与报告
深海起重机系统的实时轨迹规划方法
王岳, 孙宁, 吴易鸣, 梁潇, 陈鹤, 方勇纯
2021, 47(12): 2761-2770.   doi: 10.16383/j.aas.c200262
[摘要](698) [HTML全文](169) [PDF 1657KB](151)
摘要:
近年来, 随着海洋资源的不断开发与海洋工程的全球化推进, 深海起重机得到了广泛应用, 其控制问题也引起研究人员的极大关注. 在深海作业环境中, 由于吊运过程受到水流作用力的影响, 负载摆动幅度增大, 系统状态量间非线性耦合关系增强, 使系统控制难度加大. 为此, 本文针对深海起重机系统提出了一种实时轨迹规划方法. 具体而言, 通过分析系统动力学特性和状态变量之间复杂的耦合关系, 提出了一种实时规划轨迹的方法, 并从理论上证明了该方法可在使台车准确快速到达指定位置的同时, 有效抑制负载摆动. 最后, 一系列仿真结果证明了所提方法的良好性能.
基于池的无监督线性回归主动学习
刘子昂, 蒋雪, 伍冬睿
2021, 47(12): 2771-2783.   doi: 10.16383/j.aas.c200071
[摘要](815) [HTML全文](152) [PDF 1387KB](165)
摘要:
在许多现实的机器学习应用场景中, 获取大量未标注的数据是很容易的, 但标注过程需要花费大量的时间和经济成本. 因此, 在这种情况下, 需要选择一些最有价值的样本进行标注, 从而只利用较少的标注数据就能训练出较好的机器学习模型. 目前, 主动学习(Active learning)已广泛应用于解决这种场景下的问题. 但是, 大多数现有的主动学习方法都是基于有监督场景: 能够从少量带标签的样本中训练初始模型, 基于模型查询新的样本, 然后迭代更新模型. 无监督情况下的主动学习却很少有人考虑, 即在不知道任何标签信息的情况下最佳地选择要标注的初始训练样本. 这种场景下, 主动学习问题变得更加困难, 因为无法利用任何标签信息. 针对这一场景, 本文研究了基于池的无监督线性回归问题, 提出了一种新的主动学习方法, 该方法同时考虑了信息性、代表性和多样性这三个标准. 本文在3个不同的线性回归模型(岭回归、LASSO (Least absolute shrinkage and selection operator)和线性支持向量回归)和来自不同应用领域的12个数据集上进行了广泛的实验, 验证了其有效性.
基于多阶段注意力机制的多种导航传感器故障识别研究
王亚朝, 赵伟, 徐海洋, 刘建业
2021, 47(12): 2784-2790.   doi: 10.16383/j.aas.c190435
[摘要](216) [HTML全文](89) [PDF 1453KB](135)
摘要:
导航传感器在使用过程中容易发生故障, 针对传统方法对其间歇性和渐变性故障识别率低的问题提出了一种基于多阶段注意力机制的多传感器故障识别算法. 该算法采用基于长短期记忆神经网络和注意力机制的编码器−解码器结构, 根据多类导航传感器数据之间的空间相关性和时间相关性来进行多传感器的故障互判. 经验证, 该算法对多种类传感器的故障识别率高达97.5%, 可以高效地实现故障的检测和分类. 该方法可以准确识别出故障传感器和故障类型, 具有很强的工程应用价值.
基于卦限卷积神经网络的3D点云分析
许翔, 帅惠, 刘青山
2021, 47(12): 2791-2800.   doi: 10.16383/j.aas.c200080
[摘要](769) [HTML全文](193) [PDF 1046KB](123)
摘要:
基于深度学习的三维点云数据分析技术得到了越来越广泛的关注, 然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点. 本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant convolutional neural network, Octant-CNN), 它由卦限卷积模块和下采样模块组成. 针对输入点云, 卦限卷积模块在每个点的近邻空间中定位8个卦限内的最近邻点, 接着通过多层卷积操作将8卦限中的几何特征抽象成语义特征, 并将低层几何特征与高层语义特征进行有效融合, 从而实现了利用卷积操作高效提取三维邻域内的局部结构信息; 下采样模块对原始点集进行分组及特征聚合, 从而提高特征的感受野范围, 并且降低网络的计算复杂度. Octant-CNN通过对卦限卷积模块和下采样模块的分层组合, 实现了对三维点云进行由底层到抽象、从局部到全局的特征表示. 实验结果表明, Octant-CNN在对象分类、部件分割、语义分割和目标检测四个场景中均取得了较好的性能.
一种噪声容错弱监督矩阵补全的生存分析方法
陈蕾, 邵楷, 林腾涛, 陈兴国
2021, 47(12): 2801-2814.   doi: 10.16383/j.aas.c190740
[摘要](193) [HTML全文](90) [PDF 952KB](57)
摘要:
生存分析旨在预测某个感兴趣事件发生前的延续等待时间, 已广泛应用于临床治疗中患者的生存状态分析. 然而, 受限于研究代价高昂和环境因素的影响, 现有的生存分析方法不可避免地面临着高维小样本挑战以及复杂环境所引起的噪声敏感等问题. 为了克服上述缺陷, 本文提出一类噪声容错弱监督直推式矩阵补全(Weakly supervised transductive matrix completion, WSTMC)生存分析方法. 该方法首先将生存分析问题建模为多任务直推式矩阵补全模型, 然后引入高斯混合分布拟合真实数据中的复杂噪声以减轻模型的噪声敏感性, 同时设计了一类多任务直推式特征选择机制来缓解高维小样本所带来的过拟合缺陷. 此外, 设计了一类有效的拟期望最大化优化算法用于求解所提出的WSTMC模型. 最后, 5个微阵列基因表达数据集上的实验结果证实了所提出的WSTMC模型优于当前广泛使用的18种生存分析方法.
主成分提取信息准则的加权规则
杜柏阳, 孔祥玉, 罗家宇
2021, 47(12): 2815-2822.   doi: 10.16383/j.aas.c190226
[摘要](169) [HTML全文](72) [PDF 2047KB](83)
摘要:
并行主成分提取算法在信号特征提取中具有十分重要的作用, 采用加权规则将主子空间(Principal subspace, PS)提取算法转变为并行主成分提取算法是很有效的方式, 但研究加权规则对状态矩阵影响的理论分析非常少. 对加权规则影响的分析不仅可以提供加权规则下的主成分提取算法动力学的详细认知, 而且对于其他子空间跟踪算法转变为并行主成分提取算法的可实现性给出判断条件. 本文通过比较Oja的主子空间跟踪算法和加权Oja并行主成分提取算法, 通过两种算法的差异分析了加权规则对算法提取矩阵方向的影响. 首先, 针对二维输入信号, 研究了提取两个主成分时加权规则的信息准则对状态矩阵方向的作用方式. 进而, 针对大于二维输入信号的情况, 给出加权规则影响多个主成分提取方式的讨论. 最后, MATLAB仿真验证了所提出理论的有效性.
一类非线性系统模糊自适应固定时间量化反馈控制
王焕清, 陈明, 刘晓平
2021, 47(12): 2823-2830.   doi: 10.16383/j.aas.c190681
[摘要](345) [HTML全文](103) [PDF 1218KB](123)
摘要:
研究了一类严格反馈不确定非线性系统的模糊自适应实际固定时间量化反馈控制问题. 基于李雅普诺夫有限时间稳定理论、自适应模糊控制理论及反演控制算法, 提出了一种非线性系统模糊自适应实际固定时间量化反馈跟踪控制方案. 所设计的控制方案能够保证闭环系统的输出跟踪误差在固定时间内收敛于原点的一个充分小邻域内, 且闭环系统内所有信号均有界. 最后, 数值示例验证了设计方案的有效性.
一种面向散乱点云语义分割的深度残差特征金字塔网络框架
彭秀平, 仝其胜, 林洪彬, 冯超, 郑武
2021, 47(12): 2831-2840.   doi: 10.16383/j.aas.c190063
[摘要](95) [HTML全文](51) [PDF 1715KB](52)
摘要:
针对当前基于深度学习的散乱点云语义特征提取方法通用性差以及特征提取不足导致的分割精度和可靠性差的难题, 提出了一种散乱点云语义分割深度残差−特征金字塔网络框架. 首先, 针对当前残差网络在卷积方式上的局限性, 定义一种立方体卷积运算, 不仅可以通过二维卷积运算实现三维表示点的高层特征的抽取, 还可以解决现有的参数化卷积设计通用性差的问题;其次, 将定义的立方体卷积计算与残差网络相结合, 构建面向散乱点云语义分割的深度残差特征学习网络框架; 进一步, 将深度残差网络与特征金字塔网络相结合, 实现三维表示点高层特征多尺度学习与散乱点云场景语义分割. 实验结果表明, 本文提出的立方体卷积运算具有良好的适用性, 且本文提出的深度残差−特征金字塔网络框架在分割精度方面优于现存同类方法.
通信延时环境下异质网联车辆队列非线性纵向控制
李永福, 何昌鹏, 朱浩, 郑太雄
2021, 47(12): 2841-2856.   doi: 10.16383/j.aas.c190442
[摘要](287) [HTML全文](72) [PDF 16397KB](134)
摘要:
针对通信延时环境下的异质车辆队列控制问题, 本文提出了一种基于三阶模型的分布式非线性车辆队列纵向控制器. 首先, 基于三阶动力学模型描述了车辆的异质特性. 考虑车辆跟驰行为以及异质通信延时, 提出一种通信延时环境下的异质车辆队列非线性控制器. 所提控制器不仅可以在通信延时以及车辆异质特性的影响下实现队列中车辆的位置、速度以及加速度的一致性, 而且可以有效避免负的车辆间距和不合理的加/减速度, 保证车辆的运动行为符合交通流理论. 然后, 利用Lyapunov-Krasovskii定理对车辆队列的稳定性进行分析, 得出车辆队列的稳定性条件和通信延时上界. 最后, 所提控制器的有效性和稳定性通过数值仿真得到验证.
基于多相关HMT模型的DT CWT域数字水印算法
王向阳, 牛盼盼, 杨红颖, 李丽
2021, 47(12): 2857-2869.   doi: 10.16383/j.aas.c190075
[摘要](218) [HTML全文](79) [PDF 1436KB](48)
摘要:
本文以双树复数小波变换(Dual-tree complex wavelet transform, DT CWT)及隐马尔科夫树(Hidden Markov tree, HMT)理论为基础, 提出了一种基于Weibull向量HMT模型的DT CWT域数字音频盲水印算法. 原始数字音频首先进行DT CWT, 然后利用局部信息熵刻画音频内容特征并据此确定出重要DT CWT系数段, 进而将水印信息乘性嵌入到重要DT CWT高频系数幅值内. 水印检测时, 首先根据DT CWT系数幅值的边缘分布及系数间的多种相关性(包括子带内、尺度间、分解树间等相关性), 构造出Weibull混合向量HMT统计模型, 并估计出其统计模型参数; 然后, 利用局部最大势能(Locally most powerful, LMP)检验理论构造出局部最优检测器(Locally optimum decoder, LOD)以盲提取水印信息. 仿真实验结果表明, 本文算法可以较好地获得不可感知性、鲁棒性、水印容量之间的良好平衡, 其总体性能优于现有同类音频水印算法.
短文
一类p规范型非线性系统预设性能有限时间H 跟踪控制
李小华, 胡利耀
2021, 47(12): 2870-2880.   doi: 10.16383/j.aas.c190116
[摘要](416) [HTML全文](190) [PDF 1869KB](97)
摘要:
针对一类带有外部扰动的非严格反馈p规范型非线性系统, 在一种新的预设性能控制思想的基础上, 结合加幂积分技术、H 控制理论及神经自适应技术, 提出了一种自适应神经预设性能有限时间H 跟踪控制器的设计方法. 所设计的控制器能够保证系统的跟踪误差被有限时间性能函数约束, 并在任意给定的停息时间内收敛到平衡点的一个预先给定的邻域内, 且能够抑制外部扰动对系统的影响. 特别地, 该停息时间与系统初始状态无关. 两个仿真例子验证了所设计控制器的有效性和优越性.
本刊经同行评议拟录用的文章,目前在编校阶段,尚未确定卷期及页码,已有DOI。
显示方式:
基于时空共现模式的视觉行人再识别
钱锦浩, 宋展仁, 郭春超, 赖剑煌, 谢晓华
当前状态:  doi: 10.16383/j.aas.c200897
[摘要](381) [HTML全文](65) [PDF 1296KB](28)
摘要:
基于视频图像的视觉行人再识别是指利用计算机视觉技术关联非重叠域摄像头网络下的相同行人, 在视频安防和商业客流分析中具有重要应用. 目前视觉行人再识别技术已经取得了相当不错的进展, 但依旧面临很多挑战, 比如摄像机的拍摄视角不同、遮挡现象和光照变化等所导致的行人表观变化和匹配不准确问题. 为了克服单纯视觉匹配困难问题, 本文提出一种结合行人表观特征跟行人时空共现模式的行人再识别方法. 所提方法利用目标行人的邻域行人分布信息来辅助行人相似度计算, 有效地利用时空上下文信息来加强视觉行人再识别. 在行人再识别两个权威公开数据集Market-1501和DukeMTMC-ReID上的实验验证了所提方法的有效性.
