当期目录
2025年 第51卷 第5期
栏目
显示方式:
2025, 51(5): 905-916.
doi: 10.16383/j.aas.c240519
cstr: 32138.14.j.aas.c240519
摘要:
针对无人机集群系统, 提出一种性能函数引导的深度强化学习控制方法, 同时评估性能函数的示范经验与学习策略的探索动作, 保证高效可靠的策略更新, 实现无人机集群系统的高性能控制. 首先, 利用领航–跟随集群框架, 将无人机集群的控制问题转化为领航–跟随框架下的跟踪问题, 进而提出基于模型的跟踪控制方法, 利用性能函数将集群编队误差约束在给定范围内, 实现无人机集群的模型驱动控制. 接下来, 为解决复杂工况下性能函数极易失效难题, 将深度强化学习方法和性能函数驱动方法结合, 提出性能函数引导的深度强化学习控制方法, 利用性能函数的示范经验辅助训练强化学习网络, 通过同时评估探索与示范动作, 保证学习策略显著优于性能函数驱动控制方法, 有效提高无人机编队控制精度与鲁棒性. 实验结果表明, 该方法能够显著提升无人机集群的控制性能, 实现兼顾鲁棒性与飞行精度的高性能集群控制.
针对无人机集群系统, 提出一种性能函数引导的深度强化学习控制方法, 同时评估性能函数的示范经验与学习策略的探索动作, 保证高效可靠的策略更新, 实现无人机集群系统的高性能控制. 首先, 利用领航–跟随集群框架, 将无人机集群的控制问题转化为领航–跟随框架下的跟踪问题, 进而提出基于模型的跟踪控制方法, 利用性能函数将集群编队误差约束在给定范围内, 实现无人机集群的模型驱动控制. 接下来, 为解决复杂工况下性能函数极易失效难题, 将深度强化学习方法和性能函数驱动方法结合, 提出性能函数引导的深度强化学习控制方法, 利用性能函数的示范经验辅助训练强化学习网络, 通过同时评估探索与示范动作, 保证学习策略显著优于性能函数驱动控制方法, 有效提高无人机编队控制精度与鲁棒性. 实验结果表明, 该方法能够显著提升无人机集群的控制性能, 实现兼顾鲁棒性与飞行精度的高性能集群控制.
2025, 51(5): 917-930.
doi: 10.16383/j.aas.c240606
cstr: 32138.14.j.aas.c240606
摘要:
集群协同围捕技术在空天防御领域逐渐扮演愈加关键的角色, 本文基于碰撞平面等效覆盖方法, 在三维空间内基于非线性动态模型提出一种新的高速强机动目标的覆盖策略. 首先基于三维圆锥体可达域提出新的碰撞平面等效覆盖方法, 阐释加速度覆盖和位置覆盖的区别与联系, 并从几何角度分析交会角对完全覆盖的影响; 其次, 考虑实际环境下飞行器过载弱于目标的情况, 基于偏置比例导引设计协同制导律, 能够实现对目标加速度的覆盖, 并基于覆盖率和零控脱靶量提出分段覆盖动态调节与快速收敛策略, 使得多飞行器在前期能够保持高覆盖率, 后期能够降低整体的脱靶量, 实现围捕覆盖的优势; 最后, 结合数值仿真进行了可行性验证.
集群协同围捕技术在空天防御领域逐渐扮演愈加关键的角色, 本文基于碰撞平面等效覆盖方法, 在三维空间内基于非线性动态模型提出一种新的高速强机动目标的覆盖策略. 首先基于三维圆锥体可达域提出新的碰撞平面等效覆盖方法, 阐释加速度覆盖和位置覆盖的区别与联系, 并从几何角度分析交会角对完全覆盖的影响; 其次, 考虑实际环境下飞行器过载弱于目标的情况, 基于偏置比例导引设计协同制导律, 能够实现对目标加速度的覆盖, 并基于覆盖率和零控脱靶量提出分段覆盖动态调节与快速收敛策略, 使得多飞行器在前期能够保持高覆盖率, 后期能够降低整体的脱靶量, 实现围捕覆盖的优势; 最后, 结合数值仿真进行了可行性验证.
