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:
论文与报告
基于天牛群优化与改进正则化极限学习机的网络入侵检测
王振东, 刘尧迪, 杨书新, 王俊岭, 李大海
, doi: 10.16383/j.aas.c190851
摘要:
正则化极限学习机(Regularized extreme learning machine, RELM)因其极易于实现、训练速度快等优点在诸多领域均取得了成功应用. 对此, 本文将RELM引入到入侵检测中, 设计了天牛群优化算法(Beetle swarm optimization, BSO), 并针对RELM由于随机初始化参数带来的潜在缺陷, 提出基于天牛群优化与改进正则化极限学习机(BSO-IRELM)的网络入侵检测算法. 使用LU分解求解RELM的输出权值矩阵, 进一步缩短了RELM的训练时间, 同时利用BSO对RELM的权值和阈值进行联合优化. 为避免BSO算法陷入局部最优, 引入Tent映射反向学习、莱维飞行的群体学习与动态变异策略提升优化性能. 实验结果表明, 在机器学习UCI数据集上, 相比于RELM、IRELM、GA-IRELM、PSO-IRELM等算法, BSO-IRELM的数据分类性能提升明显. 最后, 将BSO-IRELM应用于网络入侵检测数据集NSL-KDD, 并与BP (Back propagation)、LR (Logistics regression)、RBF (Radial basis function)、AB (AdaBoost)、SVM (Support vector machine)、RELM、IRELM等算法进行了对比, 结果证明BSO-IRELM算法在准确率、精确率、真正率和假正率等指标上均具有明显优势.
深度EM胶囊网络全重叠手写数字识别与分离
姚红革, 董泽浩, 喻钧, 白小军
, doi: 10.16383/j.aas.c190849
摘要:
基于胶囊网络的向量神经元思想和期望最大算法(Expectation-maximiation, EM), 设计了一种以EM为向量聚类算法的深度胶囊网络(Deep capsule network, DCN), 实现了重叠手写数字的识别与分离. 该网络由两部分组成, 第 1 部分是“识别网络”,将 EM 算法改为 EM 向量聚类算法, 以替换原胶囊网络CapsNet 中的迭代路由部分, 这一改动优化了网络的运算过程, 实现了重叠数字识别. 第 2 部分是“重构网络”, 由结构完全相同的两个并行网络组成, 对双向量进行并行重构, 实现了重叠数字的分离. 实验结果显示, 对于 100% 全重叠手写数字图片本网络识别率达到了 96%, 对比CapsNet 在 80% 的重叠率下 95% 的识别率, 本文网络在难度提升的情况下, 识别率有明显提高, 能够将完全重叠的两张手写数字进行图片进行准确地分离.
基于自适应Kalman滤波的智能电网假数据注入攻击检测
罗小元, 潘雪扬, 王新宇, 关新平
, doi: 10.16383/j.aas.c190636
摘要:
研究了一种针对智能电网中假数据注入攻击的有效检测方法. 假数据注入攻击可以保持攻击前后残差基本不变, 绕过传统的不良数据检测技术. 首先基于电网模型, 分析了假数据注入攻击的攻击特性, 针对噪声统计特性未知且无迹Kalman滤波 (Unscented Kalman filter, UKF) 不稳定的现象, 提出了自适应平方根无迹Kalman滤波改进算法. 基于状态估计值, 结合中心极限定理提出检测算法, 并与欧几里得检测方法、巴氏系数检测方法进行比较. 最后, 仿真表明本文所提检测算法的优越性.
面向快速响应的赛汝生产系统构建模型与方法
湛荣鑫, 李冬妮, 马涛, 李俊杰, 吴延昭, 殷勇
, doi: 10.16383/j.aas.c190731
摘要:
当前市场环境具有多品种、变批量、产品生命周期短的波动特点, 赛汝生产系统(Seru production system, SPS)是一种目前广泛应用于电子制造行业的新型生产方式, 其具有优良的重构性和响应能力, 适合于应对波动市场环境. 本文提出了一个两阶段的赛汝生产系统构建问题模型, 两个阶段分别是Seru构建和Seru调度, 并证明了这两个问题模型均是NP难的, 结合模型分析给出了相应的精确/近似算法. 实验结果表明, 在波动市场环境下按照本文模型与方法构建出的赛汝生产系统其工人利用率始终保持在较高水平, 系统具有较强的重构性能和响应能力.
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.
基于改进YOLOX的移动机器人目标跟随方法
万琴, 李智, 李伊康, 葛柱, 王耀南, 吴迪
, doi: 10.16383/j.aas.c220344
摘要:
针对移动机器人在复杂场景中难以稳定跟随目标的问题, 提出基于改进YOLOX的移动机器人目标跟随方法, 主要包括目标检测、目标跟踪以及目标跟随三个部分. 首先, 以 YOLOX 网络为基础, 在其框架下将主干网络采用轻量化网络 MobileNetV2X, 提高复杂场景中目标检测的实时性. 然后, 通过改进的卡尔曼滤波器获取目标跟踪状态并采用数据关联进行目标匹配, 同时通过深度直方图判定目标发生遮挡后, 采用深度概率信息约束及最大后验概率进行匹配跟踪, 确保机器人在遮挡情况下稳定跟踪目标. 再采用基于视觉伺服控制的目标跟随算法, 当跟踪目标丢失时, 引入重识别特征主动搜寻目标实现目标跟随. 最后, 在公开数据集上与具有代表性的目标跟随方法进行了定性和定量实验, 同时在真实场景中完成了移动机器人目标跟随实验, 实验结果均验证了所提方法具有较好的鲁棒性和实时性.
基于改进扩展状态观测器的液压锚杆钻机滑模摆角控制
张振, 郭一楠, 巩敦卫, 朱松, 田滨
, doi: 10.16383/j.aas.c220524
摘要:
液压锚杆钻机摆角系统固有的死区、干扰和时变参数, 严重影响其动态和稳态性能. 为了解决该问题, 通过融合动态面方法、滑模方法和扩展状态观测器, 提出一种基于改进非线性扩展状态观测器的液压锚杆钻机自适应滑模摆角控制方法. 首先, 引入一种死区补偿方法, 建立了摆角系统的死区补偿模型. 其次, 为了提高系统的抗扰动能力和抑制噪声, 设计了一种改进的非线性扩展状态观测器. 此外, 构造了一种自适应滑模控制律, 这其中, 基于性能函数和动态面方法设计了一种新型的滑模面, 以提高控制精度; 随后, 设计了一种新的滑模趋近律, 以提高系统滑模响应速度和消除滑模抖振. 进一步, 分别设计了估计误差自适应律和参数自适应律以补偿扰动估计误差和抑制时变参数的影响. 最后, 通过将所提出的控制方法与8种控制方法进行比较, 验证其有效性.
复杂工业过程非串级双速率组合分散运行优化控制
赵建国, 杨春雨
, doi: 10.16383/j.aas.c210897
摘要:
复杂工业过程具有模型维数高、多时间尺度耦合、动态不确定性等特点, 其运行优化控制(Operational optimal control, OOC)一直是控制领域的研究难点与热点. 本文聚焦一类由多个快变且互联的设备单元与慢变且模型未知的运行过程串联组成的工业过程, 提出一种数据和模型混合驱动的非串级双速率组合分散运行优化控制方法. 该方法通过奇异摄动理论, 将非串级双速率运行优化问题描述为异步采样的慢子系统最优设定值跟踪和快子系统最优调节控制. 利用工业运行数据, 采用不依赖系统动态的Q-学习算法设计慢子系统最优跟踪策略, 克服运行过程模型难以建立的情形; 针对快子系统, 设计基于模型的分散次优控制策略, 并给出收敛因子的下界, 解决设备层互联项对系统稳定性的影响. 通过浮选过程仿真实验验证了所提控制方法的有效性.
