2.793

2018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

本刊经同行评议拟录用的文章,目前在编校阶段,尚未确定卷期及页码,已有DOI。
显示方式:
稀缺资源语言神经网络机器翻译研究综述
李洪政, 冯冲, 黄河燕
, doi: 10.16383/j.aas.c200103
摘要:
作为目前主流翻译方法的神经网络机器翻译已经取得了很大突破, 在很多具有丰富数据资源的语言上的翻译质量也不断得到改善, 但对于稀缺资源语言的翻译效果却仍然并不理想. 稀缺资源语言机器翻译是目前机器翻译领域的重要研究热点之一, 近几年来吸引了国内外的广泛关注. 本文对稀缺资源语言机器翻译的研究进行比较全面的回顾, 首先简要介绍了与稀缺资源语言翻译相关的学术活动和数据集, 然后重点梳理了目前主要的研究方法和一些研究结论, 总结了每类方法的特点, 在此基础上总结了不同方法之间的关系并分析了目前的研究现状. 最后, 对稀缺资源语言机器翻译未来可能的研究趋势和发展方向进行了展望,并给出了相关建议.
基于草图纹理和形状特征融合的草图识别
张兴园, 黄雅平, 邹琪, 裴艳婷
, doi: 10.16383/j.aas.c200070
摘要:
人类具有很强的草图识别能力. 然而, 由于草图具有稀疏性和缺少细节的特点, 目前的深度学习模型在草图分类任务上仍然面临挑战. 目前的工作只是将草图看作灰度图像而忽略了不同草图类别间的形状表示差异. 本文提出一种端到端的手绘草图识别模型, 简称双模型融合网络(Dual-Model Fusion Network, DMF-Net), 它可以通过相互学习策略获取草图的纹理和形状信息. 具体来说, 该模型由两个分支组成: 一个分支能够从图像表示(即原始草图)中自动提取纹理特征, 另一个分支能够从图形表示(即基于点的草图)中自动提取形状特征. 此外, 提出视觉注意一致性损失来度量两个分支之间视觉显著图的一致性, 这样可以保证两个分支关注相同的判别性区域. 最终将分类损失、类别一致性损失和视觉注意一致性损失结合完成DMF-Net网络的优化. 本文在两个具有挑战性的数据集TU-Berlin数据集和Sketchy数据集上进行草图分类实验, 评估结果说明了DMF-Net显著优于基准方法并达到最佳性能.
基于“雁阵效应”的扑翼飞行机器人高效集群编队研究
尹曌, 贺威, 邹尧, 穆新星, 孙长银
, doi: 10.16383/j.aas.c190900
摘要:
本文借鉴“雁阵效应”, 研究了扑翼飞行机器人高效集群编队飞行问题. 通过对“V”字雁阵的分析得知, 当前排大雁(简称头雁)和后排大雁(简称从雁)保持某一合适的相对位置偏移时, 后排大雁可有效利用前排大雁挥翅产生的上洗涡流, 从而节省体能; 并且, 雁阵通过阵型的变换, 可以实现能量整体消耗的均衡性, 确保长航时飞行. 仿照该“雁阵效应”, 分析得出耗能最少的扑翼飞行机器人集群阵型排布方式, 并设计了阵型变换机制, 实现集群能量整体消耗的最优性和均衡性. 在此基础上, 参考雁群的交互方式, 设计了一种使用局部信息的控制方法, 保证最优阵型的稳定维持以及阵型间的灵活变换. 最后, 仿真结果验证了所提理论结果的有效性.
基于USARSim和ROS的无人平台编队仿真系统
张浩杰, 苏治宝, 杨甜甜
, doi: 10.16383/j.aas.c200102
摘要:
针对越野非结构化环境下的地面无人平台(Unmanned Ground Vehicle, UGV)编队仿真系统存在功能模块不完善及算法集成测试困难等问题, 为便于有效测试地面无人平台编队协同控制方法性能及其适用的任务场景, 降低编队协同系统的开发成本, 本文提出了一种基于Unified System for Automation and Robotics Simulator(USARSim)和Robot Operating System(ROS)的地面无人平台编队协同仿真系统. 该仿真系统由人机交互界面、基于ROS架构的地面无人平台控制系统和基于USARSim的虚拟仿真场景三个部分组成, 其测试对象为地面无人平台编队协同控制算法. 通过充分利用ROS中集成的开源导航算法和USARSim中丰富的机器人及环境模型, 该系统为研究地面无人平台编队协同控制算法提供了新的思路和快速验证工具. 以领航者-跟随者编队控制方法为例进行该仿真系统的性能测试, 实验结果表明, 该仿真系统能够在外界条件一致的情况下完成对编队协同控制方法的性能测试, 系统稳定可靠.
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, 本文提出一种基于短语功能与句法角色的组块的、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.
基于功能磁共振成像的人脑效应连接网络识别方法综述
冀俊忠, 邹爱笑, 刘金铎
, doi: 10.16383/j.aas.c190491
摘要:
人脑效应连接网络刻画了脑区间神经活动的因果效应. 对不同人群的脑效应连接网络进行研究不仅能为神经精神疾病病理机制的理解提供新视角, 而且能为疾病的早期诊断和治疗评价提供新的脑网络影像学标记, 具有十分重要的理论意义和应用价值. 利用计算方法从功能磁共振成像(Functional magnetic resonance imaging, fMRI)数据中识别脑效应连接网络是目前人脑连接组学中一项重要的研究课题. 本文首先概括了从fMRI数据中进行脑效应连接网络识别的主要流程, 说明了其中的主要步骤和方法; 然后, 给出了一种脑效应连接网络识别方法的分类体系, 并对其中一些代表性的识别算法进行了阐述; 最后, 通过对该领域挑战性问题的分析, 我们预测了脑效应连接网络识别未来的研究方向, 以期对相关研究提供一定的参考.
基于轻量化重构网络的表面缺陷视觉检测
余文勇, 张阳, 姚海明, 石绘
, doi: 10.16383/j.aas.c200535
摘要:
基于深度学习的方法在某些工业产品的表面缺陷识别和分类方面表现出优异的性能, 然而大多数工业产品缺陷样本稀缺, 而且特征差异大, 导致这类需要大量缺陷样本训练的检测方法难以适用. 本文提出一种基于重构网络的无监督缺陷检测算法(Reconstruction network for defects detection, ReNet-D), 仅使用容易大量获得的无缺陷样本数据实现对异常缺陷的检测. 本文提出的算法包括两个阶段: 图像重构网络训练阶段和表面缺陷区域检测阶段. 训练阶段通过一种轻量化结构的全卷积自编码器设计重构网络, 仅使用少量正常样本进行训练, 使得重构网络能够生成无缺陷重构图像, 进一步提出一种结合结构性损失和L1损失的函数作为重构网络的损失函数, 解决自编码器检测算法对不规则纹理表面缺陷检测效果较差的问题; 缺陷检测阶段以重构图像与待测图像的残差作为缺陷的可能区域, 通过常规图像操作即可实现缺陷的定位. 本文对所提出的ReNet-D方法的网络结构、训练像素块(patch)大小、损失函数系数等影响因素进行了详细的实验分析, 并在多个缺陷图像样本集上与其他同类算法做了对比, 结果表明ReNet-D有较强的鲁棒性和准确性. 由于ReNet-D的轻量化结构, 检测1024x1024像素大小的图像仅仅耗时2.82 ms, 适合工业在线检测.
执行机构带宽对动态逆方法的影响及解决方案
程艳青, 朱纪洪
, doi: 10.16383/j.aas.c190236
摘要:
本文从理论上分析了执行机构带宽对动态逆闭环控制系统动态特性影响, 发现较低的执行机构带宽会在伪线性系统中引入一个非线性干扰项, 为此提出了两种方法来消除这个非线性干扰项, 一个是采用参考模型的思想设计补偿器提高执行机构子系统的等效带宽, 另一个思路则是直接在非线性反馈项中引入补偿直接对消非线性干扰项. 仿真结果表明, 两类方法都能较好的消除非线性干扰项, 直接补偿方法能精确消除干扰项, 但需要准确动力学模型, 提高等效带宽的方法虽然是近似的, 但能方便的引入自适应算法, 可以抑制执行机构模型参数不确定的影响.