2025, 51(5): 931-941.
doi: 10.16383/j.aas.c240603
cstr: 32138.14.j.aas.c240603
摘要:
针对障碍环境下多无人机编队跟踪问题, 提出一种兼顾编队跟踪性能与安全的控制框架. 在该框架中, 首先利用性能边界可调的预设性能控制方法生成期望控制信号, 使无人机跟踪虚拟领导者的期望轨迹, 跟踪过程中满足瞬态与稳态误差约束. 进一步, 基于控制障碍函数描述无人机的安全状态集合并建立二次规划问题, 利用Karush-Kuhn-Tucker条件得到最小干预安全控制器的闭式解. 最后, 利用安全控制的闭式解构造辅助系统, 实现性能函数的自适应更新. 理论分析表明, 该算法能够在编队跟踪与安全性冲突条件下确保系统安全, 在不发生冲突时实现性能约束下的编队跟踪. 仿真结果验证了提出算法的有效性.
针对障碍环境下多无人机编队跟踪问题, 提出一种兼顾编队跟踪性能与安全的控制框架. 在该框架中, 首先利用性能边界可调的预设性能控制方法生成期望控制信号, 使无人机跟踪虚拟领导者的期望轨迹, 跟踪过程中满足瞬态与稳态误差约束. 进一步, 基于控制障碍函数描述无人机的安全状态集合并建立二次规划问题, 利用Karush-Kuhn-Tucker条件得到最小干预安全控制器的闭式解. 最后, 利用安全控制的闭式解构造辅助系统, 实现性能函数的自适应更新. 理论分析表明, 该算法能够在编队跟踪与安全性冲突条件下确保系统安全, 在不发生冲突时实现性能约束下的编队跟踪. 仿真结果验证了提出算法的有效性.
2025, 51(5): 942-959.
doi: 10.16383/j.aas.c240593
cstr: 32138.14.j.aas.c240593
摘要:
针对复杂多约束条件下异构无人飞行器集群问题, 提出一种基于联盟形成博弈的分布式任务预分配和重分配方法. 考虑时效性、同时性等耦合约束条件, 引入准确的能耗模型建立任务分配模型, 利用联盟形成博弈将任务分配问题转化为联盟划分问题, 并设计一种无故障条件下的分布式任务预分配方法, 降低任务分配求解的复杂度, 同时提高最终解的平均质量; 进一步, 针对无人机故障问题, 准确分析健康无人机的运动模型, 合理划分重分配范围, 基于任务预分配结果设计重分配算法. 仿真结果证明了所提分布式任务预分配与重分配方法在不同场景下的实时性和有效性.
针对复杂多约束条件下异构无人飞行器集群问题, 提出一种基于联盟形成博弈的分布式任务预分配和重分配方法. 考虑时效性、同时性等耦合约束条件, 引入准确的能耗模型建立任务分配模型, 利用联盟形成博弈将任务分配问题转化为联盟划分问题, 并设计一种无故障条件下的分布式任务预分配方法, 降低任务分配求解的复杂度, 同时提高最终解的平均质量; 进一步, 针对无人机故障问题, 准确分析健康无人机的运动模型, 合理划分重分配范围, 基于任务预分配结果设计重分配算法. 仿真结果证明了所提分布式任务预分配与重分配方法在不同场景下的实时性和有效性.
2025, 51(5): 960-971.
doi: 10.16383/j.aas.c240598
cstr: 32138.14.j.aas.c240598
摘要:
针对无人机集群的运动相态转换问题, 提出一种仿鸟群自推进粒子模型的无人机集群相变控制方法. 首先, 从鸟群运动行为中获得启发, 通过设计速度保持项和势能梯度项构建仿鸟群运动模型, 并设计相变控制项模拟巢穴对鸟群的吸引, 以实现集群在不同相态之间的转换. 然后, 讨论集群在设计的相变控制律作用下的运动相态, 证明无人机集群能够实现两种稳定的运动相态并进行相互转换. 最后, 仿真验证了集群存在的两种稳定运动构型, 所提出相变控制律能够实现两种集群运动相态的互相转换.
