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

优先发表

优先发表栏目展示本刊经同行评议确定正式录用的文章,这些文章目前处在编校过程,尚未确定卷期及页码,但可以根据DOI进行引用。
显示方式:
基于改进SAE和双向LSTM的滚动轴承RUL预测方法
康守强, 周月, 王玉静, 谢金宝, MIKULOVICH Vladimir Ivanovich
, doi: 10.16383/j.aas.c190796
摘要:
针对稀疏自动编码器(Sparse auto encoder, SAE)采用sigmoid激活函数容易造成梯度消失的问题, 用一种新的Tan函数替代原有的sigmoid函数; 针对SAE采用KL (Kullback-Leibler) 散度进行稀疏性约束在回归预测方面的局限性, 以dropout机制替代KL散度实现网络的稀疏性. 利用改进SAE对滚动轴承振动信号进行无监督深层特征自适应提取, 无需人工设计标签进行有监督微调. 同时, 考虑到滚动轴承剩余使用寿命(Remaining useful life, RUL)预测方法一般仅考虑过去信息而忽略未来信息, 引入双向长短时记忆网络(Bi-directional long short-term memory, Bi-LSTM)构建滚动轴承RUL的预测模型. 在2个轴承数据集上的实验结果均表明, 所提基于改进SAE和Bi-LSTM的滚动轴承RUL预测方法不仅可以提高模型的收敛速度而且具有较低的预测误差.
基于区块链的电子病历数据共享方案
牛淑芬, 陈俐霞, 李文婷, 王彩芬, 杜小妮
, doi: 10.16383/j.aas.c190801
摘要:
以区块链为数据存储平台的电子病历系统是当下研究的热点. 存储在区块链上的数据是不可变的, 这加强了数据的安全性. 提出了一个基于区块链的电子病历数据共享方案, 实现了患者和第三方数据用户在不侵犯患者隐私的前提下共享患者电子病历. 使用私有链与联盟链构造方案的系统模型, 医院服务器上存储患者的电子病历密文, 私有链上存储患者病历密文的哈希值和关键字索引, 联盟链上存储由关键字索引构成的安全索引. 同时利用可搜索加密技术实现了联盟链上对关键字的安全搜索, 运用代理重加密算法实现了第三方数据用户对患者电子病历的共享. 通过数值实验对方案进行了性能评估.
基于条件生成对抗网络的书法字笔画分割
张巍, 张筱, 万永菁
, doi: 10.16383/j.aas.c190141
摘要:
毛笔书法作为中华传统艺术的精华, 需要在新的时代背景下继续传承和发扬. 书法字是以笔画为基本单元组成的复杂图形, 如果要分析书法结构, 笔画分割是首要的步骤. 传统的笔画分割方法主要利用细化法从汉字骨架上提取特征点, 分析交叉区域的子笔画拓扑结构关系来分割笔画. 本文分析了传统笔画分割基于底层特征拆分笔画的局限性, 利用条件生成对抗网络(Conditional generative adversarial network, CGAN)的对抗学习机制直接分割笔画, 使提取笔画从先细化再分割改进为直接分割. 该方法能有效提取出精确的笔画, 得到的高层语义特征和保留完整信息的单个笔画利于后续对书法轮廓和结构的评价.
基于上下文和浅层空间编解码网络的图像语义分割方法
罗会兰, 黎宵
, doi: 10.16383/j.aas.c190372
摘要:
当前图像语义分割研究基本围绕如何提取有效的语义上下文信息和还原空间细节信息两个因素来设计更有效算法. 现有的语义分割模型, 有的采用全卷积网络结构以获取有效的语义上下文信息, 而忽视了网络浅层的空间细节信息; 有的采用U型结构, 通过复杂的网络连接利用编码端的空间细节信息, 但没有获取高质量的语义上下文特征. 针对此问题, 本文提出了一种新的基于上下文和浅层空间编解码网络的语义分割解决方案. 在编码端, 采用二分支策略, 其中上下文分支设计了一个新的语义上下文模块来获取高质量的语义上下文信息, 而空间分支设计成反U型结构, 并结合链式反置残差模块, 在保留空间细节信息的同时提升语义信息. 在解码端, 本文设计了优化模块对融合后的上下文信息与空间信息进一步优化. 所提出的方法在3个基准数据集CamVid、SUN RGB-D和Cityscapes上取得了有竞争力的结果.
采用分类经验回放的深度确定性策略梯度方法
时圣苗, 刘全
, doi: 10.16383/j.aas.c190406
摘要:
深度确定性策略梯度(Deep deterministic policy gradient, DDPG)方法在连续控制任务中取得了良好的性能表现. 为进一步提高深度确定性策略梯度方法中经验回放机制的效率, 提出分类经验回放方法, 并采用两种方式对经验样本分类: 基于时序差分误差样本分类的深度确定性策略梯度方法(DDPG with temporal difference-error classification, TDC-DDPG)和基于立即奖赏样本分类的深度确定性策略梯度方法(DDPG with reward classification, RC-DDPG).在TDC-DDPG和RC-DDPG方法中, 分别使用两个经验缓冲池, 对产生的经验样本按照重要性程度分类存储, 网络模型训练时通过选取较多重要性程度高的样本加快模型学习. 在连续控制任务中对分类经验回放方法进行测试, 实验结果表明, 与随机选取经验样本的深度确定性策略梯度方法相比, TDC-DDPG和RC-DDPG方法具有更好的性能.
污水处理过程递推双线性子空间建模及无模型自适应控制
张帅, 周平
, doi: 10.16383/j.aas.c190514
摘要:
污水处理过程中, 生化反应硝态氮浓度和溶解氧浓度是决定出水水质好坏的两个最关键变量, 难以采用常规基于模型的方法进行有效控制. 本文基于数据驱动建模与控制技术, 提出一种污水处理过程递推双线性子空间辨识(Recursive bilinear subspace identification, RBLSI)建模和无模型自适应控制方法. 首先, 针对污水处理过程的非线性时变动态特性, 采用最小二乘递推双线性子空间辨识方法建立污水处理生化反应过程具有参数自适应能力的递推双线性模型; 其次, 基于建立的数据驱动模型, 采用基于多参数灵敏度分析(Multi-parameter sensitivity analysis, MPSA)和遗传粒子群优化(Genetic algorithm-particle swarm optimization, GA-PSO)算法的无模型自适应控制(Model-free adaptive control, MFAC)方法对硝态氮和溶解氧浓度进行直接数据驱动控制; 最后, 数据实验及其比较分析表明了所提方法的有效性和优越性.
基于分布式神经动态优化的综合能源系统多目标优化调度
黄博南, 王勇, 李玉帅, 刘鑫蕊, 杨超
, doi: 10.16383/j.aas.c200168
摘要:
研究了基于神经动态优化的综合能源系统(Integrated energy systems, IES)分布式多目标优化调度问题. 首先, 将IES元件单元(包含负荷)作为独立的决策主体, 联合考量其运行成本和排放成本, 并计及多能源设备间的传输损耗, 提出了IES多目标优化调度模型, 该模型可描述为一类非凸多目标优化问题. 其次, 针对此类问题的求解, 提出了一种基于神经动力学系统的分布式多目标优化算法, 该算法基于动态权重的神经网络模型, 可以解决不可分离的不等式约束问题. 该算法计算负担小, 收敛速度快, 并且易于硬件实现. 仿真结果表明, 所提算法能同时协调综合能源系统的经济性和环境性这两个冲突的目标, 且获得了整个帕累托前沿, 有效降低了综合能源系统的污染物排放量和综合运行成本.
考虑输出约束的冗余驱动绳索并联机器人预设性能控制
陈正升, 程玉虎, 王雪松
, doi: 10.16383/j.aas.c210949
摘要:
提出一种考虑输出约束的冗余驱动绳索并联机器人(Redundantly-actuated cable driving parallel robots, RCDPRs)预设性能有限时间控制算法. 首先, 采用Newton-Euler方程推导系统动力学模型, 并建立绳索拉力优化模型保证系统正常工作; 其次, 将输出约束问题转化为位置跟踪误差的坐标变换问题, 设计给定时间衰减函数与非对称变换函数, 将约束形式的跟踪误差转化为无约束变量, 实现给定时间的输出约束; 然后, 针对滑模控制的抖振问题, 在预设性能控制中采用模型不确定与扰动估计器进行扰动估计, 并通过自适应方法对扰动估计误差进行补偿; 以此为基础, 提出一种基于精度驱动且在分段点处三阶连续的终端滑模面进行控制算法设计; 最后, 采用Lyapunov函数证明算法的有限时间收敛特性, 并以7自由度冗余驱动绳索并联机器人为控制对象进行仿真研究, 对算法进行验证.
基于干扰估计的非对称运动下飞机刹车系统模型预测控制
李繁飙, 杨皓月, 王鸿鑫, 阳春华, 廖力清
, doi: 10.16383/j.aas.c210852
摘要:
针对飞机在非对称运动下的双侧机轮协调控制问题, 提出一种基于滑模干扰估计的模型预测控制方法. 首先, 通过对飞机制动过程横纵方向力矩机理分析并分别考虑左右机轮对刹车性能的影响, 建立全面刻画系统动态的地面滑跑动力学模型. 在此基础上, 设计滑模观测器对侧风干扰进行实时估计, 利用补偿机制实现对侧风扰动的有效抑制. 此外, 提出基于前轮荷载状态门限特征和结合系数阈值范围特征的分析方法, 解决切换跑道环境辨识问题. 设计非线性模型预测算法, 实现飞机纵向防滑刹车和横向跑道纠偏的协调控制. 最后, 在侧风干扰、跑道切换以及不对称着陆等情况下进行仿真实验, 验证了所提出的控制策略能够有效提升刹车系统的防滑效率及纠偏性能.
多维注意力特征聚合立体匹配算法
张亚茹, 孔雅婷, 刘彬
, doi: 10.16383/j.aas.c200778
摘要:
现有基于深度学习的立体匹配算法在学习推理过程中缺乏有效信息交互, 而特征提取和代价聚合两个子模块的特征维度存在差异, 导致注意力方法在立体匹配网络中应用较少、方式单一. 针对上述问题, 本文提出了一种多维注意力特征聚合立体匹配算法. 设计2D注意力残差模块, 通过在原始残差网络中引入无降维自适应2D注意力残差单元, 局部跨通道交互并提取显著信息, 为匹配代价计算提供丰富有效的特征. 构建3D注意力沙漏聚合模块, 以堆叠沙漏结构为骨干设计3D注意力沙漏单元, 捕获多尺度几何上下文信息, 进一步扩展多维注意力机制, 自适应聚合和重新校准来自不同网络深度的代价体. 在三大标准数据集上进行评估, 并与相关算法对比, 实验结果表明所提算法具有更高的预测视差精度, 且在无遮挡的显著对象上效果更佳.
基于低秩约束的熵加权多视角模糊聚类算法
张嘉旭, 王骏, 张春香, 林得富, 周塔, 王士同
, doi: 10.16383/j.aas.c190350
摘要:
如何有效挖掘多视角数据内部的一致性以及差异性是构建多视角模糊聚类算法的两个重要问题. 本文在Co-FKM算法框架上, 提出了基于低秩约束的熵加权多视角模糊聚类算法(Entropy-weighting multi-view fuzzy C-means with low rank constraint, LR-MVEWFCM). 一方面, 从视角之间的一致性出发, 引入核范数对多个视角之间的模糊隶属度矩阵进行低秩约束; 另一方面, 基于香农熵理论引入视角权重自适应调整策略, 使算法根据各视角的重要程度来处理视角间的差异性. 本文使用交替方向乘子法(Alternating direction method of multipliers, ADMM)进行目标函数的优化. 最后, 人工模拟数据集和UCI (University of California Irvine)数据集上进行的实验结果验证了该方法的有效性.