带有资源冲突的Seru在线并行调度算法
江煜舟, 李冬妮, 靳洪博, 殷勇
当前状态:  doi: 10.16383/j.aas.c190698
[摘要](1600) [HTML全文](1450) [PDF 2980KB](43)
摘要:
随着大规模定制的市场需求日趋显著, 赛如生产系统(Seru production system, SPS)应运而生, 逐渐成为研究和应用领域的热点. 本文针对带有资源冲突的Seru在线并行调度问题进行研究, 即需要在有限的空间位置上安排随动态需求而构建的若干Seru, 以总加权完工时间最小为目标, 决策Seru的构建顺序及时间. 先基于平均延迟最短加权处理时间(Average delayed shortest weighted processing time, AD-SWPT)算法, 针对其竞争比不为常数的局限性, 引入调节参数, 得到竞争比为常数的无资源冲突的Seru在线并行调度算法. 接下来, 引入冲突处理机制, 得到有资源冲突的Seru在线并行调度算法, αAD-I (α-average delayed shortest weighted processing time-improved)算法, 特殊实例下可通过实例归约的方法证明其竞争比与无资源冲突的情况相同. 最后, 通过实验, 验证了在波动的市场环境下算法对于特殊实例与一般实例的优越性.
基于可见光与红外热图像的行车环境复杂场景分割
陈武阳, 赵于前, 阳春华, 张帆, 余伶俐, 陈白帆
当前状态:  doi: 10.16383/j.aas.c210029
[摘要](398) [HTML全文](111) [PDF 1068KB](35)
摘要:
复杂场景分割是自动驾驶领域智能感知的重要任务, 对稳定性和高效性都有较高的要求. 由于一般的场景分割方法主要针对可见光图像, 分割效果非常依赖于图像获取时的光线与气候条件, 且大多数方法只关注分割性能, 忽略了计算资源. 本文提出一种基于可见光与红外热图像的轻量级双模分割网络(DMSNet), 通过提取并融合两种模态图像的特征得到最终分割结果. 考虑到不同模态特征空间存在较大差异, 直接融合将降低对特征的利用率, 本文提出了双路特征空间自适应(DPFSA)模块, 该模块能够自动学习特征间的差异从而转换特征至同一空间. 实验结果表明, 本文方法提高了对不同模态图像的利用率, 对光照变化有更强的鲁棒性, 且以少量参数取得了较好的分割性能.
微电网的电流均衡/电压恢复自适应动态规划策略研究
王睿, 孙秋野, 张化光
当前状态:  doi: 10.16383/j.aas.c210015
[摘要](584) [HTML全文](69) [PDF 2977KB](25)
摘要:
含多类型分布式电源的微电网已经成为了未来电力系统的重要发展方向, 其中风能和光能在降低化石能源消耗和二氧化碳排放等方面有着极大优势, 考虑二者之间强互补性的协同调度已被广泛研究. 但风/光协同调度的微电网多关注分钟级的调度或优化问题而非风/光波动下秒级的实时电流按容量比例精准分担, 简称电流均衡, 而精准电流均衡有助于可再生能源的高比例消纳. 因此, 本文提出了基于自适应动态规划的微电网电流均衡和电压恢复控制策略. 首先, 构建包含风电整流型电能变换器和光电升压型电能变换器的广义风光拓扑同胚升压变换器模型, 其提供了后续控制器设计的模型基础. 其次, 本文将电流均衡和电压恢复问题转化为最优控制问题, 基于此, 每个能源主体的目标函数转化为获取最优控制变量和最小电压/电流控制偏差, 进而转化为求解哈密顿−雅克比−贝尔曼(Hamilton-Jacobi-Bellman, HJB)方程问题. 基于此, 提出了基于贝尔曼准则的分布式自适应动态规划控制策略以求取HJB方程的数值解, 最终实现电流均衡和电压恢复. 最后仿真结果验证了所提分布式自适应动态规划控制策略的有效性.
基于文本与图像的肺疾病研究与预测
吕晴, 赵奎, 曹吉龙, 魏景峰
当前状态:  doi: 10.16383/j.aas.c190645
[摘要](41) [HTML全文](18) [PDF 1050KB](8)
摘要:
通过对目前现有的肺癌检测技术研究, 发现大部分研究人员主要针对肺癌(Computed tomography, CT)影像进行研究, 忽略了电子病历所隐藏的肺癌信息, 本文提出一种基于图像与文本相结合的肺癌分类方法, 从现有的基于深度学习的肺癌图像分类出发, 引入了电子病历信息, 使用Multi-head attention以及(Bi-directional long short-term memory, Bi-LSTM)对文本建模. 实验结果证明, 将电子病历信息引入到图像分类模型之后, 对模型的性能有进一步的提升. 相对仅使用电子病历进行预测, 准确率提升了大约14 %, 精确率大约提升了15 %, 召回率提升了14 %. 相对仅使用肺癌CT影像来进行预测, 准确率提升了3.2 %, 精确率提升了4 %, 召回率提升了4 %.
基于两阶段自适应Wiener过程的剩余寿命预测方法
董青, 郑建飞, 胡昌华, 李冰, 牟含笑
当前状态:  doi: 10.16383/j.aas.c210057
[摘要](685) [HTML全文](214) [PDF 2993KB](28)
摘要:
针对退化过程呈现两阶段特征的一类随机退化设备, 现有剩余寿命预测方法不适用于测量间隔分布不均匀、监测数据的测量频率与历史数据频率不一致的情况, 并且忽略了自适应漂移的可变性. 鉴于此, 提出了一种新的考虑个体差异性的两阶段自适应Wiener过程剩余寿命预测模型与方法. 首先, 基于自适应Wiener过程分阶段构建随机退化模型, 在首达时间意义下推导出寿命和剩余寿命解析式. 然后, 结合Kalman滤波技术和期望最大化算法进行参数自适应更新, 同时利用赤池信息准则实现退化模型变点的辨识. 最后, 通过蒙特卡洛仿真和锂电池实例, 验证了本文所提方法的有效性和实用价值.
基于EEG的癫痫自动检测: 综述与展望
彭睿旻, 江军, 匡光涛, 杜浩, 伍冬睿, 邵剑波
当前状态:  doi: 10.16383/j.aas.c200745
[摘要](552) [HTML全文](389) [PDF 3624KB](62)
摘要:
癫痫是一种由脑部神经元阵发性异常超同步电活动导致的慢性非传染性疾病, 也是全球最常见的神经系统疾病之一. 基于EEG的癫痫自动检测是指通过机器学习、分布检验、相关性分析和时频分析等数据分析方法, 对癫痫发作阶段的EEG信号进行自动识别的研究问题, 能够为癫痫诊疗与评估提供客观参考依据, 从而减轻医生工作负担并提高治疗效率, 因此具有十分重要的理论意义与实际应用价值. 本文详细介绍基于EEG的癫痫自动识别整体框架, 以及对应于各个步骤所涉及的典型方法. 针对核心模块, 即特征提取与分类器选择, 进行方法总结与理论解释. 最后, 对癫痫自动检测研究领域的未来研究方向进行展望.
基于多层BP神经网络的无参考视频质量客观评价
姚军财, 申静, 黄陈蓉
当前状态:  doi: 10.16383/j.aas.c190539
[摘要](503) [HTML全文](157) [PDF 1597KB](32)
摘要:
机器学习在视频质量评价(Video quality assessment, VQA)模型回归方面具有较大的优势, 能够较大地提高构建模型的精度. 基于此, 设计了合理的多层BP神经网络, 并以提取的失真视频的内容特征、编解码失真特征、传输失真特征及其视觉感知效应特征参数为输入, 通过构建的数据库中的样本对其进行训练学习, 构建了一个无参考VQA模型. 在模型构建中, 首先采用图像的亮度和色度及其视觉感知、图像的灰度梯度期望值、图像的模糊程度、局部对比度、运动矢量及其视觉感知、场景切换特征、比特率、初始时延、单次中断时延、中断频率和中断平均时长共11个特征, 来描述影响视频质量的4个主要方面, 并对建立的两个视频数据库中的大量视频样本, 提取其特征参数; 再以该特征参数作为输入, 对设计的多层BP神经网络进行训练, 从而构建VQA模型; 最后, 对所提模型进行测试, 同时与14种现有的VQA模型进行对比分析, 研究其精度、复杂性和泛化性能. 实验结果表明: 所提模型的精度明显高于其14种现有模型的精度, 其最低高出幅度为4.34 %; 且优于该14种模型的泛化性能, 同时复杂性处于该15种模型中的中间水平. 综合分析所提模型的精度、泛化性能和复杂性表明, 所提模型是一种较好的基于机器学习的VQA模型.
解耦表征学习综述
文载道, 王佳蕊, 王小旭, 潘泉
当前状态:  doi: 10.16383/j.aas.c210096
[摘要](2324) [HTML全文](1573) [PDF 2415KB](301)
摘要:
在大数据时代下, 以高效自主隐式特征提取能力闻名的深度学习引发了新一代人工智能的热潮, 然而其背后黑箱不可解释的“捷径学习”现象成为制约其进一步发展的关键性瓶颈问题. 解耦表征学习通过探索大数据内部蕴含的物理机制和逻辑关系复杂性, 从数据生成的角度解耦数据内部多层次、多尺度的潜在生成因子, 促使深度网络模型学会像人类一样对数据进行自主智能感知, 逐渐成为新一代基于复杂性的可解释深度学习领域内重要研究方向, 具有重大的理论意义和应用价值. 本文系统地综述了解耦表征学习的研究进展, 对当前解耦表征学习中的关键技术及典型方法进行了分类阐述, 分析并汇总了现有各类算法的适用场景并对此进行了可视化实验性能展示, 最后指明了解耦表征学习今后的发展趋势以及未来值得研究的方向.
面向精准价格牌识别的多任务循环神经网络
牟永强, 范宝杰, 孙超, 严蕤, 郭怡适
当前状态:  doi: 10.16383/j.aas.c190633
[摘要](1010) [HTML全文](389) [PDF 1289KB](51)
摘要:
为了促进智能新零售在线下业务场景的发展, 提高作为销售关键信息价格牌的识别精度. 本文对价格牌识别问题进行研究, 有效地提高了价格牌的识别精度, 并解决小数点定位不准确的难题. 通过深度卷积神经网络提取价格牌的深度语义表达特征, 将提取到的特征图送入多任务循环网络层进行编码, 然后根据解码网络设计的注意力机制解码出价格数字, 最后将多个分支的结果整合并输出完整价格. 本文所提出的方法能够非常有效地提高线下零售场景价格牌的识别精度, 并解决了一些领域难题如小数点的定位问题, 此外, 为了验证本文方法的普适性, 在其他场景数据集上进行了对比实验, 相关结果也验证了本文方法的有效性.
基于局部空间信息的可变类模糊阈值光学遥感图像分割
杨蕴, 李玉, 赵泉华
当前状态:  doi: 10.16383/j.aas.c190412
[摘要](332) [HTML全文](56) [PDF 2442KB](23)
摘要:
阈值法分割在光学遥感图像分析中被得到广泛的应用, 然而传统阈值法也存在诸多局限性, 如对噪声敏感, 需人为设定类别数, 计算复杂度高等. 针对传统阈值法的局限性, 提出一种基于局部空间信息的可变类模糊阈值光学遥感图像分割方法. 首先, 以图像光谱的一阶矩为初始类中心, 利用二分法原理和区域间最大相似度准则来快速确定类别数及其中心. 然后, 通过岭形模糊隶属函数计算各像素点对不同类的隶属程度, 同时考虑到像素点的隶属度局部空间信息, 在隶属度域中定义一个模糊加权滤波器对各类的隶属度矩阵进行滤波, 以滤波后的隶属度集合为依据, 按照最大隶属原则确定图像的标号场. 最后, 对标号场中的局部异常标号进行替换, 将修正后的标号场由对应的类中心赋色得到分割图像. 视觉和统计分析评价结果表明, 与传统阈值法相比, 该方法能在减少计算时间的同时获得更好的分割结果, 可适用于光学遥感图像的多阈值分割.
机器人运动轨迹的模仿学习综述
黄艳龙, 徐德, 谭民
当前状态:  doi: 10.16383/j.aas.c210033
[摘要](1439) [HTML全文](453) [PDF 1384KB](168)
摘要:
作为机器人技能学习中的一个重要分支, 模仿学习近年来在机器人系统中得到了广泛的应用. 模仿学习能够将人类的技能以一种相对直接的方式迁移到机器人系统中, 其思路是先从少量示教样本中提取相应的运动特征, 然后将该特征泛化到新的情形. 本文针对机器人运动轨迹的模仿学习进行综述. 首先详细解释模仿学习中的技能泛化、收敛性和外插等基本问题; 其次从原理上对动态运动基元、概率运动基元和核化运动基元等主要的模仿学习算法进行介绍; 然后深入地讨论模仿学习中姿态和刚度矩阵的学习问题、协同和不确定性预测的问题以及人机交互中的模仿学习等若干关键问题; 最后本文探讨了结合因果推理的模仿学习等几个未来的发展方向.
非线性快速批次过程高效迭代学习预测函数控制
马乐乐, 刘向杰
当前状态:  doi: 10.16383/j.aas.c190621
[摘要](58) [HTML全文](6) [PDF 1928KB](12)
摘要:
迭代学习模型预测控制(Iterative learning model predictive control, ILMPC)具备较强的批次学习能力及突出的时域跟踪性能, 在批次过程控制中发挥了重要作用. 然而对于具有强非线性的快动态批次过程, 传统的迭代学习模型预测控制很难实现计算效率与跟踪精度之间的平衡, 这给其应用带来了挑战. 对此本文提出一种高效迭代学习预测函数控制策略, 将原非线性系统沿参考轨迹线性化得到二维跟踪误差预测模型, 并在控制器设计中补偿所产生的线性化误差, 构造优化目标函数为真实跟踪误差的上界. 为加强优化计算效率, 在时域上结合预测函数控制以降低待优化变量维数, 从而有效降低计算负担. 结合终端约束集理论, 分析了迭代学习预测函数控制的时域稳定性及迭代收敛性. 通过对无人车和典型快速间歇反应器的仿真实验验证所提出算法的有效性.