针对无人机集群的运动相态转换问题, 提出一种仿鸟群自推进粒子模型的无人机集群相变控制方法. 首先, 从鸟群运动行为中获得启发, 通过设计速度保持项和势能梯度项构建仿鸟群运动模型, 并设计相变控制项模拟巢穴对鸟群的吸引, 以实现集群在不同相态之间的转换. 然后, 讨论集群在设计的相变控制律作用下的运动相态, 证明无人机集群能够实现两种稳定的运动相态并进行相互转换. 最后, 仿真验证了集群存在的两种稳定运动构型, 所提出相变控制律能够实现两种集群运动相态的互相转换.
2025, 51(5): 972-984.
doi: 10.16383/j.aas.c240621
cstr: 32138.14.j.aas.c240621
摘要:
倾转旋翼无人机动力学特性复杂, 过渡过程中的变速变构型特性导致系统具有较大的模型不确定性, 且容易受到阵风扰动等影响, 对姿态控制律设计提出很高要求. 针对该问题, 本文建立一种扰动观测器结合终端滑模补偿器的模型参考姿态控制方法. 基于齐次系统理论设计固定时间收敛扰动观测器, 实现对倾转旋翼无人机未建模动态和外部扰动的准确估计; 基于一种新型非线性饱和函数设计固定时间收敛终端滑模控制器, 结合低通滤波实现对指令的快速高品质跟踪; 为进一步解决控制奇异性问题, 提出在纵轴附近邻域对控制器的改进策略. 仿真结果表明, 所提方法在应对倾转旋翼无人机模型不确定性和外部扰动方面具有较强的鲁棒性, 相比基于有限时间稳定性理论的模型参考姿态控制方法, 固定时间收敛控制提供了更高的控制精度和更平滑的输出.
倾转旋翼无人机动力学特性复杂, 过渡过程中的变速变构型特性导致系统具有较大的模型不确定性, 且容易受到阵风扰动等影响, 对姿态控制律设计提出很高要求. 针对该问题, 本文建立一种扰动观测器结合终端滑模补偿器的模型参考姿态控制方法. 基于齐次系统理论设计固定时间收敛扰动观测器, 实现对倾转旋翼无人机未建模动态和外部扰动的准确估计; 基于一种新型非线性饱和函数设计固定时间收敛终端滑模控制器, 结合低通滤波实现对指令的快速高品质跟踪; 为进一步解决控制奇异性问题, 提出在纵轴附近邻域对控制器的改进策略. 仿真结果表明, 所提方法在应对倾转旋翼无人机模型不确定性和外部扰动方面具有较强的鲁棒性, 相比基于有限时间稳定性理论的模型参考姿态控制方法, 固定时间收敛控制提供了更高的控制精度和更平滑的输出.
2025, 51(5): 985-1020.
doi: 10.16383/j.aas.c240077
cstr: 32138.14.j.aas.c240077
摘要:
深度学习是一门依赖于数据的科学, 传统深度学习方法假定在平衡数据集上训练模型, 然而, 现实世界中大规模数据集通常表现出长尾分布现象, 样本数量众多的少量头部类主导模型训练, 而大量尾部类样本数量过少, 难以得到充分学习. 近年来, 长尾学习掀起学术界的研究热潮. 本文综合梳理和分析近年来发表在高水平会议或期刊上的文献, 对长尾学习进行全面综述. 具体而言, 根据深度学习模型设计流程, 将图像识别领域的长尾学习算法分为丰富样本数量与语义信息的优化样本空间方法, 关注特征提取器、分类器、logits和损失函数这四个基本组成部分的优化模型方法, 以及通过引入辅助任务来帮助模型训练并在多个空间共同优化长尾学习模型的辅助任务学习3大类, 根据提出的分类方法综合对比分析每类长尾学习方法的优缺点. 然后, 进一步将基于样本数量的狭义长尾学习概念推广至多尺度广义长尾学习. 此外, 对文本数据、语音数据等其他数据形式下的长尾学习算法进行简要评述. 最后, 讨论目前长尾学习面临的可解释性较差、数据质量较低等挑战, 并展望如多模态长尾学习、半监督长尾学习等未来具有潜力的发展方向.