基于驾驶员转向模型的共享控制系统
田彦涛, 赵彦博, 谢波
, doi: 10.16383/j.aas.c190486
摘要:
针对车辆驾驶对于共享控制系统实用性的需求, 提出了基于驾驶员转向模型的共享控制系统. 基于驾驶员的视觉预瞄特性与神经肌肉特性建立了驾驶员转向模型, 通过遗传算法辨识模型参数并分析其与车速和道路曲率之间的函数关系; 采用模糊权重分配策略合理分配驾驶权重; 本文利用基于所开发的CarMaker驾驶模拟实验平台, 对系统进行在线测试和验证, 结果表明该系统不仅能够更好地提升车辆的轨迹跟踪精度和安全性, 辅助驾驶员转向, 还能够极大地减轻驾驶员负荷.
基于变分信息瓶颈的半监督神经机器翻译
于志强, 余正涛, 黄于欣, 郭军军, 高盛祥
, doi: 10.16383/j.aas.c190477
摘要:
变分方法是机器翻译领域的有效方法, 其性能较依赖于数据量规模. 然而在低资源环境下, 平行语料资源匮乏, 不能满足变分方法对数据量的需求, 因此导致基于变分的模型翻译效果并不理想. 针对该问题, 本文提出基于变分信息瓶颈的半监督神经机器翻译方法, 所提方法的具体思路为: 首先在小规模平行语料的基础上, 通过引入跨层注意力机制充分利用神经网络各层特征信息, 训练得到基础翻译模型; 随后, 利用基础翻译模型, 使用回译方法从单语语料生成含噪声的大规模伪平行语料, 对两种平行语料进行合并形成组合语料, 使其在规模上能够满足变分方法对数据量的需求; 最后, 为了减少组合语料中的噪声, 利用变分信息瓶颈方法在源与目标之间添加中间表征, 通过训练使该表征具有放行重要信息、阻止非重要信息流过的能力, 从而达到去除噪声的效果. 多个数据集上的实验结果表明, 本文所提方法能够显著地提高译文质量, 是一种适用于低资源场景的半监督神经机器翻译方法.
面向网络空间防御的对抗机器学习研究综述
余正飞, 闫巧, 周鋆
, doi: 10.16383/j.aas.c210089
摘要:
机器学习以强大的自适应性和自学习能力成为网络空间防御的研究热点和重要方向. 然而机器学习模型在网络空间环境下存在受到对抗攻击的潜在风险, 可能成为防御体系中最为薄弱的环节, 从而危害整个系统的安全. 为此科学分析安全问题场景, 从运行机理上探索算法可行性和安全性, 对运用机器学习模型构建网络空间防御系统大有裨益. 全面综述对抗机器学习这一跨学科研究领域在网络空间防御中取得的成果及以后的发展方向. 首先, 介绍了网络空间防御和对抗机器学习等背景知识; 其次, 针对机器学习在网络空间防御中可能遭受的攻击, 引入机器学习敌手模型概念, 目的是科学评估其在特定威胁场景下的安全属性; 然后, 针对网络空间防御的机器学习算法, 分别论述了在测试阶段发动规避攻击、在训练阶段发动投毒攻击、在机器学习全阶段发动隐私窃取的方法, 进而研究如何在网络空间对抗环境下, 强化机器学习模型的防御方法; 最后, 展望了网络空间防御中对抗机器学习研究的未来方向和有关挑战.
基于i向量和变分自编码相对生成对抗网络的语音转换
李燕萍, 曹盼, 左宇涛, 张燕, 钱博
, doi: 10.16383/j.aas.c190733
摘要:
提出一种基于i 向量和变分自编码相对生成对抗网络的语音转换方法, 实现了非平行文本条件下高质量的多对多语音转换. 性能良好的语音转换系统, 既要保持重构语音的自然度, 又要兼顾转换语音的说话人个性特征是否准确. 首先为了改善合成语音自然度, 利用生成性能更好的相对生成对抗网络代替基于变分自编码生成对抗网络模型中的Wasserstein生成对抗网络, 通过构造相对鉴别器的方式, 使得鉴别器的输出依赖于真实样本和生成样本间的相对值, 克服了Wasserstein生成对抗网络性能不稳定和收敛速度较慢等问题. 进一步为了提升转换语音的说话人个性相似度, 在解码阶段, 引入含有丰富个性信息的i-vector, 以充分学习说话人的个性化特征. 客观和主观实验表明, 转换后的语音平均梅尔倒谱失真距离值较基准模型降低4.80 %, 平均意见得分值提升5.12 %, ABX 值提升8.60 %, 验证了该方法在语音自然度和个性相似度两个方面均有显著的提高, 实现了高质量的语音转换.
基于改进动态系统稳定估计器的机器人技能学习方法
金聪聪, 刘安东, STEVENLiu, 张文安
, doi: 10.16383/j.aas.c200341
摘要:
提出一种基于改进动态系统稳定估计器的机器人技能学习方法. 现有的动态系统稳定估计器方法可以通过非线性优化来确保学习系统的全局稳定性, 但是存在确定高斯混合分量个数困难以及稳定性和精度无法兼顾的问题. 因此, 根据贝叶斯非参数模型可以自动确定合适分量个数的特性, 采用狄利克雷过程高斯混合模型对演示进行初始拟合. 随后利用参数化二次李雅普诺夫函数重新推导新的稳定性约束, 有效的解决了动态系统稳定估计器方法中稳定性和精度难以兼顾的问题. 最后, 在人类手写数据库和Franka机器人上的实验验证了新方法的有效性和优越性.
弱对齐的跨光谱人脸检测
闫梦凯, 钱建军, 杨健
, doi: 10.16383/j.aas.c210058
摘要:
跨光谱人脸检测在活体人脸识别、体温筛查等领域有着重要的应用价值. 众所周知, 可见光人脸易于检测, 然而红外人脸难于检测, 因此借助可见光图像的人脸检测结果进而完成红外人脸检测是一种有效的解决方案. 但是跨光谱图像之间不可避免的存在偏差, 导致检测精度不高. 为了解决这一问题, 提出了一种弱对齐跨光谱图像的人脸检测算法, 该方法基于跨光谱图像之间的偏差设计了候选框布置策略, 并在此基础上提出了跨光谱特征表示方法用于选取最优候选框. 此外, 本文还构建了一个跨光谱人脸数据集. 最后, 在跨光谱人脸数据集和OTCBVS人脸数据集上的实验结果证明, 该方法能够较好地完成红外图像人脸检测任务.
基于双模型交互学习的半监督医学图像分割
方超伟, 李雪, 李钟毓, 焦李成, 张鼎文
, doi: 10.16383/j.aas.c210667
摘要:
在医学图像中, 器官或病变区域的精准分割对疾病诊断等临床应用有着至关重要的作用, 然而分割模型的训练依赖于大量标注数据. 为减少对标注数据的需求, 本文主要研究针对医学图像分割的半监督学习任务. 现有半监督学习方法广泛采用平均教师模型, 其缺点在于, 基于指数移动平均的参数更新方式使得老师模型累积学生模型的错误知识. 为避免上述问题, 本文提出一种双模型交互学习方法, 引入像素稳定性判断机制, 利用一个模型中预测结果更稳定的像素监督另一个模型的学习, 从而缓解了单个模型的错误经验的累积和传播. 本文提出的方法在心脏结构分割、肝脏肿瘤分割和脑肿瘤分割三个数据集中取得优于前沿半监督方法的结果. 在仅采用30%的标注比例时, 我们的方法在三个数据集上的戴斯指标分别达到89.13%, 94.15%, 87.02%.
基于广义PI观测器零点配置的抗扰残差评估和故障检测
胡宇翔, 代学武, 崔东亮, 周冬
, doi: 10.16383/j.aas.c211235
摘要:
针对一类存在周期性扰动的系统, 提出了一种新型的基于广义PI观测器零点配置的抗扰残差评估框架, 充分利用了广义PI观测器的零点可配置性, 通过调整传递函数矩阵在阻塞零点处的相位响应并利用该频点处矩阵的零特征向量对残差信号进行滤波, 实现了残差信号与周期性扰动的解耦. 此外, 还创新性地提出了一种基于矩阵条件数的优化目标函数, 改善了残差信号对故障的敏感性. 最后, 通过两轮自平衡小车的仿真对比实验和实物测试, 验证了所提方法在残差抑扰和故障检测方面的有效性.
面向非独立同分布数据的自适应联邦深度学习算法
张泽辉, 李庆丹, 富瑶, 何宁昕, 高铁杠
, doi: 10.16383/j.aas.c201018
摘要:
近些年, 联邦学习由于能够打破数据壁垒, 实现孤岛数据价值变现, 受到了工业界和学术界的广泛关注. 然而, 在实际工程应用中, 联邦学习存在着数据隐私泄露和模型性能损失的问题. 对此, 首先对这两个问题进行了数学描述与分析. 然后, 提出了一种自适应模型聚合方案, 该方案能够设定各参与者的mini-batch值和自适应调整全局模型聚合间隔, 旨在保证模型精度的同时, 提高联邦学习训练效率. 并且, 混沌系统被首次引入联邦学习领域中, 用于构建一种基于混沌系统和同态加密的混合隐私保护方案, 从而进一步提升系统的隐私保护水平. 理论分析与实验结果表明, 提出的联邦学习算法能够保证参与者的数据隐私安全. 并且, 在非独立同分布数据的场景下, 该算法够在保证模型精度的前提下提高训练效率, 降低系统通信成本, 具备实际工业场景应用的可行性.
具有类万有引力的有界置信观点动力学分析与应用
刘青松, 习晓苗, 柴利
, doi: 10.16383/j.aas.c211134
摘要:
在社会网络中, Hegselmann-Krause模型描述了置信阈值内不同邻居对个体的观点影响权重都是相同的, 且邻居对个体的吸引力与他们的观点差值成正比, 这是不切实际的. 为了克服经典Hegselmann-Krause模型的不足, 提出了具有类万有引力的有界置信观点动力学模型, 描述个体观点的更新依赖于观点之间的差值和邻居的权威性, 且不同邻居对个体的观点影响权重不同. 根据置信矩阵的性质证明观点的收敛性, 并分析具有衰减置信阈值的观点动力学行为, 给出观点收敛速率的显式解. 最后, 利用本文提出的观点动力学模型研究社会心理学中的“权威效应”和“非零和效应”. 仿真分析表明, 邻居的权威性有利于观点达成一致.
基于关系网络的轴承剩余使用寿命预测方法
赵志宏, 张然, 孙诗胜
, doi: 10.16383/j.aas.c211195
摘要:
针对轴承全寿命周期数据获取困难、训练样本少的问题, 提出一种基于关系网络的轴承剩余使用寿命(Remaining useful life,RUL)预测方法. 关系网络是一种基于度量的元学习方法, 在少量训练样本下, 具有快速学习新任务的优点. 设计了一种基于关系网络的轴承健康评估模型, 利用关系网络的嵌入模块提取轴承状态特征, 利用关系模块度量轴承状态特征之间的相似性, 基于相似性构建轴承健康指标;对健康指标进行Savitzky-golay滤波平滑处理, 降低振荡对预测结果的影响;最后利用线性函数对健康指标进行拟合, 得到轴承RUL预测值. 为验证所提方法的有效性, 在PHM2012轴承实测数据集上进行实验. 结果表明所得健康指标能够反映轴承的退化趋势, 所得RUL预测结果与ConvLSTM、Transformer、RNN、LSTM、Attention mechanism方法相比, 误差百分比分别减少了1.68%、3.41%、9.03%、13.72%、30.49%. 方法在少量训练样本的基础上可以取得较好的预测结果, 具有一定的应用价值.
欺骗攻击下具备隐私保护的多智能体系统均值趋同控制
应晨铎, 伍益明, 徐明, 郑宁, 何熊熊
, doi: 10.16383/j.aas.c210889
摘要:
针对通信网络遭受欺骗攻击的离散时间多智能体系统, 研究其均值趋同和隐私保护问题. 首先, 考虑链路信道存在窃听者的情形, 提出一种基于状态分解思想的分布式网络节点值重构方法, 以阻止系统初始信息的泄露. 其次, 针对所构建的欺骗攻击模型, 利用重构后节点状态信息并结合现有的安全接受广播算法, 提出一种适用于无向通信网络的多智能体系统均值趋同控制方法. 理论分析表明, 所提方法能够有效保护节点初始状态信息的隐私, 并能消除链路中欺骗攻击的影响, 实现分布式系统中所有节点以初始值均值趋同. 最后, 通过数值仿真实验验证了该方法的有效性.