一种基于深度迁移学习的滚动轴承早期故障在线检测方法
毛文涛, 田思雨, 窦智, 张迪, 丁玲
, doi: 10.16383/j.aas.c190593
摘要:
近年来, 深度学习技术已在滚动轴承故障检测和诊断领域取得了成功应用, 但面对不停机情况下的早期故障在线检测问题, 仍存在着早期故障特征表示不充分、误报警率高等不足. 为解决上述问题, 本文从时序异常检测的角度出发, 提出了一种基于深度迁移学习的早期故障在线检测方法. 首先, 提出一种面向多域迁移的深度自编码网络, 通过构建具有改进的最大均值差异正则项和Laplace正则项的损失函数, 在自适应提取不同域数据的公共特征表示同时, 提高正常状态和早期故障状态之间特征的差异性; 基于该特征表示, 提出一种基于时序异常模式的在线检测模型, 利用离线轴承正常状态的排列熵值构建报警阈值, 实现在线数据中异常序列的快速匹配, 同时提高在线检测结果的可靠性. 在XJTU-SY数据集上的实验结果表明, 与现有代表性早期故障检测方法相比, 本文方法具有更好的检测实时性和更低的误报警数.
基于注意力机制的协同卷积动态推荐网络
汤文兵, 任正云, 韩芳
, doi: 10.16383/j.aas.c190820
摘要:
一直以来, 各种推荐系统关注于如何挖掘用户与物品特征间的潜在关联, 特征信息的充分利用有利于用户到物品的精准匹配. 基于矩阵分解和分解机的推荐算法是该领域的主流, 前者学习用户历史行为而后者分析对象特征关系, 但都难以兼顾用户行为与个体特征. 而近年来, 深度神经网络凭借其强大的特征学习能力和灵活可变的结构被应用到了推荐系统领域. 鉴于此, 本文提出了一种基于注意力机制的协同卷积动态推荐网络, 它通过注意力机制实现用户历史行为、用户画像与物品属性的多重交互, 再通过卷积网络逐层捕捉更高阶的特征交互. 网络同时接受不同组块输出的低阶至高阶信息, 最后给出用户对指定物品青睐评分概率的预估. 而且本文还提出了一种基于无参时间衰减的用户兴趣标签来量化用户关注的变化. 通过比较若干先进模型在两个现实数据集的表现, 本文设计的动态推荐模型不但能够缓解推荐时滞性, 还能明显提高推荐质量, 为用户带来更好的个性化服务体验.
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EM算法, 本文设计了一种以EM为向量聚类算法的深度胶囊网络, 实现了重叠手写数字的识别与分离. 该网络由两部分组成, 第一部分使用两个卷积层、两个基础胶囊层、两个EM聚类胶囊层构成六层网络结构. 其将胶囊维数由常规的8维扩充为16维, 并利用姿态转换矩阵实现低级特征到高级特征的预测, 同时将EM算法改为EM向量聚类算法, 以替换原胶囊网络中的迭代路由部分, 优化了网络的运算过程, 实现了重叠目标识别. 第二部分是重构网络部分, 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, 实现了重叠目标的分离. 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%, 对比现有的胶囊网络CapsNet在80%的重叠率下95%的识别率, 在100%的重叠率下88%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, 能够将完全叠加的两张手写数字图片进行准确地分离.
基于KPLS鲁棒重构误差的高炉燃料比监测与异常识别
周平, 刘记平, 梁梦圆, 张瑞垚
, doi: 10.16383/j.aas.c180579
摘要:
作为钢铁冶金制造的核心工序, 高炉炼铁是典型的高能耗过程, 其运行能耗约占钢铁总能耗的50%以上, 这 其中80%的能耗是焦炭和煤粉等燃料消耗. 因此, 对表征高炉燃料消耗的燃料比参数进行监测, 并尽可能早地 识别影响燃料比异常波动的关键因素, 对于高炉炼铁过程的节能降耗具有重要意义. 本文针对先验故障知识少的 高炉燃料比监测与异常识别难题, 提出一种基于核偏最小二乘(Kernel partial least squares, KPLS)鲁棒重构误差的故障识别方法. 该方法首先 建立过程变量与监测变量的KPLS监测模型, 然后根据非线性映射空间的协方差矩阵和核空间Gram矩阵之间的关系, 反向估计原始空间变量的正常估值. 为了增强算法的鲁棒性, 采用迭代去噪算法减少异常数据对原始空间正常估值的影响. 通过利用原始空间正常估值和真实值来构造故障识别指标, 并给出故障识别指标的控制限. 基于实际工业数据的高炉数据试验表明所提方法不仅可以监测出正常工况下影响燃料比异常变化的潜在因素, 还可识别出异常工况下影响燃料比异常变化的关键因素, 具有很好的工程应用前景.
基于蠕虫传播和FDI的电力信息物理协同攻击策略
冯晓萌, 孙秋野, 王冰玉, 高嘉文
, doi: 10.16383/j.aas.c190574
摘要:
随着信息技术与现代电力系统的结合日趋紧密, 通信系统异常和网络攻击均可能影响到电力系统的安全稳定运行. 为了研究工控蠕虫病毒对电网带来的安全隐患, 本文首次建立了基于马尔科夫决策过程(Markov Decision Process, MDP)的电力信息物理系统跨空间协同攻击模型, 该模型同时考虑通信设备漏洞被利用的难易程度为代价以及对电力网络的破坏程度为收益两方面因素, 能够更有效的识别系统潜在风险. 其次, 采用Q学习算法求解在该模型下的最优攻击策略, 并依据电力系统状态估计的误差值来评定该攻击行为对电力系统造成的破坏程度. 最后, 本文在通信8节点-电力14节点的耦合系统上进行联合仿真, 对比结果表明相较单一攻击方式, 协同攻击对电网的破坏程度更大. 与传统的不考虑通信网络的电力层攻击研究相比, 本模型辨识出的薄弱节点也考虑了信息层的关键节点的影响, 对防御资源的分配有指导作用.
一种基于UDP的电力广域保护系统可靠通信方法
袁凯, 李俊娥, 刘开培, 陆秋余, 倪明, 罗剑波
, doi: 10.16383/j.aas.c180641
摘要:
电力广域保护系统从点到点通信逐步走向网络化通信, 如何在拥塞状态下保障业务的实时性和可靠性, 成为亟待解决的问题. 针对TCP不能保障实时性和UDP不能保障可靠性的问题, 本文提出一种联合应用层纠错、检错和重发机制的UDP传输方案, 在提供低时延传输服务的同时也能保障报文的可靠性. 考虑到算法的复杂性, 选择本原BCH码作为纠错编码算法, 设计了编码分组方法, 并通过实验验证了分组方法的正确性; 对增加纠错机制后的报文实时性进行了理论分析和仿真验证; 为了解决突发误码和丢包情况下的可靠性问题, 进一步设计了应用层检错和重发机制, 并分析了时延. 分析表明, 在应用层增加本文所设计的纠错、检错和重发机制后增加的时延几乎可以忽略不计. 最后给出了所提方法的联合应用算法并进行了可靠性分析, 结果表明本文方案的可靠性高于其他UDP传输方案.
基于改进型自主发育网络的机器人场景识别方法
余慧瑾, 方勇纯
, doi: 10.16383/j.aas.c180779
摘要:
场景识别是移动机器人在陌生动态环境中完成任务的前提. 考虑到现有方法的不足, 本文提出了一种基于改进型自主发育网络的场景识别方法, 它通过引入基于多优胜神经元的Top-k竞争机制、基于负向学习的权值更新、基于连续性样本的加强型学习等步骤实现对场景的快速识别, 并使该方法具有更好的适应能力. 对于这种基于改进型自主发育网络的场景识别方法, 通过实验进行了对比测试. 结果表明, 这种改进型自主发育神经网络节点利用率高, 场景识别准确可靠, 可以较好地满足机器人作业的实际需求.
多聚点子空间下的时空信息融合及其在行为识别中的应用
杨天金, 侯振杰, 李兴, 梁久祯, 宦娟, 郑纪翔
, doi: 10.16383/j.aas.c190327
摘要:
基于深度图序列的人体行为识别, 一般通过提取特征图来提高识别精度, 但这类特征图通常存在时序信息缺失的问题. 针对上述问题, 本文提出了一种新的深度图序列表示方式, 即深度时空图(Depth Space Time Maps, DSTM), 该算法降低了特征图的冗余度, 弥补了时序信息缺失的问题. 本文通过融合空间信息占优的Depth Motion Maps (DMM) 与时序信息占优的DSTM, 进行高精度的人体行为研究. 提出了一种名为多聚点子空间学习Multi-Center Subspace Learning (MCSL)的多模态数据融合算法. 该算法为各类别数据构建了多个投影聚点,以此增大了样本的类间距离, 降低了投影目标区域维度. 本文在MSR-Action3D深度数据集和UTD-MHAD深度数据集上进行人体行为识别最后实验结果表明, 本文方法相较于现有人体行为识别方法有着较高的识别率.