深度学习是一门依赖于数据的科学, 传统深度学习方法假定在平衡数据集上训练模型, 然而, 现实世界中大规模数据集通常表现出长尾分布现象, 样本数量众多的少量头部类主导模型训练, 而大量尾部类样本数量过少, 难以得到充分学习. 近年来, 长尾学习掀起学术界的研究热潮. 本文综合梳理和分析近年来发表在高水平会议或期刊上的文献, 对长尾学习进行全面综述. 具体而言, 根据深度学习模型设计流程, 将图像识别领域的长尾学习算法分为丰富样本数量与语义信息的优化样本空间方法, 关注特征提取器、分类器、logits和损失函数这四个基本组成部分的优化模型方法, 以及通过引入辅助任务来帮助模型训练并在多个空间共同优化长尾学习模型的辅助任务学习3大类, 根据提出的分类方法综合对比分析每类长尾学习方法的优缺点. 然后, 进一步将基于样本数量的狭义长尾学习概念推广至多尺度广义长尾学习. 此外, 对文本数据、语音数据等其他数据形式下的长尾学习算法进行简要评述. 最后, 讨论目前长尾学习面临的可解释性较差、数据质量较低等挑战, 并展望如多模态长尾学习、半监督长尾学习等未来具有潜力的发展方向.
2025, 51(5): 1021-1040.
doi: 10.16383/j.aas.c240177
cstr: 32138.14.j.aas.c240177
摘要:
随着计算机视觉(CV)的快速发展, 人们对于提高视觉任务的性能和泛化能力的需求不断增长, 导致模型的复杂度与对各种资源的需求进一步提高. 提示学习(PL)作为一种能有效地提升模型性能和泛化能力、重用预训练模型和降低计算量的方法, 在一系列下游视觉任务中受到广泛的关注与研究. 然而, 现有的PL综述缺乏对PL方法全面的分类和讨论, 也缺乏对现有实验结果进行深入的研究以评估现有方法的优缺点. 因此, 本文对PL在CV领域的分类、应用和性能进行全面的概述. 首先, 介绍PL的研究背景和定义, 并简要回顾CV领域中PL研究的最新进展. 其次, 对目前CV领域中的PL方法进行分类, 包括文本提示、视觉提示和视觉−语言联合提示, 对每类PL方法进行详细阐述并探讨其优缺点. 接着, 综述PL在十个常见下游视觉任务中的最新进展. 此外, 提供三个CV应用的实验结果并进行总结和分析, 全面讨论不同PL方法在CV领域的表现. 最后, 基于上述讨论对PL在CV领域面临的挑战和机遇进行分析, 为进一步推动PL在CV领域的发展提供前瞻性的思考.
随着计算机视觉(CV)的快速发展, 人们对于提高视觉任务的性能和泛化能力的需求不断增长, 导致模型的复杂度与对各种资源的需求进一步提高. 提示学习(PL)作为一种能有效地提升模型性能和泛化能力、重用预训练模型和降低计算量的方法, 在一系列下游视觉任务中受到广泛的关注与研究. 然而, 现有的PL综述缺乏对PL方法全面的分类和讨论, 也缺乏对现有实验结果进行深入的研究以评估现有方法的优缺点. 因此, 本文对PL在CV领域的分类、应用和性能进行全面的概述. 首先, 介绍PL的研究背景和定义, 并简要回顾CV领域中PL研究的最新进展. 其次, 对目前CV领域中的PL方法进行分类, 包括文本提示、视觉提示和视觉−语言联合提示, 对每类PL方法进行详细阐述并探讨其优缺点. 接着, 综述PL在十个常见下游视觉任务中的最新进展. 此外, 提供三个CV应用的实验结果并进行总结和分析, 全面讨论不同PL方法在CV领域的表现. 最后, 基于上述讨论对PL在CV领域面临的挑战和机遇进行分析, 为进一步推动PL在CV领域的发展提供前瞻性的思考.