切换拓扑下动态事件触发多智能体系统固定时间一致性
孙梦薇, 任璐, 刘剑, 孙长银
, doi: 10.16383/j.aas.c211123
摘要:
针对有扰动的一阶非线性多智能体系统在切换拓扑下的实际固定时间平均一致性问题, 提出了基于动态事件触发机制的固定时间一致性协议. 该一致性协议在节约更多资源的情况下, 使多智能体系统以更快的速度达到一致. 相对于有限时间一致性控制算法, 固定时间一致性控制算法的收敛时间不依赖于初始状态, 并且可以通过选择合适的控制器参数设定相应的收敛时间上界. 通过设计一个包含双曲正切函数的测量误差, 证明系统不存在Zeno行为. 由于内部动态变量的引入, 大量不必要的触发被取消, 从而节省能量损耗. 最后, 通过仿真实验验证算法的可行性和有效性.
多层异构生物网络候选疾病基因识别
丁苍峰, 王君, 张紫芸
, doi: 10.16383/j.aas.c210577
摘要:
现有大多数用于识别候选疾病基因的随机游走方法通常优先访问高度连接的基因, 而可能与已知疾病有关的不知名或连接性差的基因易被忽略或难以识别. 此外, 这些方法仅访问单个基因网络或各种基因数据的聚合网络, 导致偏差和不完整性. 因此, 设计一种能控制随机游走运动方向和整合多种数据源的候选疾病基因识别方法将是一个迫切需要解决的问题. 为此, 本文首先构建多层网络和多层异构基因网络. 然后, 提出了一种游走于多层和多层异构网络的拓扑偏置随机游走(Biased random walk with restart, BRWR)算法来识别疾病基因. 实验结果表明, 游走于不同类型网络上的识别候选疾病基因的BRWR算法优于现有的算法. 最后, 应用于多层异构网络上的BRWR算法能预测未诊断的新生儿类早衰综合征中涉及的疾病基因.
不确定性环境下维纳模型的随机变分贝叶斯学习
刘切, 李俊豪, 王浩, 曾建学, 柴毅
, doi: 10.16383/j.aas.c210925
摘要:
多重不确定性环境下的非线性系统辨识是一个开放问题.贝叶斯学习在描述、处理不确定性方面具有显著优势, 已在线性系统辨识方面得到广泛应用, 但在非线性系统辨识的应用较少, 面临概率估计复杂、计算量大等困难.本文针对上述问题, 以典型维纳非线性过程为对象, 提出基于随机变分贝叶斯的非线性系统辨识方法.首先对过程噪声、测量噪声以及参数不确定性进行概率描述;然后利用随机变分贝叶斯方法对模型参数进行后验估计.在估计过程中, 利用随机优化思想, 仅利用部分中间变量概率信息估计模型参数分布的自然梯度期望, 与利用所有中间变量概率信息估计模型参数比较, 显著降低了计算复杂性.该方法是首次在系统辨识领域中的应用.本文利用一个仿真实例和一个维纳模型的Benchmark问题, 证明了该方法在对大规模数据系统辨识时的有效性.
基于RAGAN的工业过程运行指标前馈 − 反馈多步校正
杨宇晴, 王德睿, 丁进良
, doi: 10.16383/j.aas.c210408
摘要:
针对工业过程运行指标反馈校正存在滞后及一步校正模型可解释性差的问题, 提出了基于递归注意力生成对抗网络(RAGAN)的运行指标前馈-反馈多步校正方法. 该方法采用基于负相关正则化的集成随机权神经网络建立综合生产指标预报模型为校正提供前馈信息补偿反馈校正的滞后性. 所提的RAGAN校正采用多步校正实现一次调整的思想, 将当前时刻运行指标映射到低维潜变量空间简化数据复杂度, 利用长短期记忆(LSTM)模型实现数据的分步输入, 提高模型可解释性; 采用分布式注意力机制构建数据读入网络, 使校正环节获取任务相关性更高的数据, 降低任务复杂度, 减小噪声干扰, 利用校正后的运行指标保证系统的综合指标尽可能的跟随设定值运行. 采用我国西部地区最大选矿厂实际数据的仿真实验验证了所提方法的有效性.
城市污水处理过程自适应滑模控制
韩红桂, 秦晨辉, 孙浩源, 乔俊飞
, doi: 10.16383/j.aas.c210798
摘要:
针对城市污水处理过程时滞导致难以稳定控制的问题, 文中提出了一种自适应滑模控制方法. 首先, 分析了推流时滞对城市污水处理生化反应过程的影响, 建立了时滞影响下的城市污水处理运行控制模型; 其次, 设计了一种基于模糊神经网络的预估补偿模型, 完成了滞后变量的准确预测, 实现了控制模型中变量时刻的统一; 最后, 设计了一种具有自适应开关增益系数的滑模控制器, 实现了溶解氧和硝态氮的稳定控制. 将提出的自适应滑模控制方法应用于城市污水处理过程基准仿真平台, 实验结果显示该方法能够实现城市污水处理运行过程稳定控制.
城市固废焚烧过程烟气含氧量自适应预测控制
孙剑, 蒙西, 乔俊飞
, doi: 10.16383/j.aas.c210935
摘要:
在城市固废焚烧过程中, 烟气含氧量是影响焚烧效果的重要工艺参数. 由于固废焚烧过程的复杂性, 实际应用过程中难以实现烟气含氧量的有效控制. 面向城市固废焚烧过程烟气含氧量控制的实际需求, 文中提出了一种基于数据驱动的烟气含氧量自适应预测控制方法. 首先, 采用自适应模糊C均值 (Fuzzy C-means, FCM) 算法辅助确定径向基函数 (Radial basis function, RBF) 神经网络隐含层神经元个数及初始中心, 建立基于FCM算法的RBF神经网络预测模型, 并在控制过程中通过自适应更新策略在线调节预测模型参数; 然后, 利用梯度下降算法求解控制律, 并基于李亚普诺夫理论分析了所提控制方法的稳定性; 最后, 基于城市固废焚烧厂实际数据, 验证了所提控制方法的有效性.
一种基于条件梯度的加速分布式在线学习算法
吴庆涛, 朱军龙, 葛泉波, 张明川
, doi: 10.16383/j.aas.c210830
摘要:
由于容易实施, 基于投影梯度的分布式在线优化模型逐渐成为一种主流的在线学习方法. 然而, 在处理大数据应用时, 投影步骤成为了该方法的计算瓶颈. 近年来, 研究者提出了面向凸代价函数的分布式在线条件梯度算法, 其悔界为\begin{document}${\rm O}(T^{3/4})$\end{document}, 其中\begin{document}$T$\end{document}是一个时间范围. 该算法存在两方面的问题, 一是其悔界劣于公认的悔界\begin{document}${\rm O}(\sqrt{T})$\end{document}; 二是没有分析非凸代价函数的收敛性能, 而实际应用中代价函数大部分是非凸函数. 因此, 本文提出了一种基于条件梯度的加速分布式在线学习算法, 使用Frank-Wolfe 步骤替代投影步骤, 避免了昂贵的投影计算. 文中证明了当局部代价函数为凸函数时, 所提算法达到公认的悔界\begin{document}${\rm O}(\sqrt{T})$\end{document}; 当局部代价函数为潜在非凸函数时, 所提算法以速率\begin{document}${\rm O}(\sqrt{T})$\end{document}收敛到平稳点. 最后, 仿真实验验证了所提算法的性能与理论证明的结论.
通信延时环境下基于观测器的智能网联车辆队列分层协同纵向控制
朱永薪, 李永福, 朱浩, 于树友
, doi: 10.16383/j.aas.c210311
摘要:
考虑通信延时影响的车辆队列控制问题, 提出了一种基于观测器的分布式车辆队列纵向控制器. 首先, 基于分层控制策略分别设计上下层控制器, 通过上层控制器优化期望加速度, 下层控制器克服车辆模型非线性实现期望加速度和实际加速度的一致, 上层控制器设计过程中, 基于三阶线性化车辆模型, 考虑观测器、车辆动态耦合特性和通信延时, 提出一种通信延时环境下基于观测器的车辆队列控制器, 利用观测器估计领导车辆加速度信息从而减轻通信负担. 然后利用Lyapunov-Krasovskii方法分析了车辆队列的稳定性, 并得出了通信延时上界, 同时利用传递函数方法分析了串稳定性. 最后通过数值仿真验证上层控制器的有效性和稳定性, 在此基础上, 利用PreScan软件中高保真车辆动态模型, 验证了所提分层控制策略的有效性.
高超声速飞行器指定时间时变高增益反馈跟踪控制
张康康, 周彬, 蔡光斌, 侯明哲
, doi: 10.16383/j.aas.c210895
摘要:
研究了高超声速飞行器控制通道存在未知环境干扰时的指定时间跟踪控制问题. 基于高超声速飞行器的输入输出线性化模型, 借助参量 Lyapunov方程的一些性质, 设计一种光滑、有界的时变高增益控制律. 相比于现有的高超声速飞行器有限/固定时间控制方法, 该算法不会出现抖振现象, 同时收敛时间不依赖于初始状态且可以事先设定. 当高超声速飞行器存在未知的有界环境匹配干扰时, 该控制器能使高度和速度在指定时间跟踪上参考信号. 最后仿真结果验证了方法的有效性.
基于单字符注意力的全品类鲁棒车牌识别
穆世义, 徐树公
, doi: 10.16383/j.aas.c211210
摘要:
复杂场景下的高精度车牌识别仍然存在着许多挑战, 除了光照、分辨率不可控和运动模糊等因素导致的车牌图像质量低之外, 还包括车牌品类多样产生的行数不一和字数不一等困难, 以及因拍摄角度多样出现的大倾角等问题. 针对这些挑战, 提出了一种基于单字符注意力的场景鲁棒的高精度车牌识别算法, 在无单字符位置标签信息的情况下, 使用注意力机制对车牌全局特征图进行单字符级特征分割, 以处理多品类车牌和倾斜车牌中的二维字符布局问题. 另外, 该算法通过使用共享参数的多分支结构代替现有算法的串行解码结构, 降低了分类头参数量并实现了并行化推理. 实验结果表明, 该算法在公开车牌数据集上实现了超越现有算法的精度, 同时具有较快的识别速度.
路网约束下异构机器人系统路径规划方法
陈梦清, 陈洋, 陈志环, 赵新刚
, doi: 10.16383/j.aas.c200806
摘要:
由无人机和地面移动机器人组成的异构机器人系统在协作执行任务时, 可以充分发挥两类机器人各自的优势. 无人机运动灵活, 但通常续航能力有限; 地面机器人载荷多, 适合作为无人机的着陆平台和移动补给站, 但运动受路网约束. 本文研究这类异构机器人协作路径规划问题. 为了降低完成任务的时间代价, 本文提出一种由蚁群算法和遗传算法相结合的两步法对地面机器人和无人机的路线进行解耦, 同时规划地面机器人和无人机的路线. 第一步使用蚁群算法为地面机器人搜索可行路线. 第二步对无人机的最优路径建模, 采用遗传算法求解并将无人机路径长度返回至第一步中, 用于更新路网的信息素参数, 从而实现异构协作系统路径的整体优化. 为了进一步降低无人机的飞行时间代价, 还研究了无人机在其续航能力内连续完成多任务的协作路径规划问题. 最后通过大量仿真实验验证了所提方法的有效性.