基于RCNN-LSTM的脑电情感识别研究
柳长源, 李文强, 毕晓君
, doi: 10.16383/j.aas.c190357
摘要:
情感作为人脑的高级功能, 对人们的个性特征和心理健康有很大的影响, 利用网上公开的脑电情感数据库(Deap数据库), 根据心理效价和激励唤醒度等级进行情感划分, 对压力和平静等五种情感进行研究分析. 针对脑电信号时空特征结合的特点, 把深度学习中的卷积神经网络(Convolutional neural networks, CNN)和长短期记忆网络(Long short term memory, LSTM)两者作为基本前提, 并在此基础之上设计了一个RCNN-LSTM的脑电情感信号分类模型. 利用循环卷积神经网络(Recurrent convolutional neural network, RCNN)自动提取脑电信号中的抽象特征, 省去了人工选择与降维的过程, 然后结合LSTM网络对脑电情感信号进行分类识别. 实验结果表明, 利用该方法对5种情感类别的平均分类识别率达到了96.63%, 证明了该方法的有效性.
具有输入约束和输出噪声的不确定系统级联线性自抗扰控制
高阳, 吴文海, 王子健
, doi: 10.16383/j.aas.c190305
摘要:
针对一类具有输入约束和输出噪声的SISO不确定非线性系统, 提出了一种基于误差补偿和工程滤波的抗饱和级联线性自抗扰控制(LADRC)方法. 首先针对高频量测噪声, 分析了线性扩张状态观测器(LESO)对噪声的放大机理及其与观测器增益的定量关系, 进而设计了一种基于工程滤波器的级联LADRC方法, 在滤除噪声的同时有效补偿了因滤波所造成的输出幅值和相位损失, 确保了闭环系统的跟踪精度. 然后继续考虑输入饱和的问题, 利用LADRC的实时估计/补偿能力, 通过将饱和差值信号引入LESO, 设计了一种基于误差补偿的抗饱和LADRC方法, 有效减小了系统设计控制量, 避免了系统长时间陷入饱和. 通过实时仿真比较, 验证了所提出方法的有效性.
OTH雷达图像的粗糙度指标及用于射频干扰自适应抑制
罗忠涛, 郭人铭, 郭杰, 何子述, 卢琨
, doi: 10.16383/j.aas.c190286
摘要:
针对OTH雷达距离-多普勒(Range-Doppler, RD)图, 本文首次提出采用纹理粗糙度作为RD图质量的评价指标, 即计算RD图所转化灰度图的Tamura纹理粗糙度. 分析表明, 粗糙度指标能准确反映RD图受干扰情况, 对于不同灰度转换函数具有稳健性. 作为应用举例, 本文将图像粗糙度用于改进射频干扰抑制算法, 使干扰抑制达到自适应优化. 实验结果表明, Tamura粗糙度能够正确反映RD图干扰抑制情况, 优化粗糙度指标能够使干扰抑制自适应达到最优.
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, 我们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.
基于GPR和深度强化学习的分层人机协作控制
金哲豪, 刘安东, 俞立
, doi: 10.16383/j.aas.c190451
摘要:
本文提出了一种基于高斯过程回归(Gaussian Process Regression, GPR)与深度强化学习(Deep Reinforcement Learning, DRL)的分层人机协作(Human-Robot Collaborative, HRC)控制方法, 并以人机协作控制球杆系统为例检验该方法的高效性. 本文的主要贡献是: 1)在模型未知的情况下, 采用DRL算法设计了一种有效的非线性次优控制策略, 并将其作为顶层期望控制策略以引导HRC控制过程, 解决了传统控制方法无法直接应用于模型未知人机协作场景的问题; 2) 针对HRC过程中人未知和随机控制策略带来的不利影响, 采用GPR拟合人体控制策略以建立机器人对人控制行为的认知模型, 在减弱该不利影响的同时提升机器人在协作过程中的主动性, 从而进一步提升协作效率; 3)利用所得认知模型和期望控制策略设计机器人末端速度的控制律, 并通过实验对比验证了所提方法的有效性.
基于局部空间信息的可变类模糊阈值光学遥感图像分割
杨蕴, 李玉, 赵泉华
, doi: 10.16383/j.aas.c190412
摘要:
阈值法分割在光学遥感图像分析中被得到广泛的应用, 然而传统阈值法也存在诸多局限性, 如对噪声敏感, 需人为设定类别数, 计算复杂度高等. 针对传统阈值法的局限性, 提出一种基于局部空间信息的可变类模糊阈值光学遥感图像分割方法. 首先, 以图像光谱的一阶矩为初始类中心, 利用二分法原理和区域间最大相似度准则来快速确定类别数及其中心. 然后, 通过岭形模糊隶属函数计算各像素点对不同类的隶属程度, 同时考虑到像素点的隶属度局部空间信息, 在隶属度域中定义一个模糊加权滤波器对各类的隶属度矩阵进行滤波, 以滤波后的隶属度集合为依据, 按照最大隶属原则确定图像的标号场. 最后, 对标号场中的局部异常标号进行替换, 将修正后的标号场由对应的类中心赋色得到分割图像. 视觉和统计分析评价结果表明, 与传统阈值法相比, 该方法能在减少计算时间的同时获得更好的分割结果, 可适用于光学遥感图像的多阈值分割.
具有间歇性执行器故障的非线性系统自适应CFB控制
乃永强, 杨清宇, 周文兴, 杨莹
, doi: 10.16383/j.aas.190673
摘要:
控制系统的执行器在运行过程中经常发生各种各样不可预测的间歇性故障. 如何有效地处理这些故障仍然是控制领域的一个难题. 针对一类不确定严格反馈非线性系统, 提出一种自适应CFB (Command Filtered Backstepping) 控制方案解决了间歇性执行器故障的补偿问题. 利用神经网络逼近控制器中的未知函数, 并采用投影算子实时在线更新控制器中的估计参数使得参数估计随着故障次数的累积而不断增加的问题被消除. 考虑到未知参数间歇性跳变对系统稳定性的影响, 提出一种改进的Lyapunov函数分析了闭环系统的稳定性. 证明了所提出的控制方案能够保证所有闭环信号的有界性, 同时建立了跟踪误差与Lyapunov函数跳变幅度, 最小故障时间间隔, 设计参数之间的关系. 如果Lyapunov函数的跳变幅度越小以及两个连续故障之间的时间间隔越长, 系统的稳态跟踪指标越好. 通过迭代计算建立了暂态跟踪误差指标的均方根型界. 该界表明了通过选择恰当的设计参数, 可改善系统的暂态指标. 仿真结果表明了所提方案的有效性.
基于样本特征解码约束的GANs
陈泓佑, 陈帆, 和红杰, 朱翌明
, doi: 10.16383/j.aas.c190496
摘要:
生成式对抗网络(Generative Adversarial Networks, GANs)是一种有效模拟训练数据分布的生成模型, 其训练的常见问题之一是优化JS散度(Jensen-Shannon divergence)时可能产生梯度消失问题(Vanishing gradient problem). 针对该问题, 本文提出了一种解码约束条件下的GANs, 以尽量避免JS散度近似为常数而引发梯度消失现象, 从而提高生成图像的质量. 首先利用U-Net结构的自动编码机学习出与用于激发生成器的随机向量同维度的训练样本网络中间层特征. 然后在每次对抗训练前使用本文设计的解码约束条件训练解码器. 其中, 解码器与生成器结构相同, 权重共享. 为证明模型的可行性, 推导给出了引入解码约束条件有利于JS散度不为常数的结论以及解码损失函数的类型选择依据. 为验证模型的性能, 利用CELEBA和CIFAR10数据集, 对比分析了DCGANs, LSGANs, BEGANs, WGANs, WGANsGP 及SAGANs的生成效果. 通过实验对比IS, FID和清晰度等指标发现, 本文GANs能有效提高图像生成质量, 综合性能接近SAGANs.