基于讨价还价博弈机制的B-IHCA*多机器人路径规划算法
张凯翔, 毛剑琳, 向凤红, 宣志玮
, doi: 10.16383/j.aas.c220065
摘要:
针对密集场景中大规模冲突导致多机器人路径规划(Multi-agent path finding, MAPF) 成功率低的问题, 引入讨价还价博弈机制并以层级协作A* (Hierarchical cooperative A*, HCA*) 算法为内核, 提出一种基于讨价还价博弈机制的改进层级协作A* (Bargaining game based improving HCA*, B-IHCA*) 算法. 首先, 在HCA*算法基础上, 对导致路径无解的冲突双方或多方进行讨价还价博弈. 由高优先级机器人先出价, 当低优先级机器人在该条件下无法求解时, 则其将不接受该出价, 并通过降约束求解方式进行还价. 再由其他冲突方对此做进一步还价, 直至各冲突方都能协调得到可接受的路径方案. 其次, 为避免原始HCA*算法由于高优先级的阻碍陷于过长或反复无效搜索状态, 在底层A*搜索环节加入了熔断机制. 通过熔断机制与讨价还价博弈相配合可在提升路径求解成功率的同时兼顾路径代价. 研究结果表明, 所提算法在密集场景大规模机器人路径规划问题上较现有算法求解成功率更高, 求解时间更短, 路径代价得到改善, 验证了算法的有效性.
基于区域正交化分割的平面点集凸包算法
李可, 高清维, 卢一相, 孙冬, 竺德
, doi: 10.16383/j.aas.c190590
摘要:
为解决实际工程应用中具有超大规模的平面点集的凸包计算问题, 提出了一种基于点集所在区域正交化分割的新算法. 利用点集几何结构的部分极点对平面点集进行正交化分割, 以获取不相干的点集子集簇, 再对所有点集子集分别计算其凸包极点, 最后合并极点得到凸包点集. 在不同层级的正交化分割过程中, 根据已知极点的信息, 逐层舍去对于凸包极点生成没有贡献的无效点, 进而提高算法运行效率. 在与目前常用凸包算法的对比实验中, 该算法处理超大规模的平面点集时稳定性高且速度更快.
多率量测下随机跳变系统迁移交互多模型估计
高爽, 栾小丽, 赵顺毅, 刘飞
, doi: 10.16383/j.aas.c220011
摘要:
实际工业过程中, 量测数据除了在线仪表采集的快速率数据, 还有离线化验等慢速率辅助量测数据. 为了更好地利用离线化验数据, 增加在线估计的精度, 本文针对随机跳变系统, 引入迁移学习思想, 提出迁移交互多模型估计新策略. 首先, 将离线化验数据的边缘分布作为可以迁移的知识, 迁移到贝叶斯后验分布, 实现辅助量测数据的充分利用. 其次, 利用KL (Kullback-Leibler) 散度度量知识迁移前后任务间的差异性, 求解最优的贝叶斯迁移估计器. 同时, 结合慢速率量测, 利用平滑策略获取待迁移的估计值, 解决多率量测下的迁移估计难题. 然后, 利用影响力函数构建辅助量测数据与估计性能之间的解析关系, 从而对迁移效果进行定量评价. 最后, 通过在目标跟踪实例中的应用, 表明本文所提方法的有效性及优越性.
基于自适应噪声的最大熵进化强化学习方法
王君逸, 王志, 李华雄, 陈春林
, doi: 10.16383/j.aas.c220103
摘要:
近年来, 进化策略由于其无梯度优化和高并行化效率等优点, 在深度强化学习领域得到了广泛的应用. 然而, 传统基于进化策略的深度强化学习方法存在着学习速度慢、容易收敛到局部最优和鲁棒性较弱等问题. 为此, 提出了一种基于自适应噪声的最大熵进化强化学习方法. 首先, 引入了一种进化策略的改进办法, 在“优胜”的基础上加强了“劣汰”, 从而提高进化强化学习的收敛速度; 其次, 在目标函数中引入了策略最大熵正则项, 来保证策略的随机性进而鼓励智能体对新策略的探索; 最后, 提出了自适应噪声控制的方式, 根据当前进化情形智能化调整进化策略的搜索范围, 进而减少对先验知识的依赖并提升算法的鲁棒性. 实验结果表明, 该方法较之传统方法在学习速度、最优性收敛和鲁棒性上有比较明显的提升.
基于高斯–广义双曲混合分布的非线性卡尔曼滤波
王国庆, 杨春雨, 马磊, 代伟
, doi: 10.16383/j.aas.c220400
摘要:
本文研究带非平稳厚尾非高斯量测噪声的非线性系统状态估计问题. 考虑到广义双曲分布包含多种常见厚尾分布特例, 且其混合分布为共轭的广义逆高斯分布, 本文选用广义双曲分布建模厚尾噪声; 进而引入伯努利变量构建高斯–广义双曲混合分布来建模非平稳厚尾噪声, 并利用该分布的高斯分层结构得到系统的概率模型. 随后采用变分贝叶斯方法实现对系统状态以及噪声参数的后验估计, 得到针对此类噪声系统的卡尔曼滤波 (Kalman filter, KF) 框架, 现有的几种鲁棒滤波均是本文方法的特例. 机器人跟踪仿真实验表明, 本文所提算法与同类算法相比具有更好的估计精度和数值稳定性, 且对于初始参数具有较好的鲁棒性.
一种空间几何角度最大化的随机增量学习模型及应用
南静, 代伟, 袁冠, 周平
, doi: 10.16383/j.aas.c211041
摘要:
针对随机权神经网络(Random weight neural networks, RWNNs)含层节点随机生成过程可解释性不足和节点随机生成而导致的网络结构不紧致等问题, 本文提出了一种空间几何角度最大化随机增量学习模型(Stochastic incremental learning model with maximizing spatial geometry angle, SGA-SIM). 首先, 以空间几何视角深入分析随机增量学习过程, 建立了具有可解释性的空间几何角度最大化约束, 以改善隐含层节点质量, 并证明该学习模型具有无限逼近特性; 同时, 引入格雷维尔迭代法优化学习模型输出权值计算方法, 提高模型学习效率. 在真实的分类和回归数据集以及数值模拟实例上的实验结果表明, 本文所提增量学习模型在建模速度、模型精度和模型网络结构等多个方面具有明显优势.
面向卷积混叠环境下的盲源分离新方法
解元, 邹涛, 孙为军, 谢胜利
, doi: 10.16383/j.aas.c211207
摘要:
卷积混叠环境下的的盲源分离(Blind source separation, BSS)是一个极具挑战性和实际意义的问题. 本文在独立分量(Independent component analysis, ICA)分析框架下, 建立非负矩阵分解(Nonnegative matrix factorization, NMF)模型, 设计新的优化目标函数, 通过严格的数学理论推导, 得到新的模型参数更新规则; 并对解混叠矩阵进行标准化处理, 避免幅度歧义性问题; 在源信号的重构阶段, 通过实时更新非负矩阵分解模型参数, 避免源信号的排序歧义性问题. 实验结果验证了本文算法在分离中英文语音混叠信号、音乐混叠信号的有效性和优越性.