RFNet: 用于三维点云分类的卷积神经网络
单铉洋, 孙战里, 曾志刚
, doi: 10.16383/j.aas.c210532
摘要:
由于点云的非结构性和无序性, 目前已有的点云分类网络在精度上仍然需要进一步提高. 通过考虑局部结构的构建、全局特征聚合和损失函数改进三个方面, 本文构造了一个有效的点云分类网络. 首先, 针对点云的非结构性,通过学习中心点特征与近邻点特征之间的关系, 为不规则的近邻点分配不同的权重, 以此构建局部结构. 此外,使用注意力的思想, 提出了加权平均池化, 通过自注意力的方式, 学习每个高维特征的注意力分数, 在应对点云无序性的同时, 可以有效地聚合冗余的高维特征. 另外,利用了交叉熵损失与中心损失之间的互补关系, 提出了联合损失, 在增大类间距离的同时减小了类内距离, 进一步提高了网络的分类能力. 本文在合成数据集ModelNet40、ShapeNetCore和真实世界数据集ScanObjectNN上进行了实验, 与目前性能最好的多个网络相比较, 验证了本文整体网络结构的优越性.
一种基于区块链的DNSSEC公钥验证机制
陈闻宇, 李晓东, 杨学, 徐彦之
, doi: 10.16383/j.aas.c201082
摘要:
针对中心化域名安全扩展(Domain name system security extensions, DNSSEC)架构所导致的信任链复杂性和单边控制模式, 提出了一种去中心化的DNSSEC公钥验证机制. 该机制结合区块链结构、密码学累加器和共识算法设计, 创新性地实现使用区块链技术的密钥绑定、轮转和验证操作, 无需中心化权威节点即可使用可信公钥验证域名记录. 进一步的分析和实验表明, 所提出的机制在保证密钥管理安全性的同时, 提高了密钥验证的效率.
一种用于两人零和博弈对手适应的元策略演化学习算法
吴哲, 李凯, 徐航, 兴军亮
, doi: 10.16383/j.aas.c211003
摘要:
围绕两人零和博弈所开展的一系列研究, 近年来在围棋、德州扑克等问题中取得了里程碑式的突破. 现有的两人零和博弈求解方案大多在理性对手的假设下围绕纳什均衡解开展, 是一种力求不败的保守型策略, 但在实际博弈中由于对手非理性等原因并不能保证收益最大化. 对手建模为最大化博弈收益提供了一种新途径, 但仍存在建模困难等问题. 结合元学习的思想提出了一种能够快速适应对手策略的元策略演化学习求解框架. 在训练阶段, 首先通过种群演化的方法不断生成风格多样化的博弈对手作为训练数据, 然后利用元策略更新方法来调整元模型的网络权重, 使其获得快速适应的能力. 在Leduc扑克、两人有限注德州扑克和RoboSumo上的大量实验结果表明, 本算法能够有效克服现有方法的弊端, 实现针对未知风格对手的快速适应, 从而为两人零和博弈收益最大化求解提供了一种新思路.
数字孪生驱动的长距离带式输送机运行优化方法
杨春雨, 卜令超, 陈斌
, doi: 10.16383/j.aas.c210979
摘要:
长距离带式输送机是矿山、港口等领域运输散装物料的主要工具. 针对长距离带式输送机的安全节能运行问题, 本文研究数字孪生驱动的运行优化方法. 首先, 构建由数字孪生模型、模型同步算法、控制策略和现实带式输送机组成的数字孪生驱动运行优化框架; 然后, 建立数字孪生模型, 包括基于变质量牛顿第二定律和有限元分析法的输送带动力学模型、物料流动态模型和动态能耗模型; 最后, 提出数字孪生驱动的“计算决策-仿真评估-优化校正”(Decision-Simulation-Correction, DSC)优化决策方法, 优化带式输送机的稳态和暂态运行带速, 形成可行带速设定曲线. 实验表明, 数字孪生驱动的带式输送机运行优化方法可以实现带式输送机安全节能运行. 与传统控制方法相比, 能够根据运行工况实时调速, 提高输送带填充率, 节能13.87%.
基于循环显著性校准网络的胰腺分割方法
邱成健, 刘青山, 宋余庆, 刘哲
, doi: 10.16383/j.aas.c210865
摘要:
胰腺的准确分割对于胰腺癌的识别和分析至关重要. 胰腺作为形态变异较大、空间走形复杂的小体积后腹膜腔器官, 其三维形状及位置变化极具个体化解剖差异, 这使得胰腺分割极具挑战性. 研究者提出通过第一阶段粗分割掩码的位置信息缩小第二阶段细分割网络输入的由粗到细分割方法, 尽管极大地提升了分割精度, 但是在胰腺分割过程中对于上下文信息的利用却存在以下两个问题: 1) 粗分割和细分割阶段分开训练, 细分割阶段缺少粗分割阶段分割掩码信息, 抑制了阶段间上下文信息的流动, 导致部分细分割阶段结果无法比粗分割阶段更准确; 2) 粗分割和细分割阶段单批次相邻预测分割掩码之间缺少信息互监督, 丢失切片上下文信息, 增加了误分割风险. 针对上述问题, 提出了一种基于循环显著性校准网络的胰腺分割方法. 通过循环使用前一阶段输出的胰腺分割掩码作为当前阶段输入的空间权重, 进行两阶段联合训练, 实现阶段间上下文信息的有效利用; 提出卷积自注意力校准模块进行胰腺预测分割掩码切片上下文信息跨顺序互监督, 显著改善了相邻切片误分割现象. 提出的方法在公开的数据集上进行了验证, 实验结果表明, 其改善误分割结果的同时提升了平均分割精度.
基于改进多隐层极限学习机的电网虚假数据注入攻击检测
席磊, 何苗, 周博奇, 李彦营
, doi: 10.16383/j.aas.c211127
摘要:
虚假数据注入攻击严重威胁了电力信息物理系统的状态估计, 而目前大多数检测方法侧重于攻击存在性检测, 无法获取准确的受攻击位置. 故本文提出了一种基于灰狼优化多隐层极限学习机的电力信息物理系统虚假数据注入攻击检测方法. 所提方法将攻击检测看作是一个多标签二分类问题, 不仅将用于特征提取与分类训练的极限学习机由单隐层变为多隐层, 以解决极限学习机特征表达能力有限的问题, 且融入了具有强全局搜索能力的灰狼优化算法以提高多隐层极限学习机分类精度和泛化性能. 进而自动识别系统各个节点状态量的异常, 获取受攻击的精确位置. 通过在不同场景下对IEEE-14和57节点测试系统上进行大量实验, 验证了所提方法的有效性, 且分别与极限学习机、未融入灰狼优化的多隐层极限学习机以及支持向量机相比, 所提方法具有更精确的定位检测性能.
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
, doi: 10.16383/j.aas.c210223
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.
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
, doi: 10.16383/j.aas.c210302
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.
基于扩展PI抗扰补偿器的高精度时间同步控制
代学武, 贾志安, 崔东亮, 柴天佑
, doi: 10.16383/j.aas.c210676
摘要:
高精度时间同步是任务关键型工业网络控制系统的核心支撑技术, 针对工业环境中普遍存在周期性振动等扰动信号导致晶振频率漂移, 影响时间同步精度的问题, 本文基于扩展比例积分(Proportional Integral, \begin{document}$ \mathrm{P}\mathrm{I} $\end{document})观测器, 提出了一种新型的抗扰补偿器结构, 用于消除周期性扰动的影响, 并构建了相应的精细抗干扰反馈控制方法, 用于实现高精度时间同步. 与传统的扰动观测器相比, 所提出的扩展\begin{document}$ \mathrm{P}\mathrm{I} $\end{document}抗扰补偿器克服了传统扰动观测器零点不变局限性, 提出了零点配置方法, 以充分利用闭环系统的传递函数矩阵(Transfer Function Matrix, TFM)在系统零点处降秩的特性, 实现了对于特定频率扰动信号的补偿作用. 并给出了所提出的控制器和抗扰补偿器的稳定性证明和控制器参数的稳定域. 通过基于实测参数的无线网络仿真实验, 验证了在\begin{document}$ 5\mathrm{g} $\end{document}周期性振动干扰下, 本文提出的方法明显优于传统滤波器和补偿器, 达到了同步误差在4 \begin{document}$ \mu s $\end{document}以内, 实现了高精度时间同步.
基于滚动时域强化学习的智能车辆侧向控制算法
张兴龙, 陆阳, 李文璋, 徐昕
, doi: 10.16383/j.aas.c210555
摘要:
本文针对智能车辆的高精度侧向控制问题, 提出了一种基于滚动时域强化学习(Receding horizon reinforcement learning, RHRL)的侧向控制方法. 车辆的侧向控制量由前馈和反馈两部分构成, 前馈控制量由参考路径的曲率以及动力学模型直接计算得出; 而反馈控制量通过采用滚动时域强化学习算法求解最优跟踪控制问题得到. 本文提出的方法结合滚动时域优化机制, 将无限时域最优控制问题转化为若干有限时域控制问题进行求解. 与已有的有限时域执行器-评价器学习不同, 在每个预测时域采用时间独立型执行器-评价器网络结构学习最优值函数和控制策略. 与模型预测控制(Model predictive control, MPC)方法求解开环控制序列不同, RHRL控制器的输出是一个显式状态反馈控制律, 兼具直接离线部署和在线学习部署的能力. 此外, 本文从理论上证明了RHRL算法在每个预测时域的收敛性, 并分析了闭环系统的稳定性. 在仿真环境中完成了结构化道路下的车辆侧向控制测试, 仿真结果表明提出的RHRL方法在控制性能方面优于预瞄控制器和启发式动态规划算法, 在计算效率方面优于MPC; 与最近流行的软执行器-评价器(Soft actor-critic, SAC)算法和深度确定性策略梯度(Deep deterministic policy gradient, DDPG)算法相比控制性能更好, 且具有更低的样本复杂度和更高的学习效率. 最后, 以红旗E-HS3电动汽车作为实车平台, 在封闭结构化城市测试道路和乡村起伏砂石道路下进行了侧向控制实验. 实验结果显示, RHRL在结构化城市道路中的侧向控制性能优于预瞄控制, 在乡村道路中具有较强的路面适应能力和较好的控制性能.
基于混合数据增强的MSWI过程燃烧状态识别
郭海涛, 汤健, 丁海旭, 乔俊飞
, doi: 10.16383/j.aas.c210843
摘要:
国内城市固废焚烧(Municipal solid waste incineration, MSWI)过程通常依靠运行专家观察炉内火焰识别燃烧状态后再结合自身经验修正控制策略以维持稳定燃烧, 存在智能化水平低、识别结果具有主观性与随意性等问题. 因MSWI过程的火焰图像具有强污染、多噪声等特性, 并且存在异常工况数据较为稀缺等问题, 导致传统目标识别方法难以适用. 对此, 本文提出了一种基于混合数据增强的MSWI过程燃烧状态识别方法. 首先, 结合领域专家经验与焚烧炉排结构对燃烧状态进行标定; 接着, 设计由粗调和精调两级组成的深度卷积生成对抗网络(Deep convolutional generative adversarial network, DCGAN)以获取多工况火焰图像; 然后, 采用弗雷歇距离(Fréchet inception distance, FID)对生成式样本进行自适应选择; 最后, 通过非生成式数据增强对样本进行再次扩充, 获得混合增强数据构建卷积神经网络以识别燃烧状态. 基于某MSWI电厂实际运行数据实验, 表明该方法有效地提高了识别网络的泛化性与鲁棒性, 具有良好的识别精度.
基于序列注意力和局部相位引导的骨超声图像分割网络
陈芳, 张道强, 廖洪恩, 赵喆
, doi: 10.16383/j.aas.c210298
摘要:
在超声辅助的骨科手术导航中, 需要从采集的超声图像序列中精确分割出骨结构, 并展示给医生, 来辅助医生进行术中决策. 但是, 图像噪声、成像伪影以及模糊的骨边界导致从超声图像序列中精确分割提取骨结构十分困难. 为解决该问题, 本文提出了一种新的基于序列注意力与局部相位引导的骨超声图像分割网络. 该网络一方面自适应地利用了超声序列帧之间的关系即序列注意力来辅助骨结构的语义分割. 另一方面, 该网络通过引入局部相位引导模块, 突出骨边缘信息, 进一步提高分割精度. 利用包含19050张图像的骨超声数据集, 进行了交叉实验、消融实验并与最新的超声骨分割方法进行了比较. 实验结果表明本文方法对骨结构分割精度高, 优于现有的超声骨分割方法.