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.
基于改进粒子群算法的飞行器协同轨迹规划
周宏宇, 王小刚, 单永志, 赵亚丽, 崔乃刚
, doi: 10.16383/j.aas.c190865
摘要:
考虑气动、轨迹、约束、指标间的耦合关系, 以多高超声速飞行器同时到达为目标建立了协同规划模型; 设计了一种自动满足终端约束的全新滑翔飞行剖面, 减少了规划算法需要处理的约束数量; 推导了滑翔段高精度解析解, 实现了过程约束和性能指标的快速求解; 提出了一种改进粒子群优化(PSO)算法, 借助强化学习方法构建协同需求与惯性权重间的动态映射网络, 提高了在线规划效率. 最后通过数学仿真验证了方法的正确性和有效性.
面向轻轨的高精度实时视觉定位方法
王婷娴, 贾克斌, 姚萌
, doi: 10.16383/j.aas.c200009
摘要:
轻轨作为城市公共交通系统的重要组成部分, 对其实现智能化的管理势在必行. 针对城市轻轨定位系统要求精度高、实时强且易于安装等特点, 本文提出一种基于全局-局部场景特征与关键帧检索的定位方法. 该方法在语义信息的指导下, 从单目相机获取的参考帧中提取区别性高的区域作为关键区域. 并结合像素点位置线索利用无监督学习的方式筛选关键区域中描述力强的像素对生成二值化特征提取模式, 不仅能够提升匹配精度还显著提高了在线模块场景特征提取与匹配的速度. 其次, 以场景显著性分数为依据获取的关键帧避免了具有相似外观的场景给定位带来的干扰, 并能辅助提高场景在线匹配的精度与效率. 本文使用公开测试数据集以及具有挑战性的轻轨数据集进行测试. 实验结果表明, 本系统在满足实时性要求的同时, 其定位准确率均可达到90%以上.
基于跨尺度低秩约束的图像盲解卷积算法
彭天奇, 禹晶, 肖创柏
, doi: 10.16383/j.aas.c190845
摘要:
在模糊核未知的情况下对模糊图像进行复原称为盲解卷积问题, 这是一个欠定逆问题, 现有的大部分盲解卷积算法利用图像的各种先验知识约束问题的解空间. 由于清晰图像的跨尺度自相似性强于模糊图像的跨尺度自相似性, 且降采样模糊图像与清晰图像具有更强的相似性, 本文提出了一种基于跨尺度低秩约束的单幅图像盲解卷积算法, 利用图像跨尺度自相似性, 在降采样图像中搜索相似图像块构成相似图像块组, 从整体上对相似图像块组进行低秩约束, 作为正则项加入到图像盲解卷积的目标函数中, 迫使重建图像的边缘接近清晰图像的边缘. 本文算法没有对噪声进行特殊处理, 由于低秩约束更好地表示了数据的全局结构特性, 因此避免了盲解卷积过程受噪声的干扰. 在模糊图像和模糊有噪图像上的实验验证了本文的算法能够解决大尺寸模糊核的盲复原并对噪声具有良好的鲁棒性.
进化计算在复杂机电系统设计自动化中的应用综述
范衠, 朱贵杰, 李文姬, 游煜根, 李晓明, 林培涵, 辛斌
, doi: 10.16383/j.aas.c190767
摘要:
复杂机电系统设计自动化是知识自动化的一个重要分支, 在机器人系统设计、高档数控机床设计、智能装备系统设计等方面具有重要的研究意义和应用价值. 本文对进化计算在复杂机电系统设计自动化中的应用进行了综述. 首先, 介绍了几种常用进化计算方法及其优点; 其次, 对进化计算在电子系统、微机电系统和复杂机电系统三个领域的设计自动化进行了较为系统且全面的总结. 然后, 以一类典型的复杂机电系统—机器人系统的设计自动化为代表, 对进化计算在机器人系统设计自动化的研究发展进行了讨论. 最后, 针对进化计算在复杂机电系统设计自动化中存在的共性关键问题进行了讨论与展望.
基于嵌套-伪预估器反馈的时滞控制系统输入时滞补偿
刘青松
, doi: 10.16383/j.aas.c190830
摘要:
本文研究同时具有输入和状态时滞的控制系统的输入时滞补偿问题. 通过建立嵌套-伪预估器反馈方法预测系统未来的状态, 使得任意大但有界的输入时滞得到完全补偿. 不同于传统的预估器反馈利用开环系统预测系统未来的状态, 嵌套-伪预估器反馈则是利用闭环系统嵌套地预测系统未来的状态. 依据积分时滞系统的稳定性, 给出了保证闭环系统渐近稳定的充要条件. 最后, 采用数值仿真验证所提出方法的有效性.
基于单向耦合法的不确定复杂网络间有限时间同步
张檬, 韩敏
, doi: 10.16383/j.aas.c180102
摘要:
针对具有不确定性的复杂网络有限时间同步问题, 提出一种新颖的单向耦合控制方法. 构建含有未知参量及未知拓扑结构的驱动- 响应复杂网络模型, 考虑两个网络具有不同的节点数, 同时受到时变耦合时滞的影响, 并且网络内部分别具有不同的节点系统. 基于有限时间稳定性理论和线性矩阵不等式变换, 通过在响应网络中引入单向耦合项, 实现两个网络间的有限时间同步, 同时准确辨识未知参量及未知拓扑结构. 仿真实验验证所提同步方法的有效性, 对比实验结果表明所提方法在减少耦合数量的同时具有更快的同步速率及更小的波动范围.
仿人智能控制理论及应用研究进展
戴小文, 宋建霖, 岳丽全
, doi: 10.16383/j.aas.c200007
摘要:
仿人智能控制是现代智能控制理论之一, 利用分层递阶的控制结构与多控制模态为强非线性、大迟滞、难建模问题提供了切实可行的解决方案, 近些年来发展迅速并且得到学术界的持续关注, 但缺乏对该理论研究进展系统性的总结. 本文通过系统的梳理仿人智能控制的理论基础和发展脉络, 将其划分为三代控制模型, 分别从每一代控制模型的算法描述、研究进展与应用进展三个角度进行综述, 同时, 结合当前的研究进展讨论仿人智能控制在控制模型、结构功能、参数校正方面进一步研究的方向.
光纤表面等离子体共振葡萄糖浓度传感器研究
郑万禄, 马遥, 张亚男
, doi: 10.16383/j.aas.c200264
摘要:
本文提出一种基于表面等离子体共振(surface plasmon resonance, SPR)的光纤传感器实现了葡萄糖浓度的测量. 该传感器探头采用反射式结构, 金膜镀在光纤表面激发SPR, 然后采用共价结合的方式将葡萄糖氧化酶(Glucose Oxidase, GOD)固定在金膜表面. 随着葡萄糖浓度的增加, 由于GOD和葡萄糖的结合使得探头表面折射率增加, 最终引起传感器谐振波长发生红移. 通过监测谐振波长的偏移量, 即可实现葡萄糖浓度的测量. 实验结果表明: 该传感器对折射率变化的灵敏度可达到2108.6 nm/RIU; 在0-0.5 mg/mL的葡萄糖浓度范围内, 谐振波长随葡萄糖浓度的增加而线性移动, 灵敏度为85.4 nm/(mg/mL); 随着葡萄糖浓度继续增加, GOD的结合位点逐渐减少, 导致光谱偏移量逐渐降低并趋于饱和, 在0.5-1.2 mg/mL的葡萄糖浓度范围内呈现非线性关系.
机器意识研究综述
秦瑞琳, 周昌乐, 晁飞
, doi: 10.16383/j.aas.c200043
摘要:
意识问题是尚未解决的重大哲学问题与科学问题. 机器意识是人工智能最前沿的研究领域之一. 研发意识机器人对于人工智能与机器人学的发展具有重要科学意义与应用价值. 本文首先介绍了意识与感受性的相关概念和理论, 然后详细讨论了机器意识的概念与研究分类、实现方法与计算模型, 重点论述了实现机器意识的量子方法, 最后总结了机器意识目前面临的困境与未来可能的发展, 并给出了一套机器意识总体实现框架.