基于终端诱导强化学习的航天器轨道追逃博弈
耿远卓, 袁利, 黄煌, 汤亮
, doi: 10.16383/j.aas.c220204
摘要:
针对脉冲推力航天器轨道追逃博弈问题, 提出一种基于强化学习的决策方法, 实现追踪星在指定时刻抵近至逃逸星的特定区域, 其中两星都具备自主博弈能力. 首先, 充分考虑追踪星和逃逸星的燃料约束、推力约束、决策周期约束、运动范围约束等实际约束条件, 建立锥形安全接近区及追逃博弈过程的数学模型; 其次, 为了提升航天器面对不确定博弈对抗场景的自主决策能力, 以近端策略优化 (Proximal policy optimization, PPO) 算法框架为基础, 采用左右互搏的方式同时训练追踪星和逃逸星, 交替提升两星的决策能力; 在此基础上, 为了在指定时刻完成追逃任务, 提出一种终端诱导的奖励函数设计方法, 基于~CW(Clohessy Wiltshire)~方程预测两星在终端时刻的相对误差, 并将该预测误差引入奖励函数中, 有效引导追踪星在指定时刻进入逃逸星的安全接近区. 与现有基于当前误差设计奖励函数的方法相比, 本文方法能够有效提高追击成功率. 最后, 通过与其他学习方法仿真对比, 验证本文提出的训练方法和奖励函数设计方法的有效性和优越性.
面向认知表现预测的时−空共变混合深度学习模型
李晴, 徐雪远, 邬霞
, doi: 10.16383/j.aas.c220025
摘要:
认知表现预测已经成为当前大脑研究的重要课题. 功能磁共振成像技术由于同时具有较好的时间和空间分辨率, 有潜力为认知表现预测提供数据支持. 为了解决基于功能磁共振成像数据对认知表现进行预测时大脑所具有的时−空共变难刻画问题, 提出了一种新型基于大脑学习机制的时−空共变混合深度学习模型, 即深度稀疏自编码器与循环全连接网络混合模型, 以混合神经网络模型的损失函数误差作为认知表现预测能力的评价标准. 在人类连接组项目数据集上的实验结果表明, 提出的时−空共变混合模型能够有效和稳健地预测认知表现, 并提取到与人脑学习、记忆相关的有意义的脑影像特征, 从而为认知表现预测提供技术支持.
融合包注意力机制的监控视频异常行为检测
肖进胜, 申梦瑶, 江明俊, 雷俊峰, 包振宇
, doi: 10.16383/j.aas.c190805
摘要:
针对监控视频中行人非正常行走状态的异常现象, 提出了一个端到端的异常行为检测网络, 以视频包为输入, 输出异常得分. 时空编码器提取视频包时空特征后, 利用基于隐向量的注意力机制对包级特征进行加权处理, 最后用包级池化映射出视频包得分. 本文整合了4个常用的异常行为检测数据集, 在整合数据集上进行算法测试并与其他异常检测算法进行对比. 多项客观指标结果显示, 本文算法在异常事件检测方面有着显著的优势.
基于篇章的汉语句法结构树库构建
卢露, 矫红岩, 李梦, 荀恩东
, doi: 10.16383/j.aas.c190828
摘要:
为快速构建一个大规模、多领域的高质树库, 提出一种基于短语功能与句法角色组块的、便于标注多层次结构的标注体系, 在篇章中综合利用标点、句法结构、表述功能作为句边界判断标准, 确立合理的句边界与层次; 在句子中以组块的句法功能为主, 参考篇章功能、人际功能, 以4个性质标记、8个功能标记、4个句标记来描写句中3类5种组块, 标注基本句型骨架, 突出中心词信息. 目前已初步构建有质量保证的千万汉字规模的浅层结构分析树, 包含60余万小句的9千余条句型结构库, 语料涉及百科、新闻、专利等应用领域文本1万余篇; 与此同时也探索了高效的标注众包管理模式.
基于单试次脑电解码的类自举法谎言预测研究
白帅帅, 陈超, 魏玮, 代璐瑶, 刘烨, 邱爽, 何晖光
, doi: 10.16383/j.aas.c220341
摘要:
基于脑电(Electroencephalogram, EEG)的谎言预测技术依赖于对事件相关电位(Event-related potential, ERP)的有效解码, 当前主要采用手工设计特征进行脑电分析. 近年, 单试次脑电分类方法取得了长足进步, 其中端到端的脑电分类方法能够实现对脑电的自动特征提取和分类, 但在谎言预测中缺乏研究和应用, 同时存在无法在测谎场景下直接应用的问题. 本研究设计基于复合反应范式(Complex trial protocol, CTP)进行自我面孔信息识别任务的实验, 采集了18 名被试的脑电数据. 研究了不同端到端的单试次ERP分类方法在谎言预测中的应用, 同时针对单试次脑电解码方法无法直接实际应用的问题, 提出了一种类自举算法. 算法基于数据分布假设, 通过对比各类刺激图像被视为探针刺激时所训练模型的性能, 来推断真正的探针刺激. 实验结果表明, 在基于自我面孔信息的CTP的谎言预测中, 所提出的类自举法性能优于传统探针预测方法, 在仅使用少量脑电数据情况下, 可实现准确的谎言预测.
自适应特征融合的多模态实体对齐研究
郭浩, 李欣奕, 唐九阳, 郭延明, 赵翔
, doi: 10.16383/j.aas.c210518
摘要:
多模态数据间交互式任务的涌现对综合利用不同模态的知识提出了高要求, 多模态知识图谱应运而生, 其通过融合不同模态的知识来满足这类任务的需求. 然而, 现有多模态知识图谱存在图谱知识不完整的问题, 严重阻碍对信息的有效利用. 缓解此问题关键是通过实体对齐方法对图谱进行补全. 当前多模态实体对齐方法以固定权重融合多种模态信息, 在融合过程中忽略了不同模态信息贡献的差异性. 为解决上述问题, 本文设计一套自适应特征融合机制, 根据不同模态数据质量动态融合实体结构信息和视觉信息. 此外, 考虑到视觉信息质量不高、知识图谱之间的结构差异也影响实体对齐的效果, 本文分别设计提升视觉信息有效利用率的视觉特征处理模块以及缓和结构差异性的三元组筛选模块. 在多模态实体对齐任务上的实验结果表明, 本文提出的多模态实体对齐方法的性能优于当前最好的方法.
基于激光雷达的无人驾驶3D多目标跟踪
熊珍凯, 程晓强, 吴幼冬, 左志强, 刘家胜
, doi: 10.16383/j.aas.c210783
摘要:
无人驾驶汽车行驶是连续时空的三维运动, 汽车周围的目标不可能突然消失或者出现, 因此, 对于感知层而言, 稳定可靠的多目标跟踪(Multi-object tracking, MOT)意义重大. 针对传统的目标关联和固定生存周期管理的不足, 提出了基于边界交并比(Border intersection over union, BIoU)度量的目标关联和自适应生存周期管理策略. BIoU综合了欧氏距离和交并比(Intersection over union, IoU)的优点, 提高了目标关联的精度. 自适应生存周期管理将目标轨迹置信度与生存周期相联系, 显著减少了目标丢失和误检. 在KITTI多目标跟踪数据集上的实验验证了该方法的有效性.
基于多层注意力和消息传递网络的药物相互作用预测方法
饶晓洁, 张通, 孟献兵, 陈俊龙
, doi: 10.16383/j.aas.c220371
摘要:
药物相互作用(Drug-drug interaction, DDI)是指不同药物存在抑制或促进等作用. 现有DDI预测方法往往直接利用药物分子特征表示预测DDI, 而忽略药物分子中不同原子对DDI的影响. 为此, 提出基于多层次注意力机制和消息传递神经网络的DDI预测方法. 该方法将DDI建模为通过学习基于序列表示的药物分子特征实现DDI预测的链接预测问题. 首先, 建立基于注意力机制和消息传递神经网络的原子特征网络, 结合提出的基于分子质心的位置编码, 学习不同原子及其相关联化学键的特征, 构建基于图结构的药物分子特征表示; 然后, 设计基于注意力机制的分子特征网络, 并通过监督和对比损失学习, 实现DDI预测; 最后, 通过实验证明该方法的有效性和优越性.