基于网格重构学习的染色体分类模型
张林, 易先鹏, 王广杰, 范心宇, 刘辉, 王雪松
, doi: 10.16383/j.aas.c210303
摘要:
染色体的分类识别是核型分析的重要任务之一. 因其柔软易弯曲, 且类间差异小、类内差异大等特点, 其精准分类已成为挑战性难题. 本文提出基于网格重构学习(GRid reConstruction learning, GRiCoL)的染色体分类模型. 该模型首先将染色体图像网格化, 提取局部分类特征; 再通过重构网络对全局特征进行二次提取, 最后完成分类. 相比于现有几种方法, GRiCoL同时兼顾局部和全局特征提取更有效的分类特征, 有效改善染色体弯曲导致的分类性能下降, 参数规模合理. 通过基于G带、荧光原位杂交、Q带染色体公开数据集的实验表明: GRiCoL能够更好地弱化染色体弯曲带来的影响, 在不同数据集上的分类准确度均优于现有分类方法.
多层异质复杂网络系统的能控性
曹连谦, 王立夫, 孔芝, 郭戈
, doi: 10.16383/j.aas.c210654
摘要:
本文研究了节点状态为高维的多层复杂网络系统的能控性问题. 讨论了节点的异质性、层间耦合、层内耦合对网络能控性的影响. 发现当节点状态由同质变为异质, 内耦合矩阵由相同变为不同, 对网络能控性均有影响(网络既可由能控变为不能控, 又可由不能控变为能控); 对层间耦合模式为驱动响应模式和相互依赖模式, 分别给出了网络系统能控的充分条件或必要条件. 相比于直接应用经典的能控性判据, 这些条件更易于验证, 且驱动响应模式比相互依赖模式实现系统完全能控所需的条件更弱.
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
, doi: 10.16383/j.aas.c210457
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
, doi: 10.16383/j.aas.c200723
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%.
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
, doi: 10.16383/j.aas.c210673
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.
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
, doi: 10.16383/j.aas.c210263
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.
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
, doi: 10.16383/j.aas.c210585
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
, doi: 10.16383/j.aas.c210368
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
, doi: 10.16383/j.aas.c200666
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$\end{document})算法、IRLS (Iterative reweighed least squares)算法、SCSA (Successive concave sparsity approximation)算法以及BP 算法等经典算法, 提出的算法在重构误差、信噪比、归一化均方差、支撑集恢复成功率等方面都有更优的表现.
F范数度量下的鲁棒张量低维表征
王肖锋, 石乐岩, 杨璐, 刘军, 周海波
, doi: 10.16383/j.aas.c210375
摘要:
张量主成分分析(Tensor principle component analysis, TPCA)在彩色图像低维表征领域得到广泛深入研究, 采用\begin{document}$\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}$\end{document}), 其最大化投影距离与最小化重构误差均得到了优化. 然后, 给出了其贪婪的求解算法, 并对其收敛性进行了理论证明. 最后, 对包含不同噪声块和具有实际遮挡的彩色人脸数据集进行实验, 结果表明, 本文所提算法在平均重构误差、图像重构与分类率等方面均得到了明显提升, 在张量低维表征中具有较强的鲁棒性.
目标跟踪中基于IoU和中心点距离预测的尺度估计
李绍明, 储珺, 冷璐, 涂序继
, doi: 10.16383/j.aas.c210356
摘要:
目标跟踪中基于IoU (Intersection over union, IoU)预测的尺度估计方法, 通过估计视频帧中候选框与真实目标框的重叠度训练尺度回归模型, 推理阶段通过最大化IoU对初始化边界框进行微调, 取得目标的尺度. 本文详细分析了基于IoU预测的尺度估计模型的梯度更新过程, 发现其在训练和推理过程仅将IoU作为度量, 缺乏对预测框和真实目标框中心点距离的约束, 导致外观模型更新过程中模板受到污染, 前景和背景分类时定位出现偏差. 基于此发现, 本文构建了一种结合IoU和中心点距离的新度量NDIoU (Normalization distance IoU), 在此基础上提出一种新的尺度估计方法, 并将其嵌入判别式跟踪框架. 即在训练阶段以NDIoU为标签, 设计了具有中心点距离约束的损失函数监督网络的学习, 在线推理期间通过最大化NDIoU微调目标尺度, 以帮助外观模型更新时获得更加准确的样本. 在七个数据上与相关主流方法进行对比, 本文方法在七个数据集上的综合性能优于所有对比算法. 特别是在GOT-10k数据集上, 本文方法的AO、\begin{document}$ S{R}_{0.5} $\end{document}\begin{document}$ S{R}_{0.75} $\end{document}三个指标达到了65.4%、78.7%和53.4%, 分别超过基线模型4.3%、7.0%和4.2%.
一种面向航空母舰甲板运动状态预估的鲁棒学习模型
王可, 徐明亮, 李亚飞, 姜晓恒, 鲁爱国, 李鉴
, doi: 10.16383/j.aas.c210064
摘要:
航母甲板在风、浪、流等因素影响下做六自由度不规则运动, 影响舰载机着舰精度. 航母甲板运动预估与补偿是自动着舰系统的重要功能之一, 也是提高舰载机着舰安全性与成功率的关键技术之一. 本文提出一种面向甲板运动预估的鲁棒学习模型, 通过基本构建单元自适应演化出复杂学习系统. 构建单元的训练采用非梯度的伪逆学习策略, 提高了训练效率, 简化了学习控制超参数调优;构建单元的架构设计采用数据驱动的策略, 简化了架构超参数调优;采用图拉普拉斯正则化方法提高了模型的鲁棒性. 通过某型航母在中等海况条件下以典型航速巡航时的仿真实验, 验证了所提方法在甲板纵摇、横摇以及垂荡运动预估问题中的有效性及鲁棒性.
Event-Triggered Tracking Control for a Class of Nonlinear Systems With Observer and Prescribed Performance
YOU Xing-Xing, YANG Dao-Wen, GUO Bin, LIU Kai, DIAN Song-Yi, ZHU Yu-Qi
, doi: 10.16383/j.aas.c210387
摘要:
This paper investigates an adaptive fuzzy tracking control method for a class of nonlinear systems with external disturbances. Firstly, fuzzy logic systems and the fuzzy state observer are implemented to approximate unknown nonlinear functions and estimate the unmeasured states of systems, respectively. Then, the tracking error can be constrained within the specified range by means of the performance function. Furthermore, an event-triggered adaptive fuzzy controller is designed by employing the backstepping method and Lyapunov functional with logarithm function. The proposed control strategy can ensure that all the signals of the closed-loop system are semiglobally uniformly ultimately bounded based on the Lyapunov stability theory and the properties of\begin{document}$\tanh$\end{document}function. Finally, a numerical simulation example is provided to verify the effectiveness of proposed method.
具有不确定控制增益严格反馈系统的自适应命令滤波控制
吴锦娃, 刘勇华, 苏春翌, 鲁仁全
, doi: 10.16383/j.aas.c210553
摘要:
针对一类具有不确定控制增益的严格反馈系统, 提出了一种基于命令滤波反推技术的自适应神经网络控制方法. 该方法采用神经网络对系统中的未知非线性函数进行逼近, 并引入命令滤波反推技术克服“计算膨胀”的问题. 与现有的命令滤波反推控制文献相比, 本文通过构造自适应误差补偿系统, 同时消除了滤波器产生的边界层误差和不确定控制增益对系统性能造成的影响. 仿真结果验证了所提控制方法的有效性.
基于改进高斯混合模型的机器人运动状态估计
葛泉波, 王贺彬, 杨秦敏, 张兴国, 刘华平
, doi: 10.16383/j.aas.c200660
摘要:
针对复杂环境下机器人运动状态估计的精度改善问题, 提出一种面向非线性非高斯系统的改进高斯和容积Kalman滤波估计方法. 首先, 引入加权信息量概念来改进EM算法目标函数惩罚项, 使得在优化过程中能考虑更全面的参数信息, 以达到减少EM算法的迭代次数和提高收敛速度的目的. 此外, 以基于Mahalanobis距离和KL距离的高斯项合并方法为基础, 提出一种能有效联合两类高斯项合并方式的融合模式. 先单独使用Mahalanobis距离和KL距离进行高斯混合项合并, 再对获得的高斯混合项进行加权融合处理, 以改善高斯和滤波中多高斯项的合并性能和保真度. 最后, 应用非线性非高斯系统的高斯和容积Kalman滤波框架实现对复杂环境下机器人的运动状态估计. 理论分析与仿真结果表明, 本文提出的方法能实现对机器人运动更好的状态估计精度, 并具有更强的鲁棒性能, 同时两种不同的高斯项合并融合模式具有相当的估计性能.
基于动态注意力深度迁移网络的高炉铁水硅含量在线预测方法
蒋珂, 蒋朝辉, 谢永芳, 潘冬, 桂卫华
, doi: 10.16383/j.aas.c210524
摘要:
铁水硅含量是反映高炉冶炼过程中热状态变化的灵敏指示剂, 但无法实时在线检测, 造成铁水质量调控盲目. 为此, 本文提出一种基于动态注意力深度迁移网络的高炉铁水硅含量在线预测方法. 首先, 针对传统深度网络静态建模思路无法准确描述过程变量与铁水硅含量之间的关系, 提出了一种基于注意力机制模块的输入过程变量与输出硅含量之间的动态关系描述方法; 其次, 为降低硅含量预测模型训练时对标签数据的依赖, 考虑到铁水温度跟硅含量数据之间的正相关性, 利用小时级硅含量标签数据微调基于分钟级铁水温度数据预训练好的深度模型的结构, 进而提高基于动态注意力深度迁移网络的硅含量预测精度; 同时, 为了增强预测网络的可解释性, 实时地给出了基于动态注意力机制模块计算的每个样本各过程变量对铁水硅含量的贡献度. 最后, 基于某钢铁厂2#高炉的工业实验验证了本文所提方法的准确性、有效性和先进性.
基于运动引导的高效无监督视频目标分割网络
赵子成, 张开华, 樊佳庆, 刘青山
, doi: 10.16383/j.aas.c210626
摘要:
大量基于深度学习的无监督视频目标分割算法存在模型参数量与计算量较大的问题, 这显著地限制了算法在实际中的应用. 本文提出了基于运动引导的视频目标分割网络, 在大幅降低模型参数量与计算量的同时提升视频目标分割性能.整个模型由双流网络、运动引导模块、多尺度渐进融合模块三部分组成. 具体地,RGB图像与光流估计输入双流网络提取物体外观特征与运动特征. 然后,运动引导模块通过局部注意力提取运动特征中的语义信息,用于引导外观特征学习丰富的语义信息.最后,多尺度渐进融合模块获取双流网络的各个阶段输出的特征,将深层特征渐进地融入浅层特征, 最终提升边缘分割效果. 本文在三个标准数据集上进行了大量评测, 实验结果证明了本文方法的优越性能.
一种用于目标跟踪边界框回归的光滑IoU损失
李功, 赵巍, 刘鹏, 唐降龙
, doi: 10.16383/j.aas.c210525
摘要:
边界框回归分支是深度目标跟踪器的关键模块, 其性能直接影响跟踪器的精度. 评价精度的指标之一是交并比(Intersection over Union, IoU). 基于 IoU 的损失函数取代了\begin{document}$ \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
, doi: 10.16383/j.aas.c210425
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
, doi: 10.16383/j.aas.c210480
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
, doi: 10.16383/j.aas.c210264
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
, doi: 10.16383/j.aas.c210242
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.
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
, doi: 10.16383/j.aas.c210547
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 PID 自整定功能的自适应双路输出的黑体温度控制
张海弟
, doi: 10.16383/j.aas.c190277
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.
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
, doi: 10.16383/j.aas.c210430
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
, doi: 10.16383/j.aas.c210231
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
, doi: 10.16383/j.aas.c210313
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.
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
, doi: 10.16383/j.aas.c201031
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
, doi: 10.16383/j.aas.c210400
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.
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
, doi: 10.16383/j.aas.c201035
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.