基于原型学习与深度特征融合的脑功能连接分类方法研究
梁玉泽, 冀俊忠
当前状态:  doi: 10.16383/j.aas.c190747
[摘要](17) [HTML全文](1) [PDF 1122KB](2)
摘要:
近年来, 基于深度学习的脑功能连接分类方法已成为一个研究热点. 为了进一步提高脑功能连接的分类准确率, 获得与疾病相关的鉴别性特征, 本文提出了一种基于原型学习与深度特征融合的脑功能连接分类方法. 该方法首先使用栈式自编码器从脑功能连接中提取从低层次到高层次的深度特征; 然后利用原型学习在自编码器的各隐层中提取表示样本类别信息的距离特征; 最后采用深度特征融合策略将这些距离特征融合, 并将该融合特征用于脑功能连接的类别标签预测. 在ABIDE数据集上的实验结果表明, 与其他同类方法相比, 该方法不仅具有较高的分类准确率, 而且能够更加准确地定位与疾病相关的脑区.
一种基于深度迁移学习的滚动轴承早期故障在线检测方法
毛文涛, 田思雨, 窦智, 张迪, 丁玲
当前状态:  doi: 10.16383/j.aas.c190593
[摘要](480) [HTML全文](128) [PDF 2164KB](67)
摘要:
近年来, 深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用, 但面对不停机情况下的早期故障在线检测问题, 仍存在着早期故障特征表示不充分、误报警率高等不足. 为解决上述问题, 本文从时序异常检测的角度出发, 提出了一种基于深度迁移学习的早期故障在线检测方法. 首先, 提出一种面向多域迁移的深度自编码网络, 通过构建具有改进的最大均值差异正则项和Laplace正则项的损失函数, 在自适应提取不同域数据的公共特征表示同时, 提高正常状态和早期故障状态之间特征的差异性; 基于该特征表示, 提出一种基于时序异常模式的在线检测模型, 利用离线轴承正常状态的排列熵值构建报警阈值, 实现在线数据中异常序列的快速匹配, 同时提高在线检测结果的可靠性. 在XJTU-SY数据集上的实验结果表明, 与现有代表性早期故障检测方法相比, 本文方法具有更好的检测实时性和更低的误报警数.
有界扰动下约束非线性系统鲁棒经济模型预测控制
何德峰, 韩平, 王青松
当前状态:  doi: 10.16383/j.aas.c190879
[摘要](27) [HTML全文](0) [PDF 1679KB](7)
摘要:
针对未知但有界扰动下约束非线性系统, 提出一种新的鲁棒经济模型预测控制(Economic model predictive control, EMPC)策略, 保证闭环系统对扰动输入具有输入到状态稳定性(Input-to-state stability, ISS). 基于微分对策原理, 分别优化经济目标函数和关于最优经济平衡点的鲁棒稳定性目标函数, 其中经济最优性与鲁棒稳定性是具有冲突的两个控制目标. 利用鲁棒稳定性目标最优值函数构造EMPC优化的隐式收缩约束, 建立鲁棒EMPC的递推可行性和闭环系统关于最优经济平衡点相对于有界扰动输入到状态稳定性结果. 最后以连续搅拌反应器为例, 对比仿真验证本文策略的有效性.
基于事件触发二阶多智能体系统的固定时间比例一致性
陈世明, 邵赛, 姜根兰
当前状态:  doi: 10.16383/j.aas.c190128
[摘要](18) [HTML全文](2) [PDF 1451KB](2)
摘要:
研究了在无向拓扑下, 由多个子群组成的二阶多智能体系统的固定时间比例一致性问题, 采用反推法设计了一种基于事件触发的固定时间非线性比例一致控制策略, 该策略包含分段式事件触发函数: 当智能体在追踪虚拟速度时, 给出了基于速度信息的触发条件; 当智能体速度与虚拟速度达到一致时, 切换至基于位置信息的触发条件, 可有效减少系统能量耗散及控制器更新频次. 通过在位置和速度状态上设置比例参数, 在固定时间内可实现不同子群智能体之间的比例一致. 利用代数图论、线性矩阵不等式以及Lyapunov稳定性理论, 证明在该控制策略下, 二阶多智能体系统能实现固定时间比例一致性, 且不存在Zeno行为. 最后, 仿真实例进一步验证了理论结果的有效性.
深度强化学习的攻防与安全性分析综述
陈晋音, 章燕, 王雪柯, 蔡鸿斌, 王珏, 纪守领
当前状态:  doi: 10.16383/j.aas.c200166
[摘要](1196) [HTML全文](985) [PDF 1451KB](175)
摘要:
深度强化学习是人工智能领域新兴技术之一, 它将深度学习强大的特征提取能力与强化学习的决策能力相结合, 实现从感知输入到决策输出的端到端框架, 具有较强的学习能力且应用广泛. 然而, 已有研究表明深度强化学习存在安全漏洞, 容易受到对抗样本攻击. 为提高深度强化学习的鲁棒性、实现系统的安全应用, 本文针对已有的研究工作, 较全面地综述了深度强化学习方法、对抗攻击、防御方法与安全性分析, 并总结深度强化学习安全领域存在的开放问题以及未来发展的趋势, 旨在为从事相关安全研究与工程应用提供基础.
基于最优工况迁移的高炉铁水硅含量预测方法
蒋朝辉, 许川, 桂卫华, 蒋珂
当前状态:  doi: 10.16383/j.aas.c200980
[摘要](252) [HTML全文](52) [PDF 1736KB](43)
摘要:
高炉铁水硅含量是铁水品质与炉况的重要表征, 冶炼过程关键参数频繁波动及大时滞特性给高炉铁水硅含量预测带来了巨大挑战. 提出一种基于最优工况迁移的高炉铁水硅含量预测方法. 首先, 针对过程变量频繁波动问题, 提出基于邦费罗尼指数的自适应密度峰值聚类算法, 实现对高炉冶炼过程变量的工况划分, 并建立不同工况硅含量预测子模型. 其次, 针对冶炼过程的大时滞特性, 定义相邻时间节点间的硅含量工况迁移代价函数, 并提出多源路径寻优算法, 实现冶炼过程中硅含量最优工况迁移路径及当前时刻硅含量最优预测值的求解. 最后, 基于工业现场数据验证了所提方法的有效性与准确性.
基于FPSO的电力巡检机器人的广义二型模糊逻辑控制
吴庆, 赵涛, 佃松宜, 郭锐, 李胜川, 方红帏, 韩吉霞
当前状态:  doi: 10.16383/j.aas.c190306
[摘要](15) [HTML全文](0) [PDF 2477KB](1)
摘要:
针对电力巡检机器人(Power-line inspection robot, PLIR)的平衡调节问题, 设计了广义二型模糊逻辑控制器(General type-2 fuzzy logic controller, GT2FLC); 针对GT2FLC中隶属函数参数难以确定的问题, 通过模糊粒子群(Fuzzy particle swarm optimization, FPSO)算法来优化隶属函数参数. 将GT2FLC的控制性能与区间二型模糊逻辑控制器(Interval type-2 fuzzy logic controller, IT2FLC)和一型模糊逻辑控制器(Type-1 fuzzy logic controller, T1FLC) 的控制性能进行对比. 除此之外, 还考虑了外部干扰对三种控制器控制效果的影响. 仿真结果表明GT2FLC具有更好的性能和处理不确定性的能力.
基于显著性特征提取的图像描述算法
王鑫, 宋永红, 张元林
当前状态:  doi: 10.16383/j.aas.c190279
[摘要](21) [HTML全文](14) [PDF 1167KB](3)
摘要:
图像描述(Image captioning)是一个融合了计算机视觉和自然语言处理这两个领域的研究方向, 本文为图像描述设计了一种新颖的显著性特征提取机制(Salient feature extraction Mechanism, SFEM), 能够在语言模型预测每一个单词之前快速地向语言模型提供最有价值的视觉特征来指导单词预测, 有效解决了现有方法对视觉特征选择不准确以及时间性能不理想的问题. SFEM包含全局显著性特征提取器和即时显著性特征提取器这两个部分: 全局显著性特征提取器能够从多个局部视觉向量中提取出显著性视觉特征, 并整合这些特征到全局显著性视觉向量中; 即时显著性特征提取器能够根据语言模型的需要, 从全局显著性视觉向量中提取出预测每一个单词所需的显著性视觉特征. 本文在MS COCO数据集上对SFEM进行了评估, 实验结果表明SFEM能够显著提升baseline生成图像描述的准确性, 并且SFEM在生成图像描述的准确性方面明显优于广泛使用的空间注意力模型, 在时间性能上也大幅领先空间注意力模型.
基于混合变分自编码器回归模型的软测量建模方法
崔琳琳, 沈冰冰, 葛志强
当前状态:  doi: 10.16383/j.aas.c210035
[摘要](760) [HTML全文](226) [PDF 2279KB](56)
摘要:
近年来, 变分自编码器(Variational auto-encoder, VAE)模型由于在概率数据描述和特征提取能力等方面的优越性, 受到了学术界和工业界的广泛关注, 并被引入到工业过程监测、诊断和软测量建模等应用中. 然而, 传统基于VAE的软测量方法使用高斯分布作为潜在变量的分布, 限制了其对复杂工业过程数据, 尤其是多模态数据的建模能力. 为了解决这一问题, 本论文提出了一种混合变分自编码器回归模型(Mixture variational autoencoder regression, MVAER), 并将其应用于复杂多模态工业过程的软测量建模. 具体来说, 该方法采用高斯混合模型来描述VAE的潜在变量分布, 通过非线性映射将复杂多模态数据映射到潜在空间, 学习各模态下的潜在变量, 获取原始数据的有效特征表示. 同时, 建立潜在特征表示与关键质量变量之间的回归模型, 实现软测量应用. 通过一个数值例子和一个实际工业案例, 对所提模型的性能进行了评估, 验证了该模型的有效性和优越性.
基于DPCA残差互异度的故障检测与诊断方法
张成, 戴絮年, 李元
当前状态:  doi: 10.16383/j.aas.c190884
[摘要](362) [HTML全文](74) [PDF 2132KB](27)
摘要:
针对动态主元分析方法中残差自相关性降低过程故障检测率问题, 提出基于动态主元分析残差互异度的故障检测与诊断方法. 首先, 应用动态主元分析(Dynamic principal component analysis, DPCA)计算动态过程数据的残差得分; 接下来, 应用滑动窗口技术并结合互异度指标(Dissimilarity)来监控过程残差得分状态; 最后, 利用基于变量贡献图的方法进行过程故障诊断分析. 本文方法通过DPCA捕获过程的动态特征, 同时互异度指标区别于传统的平方预测误差(Square prediction error, SPE), 它可以有效地对具有自相关性的残差得分进行过程状态监控. 通过一个数值例子和Tennessee Eastman (TE)过程的仿真实验并与传统方法对比分析, 仿真结果进一步证实了本文方法的有效性.
融合属性偏好和多阶交互信息的可解释评分预测研究
郑建兴, 李沁文, 王素格, 李德玉
当前状态:  doi: 10.16383/j.aas.c210457
[摘要](101) [HTML全文](20) [PDF 3014KB](14)
摘要:
已有推荐系统主要基于用户-项目交互矩阵来学习用户和项目的向量表示, 而当交互矩阵稀疏时, 推荐系统的精度较低, 推荐的结果缺乏可解释性. 本文考虑了用户-项目交互行为中的评分标签信息, 提出了一种融合属性偏好和多阶交互信息的可解释评分预测方法, 并根据属性偏好对推荐结果进行了解释. 首先, 基于注意力机制分析了用户和项目属性信息与评分标签的关系, 建模了节点的属性偏好特征表示; 然后, 聚合了用户-项目交互矩阵中节点自身、交互邻居和评分标签信息, 通过图神经网络学习了节点的多阶交互行为特征表示; 最后, 融合了节点的属性偏好特征和交互行为特征, 在异质类型信息空间下学习了用户和项目的语义特征表示, 利用多层感知机实现了评分预测, 并在MovieLens和Douban数据集上验证了方法的有效性. 实验结果表明, 本文方法在MAE和RMSE指标上有效提高了推荐系统的精度, 缓解了数据稀疏场景下推荐模型性能较低的问题, 提升了推荐结果的可解释性.
基于预训练表示模型的英语词语简化方法
强继朋, 钱镇宇, 李云, 袁运浩, 朱毅
当前状态:  doi: 10.16383/j.aas.c200723
[摘要](42) [HTML全文](6) [PDF 1095KB](3)
摘要:
词语简化(Lexical simplification, LS)是将给定句子中的复杂词替换成意义相等的简单替代词,从而达到简化句子的目的. 已有的词语简化方法只依靠复杂词本身而不考虑其上下文信息来生成候选替换词, 这将不可避免地产生大量的虚假候选词. 为此, 提出了一种基于预训练表示模型BERT的词语简化方法BERT-LS, 利用BERT进行候选替换词的生成和排序. BERT-LS在候选词生成过程中, 不仅不需要任何语义词典和平行语料, 而且能够充分考虑复杂词本身和上下文信息产生候选替代词. 在候选替代词排序过程中, BERT-LS采用了五个高效的特征, 除了常用的词频和词语之间相似度特征之外, 还利用了BERT的预测排序、基于BERT的上下文产生概率和复述数据库PPDB这三个新特征. 通过三个基准数据集进行验证, BERT-LS取得了明显的进步, 整体性能平均比最先进的方法准确率高出29.8%.