2025, 51(5): 1041-1051.
doi: 10.16383/j.aas.c240578
cstr: 32138.14.j.aas.c240578
摘要:
介绍一种自主研发的无线可穿戴非侵入式脑电信号采集技术: SignBrain (型号P). SignBrain设备为爪形结构, 设计符合国际10-20导联标准, 具有18个盐水电极, 配合万向活动抱紧部件, 始终保持电极与头皮紧密接触, 弥补了头型较大、发量较多佩戴使用的问题. 设备不用打导电膏实现“即戴即用”的使用方式, 采集的脑电信号通过低功耗蓝牙实时传输至软件系统, 系统支持在线阻抗检测、Marker同步记录等功能. 同时研发了与设备配套的PC端软件、应用接口以及移动终端(手机、平板电脑等)软件, 能在线、离线、远程查看数据. SignBrain技术已在临床医院及相关单位完成小批量的试用, 通过脑机交互领域中闭眼想象写字实验、高频视觉诱发实验来验证设备的可靠性及稳定性. 关于设备的开发和应用讨论请访问网站: www.SignBrain.cn.
介绍一种自主研发的无线可穿戴非侵入式脑电信号采集技术: SignBrain (型号P). SignBrain设备为爪形结构, 设计符合国际10-20导联标准, 具有18个盐水电极, 配合万向活动抱紧部件, 始终保持电极与头皮紧密接触, 弥补了头型较大、发量较多佩戴使用的问题. 设备不用打导电膏实现“即戴即用”的使用方式, 采集的脑电信号通过低功耗蓝牙实时传输至软件系统, 系统支持在线阻抗检测、Marker同步记录等功能. 同时研发了与设备配套的PC端软件、应用接口以及移动终端(手机、平板电脑等)软件, 能在线、离线、远程查看数据. SignBrain技术已在临床医院及相关单位完成小批量的试用, 通过脑机交互领域中闭眼想象写字实验、高频视觉诱发实验来验证设备的可靠性及稳定性. 关于设备的开发和应用讨论请访问网站: www.SignBrain.cn.
2025, 51(5): 1052-1066.
doi: 10.16383/j.aas.c240141
cstr: 32138.14.j.aas.c240141
摘要:
针对执行器故障的无人机/无人艇异构协同系统编队包容控制问题, 提出一种固定时间预设性能演化控制方法. 为保证基于视觉测量的相对位置信号的连续性和准确性, 设计控制误差收敛的演化路径, 通过固定时间预设性能函数使误差限制在演化路径的邻域内, 并利用转换函数将受约束跟踪问题转换为无约束镇定问题. 采用动态面技术对转换后的误差动力学进行控制, 并利用干扰观测器和自适应技术对干扰和未知执行器故障进行估计. 通过 Lyapunov 函数证明误差动力学闭环系统所有信号都是最终一致有界的, 并进一步证明编队误差是固定时间稳定的, 数值仿真验证了所提方法的有效性.
针对执行器故障的无人机/无人艇异构协同系统编队包容控制问题, 提出一种固定时间预设性能演化控制方法. 为保证基于视觉测量的相对位置信号的连续性和准确性, 设计控制误差收敛的演化路径, 通过固定时间预设性能函数使误差限制在演化路径的邻域内, 并利用转换函数将受约束跟踪问题转换为无约束镇定问题. 采用动态面技术对转换后的误差动力学进行控制, 并利用干扰观测器和自适应技术对干扰和未知执行器故障进行估计. 通过 Lyapunov 函数证明误差动力学闭环系统所有信号都是最终一致有界的, 并进一步证明编队误差是固定时间稳定的, 数值仿真验证了所提方法的有效性.