间歇过程的批内自优化控制
叶凌箭
, doi: 10.16383/j.aas.c190855
摘要:
针对间歇过程的实时优化问题, 提出了一种基于自优化控制的批内优化方法. 以测量变量的线性组合为被控变量, 在单批次内跟踪控制被控变量实现间歇过程的实时优化. 根据是否在间歇过程的不同阶段切换被控变量, 给出了两种自优化控制策略, 对每种策略又分别提出两种设定轨线选取方案. 为求解这些情形下的最优被控变量(组合矩阵), 以最小化平均经济损失为目标, 推导了组合矩阵和经济损失之间的函数关系, 分别将其描述为相应的非线性规划问题. 在此基础上, 进一步引入了扩张组合矩阵, 将这些非线性规划问题归纳为求解扩张组合矩阵的一致形式(扩张组合矩阵具有不同的结构约束), 并推导得到了其中一种方案的解析解计算方法. 以一个间歇反应器为研究对象, 验证了方法的有效性.
高速列车精确停车的鲁棒自触发预测控制
刘晓宇, 荀径, 高士根, 阴佳腾
, doi: 10.16383/j.aas.c200039
摘要:
列车精确停车作为列车自动运行(Automatic train operation, ATO)系统的一项核心功能, 对高速列车的安全和高效运行至关重要. 本文针对高速列车停车过程的特点, 考虑在避免控制输出频繁切换的前提下实现高精度的停车曲线跟踪, 提出了基于模型预测控制(Model Predictive Control, MPC)的精确停车算法. 针对列车停车过程中外部不确定性阻力干扰, 采用鲁棒模型预测控制方法, 提高对外部干扰的鲁棒性. 引入自触发控制策略, 以进一步减少控制输出的频繁切换, 提高停车过程的舒适度. 该方法不需要每个采样时间都求解线性约束二次规划问题, 降低了对系统采样和通信能力的要求, 提高了算法的实用性. 分析结果表明, 高速列车精确停车控制方法的稳定性和性能指标的次优性可以得到保证. 基于高速列车实际运行数据的仿真结果验证了算法的有效性.
灰狼与郊狼混合优化算法及其聚类优化
张新明, 姜云, 刘尚旺, 刘国奇, 窦智, 刘艳
, doi: 10.16383/j.aas.c190617
摘要:
郊狼优化算法(Coyote Optimization Algorithm, COA)是最近提出的一种新颖且具有较大应用潜力的群智能优化算法, 具有独特的搜索机制和能较好解决全局优化问题等优势, 但在处理复杂优化问题时存在搜索效率低、可操作性差和收敛速度慢等不足. 为弥补其不足, 并借鉴灰狼优化算法(Grey Wolf Optimizer, GWO)的优势, 提出了一种COA与GWO的混合算法(Hybrid COA with GWO, HCOAG). 首先提出了一种改进的COA (Improved COA, ICOA), 即将一种高斯全局趋优成长算子替换原算法的成长算子以提高搜索效率和收敛速度, 并提出一种动态调整组内郊狼数方案, 使得算法的搜索能力和可操作性都得到增强; 然后提出了一种简化操作的GWO (Simplified GWO, SGWO), 以提高算法的可操作性和降低其计算复杂度; 最后采用正弦交叉策略将ICOA与SGWO二者融合进一步提高算法的优化性能. 大量的经典函数和CEC2017复杂函数优化以及K-Means聚类优化的实验结果表明, 与COA相比, HCOAG具有更高的搜索效率、更强的可操作性和更快的收敛速度, 与其他先进的对比算法相比, HCOAG具有更好的优化性能, 能更好地解决聚类优化问题.
航天器任务调度模型、算法与通用求解技术综述
杜永浩, 邢立宁, 姚锋, 陈盈果
, doi: 10.16383/j.aas.c190656
摘要:
针对航天器任务调度大规模、复杂化的新常态和灵活组网、快速响应的新要求, 综述了航天器任务调度模型、算法与通用求解技术的发展现状. 首先, 基于遥感卫星、通讯中继卫星、导航卫星和航天测控等航天器任务, 从任务排序模型和时间窗口分配模型两个角度出发, 揭示了不同航天器任务调度模型的决策形式和共性特征, 阐明提升模型兼容性、适用性的必要性. 其次, 基于启发式算法、精确求解算法和元启发式算法, 探讨了航天器任务调度算法的适用模型与编码特色, 指明“算法-模型”解耦、算法深度融合的重要性. 在此基础上, 介绍了CPLEX、STK/Scheduler、Europa2和“高景一号”任务调度分系统等航天器任务调度通用求解技术的模型、算法与主要功能, 说明我国自主研发通用求解技术的必要性和新的应用思路. 最后, 指出了开发航天器任务调度统一化建模语言、打造算法库与测试集等未来航天器任务调度研究的新方向.
无监督多重非局部融合的图像去噪方法
陈叶飞, 赵广社, 李国齐, 王鼎衡
, doi: 10.16383/j.aas.c200138
摘要:
非局部均值去噪 (Non-local means, NLM) 算法利用图像的自相似性, 取得了很好的去噪效果. 然而, NLM 算法对图像中不相似的邻域块分配了过大的权重, 此外算法的搜索窗大小和滤波参数等通常是固定的且无法根据图像内容的变化做出自适应的调整. 针对上述问题, 本文提出一种无监督多重非局部融合 (Unsupervised multi-non-local fusion, UM-NLF) 的图像去噪方法, 即变换搜索窗等组合参数得到多个去噪结果, 并利用 SURE (Stein’s unbiased risk estimator) 对这些结果进行无监督的随机线性组合以获得最终结果. 首先, 为了滤除不相似或者相似度较低的邻域块, 本文引入一种基于可微分硬阈值函数的非局部均值 (Non-local means with a differential hard threshold function, NLM-DT) 算法, 并结合快速傅里叶变换 (Fast fourier transformation, FFT), 初步提升算法的去噪效果和速度; 其次, 针对不同的组合参数, 利用快速 NLM-DT 算法串联生成多个去噪结果; 然后, 采用蒙特卡洛随机采样的思想对上述多个去噪结果进行随机的线性组合, 并利用基于 SURE 特征加权的移动平均滤波算法来抑制多个去噪结果组合引起的抖动噪声; 最后, 利用噪声图像和移动平均滤波后图像的 SURE 进行梯度的反向传递来优化随机线性组合的系数. 在公开数据集上的实验结果表明: UM-NLF 算法去噪结果的峰值信噪比 (Peak signal to noise radio, PSNR) 超过了 NLM 及其大部分改进算法, 以及在部分图像上超过了 BM3D 算法. 同时, UM-NLF 相比于 BM3D 算法在视觉上产生更少的振铃伪影, 改善了图像的视觉质量.
基于深度学习的纹理布匹瑕疵检测方法
许玉格, 钟铭, 吴宗泽, 任志刚, 刘伟生
, doi: 10.16383/j.aas.c200148
摘要:
布匹瑕疵检测是纺织工业中产品质量评估的关键环节, 实现快速、准确、高效的布匹瑕疵检测对于提升纺织工业的产能具有重要意义. 在实际布匹生产过程中, 布匹瑕疵在形状、大小及数量分布上存在不平衡问题, 且纹理布匹复杂的纹理信息会掩盖瑕疵的特征, 加大布匹瑕疵检测难度. 本文提出基于深度卷积神经网络的分类不平衡纹理布匹瑕疵检测方法, 首先建立一种基于通道叠加的ResNet50卷积神经网络模型(ResNet50+)对布匹瑕疵特征进行优化提取; 其次提出一种冗余特征过滤的特征金字塔网络对特征图中的背景特征进行过滤, 增强其中瑕疵特征的语义信息; 最后构造针对瑕疵数量进行加权的Multi Focal Loss损失函数, 减轻数据集不平衡对模型的影响, 降低模型对于少数类瑕疵的不敏感性. 通过实验对比, 本文提出的方法能有效提升布匹瑕疵检测的准确率及定位精度, 同时降低了布匹瑕疵检测的误检率和漏检率, 明显优于当前主流的布匹瑕疵检测算法.
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:
本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.