从视频到语言: 视频标题生成与描述研究综述
汤鹏杰, 王瀚漓
当前状态:  doi: 10.16383/j.aas.c200662
[摘要](815) [HTML全文](434) [PDF 1435KB](111)
摘要:
视频标题生成与描述是使用自然语言对视频进行总结与重新表达. 由于视频与语言之间存在异构特性, 其数据处理过程较为复杂. 本文主要对基于“编码−解码” 架构的模型做了详细阐述, 以视频特征编码与使用方式为依据, 将其分为基于视觉特征均值/最大值的方法、基于视频序列记忆建模的方法、基于三维卷积特征的方法及混合方法, 并对各类模型进行了归纳与总结. 最后, 对当前存在的问题及可能趋势进行了总结与展望, 指出需要生成融合情感、逻辑等信息的结构化语段, 并在模型优化、数据集构建、评价指标等方面进行更为深入的研究.
融合属性特征的行人重识别方法
邵晓雯, 帅惠, 刘青山
当前状态:  doi: 10.16383/j.aas.c190763
[摘要](105) [HTML全文](23) [PDF 1209KB](17)
摘要:
行人重识别旨在跨监控设备下检索出特定的行人目标. 由于不同的行人可能具有相似的外观, 因此要求行人重识别模型能够捕捉到充足的细粒度特征. 本文提出一种融合属性特征的行人重识别的深度网络方法, 将行人重识别和属性识别集成在分类网络中, 进行端到端的多任务学习. 此外, 对于每张输入图片, 网络自适应地生成对应于每个属性的权重, 并将所有属性的特征以加权求和的方式结合起来, 与全局特征一起用于行人重识别任务. 全局特征关注行人的整体外观, 而属性特征关注细节区域, 两者相互补充可以对行人进行更全面的描述. 在行人重识别的主流数据集DukeMTMC-reID和Market-1501上的实验结果表明了本文方法的有效性, 平均精度均值(Mean average precision, mAP)分别达到了74.2%和83.5%, Rank-1值分别达到了87.1%和93.6%. 此外, 在这两个数据集上的属性识别也得到了比较好的结果.
高速列车精确停车的鲁棒自触发预测控制
刘晓宇, 荀径, 高士根, 阴佳腾
当前状态:  doi: 10.16383/j.aas.c200039
[摘要](567) [HTML全文](94) [PDF 1992KB](67)
摘要:
列车精确停车作为列车自动运行(Automatic train operation, ATO)系统的一项核心功能, 对高速列车的安全和高效运行至关重要. 本文针对高速列车停车过程的特点, 考虑在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪, 提出了基于模型预测控制(Model predictive control, MPC)的精确停车算法. 针对列车停车过程中外部不确定性阻力干扰, 采用鲁棒模型预测控制方法, 提高对外部干扰的鲁棒性. 引入自触发控制策略, 以进一步减少控制输出的频繁切换, 提高停车过程的舒适度. 该方法不需要每个采样时间都求解线性约束二次规划问题, 降低了对系统采样和通信能力的要求, 提高了算法的实用性. 分析结果表明, 高速列车精确停车控制方法的稳定性和性能指标的次优性可以得到保证. 基于高速列车实际运行数据的仿真结果验证了算法的有效性.
面向负载均衡的高铁路网列车开行方案优化方法
吴兴堂, 杨明坤, 王洪伟, 周敏, 吕金虎, 董海荣
当前状态:  doi: 10.16383/j.aas.c210612
[摘要](130) [HTML全文](19) [PDF 1280KB](19)
摘要:
针对当前高速铁路运营过程中存在的运输需求与运力资源不匹配现象, 面向负载均衡原理研究了路网条件下运能可适配的高速铁路旅客列车开行方案优化与评估方法. 首先, 针对路网条件下列车开行方案优化, 构建以提升经济效益、社会效益和网络负载均衡为目标的非线性混合整数规划模型, 并设计基于遗传算法和粒子群算法的两阶段混合搜索求解算法. 在此基础上, 考虑开行列车在高速铁路网中的抗干扰能力, 建立了面向网络化运营场景的开行方案综合评估指标体系, 揭示了故障场景下高速铁路网络性能的演化规律. 最后, 以实际高速铁路线路数据和运营数据为场景进行仿真实验, 本文提出方法在保证运输需求和路局收益的同时能够有效地提升8.66%网络整体负载均衡性, 增强发生故障时网络的抗干扰能力.
面向扑翼飞行控制的建模与奇异摄动分析
钱辰, 方勇纯, 李友朋
当前状态:  doi: 10.16383/j.aas.c190858
[摘要](65) [HTML全文](21) [PDF 1756KB](13)
摘要:
针对扑翼飞行中的周期性和时标不一现象, 以及扑翼飞行实际控制中的问题, 本文基于奇异摄动理论, 提出了一种针对扑翼周期系统的稳定性分析方法. 具体而言, 首先建立了扑翼飞行器的多刚体模型, 为后文对翅翼动力学的奇异摄动分析铺平道路; 其次, 对多刚体模型进行简化, 抽象出扑翼飞行动力学的核心问题, 并针对实际控制中的问题, 提出了 利用奇异摄动理论分析扑翼飞行周期稳定性的方法, 指出了其相对于其他方法的优越性; 最后, 在自制的四自由度扑翼飞行器完成了真实的飞行实验, 验证了所提方法的有效性.
基于权重因子自校正的主蒸汽温度外挂广义预测串级控制
王懋譞, 王永富, 柴天佑, 张晓宇
当前状态:  doi: 10.16383/j.aas.c200195
[摘要](551) [HTML全文](103) [PDF 4877KB](24)
摘要:
针对电厂目前普遍采用PI-PI串级控制器调节锅炉主蒸汽温度系统, 不能有效克服惯性、时滞和参数时变等问题的影响, 本文提出了一种理想GPC (Generalized predictive control)-PI串级控制器. 首先, 该理想串级控制器不仅能抑制一次和二次扰动, 而且外环GPC通过对主蒸汽温度的多步预测, 并结合滚动优化技术能有效克服主蒸汽温度系统的惯性和时滞问题. 另外, 针对主蒸汽温度系统参数时变的特性, 该理想控制器采用了T-S (Takagi-Sugeno)型模糊神经网络(Fuzzy neural network, FNN)作为主蒸汽温度模型, 该模型能够通过反馈校正技术实时更新模型参数. 同时, 为了改善主蒸汽温度系统动态响应品质和稳定性, 对外环GPC中的权重因子进行了模糊自校正设计, 通过理论分析和对比仿真验证了该理想GPC-PI串级控制器优于权重因子固定的GPC-PI和PI-PI串级控制器. 最后, 考虑到直接将电厂集散控制系统(Distributed control system, DCS)中的PI-PI串级控制器升级为理想GPC-PI串级控制器存在安全以及风险责任等问题, 故将电厂的传统PI-PI串级控制器升级成外挂的GPC-PI-PI串级控制器, 既改善了锅炉主蒸汽温度的控制效果又规避了风险责任, 实际应用验证了该方法的有效性.
基于RefineNet的端到端语音增强方法
蓝天, 彭川, 李森, 钱宇欣, 陈聪, 刘峤
当前状态:  doi: 10.16383/j.aas.c190433
[摘要](53) [HTML全文](10) [PDF 1806KB](9)
摘要:
为提高神经网络对语音信号时域波形的直接处理能力, 提出了一种基于RefineNet的端到端语音增强方法. 本文构建了一个时频分析神经网络, 模拟语音信号处理中的短时傅里叶变换, 利用RefineNet网络学习含噪语音到纯净语音的特征映射. 在模型训练阶段, 用多目标联合优化的训练策略将语音增强的评价指标短时客观可懂度(Short-time objective intelligibility, STOI)与信源失真比(Source to distortion ratio, SDR)融入到训练的损失函数. 在与具有代表性的传统方法和端到端的深度学习方法的对比实验中, 本文提出的算法在客观评价指标上均取得了最好的增强效果, 并且在未知噪声和低信噪比条件下表现出更好的抗噪性.
高速公路无人驾驶的分层抽样多动态窗口轨迹规划算法
张琳, 薛建儒, 马超, 李庚欣, 李勇强
当前状态:  doi: 10.16383/j.aas.c210673
[摘要](48) [HTML全文](15) [PDF 2660KB](9)
摘要:
高速公路无人驾驶轨迹规划面临着实时性强、安全性高的挑战. 本文提出了一种分层抽样多动态窗口的轨迹规划算法(Stratied sampling based multi-dynamic window trajectory planner, SMWTP). 首先, 用多动态窗口表征可行轨迹的搜索空间, 并基于贝叶斯网络构建了车辆轨迹分布模型. 其次, 采用先速度后路径的分层抽样策略生成符合动态场景约束的候选轨迹集合. 最后, 利用引入障碍车辆速度估计不确定性的责任敏感安全模型(Responsibility sensitive safety, RSS)从中选择最优轨迹. 大量仿真实验和实际交通场景测试验证了算法的有效性, 对比实验结果表明所提算法性能显著优于人工势场最优轨迹规划算法和多动态窗口模拟退火轨迹规划算法.
深度生成模型综述
胡铭菲, 左信, 刘建伟
当前状态:  doi: 10.16383/j.aas.c190866
[摘要](2375) [HTML全文](602) [PDF 2545KB](355)
摘要:
通过学习可观测数据的概率密度而随机生成样本的生成模型在近年来受到人们的广泛关注, 网络结构中包含多个隐藏层的深度生成式模型以更出色的生成能力成为研究热点, 深度生成模型在计算机视觉、密度估计、自然语言和语音识别、半监督学习等领域得到成功应用, 并给无监督学习提供了良好的范式. 本文根据深度生成模型处理似然函数的不同方法将模型分为三类: 第一类方法是近似方法, 包括采用抽样方法近似计算似然函数的受限玻尔兹曼机(Restricted Boltzmann machine, RBM)和以受限玻尔兹曼机为基础模块的深度置信网络(Deep belief network, DBN)、深度玻尔兹曼机(Deep Boltzmann machines, DBM)和亥姆霍兹机, 与之对应的另一种模型是直接优化似然函数变分下界的变分自编码器以及其重要的改进模型, 包括重要性加权自编码和可用于半监督学习的深度辅助深度模型; 第二类方法是避开求极大似然过程的隐式方法, 其代表模型是通过生成器和判别器之间的对抗行为来优化模型参数从而巧妙避开求解似然函数的生成对抗网络以及重要的改进模型, 包括WGAN、深度卷积生成对抗网络和当前最顶级的深度生成模型BigGAN; 第三类方法是对似然函数进行适当变形的流模型和自回归模型, 流模型利用可逆函数构造似然函数后直接优化模型参数, 包括以NICE为基础的常规流模型、变分流模型和可逆残差网络(i-ResNet), 自回归模型(NADE)将目标函数分解为条件概率乘积的形式, 包括神经自回归密度估计(NADE)、像素循环神经网络(PixelRNN)、掩码自编码器(MADE)以及WaveNet等. 详细描述上述模型的原理和结构以及模型变形后, 阐述各个模型的研究进展和应用, 最后对深度生成式模型进行展望和总结.
基于潜在特征选择性集成建模的二噁英排放浓度软测量
汤健, 乔俊飞, 郭子豪
当前状态:  doi: 10.16383/j.aas.c190254
[摘要](257) [HTML全文](72) [PDF 1771KB](17)
摘要:
二噁英(Dioxin,DXN)是导致城市固废焚烧(Municipal solid waste incineration, MSWI)建厂存在“邻避现象”的主要原因之一. 工业现场多采用离线化验手段检测DXN浓度, 难以满足污染物减排控制的需求. 针对上述问题, 本文提出了基于潜在特征选择性集成(Selective ensemble, SEN)建模的DXN排放浓度软测量方法. 首先, 采用主元分析(Principal component analysis, PCA)分别提取依据工艺阶段子系统及全流程系统过程变量的潜在特征, 并依据预设贡献率阈值进行特征初选; 接着, 采用互信息(Mutual information, MI)度量初选特征与DXN间的相关性, 并自适应确定再选的上下限及阈值; 最后, 采用具有超参数自适应选择机制的最小二乘−支持向量机(Least squares — support vector machine, LS-SVM)算法建立多源特征的候选子模型, 基于分支定界(Branch and bound, BB)优化和预测误差信息熵加权算法进行集成子模型的优化选择和加权组合, 进而得到软测量模型. 基于某MSWI焚烧厂DXN检测数据仿真验证了所提方法的有效性.
基于折扣广义值迭代的智能最优跟踪及应用验证
王鼎, 赵明明, 哈明鸣, 乔俊飞
当前状态:  doi: 10.16383/j.aas.c210658
[摘要](251) [HTML全文](101) [PDF 1693KB](34)
摘要:
设计了一种基于折扣广义值迭代的智能算法, 用于解决一类复杂非线性系统的最优跟踪控制问题. 通过选取合适的初始值, 值迭代过程中的代价函数将以单调递减的形式收敛到最优代价函数. 基于单调递减的值迭代算法, 在不同折扣因子的作用下, 讨论了迭代跟踪控制律的可容许性和误差系统的渐近稳定性. 为了促进算法的实现, 建立一个数据驱动的模型网络用于学习系统动态信息, 同时构造评判网络和执行网络用于近似迭代代价函数和计算迭代跟踪控制律. 值得注意的是, 我们提出了新颖的停止准则来保证迭代跟踪控制律的有效性. 这种停止准则包含两个条件, 一个条件用来保证迭代跟踪控制律的可用性, 这有利于评估误差系统的渐近稳定性; 而另一个条件用来确保跟踪控制律的近似最优性. 最后, 通过包括污水处理在内的两个应用实例验证了本文提出的近似最优跟踪控制方法的可行性和有效性.