基于流模型的缺失数据生成方法在剩余寿命预测中的应用
张博玮, 郑建飞, 胡昌华, 裴洪, 董青
, doi: 10.16383/j.aas.c220219
摘要:
针对缺失数据生成模型精度低和训练速度慢的问题, 本文基于流模型框架提出了一种改进非线性独立成分估计(Nonlinear independent components estimation, NICE)的缺失时间序列生成方法. 该方法依靠流模型框架生成模型精度高、训练过程速度快的优势, 并结合粒子群优化算法(Particle swarm optimization, PSO) 优化NICE生成网络采样的退火参数, 训练学习监测数据的真实分布, 从而实现对数据缺失部分的最优填补. 为进一步拓宽所提方法的应用范围, 利用基于流模型的缺失数据生成方法得到的生成数据, 通过建立融合注意力机制的双向长短时记忆网络(Bidirectional long short-term memory with attention, Bi-LSTM-Att)的退化设备预测模型, 实现设备剩余寿命的准确预测. 最后, 通过锂电池退化数据的实例研究, 验证了该方法的有效性和潜在应用价值.
一种基于随机权神经网络的类增量学习与记忆融合方法
李德鹏, 曾志刚
, doi: 10.16383/j.aas.c220312
摘要:
连续学习多个任务的能力对于通用人工智能的发展至关重要. 现有人工神经网络在单一任务上具有出色表现, 但在开放环境中依次面对不同任务时非常容易发生灾难性遗忘现象, 即联结主义模型在学习新任务时会迅速地忘记旧任务. 为了解决这个问题, 本文将随机权神经网络与生物大脑的相关工作机制联系起来, 提出了一种新的再可塑性启发的随机化网络(Metaplasticity-inspired randomized network, MRNet)用于类增量学习场景, 使得单一模型在不访问旧任务数据的情况下能够从未知的任务序列中学习与记忆融合. 首先, 以前馈方式构造了具有解析解的通用连续学习框架, 用于有效兼容新任务中出现的新类别; 然后, 基于突触可塑性设计了具备记忆功能的权值重要性矩阵, 自适应地调整网络参数以避免发生遗忘; 最后, 所提方法的有效性和高效性通过5个评价指标, 5个基准任务序列和10个比较方法在类增量学习场景中得到验证.
基于有向图的分布式连续时间非光滑耦合约束凸优化分析
刘奕葶, 马铭莙, 付俊
, doi: 10.16383/j.aas.c210808
摘要:
本文研究了一类分布式优化问题, 其目标是在满足耦合不等式约束和局部可行集约束的情况下使非光滑全局代价函数值最小. 首先, 对原有的分布式连续时间投影算法进行拓展, 结合线性代数理论分析, 我们设计一个适用于强连通加权平衡有向通信网络拓扑图的算法. 其次, 在局部代价函数和耦合不等式约束函数是非光滑凸函数的假设条件下, 利用Moreau-Yosida函数正则化使目标函数和约束函数近似光滑可微. 然后, 根据强连通加权平衡有向图的分布式连续时间投影算法构造李雅普诺夫函数, 证明该算法下的平衡解是分布式优化问题最优解, 并对算法进行收敛性分析. 最后, 通过数值仿真验证了算法的有效性.
基于SCN数据模型的SISO非线性自适应控制
代伟, 张政煊, 杨春雨, 马小平
, doi: 10.16383/j.aas.c210174
摘要:
针对一类难以建立精确模型的单输入单输出(Single-input single-output, SISO) 非线性离散动态系统, 提出了一种数据驱动模型的自适应控制方法. 所提方法首先设计具有直链与增强结构的随机配置网络(Stochastic configuration network, SCN), 建立了一种可同时表征非线性系统低阶线性部分与高阶非线性项(未建模动态)的数据驱动模型, 并采用增量学习方法与监督机制, 对模型结构与模型参数进行同步更新优化, 保证了数据驱动模型的无限逼近能力, 解决了传统自适应控制采用交替辨识算法存在的建模精度低、模型收敛性无法保证的问题. 进而利用直链部分与增强部分, 分别设计了线性控制器及虚拟未建模动态补偿器, 建立了基于SCN 数据驱动模型的自适应控制新方法, 分析了其稳定性与收敛性, 通过数值仿真实验和采用交替辨识算法的传统自适应控制方法进行对比, 实验结果表明所提方法的有效性.
城市固废焚烧过程数据驱动建模与自组织控制
丁海旭, 汤健, 乔俊飞
, doi: 10.16383/j.aas.c220570
摘要:
城市固废焚烧(Municipal solid waste incineration, MSWI)是处置城市固废(Municipal solid waste, MSW) 的主要手段之一. 中国MSW来源范围广、组分复杂、热值波动大, 其焚烧过程通常依靠人工干预, 这导致MSWI过程智能化水平较低且难以满足日益提升的控制需求. MSWI具有多变量耦合、工况漂移等诸多不确定性特征, 因而难以建立其被控对象模型并设计在线控制器. 针对以上问题, 提出了一种面向MSWI过程的数据驱动建模与自组织控制方法. 首先, 构建了基于多输入多输出Takagi Sugeno 模糊神经网络(Multi-input multi-output Takagi Sugeno fuzzy neural network, MIMO-TSFNN) 的被控对象模型; 然后, 设计了基于多任务学习的自组织模糊神经网络控制器(Multi-task learning fuzzy neural network controller, MTL-SOFNNC)用于同步控制炉膛温度与烟气含氧量, 其通过计算神经元的相似度与多任务学习(Multi-task learning, MTL)能力对控制器结构进行自组织调整; 接着, 通过Lyapunov定理对MTL-SOFNNC稳定性进行了证明; 最后, 通过北京市某MSWI厂的过程数据验证了模型与控制器的有效性.
一种同伴知识互增强下的序列推荐方法
胡开喜, 李琳, 吴小华, 解庆, 袁景凌
, doi: 10.16383/j.aas.c220347
摘要:
序列推荐(Sequential recommendation, SR)旨在建模用户序列中的动态兴趣, 预测下一个行为. 现有基于知识蒸馏的多模型集成方法通常将教师模型预测的概率分布作为学生模型样本学习的软标签, 不利于关注低置信度序列样本中的动态兴趣. 提出了一种同伴知识互增强下的序列推荐方法(Sequential recommendation enhanced by peer knowledge, PeerRec), 使多个具有差异的同伴网络按照人类由易到难的认知过程进行两阶段的相互学习. 在第一阶段知识蒸馏的基础上, 第二阶段的刻意训练通过动态最小组策略协调多个同伴从低置信度样本中挖掘出可被加强训练的潜在样本. 然后, 受训的网络利用同伴对潜在样本预测的概率分布调节自身对该样本学习的权重, 从解空间中探索更优的兴趣表示. 三个公开数据集上的实验结果表明, 提出的PeerRec方法相比于最新的基线方法在基于Top-k的指标上不仅获得了更佳的推荐精度, 且具有良好的在线推荐效率.
基于分层控制策略的六轮滑移机器人横向稳定性控制
于力率, 苏晓杰, 孙少欣, 焦春亭
, doi: 10.16383/j.aas.c220326
摘要:
六轮野外机器人通常体积庞大, 难以建立其动力学模型. 采用传统的速度控制方法很难保证机器人的横向稳定性. 为了解决这一问题, 研究了基于分层控制策略的六轮滑移机器人横向稳定性控制问题. 首先分析整车受力情况, 建立六轮滑移机器人的动力学模型. 其次, 设计基于分层控制策略的动力学控制器, 其中上层为基于改进趋近律的滑模控制器, 实现对期望横摆角速度的跟踪; 下层为基于附着率最优的转矩分配控制器, 该控制器可以保证机器人行驶的横向稳定性. 最后, 在不同工况下进行仿真实验, 并搭建实验平台进行实物测试. 结果表明设计的控制器可以有效提高机器人的横向稳定性.