基于ACP理论的微型扑翼飞行器的姿态控制
金龙, 李嘉昌, 常振强, 卢经纬, 程龙
, doi: 10.16383/j.aas.c210646
摘要:
微型扑翼飞行器(Flapping wing micro aerial vehicle, FWMAV)因飞行效率高、质量轻、耗能低、机动性强等显著优点, 在飞行器研究和应用中占据重要地位. 当下, FWMAV姿态控制成为飞行器控制研究领域的研究热点. 针对FWMAV姿态控制问题, 基于平行智能理论框架提出了一种FWMAV抗扰动姿态控制器. 通过建立人工系统(Artificial systems, A)、计算实验(Computational experiments, C)、平行执行(Parallel execution, P)三个过程, 得到一个能够有效解决FWMAV姿态控制过程中扰动问题的控制器, 并通过理论分析和数值仿真证明了该控制器的有效性.
面向智能血糖管理的餐前胰岛素剂量贝叶斯学习优化方法
史大威, 蔡德恒, 刘蔚, 王军政, 纪立农
, doi: 10.16383/j.aas.c210067
摘要:
餐前胰岛素剂量精准决策是改善糖尿病患者血糖管理的关键. 临床治疗中胰岛素剂量调整一般在较短时间内完成, 具有典型的小样本特征; 数据驱动建模在该情形下无法准确学习患者餐后血糖代谢规律, 难以确保胰岛素剂量的安全、有效决策. 针对这一问题, 本文设计了一种临床经验辅助的餐前胰岛素剂量自适应优化决策框架, 构建高斯过程血糖预测模型和模型有效性在线评估机制, 提出基于历史剂量和临床经验决策约束的贝叶斯优化方法, 实现小样本下餐后血糖轨迹的安全预测和餐前胰岛素注射剂量的优化决策. 该方法的安全性和有效性通过美国食品药品监督管理局(Food and drug administration, FDA)接受的UVA/Padova T1DM平台测试结果和1型糖尿病患者实际临床数据决策结果充分验证. 本文工作可为餐前胰岛素剂量智能决策及临床试验提供方法基础和技术支持, 也为我国糖尿病患者血糖管理水平的有效改善提供精准医学治疗手段.
基于深度学习LDAMP网络的量子状态估计
林文瑞, 丛爽
, doi: 10.16383/j.aas.c210156
摘要:
本文设计出一种基于学习去噪的近似消息传递(Learned denoising-based approximate message passing, LDAMP)的深度学习网络, 将其应用于量子状态的估计. 该网络将去噪卷积神经网络(Denoising convolutional neural network, DnCNN)与基于去噪的近似消息传递(Denoising-based approximate message passing, DAMP)算法相结合, 利用量子系统输出的测量值作为网络输入, 通过设计出的带有DnCNN的LDAMP网络重构出原始密度矩阵, 从大量的训练样本中提取各种不同类型密度矩阵的结构特征, 来实现对量子本征态、叠加态以及混合态的估计. 在对4个量子位的量子态估计的具体实例中, 我们分别在无和有测量噪声干扰情况下, 对基于LDAMP网络的量子态估计进行了仿真实验性能研究, 并与基于压缩感知的交替方向乘子法(Alternating direction multiplier method, ADMM)和三维块匹配近似消息传递(Block matching 3D AMP, BM3D-AMP)等算法进行估计性能对比研究. 数值仿真实验结果表明, 所设计的LDAMP网络可以在较少的测量的采样率下同时完成对四种量子态的更高精度估计.
基于光流与多尺度上下文的图像序列运动遮挡检测
冯诚, 张聪炫, 陈震, 李兵, 黎明
, doi: 10.16383/j.aas.c210324
摘要:
针对非刚性运动和大位移场景下运动遮挡检测的准确性与鲁棒性问题, 本文提出一种基于光流与多尺度上下文的图像序列运动遮挡检测方法. 首先, 设计基于扩张卷积的多尺度上下文信息聚合网络, 通过图像序列多尺度上下文信息获取更大范围的图像特征; 然后, 采用特征金字塔构建基于多尺度上下文与光流的端到端运动遮挡检测网络模型, 利用光流优化非刚性运动和大位移区域的运动遮挡信息; 最后, 构造基于运动边缘的网络模型训练损失函数, 获取准确的运动遮挡边界. 分别采用MPI-Sintel和KITTI测试数据集对本文方法与现有的代表性遮挡检测模型进行实验对比与分析. 实验结果表明, 本文方法能够有效提高运动遮挡检测的准确性, 尤其在非刚性运动和大位移等困难场景下具有更好的遮挡检测鲁棒性.
带时间相关乘性噪声多传感器系统的分布式融合估计
马静, 杨晓梅, 孙书利
, doi: 10.16383/j.aas.c210147
摘要:
本文研究了带时间相关乘性噪声多传感器系统的分布式融合估计问题. 其中时间相关的乘性噪声满足一阶Gauss-Markov过程. 通过引入虚拟状态和虚拟过程噪声, 构建了虚拟状态的递推方程. 基于新息分析方法, 分别对系统状态和虚拟状态设计了局部一步预报器. 然后基于一步预报器设计了状态的局部线性滤波器、多步预报器和平滑器. 推导了任意两个局部状态估计误差之间的互协方差矩阵. 进而, 基于线性最小方差意义下的矩阵加权、对角矩阵加权和标量加权融合算法, 给出了相应的分布式融合状态估值器. 最后, 分析了算法的稳定性. 仿真研究验证了所提算法的有效性.
基于多维度特征融合的云工作流任务执行时间预测方法
李慧芳, 黄姜杭, 徐光浩, 夏元清
摘要:
任务执行时间估计是云数据中心环境下工作流调度的前提. 本文针对现有工作流任务执行时间预测方法缺乏类别型和数值型数据特征的有效提取问题, 提出了基于多维度特征融合的预测方法. 首先, 通过构建具有注意力机制的堆叠残差循环网络, 将类别型数据从高维稀疏的特征空间映射到低维稠密的特征空间, 以增强类别型数据的解析能力, 有效提取类别型特征. 其次, 采用极限梯度提升算法对数值型数据进行离散化编码, 通过对稠密空间的输入向量进行稀疏化处理, 提高了数值型特征的非线性表达能力. 在此基础上, 设计多维异质特征融合策略, 将所提取的类别型、数值型特征与样本的原始输入特征进行融合, 建立基于多维融合特征的预测模型, 实现了云工作流任务执行时间的精准预测. 为了验证本文方法的有效性和优越性, 我们在真实云数据中心集群数据集上进行了仿真实验. 结果表明相对于已有的基准算法, 本文方法具有较好的预测精度, 可用于大数据驱动的云工作流任务执行时间预测.
单幅图像超分辨率重建技术研究进展
张芳, 赵东旭, 肖志涛, 耿磊, 吴骏, 刘彦北
, doi: 10.16383/j.aas.c20777
摘要:
图像分辨率是衡量一幅图像质量的重要标准. 在军事、医学和安防等领域, 高分辨率图像是专业人士分析问题并做出准确判断的前提. 根据成像采集设备、退化因素等条件对低分辨率图像进行超分辨率重建成为一个既具有研究价值又极具挑战性的难点问题. 本文首先简述了图像超分辨率重建的概念、重建思想和方法分类; 然后重点分析用于单幅图像超分辨率重建的空域方法, 梳理基于插值和基于学习两大类重建方法中的代表性算法及其特点; 之后结合用于超分辨率重建技术的数据集, 重点分析比较了传统超分辨率重建方法和基于深度学习的典型超分辨率重建方法的性能, 分析表明, 基于深度学习的超分辨率重建方法较于传统超分辨率重建方法在准确率与鲁棒性方面性能更佳; 最后对图像超分辨率重建未来的发展趋势进行展望.
基于扩张状态观测器的四旋翼吊挂飞行系统非线性控制
范云生, 陈欣宇, 赵永生, 宋保健
, doi: 10.16383/j.aas.c210001
摘要:
针对一类四旋翼飞行器吊挂飞行系统的负载摆动抑制和轨迹跟踪精确控制的问题, 考虑系统存在未知外界扰动和模型动态不确定的情况, 提出了一种基于扩张状态观测器(Extended state observer, ESO)的吊挂负载摆动抑制的非线性轨迹跟踪控制方法. 本文将四旋翼吊挂飞行系统分解为姿态, 位置和负载摆动控制三个动态子系统, 分别设计非线性控制器实现欠驱动约束下的解耦控制; 设计了一种扩张状态观测器, 用以估计和补偿四旋翼与吊挂负载耦合飞行的未知外界扰动与模型动态不确定性, 并证明了闭环系统的稳定性, 跟踪误差及吊挂负载摆动所有信号的一致最终有界. 最后利用Quanser公司的QBall2飞行器进行三维空间螺旋轨迹的跟踪控制, 仿真结果验证了未知干扰下基于扩张状态观测器的四旋翼吊挂飞行非线性控制的有效性和优越性, 实现了四旋翼吊挂系统轨迹跟踪的精确控制和飞行过程中负载摆动的快速抑制.
面向无人艇的T-DQN智能避障算法研究
周治国, 余思雨, 于家宝, 段俊伟, 陈龙, 陈俊龙
, doi: 10.16383/j.aas.c210080
摘要:
无人艇作为一种具有广泛应用前景的无人系统, 其自主决策能力尤为关键. 由于水面运动环境较为开阔, 传统避障决策算法难以在量化规则下自主规划最优路线, 而一般强化学习方法在大范围复杂环境下难以快速收敛. 针对这些问题, 本文提出一种基于阈值的深度Q网络(Threshold deep Q network, T-DQN)避障算法, 在深度Q网络(Deep Q network, DQN)基础上增加长短期记忆(Long short term memory, LSTM)网络来保存训练信息, 并设定经验回放池阈值加速算法的收敛. 通过在不同尺度的栅格环境中进行实验仿真, 其结果表明所提出的T-DQN算法能快速地收敛到最优路径, 其整体收敛步数相比Q-Learning算法, DQN算法分别减少69.1 %与24.8 %, 引入的阈值筛选机制使整体收敛步数降低41.1 %. 在Unity 3D强化学习仿真平台中验证了复杂地图场景下的避障任务完成情况, 实验结果表明, 该算法能实现无人艇的精细化避障和智能安全行驶.
自适应变化响应的动态多目标进化算法
梁正平, 李辉才, 王志强, 胡凯峰, 朱泽轩
, doi: 10.16383/j.aas.c210121
摘要:
动态多目标优化问题的目标函数发生变化时, 需要采取变化响应策略对种群进行重新初始化, 以快速追踪新环境中的最优解集. 现有动态多目标优化算法对不同个体不同维度的决策变量缺乏针对性的变化响应, 导致重新初始化的效果尚存在较大改进空间. 为此, 本文提出了一种对不同个体不同维度的决策变量分别进行自适应变化响应的动态多目标进化算法(DMOEA-ACR). 该算法包括两个核心部分, 首先是对t时间步最优种群和t−1时间步最优种群中对应个体各维度决策变量之间的差异进行计算, 自适应选择变异策略或预测策略重新初始化不同个体不同维度的决策变量. 其次, 在每轮迭代或重新初始化后, 对非支配个体进行存档, 基于存档中心构建预测策略. 为了验证DMOEA-ACR的有效性, 将其与动态多目标优化领域的6种先进算法在最新测试问题集SDP和DF上进行对比, 实验结果表明DMOEA-ACR在求解动态多目标优化问题时具有明显的优势.
大数据下数模联动的随机退化设备剩余寿命预测技术
李天梅, 司小胜, 刘翔, 裴洪
, doi: 10.16383/j.aas.c201068
摘要:
本文面向大数据背景下随机退化设备剩余寿命预测的现实需求, 结合随机退化设备监测大数据特点及剩余寿命预测不确定性量化这一核心问题, 深入分析了机理模型与数据混合驱动的剩余寿命预测技术、基于机器学习的剩余寿命预测技术、统计数据驱动的剩余寿命预测技术以及机器学习和统计数据驱动相结合的剩余寿命预测技术的基本研究思想和发展动态, 剖析了当前研究存在的局限性和共性难题. 针对存在的局限性和共性难题, 以多源传感监测大数据下剩余寿命预测问题为例, 提出了一种数模联动的大数据下随机退化设备剩余寿命预测解决思路, 并通过航空发动机多源监测数据初步验证了该思路的可行性和有效性. 最后, 借鉴数模联动思路, 综合考虑机器学习方法和统计数据驱动方法的优势, 紧紧扭住大数据背景下随机退化设备剩余寿命预测不确定性量化问题, 提出了大数据背景下深度学习与随机退化建模交互联动、监测大数据与剩余寿命及其预测不确定性映射机制、非理想大数据下的剩余寿命预测等亟待解决的关键科学问题.