2025, 51(5): 1067-1079.
doi: 10.16383/j.aas.c240623
cstr: 32138.14.j.aas.c240623
摘要:
多列车运行态势是列车调度员和司机分别调整运行图和列车驾驶策略的关键信息和重要依据, 表征各列车在未来运行各位置处的速度、加速度、通过时刻等信息. 然而, 由于高铁信号系统的交互信息利用率较低, 列车调度员和司机只能凭经验推演多列车运行态势, 基于此给出的运行图和列车驾驶策略的自动化程度较低, 影响铁路运营效率. 为此, 针对多列车运行态势推演问题, 构建多列车运行态势推演系统架构及模型. 以单列车运行态势的离线推演和在线推演方法为基础, 提出多列车运行态势微观推演方法, 以及基于虚拟编队模式的多列车运行态势宏观实时推演方法. 仿真结果表明, 微观推演方法能在 420 s 内计算多列车超速防护曲线和运行图调整的安全下界. 宏观推演方法针对任意临时限速场景, 都能在 7 s 内为列车调度员和司机分别实时提供列车运行调整方案和辅助驾驶策略, 有效降低铁路人员的工作强度, 提升高铁运营效率和应急处置能力.
多列车运行态势是列车调度员和司机分别调整运行图和列车驾驶策略的关键信息和重要依据, 表征各列车在未来运行各位置处的速度、加速度、通过时刻等信息. 然而, 由于高铁信号系统的交互信息利用率较低, 列车调度员和司机只能凭经验推演多列车运行态势, 基于此给出的运行图和列车驾驶策略的自动化程度较低, 影响铁路运营效率. 为此, 针对多列车运行态势推演问题, 构建多列车运行态势推演系统架构及模型. 以单列车运行态势的离线推演和在线推演方法为基础, 提出多列车运行态势微观推演方法, 以及基于虚拟编队模式的多列车运行态势宏观实时推演方法. 仿真结果表明, 微观推演方法能在 420 s 内计算多列车超速防护曲线和运行图调整的安全下界. 宏观推演方法针对任意临时限速场景, 都能在 7 s 内为列车调度员和司机分别实时提供列车运行调整方案和辅助驾驶策略, 有效降低铁路人员的工作强度, 提升高铁运营效率和应急处置能力.
2025, 51(5): 1080-1091.
doi: 10.16383/j.aas.c240257
cstr: 32138.14.j.aas.c240257
摘要:
为应对来袭目标的机动调整对防区防御能力的影响, 针对性设计全新的部署优化模型和求解算法. 首先, 从战术层面出发, 提出一种考虑攻防信息变化的新型武器部署模型, 该模型能够动态调整部署策略以提高防御系统的整体效能; 其次, 设计基于混沌映射机制和K均值聚类与重心法的算法初始化方案, 以应对资源紧缺和充足两种情况, 降低算法陷入局部最优的风险; 然后, 设计基于Metropolis准则的个体最优更新方法和基于Stackelberg博弈模型的全局最优更新方法用以指导种群的进化方向; 最后, 通过提供多规模场景仿真实验, 验证了新模型和所提算法的有效性. 对比实验结果表明新模型能够更准确地反映部署方案之间的差异, 所提算法在求解质量与收敛性方面均有显著提高.
为应对来袭目标的机动调整对防区防御能力的影响, 针对性设计全新的部署优化模型和求解算法. 首先, 从战术层面出发, 提出一种考虑攻防信息变化的新型武器部署模型, 该模型能够动态调整部署策略以提高防御系统的整体效能; 其次, 设计基于混沌映射机制和K均值聚类与重心法的算法初始化方案, 以应对资源紧缺和充足两种情况, 降低算法陷入局部最优的风险; 然后, 设计基于Metropolis准则的个体最优更新方法和基于Stackelberg博弈模型的全局最优更新方法用以指导种群的进化方向; 最后, 通过提供多规模场景仿真实验, 验证了新模型和所提算法的有效性. 对比实验结果表明新模型能够更准确地反映部署方案之间的差异, 所提算法在求解质量与收敛性方面均有显著提高.