结合聚类分解的增强蚁群算法求解复杂绿色车辆路径问题
胡蓉, 李洋, 钱斌, 金怀平, 向凤红
, doi: 10.16383/j.aas.c190872
摘要:
文针对带时间窗的低能耗多车场多车型车辆路径问题(Low-energy-consumption multi-depot heterogeneous-fleet vehicle routing problem with time windows, LMHFVPR_TW), 提出一种结合聚类分解策略的增强蚁群算法(Enhanced ant colony algorithm based on clustering decomposition, EACO_CD)进行求解. 首先, 由于该问题具有强约束、大规模和NP-Hard等复杂性, 为有效控制问题的求解规模并合理引导算法在优质解区域搜索, 根据问题特点设计两种基于K-means的聚类策略, 将LMHFVPR_TW合理分解为一系列带时间窗的低能耗单车场单车型车辆路径子问题(Low-energy-consumption vehicle routing problem with time windows, LVRP_TW); 其次, 本文提出一种增强蚁群算法(Enhanced ant colony optimization, EACO)求解分解后的各子问题(LVRP_TW), 进而获得原问题的解. EACO不仅引入信息素挥发系数控制因子进一步动态调节信息素挥发系数, 从而有效控制信息素的挥发以提高算法的全局搜索能力, 而且设计基于4种变邻域操作的两阶段变邻域局部搜索(Two-stage variable neighborhood search, TVNS)来增强算法的局部搜索能力. 最后, 在不同规模问题上的仿真和对比实验验证了所提EACO_CD的有效性.
基于最大最小策略的纵向联邦学习隐私保护方法
李荣昌, 刘涛, 郑海斌, 陈晋音, 刘振广, 纪守领
, doi: 10.16383/j.aas.c211233
摘要:
纵向联邦学习是一种新兴的分布式机器学习技术, 在保障隐私性的前提下利用分散在各个机构的数据实现机器学习模型的联合训练. 纵向联邦学习被广泛应用于工业互联网金融借贷和医疗诊断等众多领域中, 因此保证其隐私安全性具有重要意义. 本文首先针对纵向联邦学习协议中由于参与方交换的嵌入表示造成的隐私泄露风险, 研究由协作者发起的通用的属性推断攻击. 攻击者利用辅助数据和嵌入表示训练一个攻击模型, 然后利用训练完成的攻击模型窃取参与方的隐私属性. 实验结果表明: 纵向联邦学习在训练、推理阶段产生的嵌入表示容易泄露数据隐私. 为了应对上述隐私泄露风险, 进一步提出一种基于最大最小策略的纵向联邦学习隐私保护方法, 其引入梯度正则组件保证训练过程主任务的预测性能, 同时引入重构组件掩藏参与方嵌入表示中包含的隐私属性信息. 最后, 在钢板缺陷诊断工业场景的实验结果表明: 相比于没有任何防御方法的VFL, 隐私保护方法将攻击推断准确度从95%降到55%以下, 接近于随机猜测的水平, 同时主任务预测准确率仅下降2%.
基于一步张量学习的多视图子空间聚类
赵晓佳, 徐婷婷, 陈勇勇, 徐勇
, doi: 10.16383/j.aas.c220138
摘要:
现有多视图子空间聚类算法通常先进行张量表示学习, 进而将学习到的表示张量融合为统一的亲和度矩阵. 然而, 因其独立地学习表示张量和亲和度矩阵, 忽略了两者之间的高度相关性. 为了解决此问题, 提出一种基于一步张量学习的多视图子空间聚类方法, 联合学习表示张量和亲和度矩阵. 具体地, 该方法对表示张量施加低秩张量约束, 以挖掘视图的高阶相关性. 利用自适应最近邻法对亲和度矩阵进行灵活重建. 使用交替方向乘子法对模型进行优化求解, 通过对真实多视图数据的实验表明, 较于最新的多视图聚类方法, 提出的算法具有更好的聚类准确性.
考虑全局和局部帕累托前沿的多模态多目标优化算法
李文桦, 明梦君, 张涛, 王锐, 黄生俊, 王凌
, doi: 10.16383/j.aas.c220476
摘要:
多模态多目标优化问题 (Multimodal multi-objective optimization problems, MMOPs)是指具有多个全局或局部Pareto解集(Pareto solution sets, PSs)的多目标优化问题 (Multi-objective optimization problems, MOPs). 在这类问题中, Pareto前沿(Pareto front, PF)上相距很近的目标向量, 可能对应于决策空间中相距较远的不同解. 在实际应用中全局或局部最优解的缺失可能导致决策者缺乏对问题的整体认识, 造成不必要的困难或经济损失. 大部分多模态多目标进化算法 (Multimodal multi-objective evolutionary algorithms, MMEAs) 仅关注获取尽可能多的全局最优解集, 而忽略了对于局部最优解集的搜索. 为了找到局部最优解集并提高多模态优化算法的性能, 本文首先提出了一种局部收敛性指标 (Local convergence indicator, \begin{document}$ I_{LC}$\end{document}), 并设计了一种基于该指标和改进种群拥挤度的环境选择策略. 基于此提出了一种用于获取全局和局部最优解集的多模态多目标优化算法. 经实验验证, 该算法在对比的代表性算法中性能较好.
基于多尺度变形卷积的特征金字塔光流计算方法
范兵兵, 葛利跃, 张聪炫, 李兵, 冯诚, 陈震
, doi: 10.16383/j.aas.c220142
摘要:
针对现有深度学习光流计算方法的运动边缘模糊问题, 提出了一种基于多尺度变形卷积的特征金字塔光流计算方法. 首先, 构造基于多尺度变形卷积的特征提取模型, 显著提高图像边缘区域特征提取的准确性; 然后, 将多尺度变形卷积特征提取模型与特征金字塔光流计算网络耦合, 提出一种基于多尺度变形卷积的特征金字塔光流计算模型; 最后, 设计一种结合图像与运动边缘约束的混合损失函数, 通过指导模型学习更加精准的边缘信息, 克服了光流计算运动边缘模糊问题. 分别采用 MPI-Sintel 和 KITTI2015 测试图像集对该方法与代表性的深度学习光流计算方法进行综合对比分析. 实验结果表明, 该方法具有更高的光流计算精度, 有效解决了光流计算的边缘模糊问题.
面向全量测点耦合结构分析与估计的工业过程监测方法
赵健程, 赵春晖
, doi: 10.16383/j.aas.c220090
摘要:
实际工业场景中, 需要在生产过程中收集大量测点的数据, 从而掌握生产过程运行状态. 传统的过程监测方法通常仅评估运行状态整体的异常与否, 或对运行状态进行分级评估, 这种方式并不会直接定位故障部位, 不利于故障的高效检修. 为此, 提出了一种基于全量测点估计的监测模型, 根据全量测点估计值与实际值的偏差定义监测指标, 从而实现全量测点的分别精准监测. 为了克服原有的基于工况估计的监测方法监测不全面且对测点间耦合关系建模不充分的问题, 提出了多核图卷积网络(Multi-kernel graph convolution network, MKGCN), 通过将全量传感器测点视为一张全量测点图, 显式地对测点间耦合关系进行建模, 从而实现了全量传感器测点的同步工况估计. 此外, 面向在线监测场景, 设计了基于特征逼近的自迭代方法, 从而克服了在异常情况下由于测点间强耦合导致的部分测点估计值异常的问题. 所提出的方法在电厂百万千瓦超超临界机组中引风机的实际数据上进行了验证, 结果显示, 提出的监测方法与其他典型方法相比能够更精准地检测出发生故障的测点.