面向工业无线网络的动态TDMA系统设计与实现
徐川, 曾日辉, 邢媛, 邓炳光, 赵国锋
, doi: 10.16383/j.aas.c190797
摘要:
随着工业4.0的发展, 不同种类的新型工业应用被部署到工厂中, 这对现有工业无线技术提出了实时性和高速率的要求. 为了同时满足这两种需求, 本文在支持高速率的IEEE802.11的基础上, 提出了基于软件定义的动态TDMA无线接入系统. 首先, 为了提供时延有界的传输服务, 设计并实现了基于MAC层的动态TDMA接入机制. 然后, 为了满足工业无线网络中的动态变化的带宽需求, 考虑设备数据量的动态变化, 在SDN控制器上通过基于最小二乘法的线性回归算法预测设备时隙需求, 再将动态时隙分配问题转化为优化问题以最大化网络中所有设备动态时隙需求. 最后, 通过仿真对比TDMA时隙分配算法的性能, 并在实际网络环境中开展系统部署与测试. 结果表明, 相对于其他TDMA接入机制, 动态TDMA机制在保障时延有界的同时能有效提升传输性能.
基于内容特征和风格特征融合的单幅图像去雾网络
杨爱萍, 刘瑾, 邢金娜, 李晓晓, 何宇清
, doi: 10.16383/j.aas.c200217
摘要:
基于深度学习的方法在去雾领域已经取得了很大进展, 但仍然存在去雾不彻底和颜色失真等问题. 针对这些问题, 本文提出一种基于内容特征和风格特征相融合的单幅图像去雾网络. 所提网络包括特征提取、特征融合和图像复原三个子网络, 其中特征提取网络包括内容特征提取模块和风格特征提取模块, 分别用于学习图像内容和图像风格以实现去雾的同时可较好地保持原始图像的色彩特征. 在特征融合子网络中, 引入注意力机制对内容特征提取模块输出的特征图进行通道加权实现对图像主要特征的学习, 并将加权后的内容特征图与风格特征图通过卷积操作相融合. 最后, 图像复原模块对融合后的特征图进行非线性映射得到去雾图像. 与已有方法相比, 所提网络对合成图像和真实图像均可取得理想的去雾结果, 同时可有效避免去雾后的颜色失真问题.
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, 本文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. 本文整合了四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.
基于生成对抗网络的对抗攻击防御模型
孔锐, 蔡佳纯, 黄钢
, doi: 10.16383/j.aas.2020.c200033
摘要:
深度神经网络在解决复杂问题方面取得了惊人的成功, 广泛应用于生活中各个领域, 但是最近的研究表明, 深度神经网络容易受到精心设计的对抗样本的攻击, 导致网络模型输出错误的预测结果, 这对于深度学习网络的安全性是一种极大的挑战. 对抗攻击是深度神经网络发展过程中必须克服的一大障碍, 设计一种高效且能够防御多种对抗攻击算法, 且具有强鲁棒性的防御模型是有效推动对抗攻击防御的方向之一, 探究能否利用对抗性攻击来训练网络分类器从而提高其鲁棒性具有重要意义. 本文将生成对抗网络(Generative adversarial networks, GAN)和现有的攻击算法结合, 提出一种基于生成对抗网络的对抗攻击防御模型(AC-DefGAN), 利用对抗攻击算法生成攻击样本作为GAN的训练样本, 同时在网络中加入条件约束来稳定模型的训练过程, 利用分类器对生成器所生成样本的分类来指导GAN的训练过程, 通过自定义分类器需要防御的攻击算法来生成对抗样本以完成判别器的训练, 从而得到能够防御多种对抗攻击的分类器. 通过在MNIST、CIFAR-10和ImageNet数据集上进行实验, 证明训练完成后, AC-DefGAN可以直接对原始样本和对抗样本进行正确分类, 对各类对抗攻击算法达到很好的防御效果, 且比已有方法防御效果好、鲁棒性强.
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:
本文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, 巴氏系数检测方法作比较. 最后, 仿真表明本文所提检测算法的优越性.
应用知识图谱的推荐方法与系统
饶子昀, 张毅, 刘俊涛, 曹万华
, doi: 10.16383/j.aas.c200128
摘要:
数据稀疏和冷启动是当前推荐系统面临的两大挑战. 以知识图谱为表现形式的附加信息能够在某种程度上缓解数据稀疏和冷启动带来的负面影响, 进而提高推荐的准确度. 本文综述了最近提出的应用知识图谱的推荐方法和系统, 并依据知识图谱来源与构建方法、推荐系统利用知识图谱的方式, 提出了应用知识图谱的推荐方法和系统的分类框架, 进一步分析了本领域的研究难点. 本文还给出了文献中常用的数据集. 最后讨论了未来有价值的研究方向.
基于极点配置和椭球分析的传感器故障检测
张文瀚, 王振华, 沈毅
, doi: 10.16383/j.aas.c200189
摘要:
本文针对具有未知扰动与测量噪声的线性离散时间系统, 提出了一种传感器故障检测方法. 首先, 将传感器故障视为增广状态, 将原始系统转化为一个等效的新线性动态系统. 然后, 基于鲁棒观测器设计和极点配置方法构造了一个故障检测观测器, 使得生成的残差能够同时满足对扰动与噪声的鲁棒性和对故障的敏感性. 此外, 论文设计了一种基于椭球分析的残差评价方法, 该方法可通过判断残差是否被无故障残差椭球包含来检测故障. 最后, 通过一个二阶RC电路模型的仿真算例验证了所提出方法的有效性与优越性.
一种鲁棒的基于对抗结构的生物特征ROI提取方法
刘凤, 刘浩哲, 张文天, 陈嘉树, 沈琳琳, 王磊
, doi: 10.16383/j.aas.c200156
摘要:
感兴趣区域(Region of Interest, ROI) 提取在生物特征识别中, 常用于减少后续处理的计算消耗, 提高识别模型的准确性, 是生物识别系统中预处理的关键步骤. 针对生物识别数据, 本文提出了一种鲁棒的ROI提取方法. 方法使用语义分割模型作为基础, 通过增加全局感知模块, 与分割模型形成对抗结构, 为模型提供先验知识, 补充全局视觉模式信息, 解决了语义分割模型的末端收敛困难问题, 提高了模型的鲁棒性和泛化能力. 本文在传统二维(2D)指纹, 人脸, 三维(3D)指纹和指纹汗孔数据集中验证了方法的有效性. 实验结果表明, 相比于现有方法, 本文提出的ROI提取方法更具鲁棒性和泛化能力, 精度最高.
基于主视通路结构分级响应模型的轮廓检测方法
陈树楠, 范影乐, 房涛, 武薇
, doi: 10.16383/j.aas.c200046
摘要:
基于视通路结构分级响应与动态传递的方式, 本文提出了一种图像轮廓检测的新方法. 针对视网膜感光细胞的暗视觉特性, 建立亮度自适应的暗视野调节模型, 利用多尺度经典感受野的方位选择性, 构建高级轮廓与全局轮廓的检测路径; 模拟LGN细胞特性对信息进行纹理稀疏编码, 并结合非经典感受野的侧抑制作用抑制背景强纹理; 另外在LGN区提出微动整合机制, 减少纹理冗余信息, 再经适应性突触实现信息关联传递; 最后将初级轮廓响应跨视区前馈至V1区并经全局轮廓修正后, 与高级轮廓响应实现快速融合. 分别以RuG40、BSDS500图像库中的自然图像作为实验数据, 检测结果与基准轮廓图的平均最优P指标分别为0.50、0.32, 结果表明本方法能更有效的区分轮廓与纹理边缘, 凸显主体轮廓. 本文利用视神经细胞的内在机制以及神经信息的动态传递过程实现图像轮廓信息的编码与检测, 也为研究后续高级视皮层的视觉感知提供了新思路.
基于卦限卷积神经网络的3D点云分析
许翔, 帅惠, 刘青山
, doi: 10.16383/j.aas.c200080
摘要:
基于深度学习的三维点云数据分析技术得到了越来越广泛的关注, 然而点云数据的不规则性使得高效提取点云中的局部结构信息仍然是一大研究难点. 本文提出了一种能够作用于局部空间邻域的卦限卷积神经网络(Octant Convolutional Neural Network, Octant-CNN), 它由卦限卷积模块和下采样模块组成. 针对输入点云, 卦限卷积模块在每个点的近邻空间中定位八个卦限内的最近邻点, 接着通过多层卷积操作将八卦限中的几何特征抽象成语义特征, 并将低层几何特征与高层语义特征进行有效融合, 从而实现了利用卷积操作高效提取三维邻域内的局部结构信息; 下采样模块对原始点集进行分组及特征聚合, 从而提高特征的感受野范围, 并且降低网络的计算复杂度. Octant-CNN通过对卦限卷积模块和下采样模块的分层组合, 实现了对三维点云进行由底层到抽象、从局部到全局的特征表示. 实验结果表明, Octant-CNN在对象分类、部件分割、语义分割和目标检测四个场景中均取得了较好的性能.