2025, 51(5): 1092-1102.
doi: 10.16383/j.aas.c240526
cstr: 32138.14.j.aas.c240526
摘要:
研究基于磁链在线辨识的异步电机超螺旋滑模控制问题. 针对异步电机, 设计一种改进的超螺旋滑模速度控制器, 提升系统的动态响应性能. 为抑制算法中符号函数高频切换所引起的系统抖振问题, 构造一种可变指数切换函数. 进一步地, 考虑到转子磁链受惯性延迟的影响, 设计磁链在线观测器, 可辨识转子磁链幅值, 提升系统的控制精度和参数鲁棒性. 数值仿真和实验结果验证了所提算法的可行性和有效性.
研究基于磁链在线辨识的异步电机超螺旋滑模控制问题. 针对异步电机, 设计一种改进的超螺旋滑模速度控制器, 提升系统的动态响应性能. 为抑制算法中符号函数高频切换所引起的系统抖振问题, 构造一种可变指数切换函数. 进一步地, 考虑到转子磁链受惯性延迟的影响, 设计磁链在线观测器, 可辨识转子磁链幅值, 提升系统的控制精度和参数鲁棒性. 数值仿真和实验结果验证了所提算法的可行性和有效性.
2025, 51(5): 1103-1117.
doi: 10.16383/j.aas.c240186
cstr: 32138.14.j.aas.c240186
摘要:
针对复杂海风环境下旋翼无人机姿态控制不稳定的问题, 提出姿态稳定方法(SymTAL-POP). 该方法包括离线学习和在线预测两个部分. 在离线学习阶段, 引入对称式时序域对抗自适应学习算法SymTAL. 结合域对抗学习、对称网络和双向时序网络, SymTAL有效解决了海风环境中无人机姿态稳定问题. 利用深度学习优化加速框架和改进的Adam优化器, 提升了SymTAL的学习能力和计算效率. 在线预测阶段, 设计风场预测模型POP, 实现海风环境的实时感知与预测. POP采用变分模态分解技术处理风速信号, 通过特征选择策略预测不同风况下的风速, 增强了无人机的环境适应能力. 测试结果表明, SymTAL在学习效率和控制精度方面均优于其他姿态稳定算法, POP在连续风、间歇风和湍流风的多风况条件下的预测精度优于其他模型. 仿真实验表明SymTAL-POP在轨迹跟踪误差上表现突出, 平均值降低23.5%, 均方根误差减少55.2%.
针对复杂海风环境下旋翼无人机姿态控制不稳定的问题, 提出姿态稳定方法(SymTAL-POP). 该方法包括离线学习和在线预测两个部分. 在离线学习阶段, 引入对称式时序域对抗自适应学习算法SymTAL. 结合域对抗学习、对称网络和双向时序网络, SymTAL有效解决了海风环境中无人机姿态稳定问题. 利用深度学习优化加速框架和改进的Adam优化器, 提升了SymTAL的学习能力和计算效率. 在线预测阶段, 设计风场预测模型POP, 实现海风环境的实时感知与预测. POP采用变分模态分解技术处理风速信号, 通过特征选择策略预测不同风况下的风速, 增强了无人机的环境适应能力. 测试结果表明, SymTAL在学习效率和控制精度方面均优于其他姿态稳定算法, POP在连续风、间歇风和湍流风的多风况条件下的预测精度优于其他模型. 仿真实验表明SymTAL-POP在轨迹跟踪误差上表现突出, 平均值降低23.5%, 均方根误差减少55.2%.