基于AMOWOA算法的区域综合能源系统运行优化调度
韩永明, 王新鲁, 耿志强, 朱群雄, 毕帅, 张红斌
, doi: 10.16383/j.aas.c211146
摘要:
如今智能优化算法已广泛应用于工程优化中,在当前多能耦合与互补的能源发展趋势下,以仅考虑系统经济指标的单目标优化模式已经不再适用于目前区域综合能源系统的运行优化调度,需要研究一种多目标运行策略来解决区域综合能源系统的运行优化调度问题.首先综合考虑经济与能源利用两个指标并结合商业住宅区域的特性,以系统日运行收益和一次能源利用率为优化目标构建了商业住宅区域综合能源系统多目标运行优化调度模型.其次由于传统多目标智能优化算法缺乏一种最优解综合评价方法,基于非支配排序以及拥挤度计算的多目标算法框架,提出了一种利用模糊一致矩阵选取全局最优解的多目标鲸鱼优化算法(AMOWOA),并将提出算法对商住区域综合能源系统多目标运行优化调度模型进行求解.最后以华东某商业住宅区域综合能源系统为例进行仿真,验证了该方法的有效性和可行性.
基于事件触发机制的多自主水下航行器协同路径跟踪控制
王浩亮, 柴亚星, 王丹, 刘陆, 王安青, 彭周华
, doi: 10.16383/j.aas.c211163
摘要:
针对考虑外部海洋环境扰动和内部模型不确定性的多个欠驱动自主水下航行器, 研究了其在通信资源受限和机载能量受限下的协同路径跟踪控制问题. 首先, 针对水声通信信道窄造成的通信资源受限问题, 设计了一种基于事件触发机制的协同通信策略; 其次, 针对模型不确定性和海洋环境扰动问题, 设计了一种基于事件触发机制的线性扩张状态观测器来逼近水下航行器的未知动力学, 并降低了系统采样次数; 最后, 针对机载能量受限问题, 设计了一种基于事件触发机制的动力学控制律, 在保证控制精度的前提下降低了执行机构的动作频次, 从而节省了能量消耗. 应用级联系统稳定性分析方法, 分别证明了闭环系统是输入状态稳定的, 且系统不存在Zeno行为. 仿真结果验证了所提基于事件触发机制的多自主水下航行器协同路径跟踪控制方法的有效性.
一种多图像局部结构化融合的低照度图像增强算法
徐少平, 张贵珍, 林珍玉, 刘婷云, 李崇禧
, doi: 10.16383/j.aas.c190417
摘要:
为将低照度图像及基于它生成的多个不同曝光度图像中的互补性信息进行最佳融合以获得更为鲁棒的视觉增强效果, 提出了一种基于多图像局部结构化融合的两阶段低照度图像增强(Low-light image enhancement, LLIE)算法. 在待融合图像制备阶段, 提出了一种基于图像质量评价的最佳曝光度预测模型, 利用该预测模型给出的关于低照度图像最佳曝光度值, 在伪曝光模型下生成适度增强图像和过曝光图像 (利用比最佳曝光度值更高的曝光度生成)各一幅. 同时, 利用经典Retinex模型生成一幅适度增强图像作为补充图像参与融合. 在融合阶段, 首先将低照度图像、适度增强图像(2幅)和过曝光图像在同一空间位置处的图块矢量化后分解为对比度、结构强度和亮度三个分量. 之后, 以所有待融合对比度分量中的最高值作为融合后的对比度分量值, 而结构强度和亮度分量则分别以相位一致性映射图和视觉显著度映射图作为加权系数完成加权融合. 然后, 将分别融合后的对比度、纹理结构和亮度三个分量重构为图块, 并重新置回融合后图像中的相应位置. 最后, 在噪声水平评估算法导引下自适应调用降噪算法完成后处理. 实验结果表明: 所提出的低照度图像增强算法在主客观图像质量评价上优于现有大多数主流算法.
智能网联车路云协同系统架构与关键技术研究综述
丁飞, 张楠, 李升波, 边有钢, 童恩, 李克强
, doi: 10.16383/j.aas.c211108
摘要:
随着汽车产业电动化、智能化、网联化、共享化的发展驱动, 全球主要强国均将智能网联汽车列为国家战略发展方向. 蜂窝车联网、边缘计算网络和高精度定位系统的技术发展, 为车车、车路、车人和车云系统的全面融合提供了有效支撑. 车辆、道路、云平台与蜂窝车联网(Cellular vehicle-to-everything, C-V2X)网络的融合, 加速打通车内与车外、路面与路侧、云上与云间的信息互通, 为实现车路云一体化的融合感知、群体决策及协同控制提供了重要基础. 首先, 梳理了智能网联车路云协同系统架构与关键技术, 对该领域的演进特征、发展制约因素进行了总体概述. 其次, 阐述了新型车路云协同系统、智能网联C-V2X通信系统、云控系统和车路云协同测试系统的架构设计与工作原理. 然后, 从C-V2X组网、融合定位、测试评价角度, 介绍了车路云协同系统融合V2X网络、融合定位的技术演进与研究进展, 给出了智能网联场景的仿真平台、实车测试及评价指标. 最后, 对智能网联车路云协同系统的协同组网与控制、互操作、边缘智能服务和安全技术层面的发展趋势进行了展望.
基于时序关联矩阵的高炉冶炼过程多重关联
蒋珂, 蒋朝辉, 谢永芳, 潘冬, 桂卫华
, doi: 10.16383/j.aas.c220091
摘要:
高炉冶炼过程由炉料传输反应时间和冶炼单元在空间和时间分布上的差异带来的变量时延影响了数据的准确性和真实因果关系, 因此, 有效地估计过程变量间的时延信息并在时序上配准数据是后续过程建模、优化控制与性能评估的核心. 考虑到变量间时延的多重关联性, 提出了一种基于时序关联矩阵的时延参数估计方法. 首先, 根据过程变量的时延参数在时空上重构对应的时序关联矩阵, 并引入灰色关联分析量化时序矩阵的多重关联相关性. 接着, 考虑到穷举所有时序关联矩阵的时间复杂度, 提出了一种双尺度协同搜索策略的动态多群粒子群算法用于快速寻找最优的时延参数, 提出的粒子群算法能兼顾全局探索能力和局部探测能力并跳出局部最优解. 最后, 基于一个数值仿真和某钢铁厂2#高炉的工业实验验证了所提时延参数估计方法的可行性和有效性, 且通过所提方法在时序上重构的数据能有效提高后续硅含量软测量模型性能.
航天器威胁规避智能自主控制技术研究综述
袁利, 姜甜甜
, doi: 10.16383/j.aas.c211027
摘要:
当前, 轨道空间日益拥挤、太空竞争不断加剧, 对航天器执行既定任务时的轨道威胁自主应对能力提出了新的挑战, 使得航天器智能自主控制技术迎来新的发展机遇. 在调研分析了轨道威胁感知、自主决策规划、规避机动动作执行、自主控制系统架构相关研究进展的基础上, 总结提出了威胁规避智能自主控制面临的主要瓶颈问题, 并分析指出发展“感知−决策−执行”一体化控制是破解瓶颈难题的有效手段, 最后从一体化控制系统建模、设计、分析与验证多方面, 系统讨论了威胁规避智能自主控制需要重点关注的若干基础问题, 为未来航天器智能自主控制的理论研究和技术发展提供启发和参考.
自监督学习的单幅透射图像恢复
徐金东, 马咏莉, 梁宗宝, 倪梦莹
, doi: 10.16383/j.aas.c220165
摘要:
现有基于学习的单幅透射图像恢复方法常需要大量成对的标签数据来训练模型, 因缺乏成对图像集的监督约束, 致使透射图像恢复效果欠佳, 限制了其实用性. 提出了一种基于自监督学习的单幅透射图像恢复方法, 利用循环一致性生成对抗网络的循环结构和约束转移学习能力实现非成对图像的模型训练, 通过设计自学习模块, 从大规模的无监督数据中挖掘自身的监督信息对网络进行训练, 以此形成有效的从浅层到深层的特征提取, 提高透射图像正面内容的纹理、边缘等细节信息恢复质量, 实现单幅图像的透射去除. 实验结果表明, 该方法在合成图像数据集、公共图像数据集以及真实图像数据集上都取得了较好的透射图像恢复结果.