基于事件相机的机器人感知与控制综述
粟傈, 杨帆, 王向禹, 郭川东, 童良乐, 胡权
当前状态:  doi: 10.16383/j.aas.c210263
[摘要](103) [HTML全文](40) [PDF 2248KB](17)
摘要:
事件相机作为一种新型动态视觉传感器, 通过各个像素点独立检测光照强度变化并异步输出“事件流”信号, 它具有数据量小、延迟低、动态范围高等优秀特性, 给机器人控制带来新的可能. 本文主要介绍了近年来涌现的一系列事件相机与无人机、机械臂和人形机器人等机器人感知与运动控制结合的研究成果, 同时聚焦基于事件相机的控制新方法、新原理以及控制效果, 并指出基于事件相机的机器人控制的应用前景和发展趋势.
非线性预测控制终端约束集的优化
于树友, 冯阳阳, KIMJung-Su, 陈虹
当前状态:  doi: 10.16383/j.aas.c200911
[摘要](544) [HTML全文](95) [PDF 3358KB](53)
摘要:
为保证预测控制的稳定性, 经典的策略是在预测控制的优化问题中加入终端约束集和终端惩罚函数, 并保证终端约束集是一个在终端控制律作用下的正不变集, 终端惩罚函数是受控系统的局部控制Lyapunov函数. 本文提供了一种求解非线性系统终端约束集、终端控制律和终端惩罚函数的新策略. 通过在优化问题中引入新的变量来降低求解终端约束条件的保守性, 并且可以从理论上保证求解得到的终端约束集更大. 通常情况下, 较大的终端约束集将允许选取的预测时域较小, 因而可以降低预测控制的在线计算负担. 从形式上看, 新的变量的引入使得终端约束集和终端惩罚项实现了某种程度的解耦, 即终端约束集不再是终端惩罚函数的水平截集. 最后通过仿真算例验证了所提策略的有效性.
非线性动态突变系统的多模型自适应执行器故障补偿设计
文利燕, 陶钢, 姜斌, 杨杰
当前状态:  doi: 10.16383/j.aas.c200318
[摘要](130) [HTML全文](52) [PDF 1786KB](28)
摘要:
本文针对因多重不确定执行器故障而引起系统动态突变的非线性系统, 设计了一种基于多模型切换的自适应执行器故障补偿控制策略, 以提高系统应对动态突变的能力, 同时实现不确定执行器故障的快速精确补偿. 针对执行器故障模式的不确定性问题, 采用基于多模型的参数估计方法, 设计了自适应控制器组; 基于最优性能指标函数, 提出了一种控制切换机制, 以选择最佳的自适应控制器作为当前的控制器, 从而实现期望的故障补偿控制. 所设计的多模型自适应控制策略, 可以保证所有闭环系统信号有界, 且在出现有限数量的不确定性执行器故障情况下, 系统输出渐近跟踪所选择的参考系统输出; 同时, 当系统中出现持续间歇性执行器故障时, 此方法可以保证系统的输出跟踪误差是平均小的. 最后, 本文基于飞行器动力学模型, 进行仿真研究, 验证了所设计的自适应故障补偿策略的有效性.
基于多对多生成对抗网络的非对称跨域迁移行人再识别
梁文琦, 王广聪, 赖剑煌
当前状态:  doi: 10.16383/j.aas.c190303
[摘要](118) [HTML全文](71) [PDF 2530KB](26)
摘要:
无监督跨域迁移学习是行人再识别中一个非常重要的任务. 给定一个有标注的源域和一个没有标注的目标域, 无监督跨域迁移的关键点在于尽可能地把源域的知识迁移到目标域. 然而, 目前的跨域迁移方法忽略了域内各视角分布的差异性, 导致迁移效果不好. 针对这个缺陷, 本文提出了一个基于多视角的非对称跨域迁移学习的新问题. 为了实现这种非对称跨域迁移, 提出了一种基于多对多生成对抗网络(Many-to-many generative adversarial network, M2M-GAN)的迁移方法. 该方法嵌入了指定的源域视角标记和目标域视角标记作为引导信息, 并增加了视角分类器用于鉴别不同的视角分布, 从而使模型能自动针对不同的源域视角和目标域视角组合采取不同的迁移方式. 在行人再识别基准数据集Market1501、DukeMTMC-reID和MSMT17上, 实验验证了本文的方法能有效提升迁移效果, 达到更高的无监督跨域行人再识别准确率.
面向对抗样本的深度神经网络可解释性分析
董胤蓬, 苏航, 朱军
当前状态:  doi: 10.16383/j.aas.c200317
[摘要](973) [HTML全文](203) [PDF 2010KB](130)
摘要:
虽然深度神经网络 (Deep neural networks, DNNs) 在许多任务上取得了显著的效果, 但是由于其可解释性 (Interpretability) 较差, 通常被当做“黑盒”模型. 本文针对图像分类任务, 利用对抗样本 (Adversarial examples) 从模型失败的角度检验深度神经网络内部的特征表示. 通过分析, 发现深度神经网络学习到的特征表示与人类所理解的语义概念之间存在着不一致性. 这使得理解和解释深度神经网络内部的特征变得十分困难. 为了实现可解释的深度神经网络, 使其中的神经元具有更加明确的语义内涵, 本文提出了加入特征表示一致性损失的对抗训练方式. 实验结果表明该训练方式可以使深度神经网络内部的特征表示与人类所理解的语义概念更加一致.
基于事件触发的直流微电网无差拍预测控制
王本斐, 张荣辉, 冯国栋, ManandharUjjal, 郭戈
当前状态:  doi: 10.16383/j.aas.c210585
[摘要](43) [HTML全文](4) [PDF 2603KB](6)
摘要:
本文针对光伏-电池-超级电容直流微电网系统中光伏发电间歇性造成的功率失配, 提出了一种基于事件触发的无差拍预测控制(Event-triggered deadbeat predictive control, ETDPC)方法, 实现有效的能量管理. ETDPC控制方法结合事件触发控制策略和无差拍预测控制策略的优点, 该方法根据微电网的拓扑结构构建状态空间模型, 用于设计适用于微电网能量管理的触发条件: 当ETDPC的触发条件满足时, ETDPC中无差拍预测控制模块被激活, 可以在一个控制周期内产生最优控制信号, 实现对于扰动的快速响应, 减小母线电压纹波; 当系统状态不满足ETDPC中的触发条件时, 无差拍预测控制模块被挂起, 从而消除非必要运算, 以减轻实现能量管理的运算负担. 因此, 基于电池-超级电容器混合储能系统, ETDPC控制能够缓解间歇性光伏发电同负荷需求之间的功率失衡, 以稳定母线电压. 最后, 数字仿真和硬件在环实验结果表明, 相较于传统事件触发无差拍控制方法, 运算负担减小了50.63%, 母线电压纹波小于0.73%, 验证了ETDPC控制方法的有效性与性能优势, 为直流微电网的能量管理提供了一种参考.
基于改进YOLO的双网络桥梁表观病害快速检测算法
彭雨诺, 刘敏, 万智, 蒋文博, 何文轩, 王耀南
当前状态:  doi: 10.16383/j.aas.c210807
[摘要](88) [HTML全文](33) [PDF 1612KB](22)
摘要:
桥梁表观病害检测是确保桥梁安全的关键步骤. 然而, 桥梁表观病害类型多样, 常见病害有蜂窝、漏筋、孔洞和裂缝等. 在实际应用中, 不同病害间外观差异显著且病害之间可能发生重叠, 现有算法无法实现快速且准确的桥梁多病害检测. 针对这一问题, 本文对YOLO (You only look once)进行了改进, 提出了YOLO-lump和YOLO-crack以提高网络检测多病害的能力, 进而形成基于双网络的桥梁表观病害快速检测算法. 一方面, YOLO-lump在较大的滑动窗口图像上实现块状病害(包括蜂窝、漏筋和孔洞病害)的检测. 在YOLO-lump中, 我们提出了混合空洞金字塔模块, 其结合了混合空洞卷积(Hybrid dilated convolutional, HDC)与空间金字塔池化(Spatial pyramid pooling, SPP), 用于提取稀疏表达的多尺度特征, 同时可以避免空洞卷积造成的局部信息丢失. 另一方面, YOLO-crack在较小的滑动窗口图像上实现裂缝病害的检测. 在YOLO-crack中, 我们提出了下采样注意力(Attention mechanism)模块, 其利用1×1卷积和3×3分组卷积分别解耦特征的通道相关性和空间相关性, 可以增强裂缝在下采样阶段的前景响应, 减少空间信息的损失. 实验结果表明, 本文算法能够提高桥梁表观病害检测的精度, 同时可实现病害的实时检测, 检测一张高分辨率图像(5120×5120像素)仅花费0.995秒. 此外, 本文建立了一个桥梁表观图像数据库, 共包含169621张高分辨率图像.
基于RRT森林算法的高层消防无人机室内协同路径规划
陈锦涛, 李鸿一, 任鸿儒, 鲁仁全
当前状态:  doi: 10.16383/j.aas.c210368
[摘要](77) [HTML全文](34) [PDF 1603KB](11)
摘要:
在多无人机协同执行高层消防救援任务的场景中, 室内复杂火场环境下路径规划是亟待解决难题之一. 本文针对快速搜索随机树算法 (Rapidly-exploring random tree, RRT) 搜索区域受限、耗时较长、结果可行性差等问题, 提出RRT森林算法. 通过随机选取根节点、生成随机树、连接合并随机树, 使高层消防多无人机在复杂室内环境下协同路径规划效率显著提高. 此外, 采用两次动态规划以及改进障碍物接近检测方法, 进一步提高路径的可行性. 最终, 通过仿真验证算法的有效性.
基于非凸复合函数的稀疏信号恢复算法
周洁容, 李海洋, 凌军, 陈浩, 彭济根
当前状态:  doi: 10.16383/j.aas.c200666
[摘要](617) [HTML全文](49) [PDF 1617KB](66)
摘要:
基于泛函深度作用的思想, 通过将两种非凸稀疏泛函进行复合, 构造了一种新的稀疏信号重构模型, 实现了对0范数的深度逼近. 综合运用MM (Majorize minimization)技术、外点罚函数法和共轭梯度法, 提出一种求解该模型的算法, 称为NCCS (Non-convex composite sparse)算法. 为降低重构信号陷入局部极值的可能性, 提出在算法的每步迭代中以BP (Basis pursuit)模型的解作为初始迭代值. 为验证所建模型和所提算法的有效性, 进行了多项数值实验. 实验结果表明, 相较于SL0 (Smoothed \begin{document}$L_0$\end{document})算法、IRLS (Iterative reweighed least squares)算法、SCSA (Successive concave sparsity approximation)算法以及BP 算法等经典算法, 提出的算法在重构误差、信噪比、归一化均方差、支撑集恢复成功率等方面都有更优的表现.
量子线性卷积及其在图像处理中的应用
刘兴奥, 周日贵, 郭文宇
当前状态:  doi: 10.16383/j.aas.c210637
[摘要](81) [HTML全文](37) [PDF 2242KB](9)
摘要:
线性卷积在图像处理中发挥着重要作用, 但是在处理海量高分辨率图像时, 求解线性卷积会消耗许多计算资源. 为此, 本文就量子线性卷积及其在图像处理问题中的应用开展相关研究, 首先提出单通道, 单位步长, 零补充情况下的量子一维和二维线性卷积, 然后实现多通道, 非单位步长, 非零补充的情况, 最后将量子二维线性卷积应用于量子图像平滑, 量子图像锐化和量子图像边缘检测. 通过理论分析证明了量子线性卷积的空间复杂度\begin{document}$O(\mathrm{log}M)$\end{document}和时间复杂度\begin{document}$O({\mathrm{log}}^{2}M)$\end{document}较经典线性卷积有指数级下降, 且基于Qiskit的仿真实验成功验证了量子线性卷积和量子图像处理算法的正确性和可行性.
一种基于改进AOD-Net的航拍图像去雾算法
李永福, 崔恒奇, 朱浩, 张开碧
当前状态:  doi: 10.16383/j.aas.c210232
[摘要](107) [HTML全文](32) [PDF 1780KB](30)
摘要:
针对航拍图像易受雾气影响, AOD-Net (All in one dehazing network)算法对图像去雾后容易出现细节模糊、对比度过高和图像偏暗等问题, 本文提出了一种基于改进AOD-Net的航拍图像去雾算法. 本文主要从网络结构、损失函数、训练方式三个方面对AOD-Net进行改良. 首先本文在AOD-Net的第二个特征融合层上添加了第一层的特征图, 用全逐点卷积替换了传统卷积方式, 并用多尺度结构提升了网络对细节的处理能力. 然后本文用包含有图像重构损失函数、SSIM (Structural similarity)损失函数以及TV (Total variation)损失函数的复合损失函数优化去雾图的对比度、亮度以及色彩饱和度. 最后本文采用分段式的训练方式进一步提升了去雾图的质量. 实验结果表明, 经本文算法去雾后的图像拥有令人满意的去雾结果, 图像的饱和度和对比度相较于AOD-Net更自然. 与其它对比算法相比, 本文算法在合成图像实验、真实航拍图像实验以及算法耗时测试的综合表现上更好, 更适用于航拍图像实时去雾.
基于不确定性的多元时间序列分类算法研究
张旭, 张亮, 金博, 张红哲
当前状态:  doi: 10.16383/j.aas.c210302
[摘要](185) [HTML全文](62) [PDF 3091KB](31)
摘要:
多元时间序列(Multivariate time series, MTS)分类是许多领域中的重要问题, 准确的分类结果可以有效地帮助决策. 当前的MTS分类算法在个体的表征学习阶段难以自动建模多元变量之间复杂的交互关系, 并且无法评估分类结果的可信度, 这会导致模型性能受限, 以及缺乏具备统计意义的可靠性解释. 本文提出了一种基于不确定性的多元时间序列分类算法, 变分贝叶斯共享图神经网络, 即VBSGNN (Variational bayes shared graph neural network). 首先通过图神经网络提取多元变量之间的交互特征, 然后利用贝叶斯神经网络为预测过程引入了不确定性. 最后在10个公开MTS数据集上进行了算法实验, 并与当前提出的7类算法进行了比较, 结果表明VBSGNN可有效学习多元变量之间的交互关系, 提升了分类效果, 并使得模型具备一定的可靠性评估能力.