反馈学习高斯表观网络的视频目标分割
王龙, 宋慧慧, 张开华, 刘青山
, doi: 10.16383/j.aas.c200288
摘要:
大量基于深度学习的视频目标分割方法存在两方面局限性: (1)单帧编码特征直接输入网络解码器, 未能充分利用多帧特征, 导致解码器输出的目标表观特征难以自适应复杂场景变化; (2)常采用前馈网络结构, 阻止了后层特征反馈前层进行补充学习, 导致学习到的表观特征判别力受限. 为此, 本文提出了反馈高斯表观网络, 通过建立在线高斯模型并反馈后层特征到前层来充分利用多帧、多尺度特征, 学习鲁棒的视频目标分割表观模型. 网络结构包括引导、查询与分割三个分支. 其中, 引导与查询分支通过共享权重来提取引导与查询帧的特征, 而分割分支则由多尺度高斯表观特征提取模块与反馈多核融合模块构成. 前一个模块通过建立在线高斯模型融合多帧、多尺度特征来增强对外观的表征力, 后一个模块则通过引入反馈机制进一步增强模型的判别力. 最后, 本文在三个标准数据集上进行了大量评测, 充分证明了本方法的优越性能.
基于权重因子自校正的主蒸汽温度外挂广义预测串级控制
王懋譞, 王永富, 柴天佑, 张晓宇
, doi: 10.16383/j.aas.c200195
摘要:
针对电厂目前普遍采用PI-PI串级控制器调节锅炉主蒸汽温度系统, 不能有效克服惯性、时滞和参数时变等问题的影响, 本文提出了一种理想GPC-PI串级控制器. 首先, 该理想串级控制器不仅能抑制一次和二次扰动, 而且外环GPC通过对主蒸汽温度的多步预测, 并结合滚动优化技术能有效克服主蒸汽温度系统的惯性和时滞问题. 另外, 针对主蒸汽温度系统参数时变的特性, 该理想控制器采用了T-S型模糊神经网络(FNN)作为主蒸汽温度模型, 该模型能够通过反馈校正技术实时更新模型参数. 同时, 为了改善主蒸汽温度系统动态响应品质和稳定性, 对外环GPC中的权重因子进行了模糊自校正设计, 通过理论分析和对比仿真验证了该理想GPC-PI串级控制器优于权重因子固定的GPC-PI和PI-PI串级控制器. 最后, 考虑到直接将电厂集散控制系统(DCS)中的PI-PI串级控制器升级为理想GPC-PI串级控制器存在安全以及风险责任等问题, 故将电厂的传统PI-PI串级控制器升级成外挂的GPC-PI-PI串级控制器, 既改善了锅炉主蒸汽温度的控制效果又规避了风险责任, 实际应用验证了该方法的有效性.
基于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:
本文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.
无纺布疵点实时检测技术与系统设计
邓泽林, 刘行, 董云龙, 袁烨
, doi: 10.16383/j.aas.c200446
摘要:
无纺布生产过程中产生的疵点会严重影响产品质量并限制生产效率. 提高疵点检测的自动化程度对于无纺布的生产效率和质量管控至关重要. 传统疵点检测方法难以应对纹理、疵点类型以及环境变化等问题, 限制了其应用范围. 近年来基于卷积神经网络的方法在疵点检测领域得到了广泛应用, 具有泛化性强、准确度高的特点. 但是在无纺布生产过程中, 布匹宽度大、速度快的特点会产生大量图像数据, 基于卷积神经网络的方法难以实现实时检测. 针对上述难题, 本文提出了一种基于最大稳定极值区域分析与卷积神经网络协同的疵点实时检测方法, 并设计了分布式计算处理架构应对数据流过大的问题. 在实际生产部署应用中, 本文所设计的系统与算法无需使用专用计算硬件(GPU、FPGA等), 通过8台工控机与16路工业摄像头对复卷机上布宽2.8 m、速度30 m/min的无纺布进行分布式实时在线检测, 大幅度提高无纺布生产中疵点检测的自动化程度与效率. 本文所提出的系统能够实现对0.3 mm以上疵点召回率100%, 对0.1 mm丝状疵点召回率98.8%.
基于池的无监督线性回归主动学习
刘子昂, 蒋雪, 伍冬睿
, doi: 10.16383/j.aas.c200071
摘要:
在许多现实的机器学习应用场景中, 获取大量未标注的数据是很容易的, 但标注过程需要花费大量的时间和经济成本. 因此, 在这种情况下, 需要选择一些最有价值的样本进行标注, 从而只利用较少的标注数据就能训练出较好的机器学习模型. 主动学习已被广泛应用于解决这种场景下的问题. 但是, 大多数现有的主动学习方法都是基于有监督场景: 能够从少量带标签的样本中训练初始模型, 基于模型查询新的样本, 然后迭代更新模型. 无监督情况下的主动学习却很少有人考虑, 即在不知道任何标签信息的情况下最佳地选择要标注的初始训练样本. 这种场景下, 主动学习问题变得更加困难, 因为无法利用任何标签信息. 针对这一场景, 本文研究了基于池的无监督线性回归问题, 提出了一种新的主动学习方法, 该方法同时考虑了信息性、代表性和多样性这三个标准. 本文在3个不同的线性回归模型(岭回归, LASSO和线性支持向量回归)和来自不同应用领域的12个数据集上进行了广泛的实验, 验证了其有效性.
基于胰岛素基础率估计的人工胰腺系统自抗扰控制
史大威, 杨肖, 蔡德恒, 牟治宇, 刘蔚, 纪立农
摘要:
胰岛素基础率是人工胰腺系统实现人体血糖闭环控制的基准, 但该变量在临床治疗中难以准确确定. 针对这一问题, 本文设计了一种基于胰岛素基础率动态估计的人工胰腺自抗扰控制方法, 通过扩张状态观测器(ESO)实时估计血糖代谢过程中的内部与外界干扰, 构建具备参数自适应能力的反馈控制律和胰岛素注射安全约束, 实现血糖闭环调控能力的有效改善. 在此基础上, 本文设计了基于移动设备和蓝牙模块的人工胰腺软件系统, 并通过美国FDA接受的UVA/Padova T1DM仿真平台完成算法的比较仿真与功能测试. 本文的工作将为后续人工胰腺临床试验的开展提供方法基础和技术支持, 也为我国糖尿病患者血糖管理的改善提供精准医学治疗手段.
基于混合生成对抗网络的多视角图像生成算法
卫星, 李佳, 孙晓, 刘邵凡, 陆阳
, doi: 10.16383/j.aas.c190743
摘要:
多视角图像生成即基于某个视角图像生成其他多个视角图像, 是多视角展示和虚拟现实目标建模等领域的基本问题, 已引起研究人员的广泛关注. 近年来, 生成对抗网络在多视角图像生成任务上取得了不错的成绩, 但目前的主流方法局限于固定领域, 很难迁移至其他场景, 且生成的图像存在模糊、失真等弊病. 为此本文提出了一种基于混合对抗生成网络的多视角图像生成模型ViewGAN, 它包括多个生成器和一个多类别判别器, 可灵活迁移至多视角生成的多个场景. 在ViewGAN中, 多个生成器被同时训练, 旨在生成不同视角的图像. 此外我们提出了一种基于蒙特卡洛搜索的惩罚机制来促使每个生成器生成高质量的图像, 使得每个生成器更专注于指定视角图像的生成. 在DeepFashion, Dayton, ICG Lab6数据集上的大量实验证明: 我们的模型在Inception Score和Top-k Accuracy上的性能优于目前的主流模型, 并且在SSIM上的分数提升了32.29%, PSNR分数提升了14.32%, SD分数提升了10.18%.
非侵入式负荷监测综述
邓晓平, 张桂青, 魏庆来, 彭伟, 李成栋
, doi: 10.16383/j.aas.c200270
摘要:
非侵入式负荷监测通过对总负荷电表数据进行分析处理, 能够实现对各个用电设备及其工作状态的辨识, 可广泛应用于建筑节能、智慧城市、智能电网等领域. 近年来, 随着智能电表的大规模部署以及各类机器学习算法的广泛应用, 非侵入式负荷监测引起了学术界与工业界的共同关注. 本文对非侵入式负荷监测方面的研究进行综述. 首先提炼非侵入式负荷监测的问题模型及基本框架; 然后分别对非侵入式负荷监测的数据采集与预处理过程、负荷分解模型与方法、常用数据集及评估指标进行归纳总结; 最后, 对目前研究中存在的挑战进行分析, 并对未来的研究方向进行展望.