基于多目标PSO混合优化的虚拟样本生成
王丹丹, 汤健, 夏恒, 乔俊飞
, doi: 10.16383/j.aas.c211091
摘要:
产品质量与污染排放浓度等难测参数的实时检测是实现复杂工业过程优化控制的关键因素之一. 受限于检测技术难度、高时间与经济成本等原因, 难测参数的软测量模型建模样本存在数量少、分布稀疏与不平衡等问题, 严重制约了数据驱动模型的泛化性能. 针对以上问题, 提出一种基于多目标粒子群优化混合优化的虚拟样本生成方法, 首先, 设计综合学习粒子群优化算法的种群表征机制, 使其能够同时编码用于映射模型超参数优化的连续变量和用于虚拟样本选择的离散变量; 然后, 定义具有多阶段多目标特性的综合学习粒子群优化算法适应度函数, 使其能够在确保模型泛化性能的同时最小化虚拟样本数量; 最后, 向虚拟样本生成多目标混合优化任务对综合学习粒子群优化算法进行改进, 使其能够适应虚拟样本优选过程的变维特性并提高优化过程的收敛速度. 同时, 首次借鉴度量学习的指标提出用于评价虚拟样本质量的综合评价指标和分布相似指标. 本文采用混凝土抗压强度和超导临界温度基准数据集验证了所提算法的合理性及有效性, 基于工业数据集构建了面向城市固废焚烧过程的二噁英排放浓度的软测量模型, 进一步验证了所提方法.
基于单应性扩散约束的二步网格优化视差图像对齐
陈殷齐, 郑慧诚, 严志伟, 林峻宇
, doi: 10.16383/j.aas.c210966
摘要:
目前, 在带有视差场景的图像对齐中, 主要难点在某些无法找到足够匹配特征的区域, 这些区域称为匹配特征缺失区域. 现有算法往往忽略匹配特征缺失区域的对齐建模, 而只将有足够匹配特征区域中的部分单应变换系数(如相似性变换系数)传递给匹配特征缺失区域, 或者采用将匹配特征缺失区域转化为有足够匹配特征区域的间接方式, 因此对齐效果仍不理想. 在客观事实上, 位于相同平面的区域应该拥有相同的完整单应变换而非部分变换参数. 由此出发, 利用单应变换系数扩散的思想设计了一个二步网格优化的图像对齐算法. 该方法在第一步网格优化时获得有足够匹配特征区域的单应变换, 再基于提出的单应性扩散约束将这些单应变换系数扩散到邻域网格, 进行第二步网格优化, 在保证优化任务简洁高效的前提下实现单应变换系数的传播与图像对齐. 相较于现有的针对视差场景图像对齐算法, 所提方法在各项指标上都获得了更好的效果.
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.
基于改进RRT* 与行驶轨迹优化的智能汽车运动规划
袁静妮, 杨林, 唐晓峰, 陈傲文
, doi: 10.16383/j.aas.c190607
摘要:
本文针对传统快速扩展随机树算法 (Rapidly-exploring random tree, RRT)搜索较慢、规划路径曲折、平顺性差等问题, 提出了一种结合改进RRT* 与贝塞尔曲线控制点优化的智能车辆运动规划方法. 该方法通过在给定概率分布下采样, 结合基于方向相似性的多步扩展与路径简化, 使用贝塞尔曲线拟合生成规划问题初始解, 最后使用序列二次规划优化曲线控制点, 从而在动态障碍物环境中生成兼具安全性与驾驶舒适性的车辆行驶轨迹. 在仿真实验中将本文算法与常规RRT及曲线拟合方法进行了比较, 结果显示本文算法在搜索速度、平顺性、安全性等方面有较大提升.
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. 通过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, 阐述了兵棋推演智能决策技术的发展现状, 分析了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问题中的智能决策技术研究带来启发.
基于区块链的策略隐藏大数据访问控制方法
林莉, 储振兴, 刘子萌, 郭馥宾, 解晓宇, 张建标
, doi: 10.16383/j.aas.c211178
摘要:
针对大数据应用中用户共享数据的访问控制由半可信云服务商实施所带来的隐私泄露、策略和访问日志易被篡改等问题, 提出一种基于区块链的策略隐藏大数据访问控制方法. 该方法采用区块链技术实施访问控制以减少对服务商的信任依赖, 引入属性基加密以及双线性映射技术去实现在不泄露访问控制策略的前提下, 通过智能合约正确执行访问控制策略; 同时, 解耦访问控制策略, 简化用户策略的发布、更新和执行; 并应用链上和链下存储相结合方式解决智能合约和访问控制策略占用区块链节点资源不断增大的问题. 最后对该方法进行了理论分析和HyperLedger Fabric环境下的实验评估, 结果表明该方法能在策略隐藏情况下有效实现访问控制, 但不会给数据拥有者、区块链节点增加过多额外计算和存储开销.
基于宽度混合森林回归的城市固废焚烧过程二噁英排放软测量
夏恒, 汤健, 崔璨麟, 乔俊飞
, doi: 10.16383/j.aas.c220012
摘要:
二噁英是城市固废焚烧过程排放的痕量有机污染物. 受限于相关技术的复杂度和高成本, 二噁英排放浓度检测的大时滞已成为制约城市固废焚烧过程优化控制的关键因素之一. 虽然具有低成本、快响应、高精度等特点的数据驱动软测量模型能够有效解决上述问题, 但二噁英建模方法必须要契合数据的小样本、高维度特性. 对此, 提出了由特征映射层、潜在特征提取层、特征增强层和增量学习层组成的宽度混合森林回归软测量方法. 首先, 构建由随机森林和完全随机森林构成的混合森林组进行高维特征映射; 其次, 依据贡献率对全联接混合矩阵进行潜在特征提取, 采用信息度量准则保证潜在有价值信息的最大化传递和最小化冗余, 降低模型的复杂度和计算消耗; 然后, 基于所提取潜在信息训练特征增强层以增强特征表征能力; 最后, 通过增量式学习策略构建增量学习层后采用Moore-Penrose伪逆获得权重矩阵. 在基准数据集和城市固废焚烧过程二噁英数据集上的实验结果表明了方法的有效性和优越性.
未知非线性零和博弈最优跟踪的事件触发控制设计
王鼎, 胡凌治, 赵明明, 哈明鸣, 乔俊飞
, doi: 10.16383/j.aas.c220378
摘要:
设计了一种基于事件的迭代自适应评判算法,用于解决一类非仿射系统的零和博弈最优跟踪控制问题. 通过数值求解方法得到参考轨迹的稳定控制, 进而将未知非线性系统的零和博弈最优跟踪控制问题转化为误差系统的最优调节问题. 为了保证闭环系统在具有良好控制性能的基础上有效地提高资源利用率, 引入一个合适的事件触发条件来获得阶段性更新的跟踪策略对. 然后, 根据设计的触发条件, 采用Lyapunov方法证明误差系统的渐近稳定性. 此外, 通过构建四个神经网络来促进所提算法的实现. 为了提高目标轨迹对应稳定控制的精度, 采用模型网络直接逼近未知系统函数而不是误差动态系统. 构建评判网络、执行网络和扰动网络用于近似迭代代价函数和迭代跟踪策略对.最后, 通过两个仿真实例验证所提控制方法的可行性和有效性.