高速铁路信号系统运维分层架构模型研究
林鹏, 田宇, 袁志明, 张琦, 董海荣, 宋海锋, 阳春华
当前状态:  doi: 10.16383/j.aas.c210109
[摘要](377) [HTML全文](40) [PDF 1833KB](40)
摘要:
高速铁路信号系统是高速铁路安全可靠运营的核心装备, 实现高速铁路信号系统智能运维是降低高速铁路运行风险的必要基础保障. 目前我国高速铁路信号系统运维研究工作主要集中于器件级系统或基本单元系统, 系统层面的相关研究几乎为空白, 亟需从整体上建立全局架构理论模型. 为此, 定义了关联信号系统, 提出了分散式动态评估函数, 将动态调度纳入运维体系, 构建了分层架构模型. 在此基础上, 针对分层架构模型的决策层和关联信号层, 提出了动态定量评估、动态风险预警和故障诊断的研究方法, 并展望了所面临的挑战.
无监督多重非局部融合的图像去噪方法
陈叶飞, 赵广社, 李国齐, 王鼎衡
当前状态:  doi: 10.16383/j.aas.c200138
[摘要](707) [HTML全文](185) [PDF 3025KB](89)
摘要:
非局部均值去噪 (Non-local means, NLM) 算法利用图像的自相似性, 取得了很好的去噪效果. 然而, NLM 算法对图像中不相似的邻域块分配了过大的权重, 此外算法的搜索窗大小和滤波参数等通常是固定的且无法根据图像内容的变化做出自适应的调整. 针对上述问题, 本文提出一种无监督多重非局部融合 (Unsupervised multi-non-local fusion, UM-NLF) 的图像去噪方法, 即变换搜索窗等组合参数得到多个去噪结果, 并利用 SURE (Stein′s unbiased risk estimator) 对这些结果进行无监督的随机线性组合以获得最终结果. 首先, 为了滤除不相似或者相似度较低的邻域块, 本文引入一种基于可微分硬阈值函数的非局部均值 (Non-local means with a differential hard threshold function, NLM-DT) 算法, 并结合快速傅里叶变换 (Fast fourier transformation, FFT), 初步提升算法的去噪效果和速度; 其次, 针对不同的组合参数, 利用快速 NLM-DT 算法串联生成多个去噪结果; 然后, 采用蒙特卡洛随机采样的思想对上述多个去噪结果进行随机的线性组合, 并利用基于 SURE 特征加权的移动平均滤波算法来抑制多个去噪结果组合引起的抖动噪声; 最后, 利用噪声图像和移动平均滤波后图像的 SURE 进行梯度的反向传递来优化随机线性组合的系数. 在公开数据集上的实验结果表明: UM-NLF 算法去噪结果的峰值信噪比 (Peak signal to noise radio, PSNR) 超过了 NLM 及其大部分改进算法, 以及在部分图像上超过了 BM3D 算法. 同时, UM-NLF 相比于 BM3D 算法在视觉上产生更少的振铃伪影, 改善了图像的视觉质量.
面向Kullback-Leibler散度不确定集的正则化线性判别分析
梁志贞, 张磊
当前状态:  doi: 10.16383/j.aas.c210434
[摘要](104) [HTML全文](24) [PDF 1239KB](7)
摘要:
线性判别分析是一种统计学习方法. 针对线性判别分析的小样本奇异性问题和对污染样本敏感性问题, 目前许多线性判别分析的改进算法已被提出. 本文提出了基于Kullback-Leibler(KL)散度不确定集的判别分析方法. 提出的方法不仅利用了Ls范数定义类间距离和Lr范数定义类内距离, 而且对类内样本和各类中心的信息进行基于KL散度不确定集的概率建模. 本文首先通过优先考虑不利区分的样本提出了一种正则化对抗判别分析模型并利用广义Dinkelbach算法求解此模型. 这种算法的一个优点是在适当的条件下优化子问题不需要取得精确解. 投影(次)梯度法被用来求解优化子问题. 此外, 本文也提出了正则化乐观判别分析并采用交替优化技术求解广义Dinkelbach算法的优化子问题. 许多数据集上的实验表明了本文的模型优于现有的一些模型, 特别是在污染的数据集上, 正则化乐观判别分析由于优先考虑了类中心附近的样本点, 从而表现出良好的性能.
F范数度量下的鲁棒张量低维表征
王肖锋, 石乐岩, 杨璐, 刘军, 周海波
当前状态:  doi: 10.16383/j.aas.c210375
[摘要](93) [HTML全文](32) [PDF 1848KB](7)
摘要:
张量主成分分析(Tensor principle component analysis, TPCA)在彩色图像低维表征领域得到广泛深入研究, 采用\begin{document}$\textit{F}$\end{document}范数平方作为低维投影的距离度量方式, 表征含离群数据和噪声图像的鲁棒性较弱. \begin{document}$\textit{L}_{1}$\end{document}范数能够抑制噪声的影响, 但所获的低维投影数据缺乏重构误差约束, 其局部表征能力也较弱. 针对上述问题, 本文利用\begin{document}$\textit{F}$\end{document}范数作为目标函数的距离度量方式, 提出一种基于\begin{document}$\textit{F}$\end{document}范数的分块张量主成分分析算法(Block TPCA with \begin{document}$\textit{F}$\end{document}-norm, BlockTPCA-\begin{document}$\textit{F}$\end{document}), 提高张量低维表征的鲁棒性. 考虑到同时约束投影距离与重构误差, 提出一种基于比例\begin{document}$\textit{F}$\end{document}范数的分块张量主成分分析算法(Block TPCA with proportional \begin{document}$\textit{F}$\end{document}-norm, BlockTPCA-P\begin{document}$\textit{F}$\end{document}), 其最大化投影距离与最小化重构误差均得到了优化. 然后, 给出了其贪婪的求解算法, 并对其收敛性进行了理论证明. 最后, 对包含不同噪声块和具有实际遮挡的彩色人脸数据集进行实验, 结果表明, 本文所提算法在平均重构误差、图像重构与分类率等方面均得到了明显提升, 在张量低维表征中具有较强的鲁棒性.
目标跟踪中基于IoU和中心点距离预测的尺度估计
李绍明, 储珺, 冷璐, 涂序继
当前状态:  doi: 10.16383/j.aas.c210356
[摘要](74) [HTML全文](25) [PDF 1482KB](6)
摘要:
目标跟踪中基于IoU (Intersection over union, IoU)预测的尺度估计方法, 通过估计视频帧中候选框与真实目标框的重叠度训练尺度回归模型, 推理阶段通过最大化IoU对初始化边界框进行微调, 取得目标的尺度. 本文详细分析了基于IoU预测的尺度估计模型的梯度更新过程, 发现其在训练和推理过程仅将IoU作为度量, 缺乏对预测框和真实目标框中心点距离的约束, 导致外观模型更新过程中模板受到污染, 前景和背景分类时定位出现偏差. 基于此发现, 本文构建了一种结合IoU和中心点距离的新度量NDIoU (Normalization distance IoU), 在此基础上提出一种新的尺度估计方法, 并将其嵌入判别式跟踪框架. 即在训练阶段以NDIoU为标签, 设计了具有中心点距离约束的损失函数监督网络的学习, 在线推理期间通过最大化NDIoU微调目标尺度, 以帮助外观模型更新时获得更加准确的样本. 在七个数据上与相关主流方法进行对比, 本文方法在七个数据集上的综合性能优于所有对比算法. 特别是在GOT-10k数据集上, 本文方法的AO、\begin{document}$ S{R}_{0.5} $\end{document}\begin{document}$ S{R}_{0.75} $\end{document}三个指标达到了65.4%、78.7%和53.4%, 分别超过基线模型4.3%、7.0%和4.2%.
一种面向航空母舰甲板运动状态预估的鲁棒学习模型
王可, 徐明亮, 李亚飞, 姜晓恒, 鲁爱国, 李鉴
当前状态:  doi: 10.16383/j.aas.c210064
[摘要](92) [HTML全文](18) [PDF 1404KB](15)
摘要:
航母甲板在风、浪、流等因素影响下做六自由度不规则运动, 影响舰载机着舰精度. 航母甲板运动预估与补偿是自动着舰系统的重要功能之一, 也是提高舰载机着舰安全性与成功率的关键技术之一. 本文提出一种面向甲板运动预估的鲁棒学习模型, 通过基本构建单元自适应演化出复杂学习系统. 构建单元的训练采用非梯度的伪逆学习策略, 提高了训练效率, 简化了学习控制超参数调优;构建单元的架构设计采用数据驱动的策略, 简化了架构超参数调优;采用图拉普拉斯正则化方法提高了模型的鲁棒性. 通过某型航母在中等海况条件下以典型航速巡航时的仿真实验, 验证了所提方法在甲板纵摇、横摇以及垂荡运动预估问题中的有效性及鲁棒性.
多模态动态核主成分分析的气液两相流状态监测
董峰, 李昭, 李凌涵, 张淑美
当前状态:  doi: 10.16383/j.aas.c210690
[摘要](117) [HTML全文](20) [PDF 2224KB](5)
摘要:
气液两相流流动过程作为一种非平稳过程, 其状态的变化具有时变性、非线性、随机性等复杂流动过程的特点, 其流动状态的实时监测对掌握其流动过程的产生、发展及转化, 保障实际生产的安全稳定运行具有重要意义. 特别是流动状态的过渡过程反映了流动状态的发展及演化, 其流动结构非常复杂. 针对气液两相流的3种典型流动状态及过渡转化过程, 在多传感器获取流动状态测试数据的基础上, 提出一种多模态动态核主成分分析方法. 通过采用动态自相关、互相关方法提取流动过程测试数据中的动态特性, 采用核方法提取非线性特性, 结合主成分分析建立不同典型流动状态的监测模型; 利用模型对不同典型流动状态进行判别, 并进一步实现流动过渡状态的监测. 通过对气液两相流实验装置中不同流动状态实验测试数据进行处理, 验证了所提出方法对典型流动状态判别的准确性及对过渡状态监测的有效性.
Event-Triggered Tracking Control for a Class of Nonlinear Systems With Observer and Prescribed Performance
YOU Xing-Xing, YANG Dao-Wen, GUO Bin, LIU Kai, DIAN Song-Yi, ZHU Yu-Qi
当前状态:  doi: 10.16383/j.aas.c210387
[摘要](157) [HTML全文](40) [PDF 1908KB](32)
摘要:
This paper investigates an adaptive fuzzy tracking control method for a class of nonlinear systems with external disturbances. Firstly, fuzzy logic systems and the fuzzy state observer are implemented to approximate unknown nonlinear functions and estimate the unmeasured states of systems, respectively. Then, the tracking error can be constrained within the specified range by means of the performance function. Furthermore, an event-triggered adaptive fuzzy controller is designed by employing the backstepping method and Lyapunov functional with logarithm function. The proposed control strategy can ensure that all the signals of the closed-loop system are semiglobally uniformly ultimately bounded based on the Lyapunov stability theory and the properties of\begin{document}$\tanh$\end{document}function. Finally, a numerical simulation example is provided to verify the effectiveness of proposed method.
具有不确定控制增益严格反馈系统的自适应命令滤波控制
吴锦娃, 刘勇华, 苏春翌, 鲁仁全
当前状态:  doi: 10.16383/j.aas.c210553
[摘要](142) [HTML全文](45) [PDF 1258KB](13)
摘要:
针对一类具有不确定控制增益的严格反馈系统, 提出了一种基于命令滤波反推技术的自适应神经网络控制方法. 该方法采用神经网络对系统中的未知非线性函数进行逼近, 并引入命令滤波反推技术克服“计算膨胀”的问题. 与现有的命令滤波反推控制文献相比, 本文通过构造自适应误差补偿系统, 同时消除了滤波器产生的边界层误差和不确定控制增益对系统性能造成的影响. 仿真结果验证了所提控制方法的有效性.
基于最后逃逸时间的随机退化设备寿命预测方法
张建勋, 杜党波, 司小胜, 胡昌华, 郑建飞
当前状态:  doi: 10.16383/j.aas.c200260
[摘要](60) [HTML全文](33) [PDF 2554KB](15)
摘要:
现有基于随机退化过程建模的寿命预测研究中, 通常用退化过程的首达时间(First passage time, FPT)来定义寿命. 但是, 这种寿命定义较为保守, 可能会导致其明显小于设备实际寿命. 鉴于此, 基于最后逃逸时间(Last exit time, LET)的概念, 给出一种新的寿命与剩余寿命(Remaining useful life, RUL)定义方式. 在该新框架下, 提出一种基于最后逃逸时间的寿命预测方法, 推导得到最后逃逸时间下基于Wiener退化过程模型的寿命与剩余寿命表达形式, 讨论了该方法与传统首达时间下寿命预测方法之间的关系. 此外, 通过数值仿真验证了该方法的正确性, 并对模型参数进行了敏感性分析. 最后, 通过轴承以及激光器的实际退化数据说明了该方法的有效性、可行性以及潜在的工程应用价值.