2025, 51(5): 1118-1130.
doi: 10.16383/j.aas.c240627
cstr: 32138.14.j.aas.c240627
摘要:
质量相关故障检测作为数据驱动的多元统计过程监测的重要研究内容, 是保障复杂装备或工业过程安全高效运行的关键技术, 而确定或划分质量相关变量是该方法的核心环节. 现有质量相关故障检测方法通常高度依赖于质量变量, 一旦质量变量不可测, 其有效性便受到严重挑战. 为解决这一挑战, 提出基于质量关联虚拟变量(Quality-related virtual variable, QRV)的质量相关变量划分方法, 基于此建立一种独立成分分析(Independent component analysis, ICA)质量相关故障检测模型, 并开展故障检测应用研究. 首先, 构造一个QRV, 以间接反映系统的质量特性; 其次, 基于该QRV, 利用假设检验将过程变量划分为质量相关和质量无关变量组; 随后, 将该划分结果应用于基于ICA的质量相关故障检测, 利用指数加权移动平均(Exponentially weighted moving average, EWMA)修正统计量, 并构造综合检测指标; 最后, 通过数值仿真和田纳西−伊斯曼过程(Tennessee-Eastman process, TEP)实验验证了所提方法的可行性和有效性.
质量相关故障检测作为数据驱动的多元统计过程监测的重要研究内容, 是保障复杂装备或工业过程安全高效运行的关键技术, 而确定或划分质量相关变量是该方法的核心环节. 现有质量相关故障检测方法通常高度依赖于质量变量, 一旦质量变量不可测, 其有效性便受到严重挑战. 为解决这一挑战, 提出基于质量关联虚拟变量(Quality-related virtual variable, QRV)的质量相关变量划分方法, 基于此建立一种独立成分分析(Independent component analysis, ICA)质量相关故障检测模型, 并开展故障检测应用研究. 首先, 构造一个QRV, 以间接反映系统的质量特性; 其次, 基于该QRV, 利用假设检验将过程变量划分为质量相关和质量无关变量组; 随后, 将该划分结果应用于基于ICA的质量相关故障检测, 利用指数加权移动平均(Exponentially weighted moving average, EWMA)修正统计量, 并构造综合检测指标; 最后, 通过数值仿真和田纳西−伊斯曼过程(Tennessee-Eastman process, TEP)实验验证了所提方法的可行性和有效性.
2025, 51(5): 1131-1144.
doi: 10.16383/j.aas.c240503
cstr: 32138.14.j.aas.c240503
摘要:
数据流是一组随时间连续到来的数据序列, 在数据流不断产生的过程中, 由于各种因素的影响, 数据分布随时间推移可能以不可预测的方式发生变化, 这种现象称为概念漂移. 在漂移发生后, 当前模型需要及时响应数据流中的实时分布变化, 并有效处理不同类型的概念漂移, 从而避免模型泛化性能下降. 针对这一问题, 提出一种基于主动–被动增量集成的概念漂移适应方法(CDAM-APIE). 该方法首先使用在线增量集成策略构建被动集成模型, 对新样本进行实时预测以动态更新基模型权重, 有利于快速响应数据分布的瞬时变化, 并增强模型适应概念漂移的能力. 在此基础上, 利用增量学习和概念漂移检测技术构建主动基模型, 提升模型在平稳数据流状态下的鲁棒性和漂移后的泛化性能. 实验结果表明, CDAM-APIE能够对概念漂移做出及时响应, 同时有效提高模型的泛化性能.
数据流是一组随时间连续到来的数据序列, 在数据流不断产生的过程中, 由于各种因素的影响, 数据分布随时间推移可能以不可预测的方式发生变化, 这种现象称为概念漂移. 在漂移发生后, 当前模型需要及时响应数据流中的实时分布变化, 并有效处理不同类型的概念漂移, 从而避免模型泛化性能下降. 针对这一问题, 提出一种基于主动–被动增量集成的概念漂移适应方法(CDAM-APIE). 该方法首先使用在线增量集成策略构建被动集成模型, 对新样本进行实时预测以动态更新基模型权重, 有利于快速响应数据分布的瞬时变化, 并增强模型适应概念漂移的能力. 在此基础上, 利用增量学习和概念漂移检测技术构建主动基模型, 提升模型在平稳数据流状态下的鲁棒性和漂移后的泛化性能. 实验结果表明, CDAM-APIE能够对概念漂移做出及时响应, 同时有效提高模型的泛化性能.