基于辅助信息补偿和控制信号编码的重放攻击检测方法
张正道, 杨佳佳, 谢林柏
, doi: 10.16383/j.aas.c210092
摘要:
在最优控制信号中加入编码信号是实现信息物理系统重放攻击检测的有效方法, 但会造成系统控制性能的损失. 如何在保证重放攻击检测率条件下降低系统的控制性能损失是一个值得研究的问题. 本文提出了一种基于辅助信息补偿的控制信号编码检测方法, 通过向测量值添加辅助信号补偿控制编码信号对最优状态估计的影响. 首先, 论文证明了此方案下重放攻击的可检测性, 导出了检测率的上界和检测函数阈值间的定量关系. 其次证明了加入辅助信号后系统控制信号与未添加编码信息时相同, 之前时刻的控制编码信号不会造成累积效应. 因此系统当前时刻的控制性能损失仅与当前时刻编码信号的大小有关. 最后, 将编码信号的协方差矩阵, 检测率和检测阈值之间的关系表示成一个最优化问题, 给出了编码信号方差的计算方法. 仿真结果表明, 本文方法能有效地检测重放攻击的发生, 且系统控制的性能损失较小.
基于多伯努利滤波的厚尾噪声条件下多扩展目标跟踪
陈辉, 张星星
, doi: 10.16383/j.aas.c201061
摘要:
针对厚尾噪声条件下不规则星凸形多扩展目标跟踪问题, 本文提出了一种基于多伯努利滤波的厚尾噪声条件下多扩展目标跟踪方法. 首先, 采用学生t分布对厚尾过程噪声和量测噪声进行建模, 并基于有限集统计理论(Finite set statistics, FISST)利用随机超曲面模型(Random matrix model, RHM)建立不规则星凸形多扩展目标的跟踪滤波模型. 然后, 利用学生t混合(Student's t mixture, STM)模型来表征多伯努利密度, 提出学生t混合多扩展目标多伯努利滤波算法, 并进一步基于鲁棒学生t容积滤波算法提出了非线性鲁棒学生t混合星凸形多扩展目标多伯努利滤波算法. 最后, 通过构造厚尾噪声条件下星凸形多扩展目标和多群目标的跟踪仿真实验验证了所提方法的有效性.
基于元学习的双目深度估计在线适应算法
张振宇, 杨健
, doi: 10.16383/j.aas.c200286
摘要:
双目深度估计的在线适应是一个有挑战性的问题, 其要求模型能够在不断变化的目标场景中在线连续地自我调整并适应于当前环境. 为处理该问题, 本文提出了一种新的在线元学习适应算法(Online meta-learning model with adaptation, OMLA), 其贡献主要体现在两方面: 首先引入在线特征对齐方法处理目标域和源域特征的分布偏差, 以减少数据域转移的影响, 然后利用在线元学习方法调整特征对齐过程和网络权重, 使模型实现快速收敛.此外, 本文提出了一种新的基于元学习的预训练方法, 以获得适用于在线学习场景的深度网络参数, 相关实验分析表明, OMLA和元学习预训练算法均能帮助模型快速适应于新场景, 在KITTI数据集上的实验对比表明, 本文方法的效果超越了当前最佳的在线适应算法, 接近甚至优于在目标域离线训练的理想模型.
一类具有未知幂次的高阶不确定非线性系统的自适应控制
刘玉发, 刘勇华, 苏春翌, 鲁仁全
, doi: 10.16383/j.aas.c200893
摘要:
本文研究了一类具有未知幂次的高阶不确定非线性系统的自适应跟踪控制问题. 在无需系统函数先验知识的条件下, 采用积分反推技术和障碍李雅普诺夫方法, 提出了一种新颖的自适应跟踪控制算法. 该控制算法的显著特点是所设计的自适应控制器均与系统幂次无关, 并且能够保证闭环系统的所有信号皆有界. 仿真算例验证了该控制算法的有效性.
惯性组合导航系统性能评估方法研究进展
董铭涛, 程建华, 赵琳, 刘萍
, doi: 10.16383/j.aas.c210377
摘要:
性能评估方法能够解决试验法无法评估定性指标, 以及试验难以开展时无法评估性能的问题, 已成为支撑各类军民装备现代化的重要技术手段. 然而, 性能评估方法的指标体系, 无量纲化方法及权重方法均存在不足, 难以满足精确性的要求. 对于指标具有模糊性和不可公度性, 且包含多个指标, 指标间具有多层次关系的系统而言, 例如, 惯性组合导航系统, 性能评估方法精确性尤为重要. 本文梳理了惯性组合导航系统性能评估方法研究进展. 首先, 介绍了惯性组合导航系统性能评估方法概述, 包括性能评估方法概念分析, 惯性组合导航系统特殊性讨论及惯性组合导航系统与性能评估方法关系分析. 其次, 分析了惯性组合导航系统指标体系, 无量纲化方法, 组合权重方法及评估方法等内容. 最后, 阐述惯性组合导航系统性能评估方法存在的问题及未来研究方向.
基于层次特征复用的视频超分辨率重建
周圆, 王明非, 杜晓婷, 陈艳芳
, doi: 10.16383/j.aas.c210095
摘要:
当前的深度卷积神经网络方法, 在视频超分辨率任务上实现的性能提升相对于图像超分辨率任务略低一些, 部分原因是它们对层次结构特征中的某些关键帧间信息的利用不够充分. 为此, 本文提出了一个称作层次特征复用网络(Hierarchical feature reuse network, HFRNet)的结构, 用以解决上述问题. 该网络保留运动补偿帧的低频内容, 并采用密集层次特征块(Dense hierarchical feature block, DHFB)自适应地融合其内部每个残差块的特征, 之后用长距离特征复用融合多个DHFB间的特征, 从而促进高频细节信息的恢复. 实验结果表明, 本文提出的方法在定量和定性指标上均优于当前的方法.
具有遗忘群体的社会网络多维观点动力学分析与应用
刘青松, 李明鹏, 柴利
, doi: 10.16383/j.aas.c210091
摘要:
在个体观点演化过程中, 由于通讯技术和实际环境的限制, 个体之间往往不能进行充分地交流. 另一方面, 由于社会群体的从众压力影响, 个体会改变已形成的观点. 本文研究具有遗忘群体和从众压力的拟强连通社会网络中表达/私人观点演化问题. 为了刻画不同话题之间表达/私人观点的相互影响, 提出一个新的多维观点动力学模型. 根据逻辑矩阵和网络影响子矩阵的正则性, 给出了表达和私人观点收敛的充分条件. 应用本文所提出的观点动力学模型, 复现了“多元无知”的社会现象. 仿真分析表明, 从众压力的恢复力越小, 表达观点与私人观点的差异越大.
基于流形正则化框架和MMD的域自适应BLS模型
赵慧敏, 郑建杰, 郭晨, 邓武
, doi: 10.16383/j.aas.c210009
摘要:
宽度学习系统(Broad learning system, BLS)作为一种基于随机向量函数型网络(Random vector functional link network, RVFLN)的高效增量学习系统, 具有快速自适应模型结构选择能力和高精度的特点. 但针对目标分类任务中有标签数据匮乏问题, 传统的BLS难以借助相关领域知识来提升目标域的分类效果, 为此本文提出一种基于流形正则化框架和最大均值差异(Maximum mean discrepancy, MMD)的域适应BLS(DABLS)模型, 实现目标域无标签条件下的跨域图像分类. DABLS模型首先构造BLS的特征节点和增强节点, 从源域和目标域数据中有效提取特征; 再利用流形正则化框架构造拉普拉斯矩阵, 以探索目标域数据中的流形特性, 挖掘目标域数据的潜在信息. 接着基于迁移学习方法构建源域数据与目标域数据之间的MMD惩罚项, 以匹配源域和目标域之间的投影均值; 将特征节点、增强节点、MMD惩罚项和目标域拉普拉斯矩阵相结合, 构造目标函数, 并采用岭回归分析法对其求解, 获得输出系数, 从而提高模型的跨域分类性能. 最后在不同图像数据集上进行大量的验证与对比实验, 结果表明DABLS在不同图像数据集上均能获得较好的跨域分类性能, 具有较强的泛化能力和较好的稳定性.
数据驱动的燃煤发电装备运行工况监控——现状与展望
赵春晖, 胡赟昀, 郑嘉乐, 陈军豪
, doi: 10.16383/j.aas.c200993
摘要:
大容量、高参数、低能耗的百万千瓦超超临界机组是燃煤发电领域的重大装备, 已成为全国电力工业发展的主流方向, 其安全可靠运行对推动发电企业转型升级具有重要意义. 本文从分析以百万千瓦超超临界机组为代表的燃煤发电装备的本质特性出发, 揭示了其变负荷深度调峰导致的非平稳运行特性和全流程复杂耦合特性, 总结了燃煤发电过程区别于一般连续过程的问题, 指出了研究燃煤发电装备运行工况监控算法的必要性. 进而, 基于这些特性, 我们对面向燃煤发电装备工况监控的数据驱动算法近30年的发展进行回顾和分析, 展示了算法发展的不同阶段. 在此基础上, 梳理了目前燃煤发电装备工况监控中存在的问题, 并进一步介绍了燃煤发电装备工况监控未来可能的发展方向.
基于线性变换的领导-跟随多智能体系统动态反馈均方一致性控制
郑维, 张志明, 刘和鑫, 张明泉, 孙富春
, doi: 10.16383/j.aas.c200850
摘要:
本文研究了基于半马尔科夫(Markov)跳变的领导-跟随多智能体系统的均方一致性控制问题. 首先, 针对多智能体系统同时存在通信时滞和执行器故障的问题, 提出基于线性变换的动态反馈控制策略. 其次, 将实现领导-跟随多智能体系统的均方一致性问题转化为多智能体误差系统的稳定性控制问题. 再次, 设计动态反馈控制器, 利用李亚谱诺夫(Lyapunov)函数抑制系统的非线性特性, 解决由控制器未知增益矩阵产生的非线性问题. 使领导-跟随多智能体系统达到均方一致, 并给出系统的\begin{document}${H_{\infty} }$\end{document}性能指标分析系统的鲁棒性. 最后, 仿真结果表明基于线性变换设计的动态反馈控制策略具有良好的控制性能, 并且能够提高领导-跟随多智能体系统的动态特性.
机械臂变长度误差跟踪迭代学习控制
陈强, 陈凯杰, 施卉辉, 孙明轩
, doi: 10.16383/j.aas.c200701
摘要:
针对任意初始状态下机械臂轨迹跟踪问题, 本文提出一种变长度误差跟踪迭代学习控制方法. 首先, 构造不依赖于期望轨迹的双曲余弦型期望误差轨迹, 放宽经典迭代学习控制的初始状态要求严格一致条件. 由于该误差轨迹只需设置一个常数项, 因而能够有效减少计算量, 使得期望误差轨迹的设计更为简单. 其次, 考虑机械臂运行区间随迭代次数变化的问题, 构建虚拟误差变量补偿机制, 通过定义虚拟误差变量对未运行区间进行信息补偿, 放宽经典迭代学习控制的迭代长度不变条件. 在此基础上, 基于Lyapunov-like理论设计迭代学习控制器和全限幅学习律, 实现机械臂关节位置在指定区间上跟踪给定的期望轨迹和保证未知参数估计值的有界性. 最后, 仿真结果验证了本文所提方法的有效性.