基于改进高斯混合模型的机器人运动状态估计
葛泉波, 王贺彬, 杨秦敏, 张兴国, 刘华平
当前状态:  doi: 10.16383/j.aas.c200660
[摘要](177) [HTML全文](57) [PDF 2166KB](14)
摘要:
针对复杂环境下机器人运动状态估计的精度改善问题, 提出一种面向非线性非高斯系统的改进高斯和容积Kalman滤波估计方法. 首先, 引入加权信息量概念来改进EM算法目标函数惩罚项, 使得在优化过程中能考虑更全面的参数信息, 以达到减少EM算法的迭代次数和提高收敛速度的目的. 此外, 以基于Mahalanobis距离和KL距离的高斯项合并方法为基础, 提出一种能有效联合两类高斯项合并方式的融合模式. 先单独使用Mahalanobis距离和KL距离进行高斯混合项合并, 再对获得的高斯混合项进行加权融合处理, 以改善高斯和滤波中多高斯项的合并性能和保真度. 最后, 应用非线性非高斯系统的高斯和容积Kalman滤波框架实现对复杂环境下机器人的运动状态估计. 理论分析与仿真结果表明, 本文提出的方法能实现对机器人运动更好的状态估计精度, 并具有更强的鲁棒性能, 同时两种不同的高斯项合并融合模式具有相当的估计性能.
基于动态注意力深度迁移网络的高炉铁水硅含量在线预测方法
蒋珂, 蒋朝辉, 谢永芳, 潘冬, 桂卫华
当前状态:  doi: 10.16383/j.aas.c210524
[摘要](126) [HTML全文](47) [PDF 1878KB](14)
摘要:
铁水硅含量是反映高炉冶炼过程中热状态变化的灵敏指示剂, 但无法实时在线检测, 造成铁水质量调控盲目. 为此, 本文提出一种基于动态注意力深度迁移网络的高炉铁水硅含量在线预测方法. 首先, 针对传统深度网络静态建模思路无法准确描述过程变量与铁水硅含量之间的关系, 提出了一种基于注意力机制模块的输入过程变量与输出硅含量之间的动态关系描述方法; 其次, 为降低硅含量预测模型训练时对标签数据的依赖, 考虑到铁水温度跟硅含量数据之间的正相关性, 利用小时级硅含量标签数据微调基于分钟级铁水温度数据预训练好的深度模型的结构, 进而提高基于动态注意力深度迁移网络的硅含量预测精度; 同时, 为了增强预测网络的可解释性, 实时地给出了基于动态注意力机制模块计算的每个样本各过程变量对铁水硅含量的贡献度. 最后, 基于某钢铁厂2#高炉的工业实验验证了本文所提方法的准确性、有效性和先进性.
基于运动引导的高效无监督视频目标分割网络
赵子成, 张开华, 樊佳庆, 刘青山
当前状态:  doi: 10.16383/j.aas.c210626
[摘要](105) [HTML全文](34) [PDF 1196KB](8)
摘要:
大量基于深度学习的无监督视频目标分割算法存在模型参数量与计算量较大的问题, 这显著地限制了算法在实际中的应用. 本文提出了基于运动引导的视频目标分割网络, 在大幅降低模型参数量与计算量的同时提升视频目标分割性能.整个模型由双流网络、运动引导模块、多尺度渐进融合模块三部分组成. 具体地,RGB图像与光流估计输入双流网络提取物体外观特征与运动特征. 然后,运动引导模块通过局部注意力提取运动特征中的语义信息,用于引导外观特征学习丰富的语义信息.最后,多尺度渐进融合模块获取双流网络的各个阶段输出的特征,将深层特征渐进地融入浅层特征, 最终提升边缘分割效果. 本文在三个标准数据集上进行了大量评测, 实验结果证明了本文方法的优越性能.
一种用于目标跟踪边界框回归的光滑IoU损失
李功, 赵巍, 刘鹏, 唐降龙
当前状态:  doi: 10.16383/j.aas.c210525
[摘要](163) [HTML全文](52) [PDF 2984KB](10)
摘要:
边界框回归分支是深度目标跟踪器的关键模块, 其性能直接影响跟踪器的精度. 评价精度的指标之一是交并比(Intersection over Union, IoU). 基于 IoU 的损失函数取代了\begin{document}$ \ell_n $\end{document}-norm 损失成为目前主流的边界框回归损失函数, 然而 IoU 损失函数存在两个固有缺陷: 一个是当预测框与真值框不相交时 IoU 为常量 0, 无法梯度下降更新边界框的参数; 另一个是在 IoU 取得最优值时其梯度不存在, 边界框很难收敛到 IoU 最优处. 本文揭示了在回归过程中 IoU 最优的边界框各参数之间蕴含的定量关系, 指出在边界框中心处于特定位置时存在多种尺寸不同的边界框使 IoU 损失最优的情况, 这增加了边界框尺寸回归的不确定性. 本文从优化两个统计分布之间散度的视角看待边界框回归问题, 提出了光滑 IoU 损失, 即构造了在全局上光滑 (即连续可微) 且极值唯一的损失函数, 该损失函数自然蕴含边界框各参数之间特定的最优关系, 其唯一取极值的边界框可使 IoU 达到最优. 光滑性确保了在全局上梯度存在使得边界框更容易回归到极值处, 而极值唯一确保了在全局上可梯度下降更新参数, 从而避开了 IoU 损失的固有缺陷. 提出的光滑 IoU 损失可以很容易取代 IoU 损失集成到现有的深度目标跟踪器上训练边界框回归, 在 LaSOT, GOT-10k, TrackingNet 和 OTB2015 等测试基准上所取得的结果验证了光滑 IoU 损失的易用性和有效性.
基于语义引导特征聚合的显著性目标检测网络
王正文, 宋慧慧, 樊佳庆, 刘青山
当前状态:  doi: 10.16383/j.aas.c210425
[摘要](119) [HTML全文](92) [PDF 1203KB](17)
摘要:
在显著性目标检测网络的设计中, U型结构使用广泛. 但是U型结构显著性检测方法中普遍存在空间位置细节丢失和边缘难以细化的问题, 针对这些问题, 本文提出了一个基于语义信息引导特征聚合的网络, 通过高效的特征聚合来获得精细的显著性图. 网络由3部分组成, 分别是混合注意力模块, 增大感受野模块以及多层次聚合模块. 首先, 利用增大感受野模块处理特征提取网络提取出的低层特征, 使其在保留原有边缘细节的同时增大感受野, 以获得更加丰富的空间上下文信息. 然后, 利用混合注意力模块处理特征提取网络的最后一层特征, 以增强其表征力, 并作为解码过程中的语义指导, 不断指导特征聚合. 最后, 多层次聚合模块对来自不同层次的特征进行有效聚合, 得到最终精细的显著性图. 本文在6个基准数据集上进行了广泛的实验, 结果证明了该方法能够有效的定位显著特征, 并且对边缘细节的细化也很有效.
信息能源系统的信-物融合稳定性分析
王睿, 孙秋野, 张化光
当前状态:  doi: 10.16383/j.aas.c210480
[摘要](117) [HTML全文](68) [PDF 1575KB](29)
摘要:
尽管信息物理系统的稳定性已经得到了广泛的研究, 但大部分的学者皆关注于通信网络延时或攻击下的信息物理系统的稳定性问题, 无网络通信的信息物理系统的信物融合稳定性分析策略亟待提出. 其中, 内嵌数字控制系统的并网逆变器系统是一种最简单、最典型的信息能源系统. 同时, 从效率的角度出发, 逆变器的开关/采样频率总是选择尽可能低的频率, 其势必产生系统固有延迟时间(控制理论中称为时间延迟). 这种延迟时间往往容易引起系统的低频/次同步振荡, 弱电网将加剧此现象. 为此, 本文提出了一种信息能源系统的信-物融合稳定性分析技术. 首先, 基于柏德近似方法, 建立了具有等效延迟时间的信息物理系统阻抗模型. 该等效延迟时间由三部分组成, 即信息/物理层的采样延迟时间、信息层的计算延迟时间和物理层的脉宽调制(Pulsewidth modulation, PWM)延迟时间, 其有效地反映了信息-物理相互融合作用的影响. 进而设计了稳定禁止区域判据, 利用空间映射使开关/采样频率求解过程转化为Hurwitz矩阵辨识问题. 在这些空间映射的基础上, 最小开关/采样频率通过自适应步长搜索算法获得. 最后, 仿真和实验结果验证了该方法的有效性.
基于误差回传机制的多尺度去雾网络
杨爱萍, 李晓晓, 张腾飞, 王朝臣, 王建
当前状态:  doi: 10.16383/j.aas.c210264
[摘要](105) [HTML全文](32) [PDF 1505KB](8)
摘要:
针对现有图像去雾方法因空间上下文信息丢失而无法准确估计大尺度目标特征, 导致图像结构被破坏或去雾不彻底等问题, 本文提出了一种基于误差回传机制的多尺度去雾网络. 网络由误差回传多尺度去雾群组(Error-backward Multi-scale Dehazing Group, EMDG)、门控融合模块和优化模块组成. 其中EMDG包括误差回传模块和雾霾感知单元, 误差回传模块度量相邻尺度网络特征图之间的差异, 并将生成的差值图回传至上一尺度, 实现对结构信息和上下文信息的有效复用; 雾霾感知单元是各尺度子网络的核心, 其由残差密集块和雾浓度自适应检测块组成, 可充分提取局部信息并能够根据雾浓度实现自适应去雾. 不同于已有融合方法直接堆叠各尺度特征, 提出的门控融合模块逐像素学习每个子网络特征图对应的最优权重, 有效避免了干扰信息对图像结构和细节信息的破坏. 再经优化模块, 可得最终的无雾图像. 在合成数据集和真实数据集上的大量实验表明, 本文方法优于目前的主流去雾方法, 尤其是对远景雾气去除效果更佳.
基于事件相机的连续光流估计
付婧祎, 余磊, 杨文, 卢昕
当前状态:  doi: 10.16383/j.aas.c210242
[摘要](233) [HTML全文](45) [PDF 1202KB](12)
摘要:
事件相机对场景的亮度变化进行成像, 输出异步的事件流, 具有极低的延时, 受运动模糊问题影响较少. 因此, 可以利用事件相机解决高速运动场景下的光流估计问题. 本文基于亮度恒定假设和事件产生模型, 利用事件相机输出事件流的低延时性质, 融合存在运动模糊的亮度图像帧, 提出了基于事件相机的连续光流估计算法, 提升了高速运动场景下的光流估计精度. 实验结果表明, 相比于现有的基于事件相机的光流估计算法, 本文提出的算法在平均端点误差(AEE)、平均角度误差(AAE)和均方误差(MSE)三个指标上分别提升11%、45% 和8%. 在高速运动场景下, 本文的算法能够准确重建出高速运动目标的连续光流, 从而保证了存在运动模糊情况时光流估计的精度.
眼动跟踪研究进展与展望
苟超, 卓莹, 王康, 王飞跃
当前状态:  doi: 10.16383/j.aas.c210514
[摘要](269) [HTML全文](187) [PDF 1429KB](45)
摘要:
眼动跟踪是指自动检测瞳孔中心位置或者识别三维视线方向及注视点的过程, 被广泛应用于人机交互、智能驾驶、人因工程等. 由于不同场景下的光照变化、个体眼球生理构造差异、遮挡、头部姿态多样等原因, 眼动跟踪的研究目前仍然是一个具有挑战性的热点问题. 本文根据作者多年来的研究与积累, 针对眼动跟踪领域,首先概述眼动跟踪研究内容; 然后分别论述近年来瞳孔中心检测及视线估计领域的国内外研究进展; 综述目前眼动跟踪主要数据集、评价指标及研究成果; 接着介绍眼动跟踪在人机交互、智能驾驶等领域的应用; 最后对眼动跟踪领域的未来发展趋势进行展望.
兵棋推演的智能决策技术与挑战
尹奇跃, 赵美静, 倪晚成, 张俊格, 黄凯奇
当前状态:  doi: 10.16383/j.aas.c210547
[摘要](502) [HTML全文](210) [PDF 1502KB](69)
摘要:
近年来, 以人机对抗为途径的智能决策技术取得了飞速发展, 人工智能技术AlphaGo、AlphaStar等分别在围棋、星际争霸等游戏环境中战胜了顶尖人类选手. 兵棋推演, 作为一种人机对抗策略验证环境, 由于其非对称环境决策、更接近真实环境的随机性与高风险决策等特点受到智能决策技术研究者的广泛关注. 本文将梳理兵棋推演与目前主流人机对抗环境如围棋、德扑、星际争霸等对抗环境的区别, 阐述兵棋推演智能决策技术的发展现状, 并分析当前主流技术的局限与瓶颈, 对兵棋推演中的智能决策技术研究进行了思考, 期望能对兵棋推演相关研究人员的智能决策技术研究带来启发.
基于主视通路结构分级响应模型的轮廓检测方法
陈树楠, 范影乐, 房涛, 武薇
当前状态:  doi: 10.16383/j.aas.c200046
[摘要](355) [HTML全文](49) [PDF 17257KB](19)
摘要:
基于视通路结构分级响应与动态传递的方式, 本文提出了一种图像轮廓检测的新方法. 针对视网膜感光细胞的暗视觉特性, 建立亮度自适应的暗视野调节模型, 利用多尺度经典感受野的方位选择性, 构建高级轮廓与全局轮廓的检测路径; 模拟LGN细胞特性对信息进行纹理稀疏编码, 并结合非经典感受野的侧抑制作用抑制背景强纹理; 另外在外侧膝状体(Lateral geniculate nucleus, LGN)区提出微动整合机制, 减少纹理冗余信息, 再经适应性突触实现信息关联传递; 最后将初级轮廓响应跨视区前馈至V1区并经全局轮廓修正后, 与高级轮廓响应实现快速融合. 分别以RuG40、BSDS500图像库中的自然图像作为实验数据, 检测结果与基准轮廓图的平均最优P指标分别为0.50、0.32, 结果表明本方法能更有效地区分轮廓与纹理边缘, 凸显主体轮廓. 本文利用视神经细胞的内在机制以及神经信息的动态传递过程实现图像轮廓信息的编码与检测, 也为研究后续高级视皮层的视觉感知提供了新思路.