视觉语言导航研究进展
司马双霖, 黄岩, 何科技, 安东, 袁辉, 王亮
, doi: 10.16383/j.aas.c210352
摘要:
视觉语言导航, 即在一个未知环境中, 智能体从一个起始位置出发, 结合指令和周围视觉环境进行分析, 并动态响应生成一系列动作, 最终导航到目标位置. 视觉语言导航有着广泛的应用前景, 该任务近年来在多模态研究领域受到了广泛关注. 不同于视觉问答和图像描述生成等传统多模态任务, 视觉语言导航在多模态融合和推理方面, 更具有挑战性. 然而由于传统模仿学习的缺陷和数据稀缺的现象, 模型面临着泛化能力不足的问题. 系统地回顾了视觉语言导航的研究进展, 首先对于视觉语言导航的数据集和基础模型进行简要介绍; 然后全面地介绍视觉语言导航任务中的代表性模型方法, 包括数据增强、搜索策略、训练方法和动作空间四个方面; 最后根据不同数据集下的实验, 分析比较模型的优势和不足, 并对未来可能的研究方向进行了展望.
端边云协同的氧化铝生产过程苛性碱浓度智能预报方法
高愫婷, 柴天佑
, doi: 10.16383/j.aas.c220227
摘要:
苛性碱溶液浓度是氧化铝生产过程中的重要运行指标, 由于苛性碱溶液的温度和浓度频繁波动, 导致目前的浓度检测仪表检测精度低, 只能采用人工化验获得苛性碱浓度值, 化验结果的严重滞后导致无法实现苛性碱浓度的自动控制, 影响氧化铝产品质量. 在分析苛性碱溶液浓度控制过程动态特性的基础上建立了由线性模型和未知非线性动态系统描述的苛性碱浓度预报模型, 将参数辨识与自适应深度学习相结合, 提出端边云协同的氧化铝生产过程苛性碱浓度智能预报方法, 并采用氧化铝生产企业的实际生产数据对本文所提方法进行应用验证. 应用结果表明, 所提的苛性碱浓度智能预报方法可以实时、准确预报苛性碱浓度, 为实现苛性碱浓度的闭环运行优化控制创造了条件.
基于组-信息蒸馏残差网络的轻量级图像超分辨率重建
王云涛, 赵蔺, 刘李漫, 陶文兵
, doi: 10.16383/j.aas.c211089
摘要:
目前, 基于深度学习的超分辨算法已经取得了很好的性能. 但是这些方法通常具有较大的内存消耗和较高的计算复杂度, 很难应用到低算力或便携式设备上. 为了解决这一问题, 设计了一种轻量级的组-信息蒸馏残差网络用于快速且精确的单图像超分辨率. 具体来说, 提出一个更加有效的组-信息蒸馏模块, 作为网络特征提取基本块. 同时, 引入密集快捷连接对多个基本块进行组合, 构建组-信息蒸馏残差组, 捕获多层级信息和有效重利用特征. 另外, 还提出一个轻量的非对称残差Non-local模块对长距离依赖关系进行建模, 进一步提升超分的性能. 最后, 设计一个高频损失函数去解决像素损失带来图片细节平滑的问题. 大量的实验证明了该算法相较于其他先进方法, 可以在图像超分辨率性能和模型复杂度之间取得更好的平衡, 其在公开测试数据集B100上4倍超分速率达到56FPS, 比残差注意力网络快15倍.
计算实验方法的溯源、现状与展望
薛霄, 于湘凝, 周德雨, 彭超, 王晓, 周长兵, 王飞跃
, doi: 10.16383/j.aas.c220092
摘要:
随着信息技术的发展, 复杂系统越来越多的呈现出社会、物理、信息相融合的特征. 因为这些系统涉及到了人和社会的因素, 其设计、分析、管理、控制和综合等问题正面临前所未有的挑战. 在这种背景下, 计算实验应运而生, 通过“反事实”的算法化, 为量化分析复杂系统提供了一种数字化和计算化方法. 对于计算实验方法的发展现状与未来挑战进行了全面梳理: 首先介绍了计算实验方法的概念起源与应用特征; 然后详细阐述了计算实验的方法框架与关键步骤; 接着展示了计算实验方法的典型应用, 包括现象解释、趋势预测与策略优化; 最后给出了计算实验方法所面临的一些关键问题与挑战. 旨在梳理出计算实验方法的技术框架, 为其快速发展与跨学科应用提供支撑.
面向高比例新能源电网的重大耗能企业需求响应调度
李远征, 倪质先, 段钧韬, 徐磊, 杨涛, 曾志刚
, doi: 10.16383/j.aas.c220034
摘要:
随着国家“双碳”重大战略的提出, 高比例新能源并网将成为我国电力能源转型的重要态势. 针对火电机组、配电网和需求侧关联的系列运行约束制约了电网对高比例新能源的有效消纳这一问题, 本文提出重大耗能企业这一主要电力负荷参与网需求响应(Demand response, DR)的研究思路, 通过重大耗能企业与电网协调调度促进新能源消纳, 并获得经济补偿以减少运行成本. 研究首先基于混合需求侧响应机制, 提出以重大耗能企业、新能源、火电机组为核心的协调调度方法, 并根据新能源预测值-预测误差的信息依存顺序提出了两步调度策略. 在此基础上, 进行生产过程行为建模以实现重大耗能企业需求侧响应决策描述, 并建立高比例新能源并网的重大耗能企业需求响应与电网协调调度优化模型. 最后, 基于烟台电网实际系统进行算例分析, 验证了重大耗能企业通过需求响应参与电网协调调度以及两步调度策略的有效性.
基于Petri网的组合设备建模与调度综述
袁凤连, 黄波, 王际鹏, 潘春荣
, doi: 10.16383/j.aas.c210951
摘要:
组合设备是半导体晶圆制造的核心装备, 其调度与控制优化是半导体制造领域极具挑战性的课题. Petri网因其强大的建模能力和简约的图形化表达优势, 被广泛地应用于组合设备的建模与调度. 对基于Petri网的组合设备建模与调度方法进行综述, 归纳总结了组合设备的结构类型、晶圆流程模式、调度策略及Petri网建模方法, 并系统阐述组合设备的七类典型调度问题, 包括驻留时间约束、作业时间波动、晶圆重入加工、多品种晶圆加工、加工模块故障、加工模块清洗和组合设备群. 最后讨论了当前组合设备调度存在的挑战及后续可能的研究方向.
考虑电网线路传输安全的分布式电力市场交易模式研究
李远征, 张虎, 刘江平, 赵勇, 连义成
, doi: 10.16383/j.aas.c211244
摘要:
分布式电力市场交易模式可以有效缓解传统集中模式下市场主体的隐私安全等问题, 但难以在保障市场主体收益和电力系统安全稳定运行的同时实现社会福利最大化. 因此, 考虑电网线路传输约束, 首先以社会福利最大化为目标构建了集中式交易模型, 并采用拉格朗日乘子法和对偶理论将其等价分解为各市场主体自身利益最大化的分布式交易模型. 在此基础上, 设计了两种适用于不同场景的分布式交易方法, 并构造电网安全成本影响市场主体的决策, 从而保证电网线路传输安全. 最后, 基于算例分析验证了两种方法的有效性.
n比特随机量子系统实时状态估计及其反馈控制
张骄阳, 丛爽, 匡森
, doi: 10.16383/j.aas.c210916
摘要:
对于连续弱测量过程存在高斯噪声的情况, 基于在线交替方向乘子法推导出一种适用于n比特随机量子系统实时状态估计的算法QSE-OADM; 运用李雅普诺夫方法设计控制律, 实现基于实时量子状态估计的反馈控制, 并证明所提控制律的收敛性. 以2比特随机量子系统为例进行数值仿真实验, 通过与基于QST-OADM算法和OPG-ADMM算法的实时量子状态估计及其反馈控制方案的性能对比, 显示出所提控制方案的优越性.
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(Exponential moving average, EMA)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, 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. 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, 该方法在三个数据集上的戴斯相似指标(Dice similarity coefficient, DSC)分别达到89.13%, 94.15%, 87.02%.
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%.
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.
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.
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.
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.
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.