数据驱动的溶解氧浓度在线自组织控制方法
权利敏, 杨翠丽, 乔俊飞
, doi: 10.16383/j.aas.c210041
摘要:
针对城市污水处理过程的非线性, 不确定性以及非高斯等特点, 提出一种基于数据驱动的溶解氧浓度在线自组织控制方法. 首先, 设计了一种基于相关熵的自组织模糊神经网络控制器(Correntropy-based self-organizing fuzzy neural network, CSOFNN), 采用相关熵与规则贡献度指标实现控制器结构与参数的自动构建或修剪. 其次, 设计了基于相关熵诱导准则的补偿控制器及参数自适应律, 充分利用了相关熵抑制非高斯噪声的能力, 能够有效地降低系统中的不确定性. 然后, 分析了所提出的控制方法的稳定性, 从而保证其在实际应用中的可靠性. 最后, 基于基准仿真1号模型的实验验证了所提方法的有效性.
多阶段注意力胶囊网络的图像分类
宋燕, 王勇
, doi: 10.16383/j.aas.c210012
摘要:
本文针对胶囊网络特征提取不充分的问题, 提出了一种图像分类的多阶段注意力胶囊网络模型. 首先在卷积层对低层特征和高层特征分别采用空间和通道注意力来提取有效特征; 然后提出基于向量方向的注意力机制作用于动态路由层, 增加对重要胶囊的关注, 进而提高低层胶囊对高层胶囊预测的准确性; 最后, 在五个公共数据集上进行对比实验, 结果表明本文提出的模型在分类精度和鲁棒性上优于其他胶囊网络模型, 在仿射变换图像重构上也表现良好.
一种基于自训练的众包标记噪声纠正算法
杨艺, 蒋良孝, 李超群
, doi: 10.16383/j.aas.c210051
摘要:
针对众包标记经过标记集成后仍然存在噪声的问题, 提出了一种基于自训练的众包标记噪声纠正算法(Self-training-based label noise correction, STLNC). STLNC整体分为三个阶段: 第一阶段利用过滤器将带集成标记的众包数据集分为噪声集和干净集. 第二阶段利用加权密度峰值聚类算法构建数据集中低密度实例指向高密度实例的空间结构关系. 第三阶段首先根据发现的空间结构关系设计噪声实例选择策略; 然后利用在干净集上训练的集成分类器对选择的噪声实例按照设计的实例纠正策略进行纠正, 并将纠正后的实例加入到干净集, 再重新训练集成分类器; 重复实例选择与纠正过程直到噪声集中所有的实例被纠正; 最后用最后一轮训练得到的集成分类器对所有实例进行纠正. 在仿真标准数据集和真实众包数据集上的实验结果表明STLNC比其他五种最先进的噪声纠正算法在噪声比和模型质量两个度量指标上表现更优.
基于黎曼度量的一类反馈控制系统性能监测与诊断
李琳琳, 李莎莎, DINGSteven Xianchun, 彭鑫, 彭开香
, doi: 10.16383/j.aas.c210027
摘要:
针对复杂工业系统对性能衰退的容忍度低等问题, 提出基于系统性能预测的一类反馈控制系统过程监测方法, 通过黎曼度量对控制性能衰退程度进行预测与监测, 并给出发生故障的类型, 以提升过程监测系统的实时性与准确性. 首先, 利用系统的实时数据, 计算系统性能衰退的预测指标; 其次, 利用黎曼度量对系统性能衰退程度进行预测与监测, 并利用随机算法给出对应的阈值来诊断系统性能衰退; 最后, 通过训练各类引发系统性能衰退的故障的性能预测指标集合的中心和阈值, 实现故障的实时定位. 所提出的方法通过三容水箱仿真实验平台进行验证.
融合MRI信息的PET图像去噪: 基于图小波的方法
易利群, 盛玉霞, 柴利
, doi: 10.16383/j.aas.c201036
摘要:
正电子发射断层成像(Positron emission tomography, PET)是一种强大的核医学功能成像模式, 广泛地应用于临床诊断, 但PET图像的空间分辨率低且含有噪声, 有必要对PET图像进行去噪来提升PET图像的质量. 随着PET/MR等一体化成像设备的出现, 磁共振成像(Magnetic resonance imaging, MRI)的先验信息可用于PET图像去噪, 提高PET图像质量. 针对动态PET图像, 提出了一种融合MRI先验信息的PET图像图小波去噪新方法. 首先构建PET合成图像; 再将PET合成图像与MRI信息通过硬阈值方法进行融合; 接着在融合图像上构造图拉普拉斯矩阵; 最后通过图小波变换对动态PET图像去噪. 仿真实验结果表明, 与单独的图滤波、图小波去噪方法, 以及其他结合MRI的PET图像去噪方法相比, 本文方法有更高的信噪比, 更好地保留了病灶信息; 本文方法的去噪性能与VGG深度神经网络等基于学习的方法相当, 但不需要大量数据的训练, 计算复杂度低.
基于ANFIS的多AUV协同定位系统量测异常检测方法
徐博, 李盛新, 王连钊, 王权达
, doi: 10.16383/j.aas.c200921
摘要:
针对异常水声测距信息对多自主水下航行器(Autonomous underwater vehicles, AUV)协同定位系统的影响, 以及传统故障检测方法在多水声测距信息交替混淆的情况下检测效率低的问题, 本文提出了一种基于自适应神经模糊推理系统(Adaptive neuro-fuzzy inference system, ANFIS)的量测异常检测方法. 首先, 分别建立与各水声测距系统相对应的ANFIS模型; 然后, 通过自适应容积卡尔曼滤波和马氏距离构造能够反映量测异常的特征信息作为ANFIS的输入, 并基于预定义的量测异常信息建立初始混合数据库, 训练ANFIS模型实现对量测异常的在线实时检测与隔离. 最后, 利用湖水试验数据进行了AUV协同定位仿真验证, 实验结果表明该方法可以准确识别异常水声测距信息, 与传统故障检测方法相比误报率与漏检率均减少70%以上.
卷积神经网络表征可视化研究综述
司念文, 张文林, 屈丹, 罗向阳, 常禾雨, 牛铜
, doi: 10.16383/j.aas.c200554
摘要:
近年来, 深度学习在图像分类、目标检测及场景识别等任务上取得了突破性进展, 这些任务多以卷积神经网络(Convolutional neural network, CNN)为基础搭建识别模型, 训练后的模型拥有优异的自动特征提取和预测性能, 能够为用户提供“输入-输出”形式的解决方案. 然而, 由于分布式的特征编码和越来越复杂的模型结构, 人们始终无法准确理解CNN模型内部知识表示, 以及促使其做出特定决策的潜在原因. 另一方面, CNN模型在一些高风险领域的应用, 也要求对其决策原因进行充分了解, 方能获取用户信任. 因此, CNN的可解释性问题逐渐受到关注. 研究人员针对性的提出了一系列用于理解和解释CNN的方法, 包括事后解释方法和构建自解释的模型等, 这些方法各有侧重和优势, 从多方面对CNN进行特征分析和决策解释. 表征可视化是其中一种重要的CNN可解释性方法, 能够对CNN所学特征及输入-输出之间的相关关系以视觉的方式呈现, 从而快速获取对CNN内部特征和决策的理解, 具有过程简单和效果直观的特点. 本文对近年来CNN表征可视化领域的相关文献进行了综合性回顾, 按照以下几个方面组织内容: 表征可视化研究的提起、相关概念及内容、可视化方法、可视化的效果评估及可视化的应用, 重点关注了表征可视化方法的分类及算法的具体过程. 最后, 对该领域仍存在的难点及未来研究趋势进行了展望, 并总结了全文.
基于无监督深度模型迁移的滚动轴承寿命预测方法
康守强, 邢颖怡, 王玉静, 王庆岩, 谢金宝, MIKULOVICHV.I.
, doi: 10.16383/j.aas.c200890
摘要:
针对实际中某种工况滚动轴承带标签振动数据获取困难, 健康指标难以构建及寿命预测误差大的问题, 提出一种基于无监督深度模型迁移的滚动轴承剩余使用寿命预测方法. 该方法首先对滚动轴承全寿命周期振动数据提取均方根特征, 并引入新的自下而上时间序列分割算法将特征序列分割为正常期、退化期和衰退期3种状态; 对振动信号经快速傅里叶变换后的幅值序列进行状态信息标记, 并将其输入到新增卷积层的全卷积神经网络中, 提取深层特征, 得到预训练模型; 提出将预训练模型的梯度作为一种“特征”与传统预训练模型特征一起参与目标域网络训练过程, 从而得到状态识别模型; 利用状态概率估计法结合状态识别模型建立滚动轴承寿命预测模型. 实验验证, 所提方法无需构建健康指标, 可实现无监督条件下不同工况滚动轴承剩余寿命预测, 并获得较好的效果.
融合注意力机制的增强受限玻尔兹曼机驱动的交互式分布估计算法
暴琳, 孙晓燕, 巩敦卫, 张勇
, doi: 10.16383/j.aas.c200604
摘要:
面向用户生成内容的进化搜索在大数据及个性化服务领域已引起广泛关注, 其关键在于基于多源异构用户生成内容构建用户认知偏好模型, 进而设计高效的进化搜索机制. 针对此, 本文提出了融合注意力机制的受 限玻尔兹曼机偏好认知代理模型构建机制, 并应用于交互式分布估计算法, 设计含用户生成内容的个性化进化搜索策略. 基于用户群体提供的文本评论, 以及搜索物品的类别文本, 构建无监督受限玻尔兹曼机模型提取广义特征; 设计注意力机制, 融合广义特征, 获取对用户认知偏好高度相关特征的集成; 利用该特征再次训练受限玻尔兹曼机, 实现对用户偏好认知代理模型的构建; 根据用户偏好认知代理模型, 给出交互式分布估计算法概率更新模型以及物品适应度评价函数, 实现物品个性化进化搜索. 算法在亚马逊个性化搜索实例的应用验证了用户认知偏好模型的可靠性, 以及个性化进化搜索的有效性.
基于通用逆扰动的对抗攻击防御方法
陈晋音, 吴长安, 郑海斌, 王巍, 温浩
, doi: 10.16383/j.aas.c201077
摘要:
现有研究表明深度学习模型容易受到精心设计的对抗样本攻击, 从而导致模型给出错误的推理结果, 引发潜在的安全威胁. 已有较多有效的防御方法, 其中大多数针对特定攻击方法具有较好防御效果, 但由于实际应用中无法预知攻击者可能采用的攻击策略, 因此提出不依赖攻击方法的通用防御方法是一个挑战. 本文提出了一种基于通用逆扰动的对抗样本防御方法, 通过学习原始数据集中的类相关主要特征, 生成通用逆扰动(Universal Inverse Perturbation, UIP), 且UIP对数据样本和攻击方法都具有通用性, 即一个UIP可以实现对不同攻击方法作用于整个数据集得到的所有对样本进行防御. 此外, UIP通过强化良性样本的类相关重要特征实现对良性样本精度的无影响, 且生成UIP无需对抗样本的先验知识. 通过大量实验验证, 表明UIP在不同数据集、不同模型中对各类攻击方法都具备显著的防御效果, 且提升了模型对正常样本的分类性能.
基于模糊核估计的图像盲超分辨率神经网络
李公平, 陆耀, 王子建, 吴紫薇, 汪顺舟
, doi: 10.16383/j.aas.c200987
摘要:
模糊图像的超分辨率重建具有挑战性并且有重要的实用价值. 本文提出了一种基于模糊核估计的图像盲超分辨率神经网络, 主要包括两部分: 模糊核估计子网络和模糊核自适应的图像重建子网络. 给定任意低分辨率图像, 该网络首先利用模糊核估计子网络从输入图像估计出实际的模糊核, 然后根据估计到的模糊核, 该网络利用模糊核自适应的图像重建子网络完成输入图像的超分辨率重建. 与其他图像盲超分辨率方法不同, 本文提出的模糊核估计子网络能够显式地从输入低分辨率图像中估计出完整的模糊核, 然后模糊核自适应的图像重建子网络根据估计到的模糊核, 动态地调整网络各层的图像特征, 从而适应不同输入图像的模糊. 本文在多个基准数据集上进行了有效性实验, 定性和定量的结果都表明该网络优于同类的图像盲超分辨率神经网络.