基于 PID 自整定功能的自适应双路输出的黑体温度控制
张海弟
当前状态:  doi: 10.16383/j.aas.c190277
[摘要](204) [HTML全文](38) [PDF 1412KB](22)
摘要:
首先, 通过分析黑体温度控制系统的物理模型, 推演出黑体传递函数的表达式.推演过程中得知黑体易受环境温度和空气散热的影响, 所以黑体温度控制系统是个非线性时变系统.结合实验黑体的阶跃响应数据, 采用阶跃响应法对传递函数进行近似计算, 得出黑体温控系统的传递函数是极点在左半轴的二阶系统, 该系统等效于二阶低通滤波器.经过低通滤波器的信号, 会滤除高频部分, 当用继电器法进行参数自整定时, 仅需计算能量较大的基波信号.通过对基波信号进行比较, 得出继电器法的整定公式, 并参照Ziegler-Nichols整定法则计算出PID参数.同时, 本文针对黑体加热器具有双路输出的特点, 提出了一种双路动态输出法, 通过理论分析了该方法可以消除环境对黑体温度的影响.对于环境温度变化较大的, 采用继电器法PID参数自整定的方式来消除; 对于黑体运行过程中环境温度变化较小的, 采用双路动态输出法来减少影响.最后, 结合实验数据, 引入性能指标, 验证了本文所述方法对黑体的温度控制性能有一定的提升.
金字塔结构逻辑运用二值脉冲对简单图形处理
王上
当前状态:  doi: 10.16383/j.aas.c190619
[摘要](206) [HTML全文](53) [PDF 1213KB](14)
摘要:
本文根据元胞自动机模型划分方法, 将二维图像分解为2×2矩阵单元结构. 提出了几种逻辑运算式, 用以分类由黑白二值点构成的2×2矩阵图形. 本文通过CNN神经网络的多层结构形式, 分析了金字塔结构逻辑在相似的组合形式下, 对二值图形边缘检测和池化的功能. 通过同步脉冲形式能将灰度图像, 分解为多个时间维度的二值图形, 方便多层金字塔逻辑运算处理. 分析了如何采用延时继电器使金字塔结构逻辑具有记忆的特性. 讨论了3×3输入金字塔模型, 在不规律脉冲情况下, 通过逻辑运算对线性交点检测的可能.
面向多智能体协作的注意力意图与交流学习方法
俞文武, 杨晓亚, 李海昌, 王瑞, 胡晓惠
当前状态:  doi: 10.16383/j.aas.c210430
[摘要](158) [HTML全文](104) [PDF 2169KB](23)
摘要:
对于部分可观测环境下的多智能体交流协作任务, 现有工作大多只利用了当前时刻的网络隐藏层信息, 限制了信息的来源. 本文研究如何使用团队奖励训练一组独立的策略以及如何提升这组独立策略的协同表现, 提出了多智能体注意力意图交流算法, 增加了意图信息模块来扩大交流信息的来源, 并且改善了交流模式. 本文将智能体历史上表现最优的网络作为意图网络, 且从中提取策略意图信息, 按时间顺序保留成一个向量, 最后结合注意力机制推断出更为有效的交流信息. 本文在星际争霸环境上通过实验对比分析, 验证了算法的有效性.
无人机反应式扰动流体路径规划
吴健发, 王宏伦, 王延祥, 刘一恒
当前状态:  doi: 10.16383/j.aas.c210231
[摘要](316) [HTML全文](121) [PDF 2962KB](27)
摘要:
针对复杂三维障碍环境, 提出一种基于深度强化学习的无人机反应式扰动流体路径规划架构. 该架构以一种受约束扰动流体动态系统算法作为路径规划的基本方法, 根据无人机与各障碍的相对状态以及障碍物类型, 通过经深度确定性策略梯度算法训练得到的动作网络在线生成对应障碍的反应系数和方向系数, 继而可计算相应的总和扰动矩阵并以此修正无人机的飞行路径, 实现反应式避障. 此外, 还研究了与所提路径规划方法相适配的深度强化学习训练环境规范性建模方法. 仿真结果表明, 在路径质量大致相同的情况下, 所提方法在实时性方面明显优于基于预测控制的在线路径规划方法.
融合多策略的黄金正弦黑猩猩优化算法
刘成汉, 何庆
当前状态:  doi: 10.16383/j.aas.c210313
[摘要](248) [HTML全文](122) [PDF 3338KB](28)
摘要:
针对黑猩猩优化算法(Chimp optimization algorithm, ChOA)存在收敛速度慢、精度低和易陷入局部最优值的问题, 提出一种融合多策略的黄金正弦黑猩猩优化算法(IChOA). 引入Halton序列初始化种群, 提高初始化种群的多样性, 加快算法收敛, 提高收敛精度; 考虑到收敛因子和权重因子对于平衡算法勘探和开发能力的重要作用, 引入改进的非线性收敛因子和自适应权重因子, 平衡算法的搜索能力; 结合黄金正弦算法相关思想更新个体位置, 提高算法对于局部极值的处理能力. 通过对23个基准测试函数的寻优对比分析和Wilcoxon秩和统计检验以及部分CEC2014测试函数寻优结果对比可知, 改进的算法具有更好的鲁棒性, 最后, 通过2个实际工程优化问题的实验对比分析, 进一步验证了IChOA在处理现实优化问题上的优越性.
异构集成代理辅助的区间多模态粒子群优化算法
季新芳, 张勇, 巩敦卫, 郭一楠, 孙晓燕
当前状态:  doi: 10.16383/j.aas.c210223
[摘要](184) [HTML全文](97) [PDF 1269KB](19)
摘要:
现实生活中的很多黑盒优化问题可归为高计算代价的多模态优化问题, 即昂贵多模态优化问题. 在处理该类问题时, 决策者希望以尽量少的计算代价(即尽量少的真实函数评价次数)找到多个高质量的最优解. 然而, 已有代理辅助的进化优化算法很少考虑问题的多模态属性, 运行一次仅可获得问题的一个最优解. 鉴于此, 研究一种异构集成代理辅助的区间多模态粒子群优化算法. 首先, 借助异构集成的思想构建一个由多个基础代理模型组成的模型池; 随后, 依据待评价粒子与已发现模态之间的匹配关系, 从模型池中自主选择部分基础代理模型进行集成, 并使用集成后的代理模型预测该粒子的适应值. 进一步, 为节约代理模型管理的代价, 设计一种增量式的代理模型管理策略; 为减少代理模型预测误差对算法性能的影响, 首次将区间排序关系引入到进化过程中. 将所提算法与当前流行的5种代理辅助进化优化算法和7 种经典的多模态优化算法进行对比, 在20个测试函数和1个建筑节能实际问题上的结果表明, 所提算法可以在较少计算代价下获得问题的多个高竞争最优解.
混合动力电动汽车的跟车控制与能量管理
赵秀春, 郭戈
当前状态:  doi: 10.16383/j.aas.c200136
[摘要](243) [HTML全文](156) [PDF 1099KB](60)
摘要:
混合动力电动汽车(Hybrid electric vehicles, HEVs)的能量管理问题至关重要, 而混合动力电动汽车的跟车控制不仅涉及跟车效果与安全性, 也影响着能量的高效利用. 将HEVs的跟车控制与能量管理相结合, 提出一种基于安全距离的HEVs车辆跟踪与能量管理控制方法. 首先, 考虑坡度、载荷变动建立了HEVs车辆跟车系统的非线性模型, 并基于安全距离, 提出一种基于道路观测器的动态面控制(Dynamic surface control, DSC)进行车辆跟踪控制. 然后, 结合跟踪控制下工况循环, 采用滚动动态规划(Dynamic programming, DP)算法进行混合动力电动汽车能量实时优化控制. 最后, 通过仿真研究进行验证.
中值互补集合经验模态分解
刘淞华, 何冰冰, 郎恂, 陈启明, 张榆锋, 苏宏业
当前状态:  doi: 10.16383/j.aas.c201031
[摘要](327) [HTML全文](213) [PDF 2283KB](20)
摘要:
针对经验模态分解(Empirical mode decomposition, EMD)系列方法存在的模态分裂(Mode Splitting, MS)问题, 本文提出中值互补集合经验模态分解(Median complementary ensemble EMD, MCEEMD)算法. 通过概率模型量化互补集合经验模态分解(Complementary ensemble EMD, CEEMD)的MS问题, 证明了使用中值算子替代算术平均算子对抑制MS的有效性. MCEEMD算法首先添加N对互补的白噪声至原信号中, 并经过EMD分解得到2N组固有模态函数(Intrinsic mode functions, IMFs), 然后分别对其中互补相关的IMFs两两取平均得到N组IMFs, 最后使用中值算子处理上述N组IMFs得到输出结果. 对仿真信号与实测信号的分析结果表明, 本文提出的MCEEMD方法不仅有效抑制了CEEMD的MS问题, 而且避免了单一使用中值算子的两个缺点, 即: 1)分解完备性差和2) IMFs中存在毛刺现象.
基于 GBDT 的铁路事故类型预测及成因分析
钟敏慧, 张婉露, 李有儒, 朱振峰, 赵耀
当前状态:  doi: 10.16383/j.aas.c190630
[摘要](963) [HTML全文](367) [PDF 1539KB](56)
摘要:
运用数据挖掘技术进行铁路事故类型预测及成因分析, 对于建立铁路事故预警机制具有重要意义. 为此, 本文提出一种基于梯度提升决策树(Grandient boosting decision tree, GBDT)的铁路事故类型预测及成因分析算法. 针对铁路事故记录数据缺失的问题, 提出一种基于属性分布概率的补全算法, 最大程度保持原有数据分布, 从而降低数据缺失对事故类型预测造成的影响. 针对铁路事故记录数据类别失衡的问题, 提出一种集成的GBDT模型, 完成对事故类型的鲁棒性预测. 在此基础上, 根据GBDT预测模型中特征重要度排序, 实现事故成因分析. 通过在开放数据库上进行实验, 验证了本文模型的有效性.
基于多模型融合的肺部CT新冠肺炎病灶区域自动分割
史天意, 程枫, 李震, 郑传胜, 许永超, 白翔
当前状态:  doi: 10.16383/j.aas.c210400
[摘要](349) [HTML全文](129) [PDF 1549KB](36)
摘要:
自2019年末以来, 全球蔓延的新型冠状病毒(Coronavirus disease 2019, COVID-19)已经给世界人民造成了严重的健康威胁. 其中COVID-19患者的计算机断层扫描(Computed tomography, CT)图像通过肺炎病灶分割技术可以为医学诊断提供有价值的量化信息. 虽然目前基于深度学习的方法已经在COVID-19肺炎病灶分割任务上取得了良好的效果, 但是在面对不同中心数据的情况下分割效果往往会大幅下降. 因此, 研究一种具有更好泛化性能的COVID-19肺炎病灶分割算法具有重要意义. 本文中, 我们提出了一种新冠肺炎病灶多模型融合分割方法. 具体来说, 我们通过训练3DUnet模型和2DUnet结合方向场(2DUnetDF)模型, 利用多种模型各自优点进行分割结果的融合, 得到更好的泛化性能. 通过同中心和跨中心数据集的实验, 我们的方法能够有效提高新冠肺炎病灶分割的泛化性能, 为医学诊断分析提供帮助.
电熔镁砂熔炼过程电极电流饱和约束一步最优控制
富月, 李宝
当前状态:  doi: 10.16383/j.aas.c200896
[摘要](618) [HTML全文](307) [PDF 1636KB](35)
摘要:
电熔镁砂熔炼过程通过电极电流熔化物料, 采用埋弧方式, 边熔化边加料, 其被控对象是以转动方向与频率为输入, 以电极电流为输出的三相电机. 本文通过引入中间变量并转化控制目标, 将电熔镁砂熔炼过程三相电极电流的复杂非线性控制问题简化为线性控制问题, 提出了一种简化的电极电流饱和约束一步最优控制方法, 并通过引入拉格朗日乘子向量和松弛向量验证了该方法的最优性. 理论分析和仿真对比实验结果表明本文所提简化控制方法的有效性和优越性. 此外, 当考虑电熔镁砂熔炼过程中存在的不可测外部干扰时, 在上述简化的电极电流饱和约束算法的基础上设计了高阶干扰观测器, 理论分析和仿真结果验证了具有高阶干扰观测器的简化算法的优越性.
基于静-动态特性协同感知的复杂工业过程运行状态评价
褚菲, 许杨, 尚超, 王福利, 高福荣, 马小平
当前状态:  doi: 10.16383/j.aas.c201035
[摘要](175) [HTML全文](63) [PDF 1898KB](23)
摘要:
针对当前过程监测和运行状态评价方法等对工况信息感知不全面, 漏报和误报现象严重等问题, 本文在深入研究工业现场数据静-动态特性协同感知方法的基础上, 提出综合经济指标驱动的慢特征分析算法. 将综合经济指标信息融入至慢特征分析中, 协同感知复杂工业过程的静-动态特性变化, 并进一步通过计算潜变量之间的相似度及其一阶差分之间的相似度实现对过程稳态和过渡的评价, 在此基础上建立了基于静-动态特性协同感知的过程运行状态评价统一框架. 针对非优状态, 提出了基于稀疏学习的非优因素识别方法, 实现对非优因素变量的准确识别. 最后, 通过重介质选煤过程实际生产数据和田纳西·伊斯曼过程数据验证了所提方法的有效性.