社会交通中的社会信号分析与感知
陈虹宇, 艾红, 王晓, 吕宜生, 陈圆圆, 王飞跃
, doi: 10.16383/j.aas.c200055
摘要:
近年来, 智能便携设备和移动互联网的迅速发展促使网络空间中积累了海量的数据信息, 从而影响了众多领域的研究与发展. 本文针对在以社会信号为主的数据对交通领域的影响下产生的跨学科领域--社会交通, 从数据及相应技术方法和研究应用方面对物理和网络空间信息的感知、挖掘、分析与利用的研究成果进行综述, 并分析、总结与展望该领域的未来研究趋势.
基于区块链的电子医疗病历可控共享模型
张磊, 郑志勇, 袁勇
摘要:
电子医疗病历共享能够提高医疗诊断的准确性, 促进公共医疗领域的发展. 针对目前普遍存在的不同医院之间病历共享困难、病人无法掌握其病历的使用情况等问题, 本文提出了病人可控的、云链协同的病历共享模型, 由各级医院组成联盟区块链, 病历数据实行链上、链下混合存储. 利用聚类算法, 改进实用拜占庭共识算法, 使得各节点可以更高效的达成共识. 将基于属性的加密方案与多关键词加密方案结合进行病历加密, 实现了数据可控共享, 病人可自主定义访问策略, 同时用户可以对加密病历进行安全、精确检索. 考虑到用户属性的动态更新, 设计了属性更新子协议. 最后评估了模型的安全性和性能, 并分析了模型的优劣势.
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:
该文提出一种基于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MCD值较基准模型降低4.80%, MOS 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.
基于影子趋势对比的矿热炉炉况在线辨识及趋势预测
李沛, 阳春华, 贺建军, 桂卫华
, doi: 10.16383/j.aas.c190827
摘要:
矿热炉埋弧冶炼炉况影响因素复杂且偶发迁移和跃变, 炉况发展趋势难以把握, 给冶炼过程控制带来挑战. 对此, 本文在深入分析埋弧冶炼机理的基础上, 建立了可表征反应区内电弧热与电阻热交互耦合关系的反应区操作电阻模型, 实现炉况发展趋势的在线跟踪. 当炉况发生迁移或跃变时, 利用前序炉况下所得模型生成影子趋势信息, 并综合考虑冶炼工艺及电弧电阻与料层电阻的动态特性差异, 辨析炉况变化的成因, 形成规则化的待辨识参数在线选取方法, 解决了炉况变化前后采样点少, 传统辨识方法无法适用的问题. 工业现场验证表明, 所提出方法可在复杂条件下对冶炼炉况进行准确跟踪, 并给出可靠的炉况发展趋势预测, 为冶炼过程的精细化生产奠定了基础.
复杂系统维护策略最新研究进展: 从视情维护到预测性维护
陆宁云, 陈闯, 姜斌, 邢尹
, doi: 10.16383/j.aas.c200227
摘要:
对于复杂、可修复的工程系统, 设备维护是确保系统安全性、可靠性、可用性的重要手段之一. 系统维护策略已经历修复性维护、定时维护、视情维护等多种维护策略. 其中, 视情维护是目前最受关注的维护策略, 它通过收集和评估系统的实时状态信息进行维护决策, 具有全寿命周期内系统可靠性高、运营维护成本低等优点. 近年来, 随着物联网技术、信息技术和人工智能的快速发展, 一种更新颖的视情维护策略——预测性维护逐渐成为领域研究热点. 本文首先简要回顾了系统维护策略的发展历程; 然后重点介绍了视情维护的研究进展, 根据决策支持技术的不同, 将视情维护划分为基于随机退化模型的视情维护和基于数据驱动的预测性维护, 对每类技术的发展分支与研究现状进行了疏理、分析和总结; 最后探讨了当前复杂系统维护策略面临的挑战性问题和可能的未来研究方向.
变分贝叶斯概率数据关联算法
恽鹏, 吴盘龙, 李星秀, 何山
, doi: 10.16383/j.aas.c200407
摘要:
针对杂波环境下的目标跟踪问题, 提出了一种基于变分贝叶斯的概率数据关联算法(VB-PDA). 该算法首先将关联事件视为一个随机变量并利用多项分布对其进行建模, 随后基于数据集、目标状态、关联事件的联合概率密度函数求取关联事件的后验概率密度函数, 最后将关联事件的后验概率密度函数引入变分贝叶斯框架中以获取状态近似后验概率密度函数. 相比于概率数据关联算法, VB-PDA算法在提高算法实时性的同时在权重KL平均准则下获取了近似程度更高的状态后验概率密度函数. 相关仿真实验对提出算法的有效性进行了验证.
基于异步相关判别性学习的孪生网络目标跟踪算法
许龙, 魏颖, 商圣行, 张皓云, 边杰, 徐楚翘
, doi: 10.16383/j.aas.c200237
摘要:
现有基于孪生网络的单目标跟踪算法能够实现很高的跟踪精度, 但是这些跟踪器不具备在线更新的能力, 而且其在跟踪时很依赖目标的语义信息, 这导致基于孪生网络的单目标跟踪算法在面对具有相似语义信息的干扰物时会跟踪失败. 为了解决这个问题, 本文提出了一种异步相关响应的计算模型, 并提出一种高效利用不同帧间目标语义信息的方法. 在此基础上, 提出了一种新的具有判别性的跟踪算法. 同时为了解决判别模型使用一阶优化算法收敛慢的问题, 本文使用近似二阶优化的方法更新判别模型. 为验证所提算法的有效性, 本文分别在Got-10k, TC128, OTB 和VOT2018 上做了对比实验, 实验结果表明, 本文提出的方法可以明显地改进基准算法的性能.
基于旋转框精细定位的遥感目标检测方法研究
朱煜, 方观寿, 郑兵兵, 韩飞
, doi: 10.16383/j.aas.c200261
摘要:
遥感图像中的目标往往呈现出任意方向排列, 而常见的目标检测算法均采用水平框检测, 并不能满足这类场景的应用需求. 因此本文提出一种旋转框检测网络R2-FRCNN. 该网络利用粗调与细调两阶段实现旋转框检测, 粗调阶段将水平框转换为旋转框, 细调阶段进一步优化旋转框的定位. 针对遥感图像存在较多小目标的特点, 本文提出像素重组金字塔结构, 融合深浅层特征, 提升复杂背景下小目标的检测精度. 此外, 为了在金字塔各层中提取更加有效的特征信息, 本文在粗调阶段设计一种积分与面积插值法相结合的感兴趣区域特征提取方法, 同时在细调阶段设计旋转框区域特征提取方法. 最后, 本文在粗调和细调阶段均采用全连接层与卷积层相结合的预测分支, 并且利用SmoothLn作为网络的回归损失函数, 进一步提升算法性能. 本文提出的网络在大型遥感数据集DOTA上进行评估, 评估指标mAP达到0.7602. 对比实验表明所提出的R2-FRCNN网络的有效性.
自动化信任的研究综述与展望
董文莉, 方卫宁
, doi: 10.16383/j.aas.c200432
摘要:
随着自动化能力的快速提升, 人机关系发生深刻变化, 人的角色逐渐从自动化的主要控制者转变为与其共享控制的合作者. 为了实现绩效和安全目标, 人机协同控制需要操作人员适当地校准他们对自动化机器的信任, 自动化信任问题已经成为实现安全有效的人机协同控制所面临的最大挑战之一. 本文回顾了自动化信任相关文献, 围绕自动化信任概念、模型、影响因素及测量方法, 对迄今为止该领域的主要理论和实证工作进行了详细总结. 最后, 本文在研究综述和相关文献分析的基础上提出了现有自动化信任研究工作中存在的局限性, 并从人机系统设计的角度为未来的自动化信任研究提供一些建议.
基于鲁棒加权模糊聚类的污水处理过程监测方法
张瑞垚, 周平
, doi: 10.16383/j.aas.c200392
摘要:
针对非线性强、先验故障知识少、异常工况识别难的污水处理过程监测问题, 提出一种基于鲁棒加权模糊c均值(RoW-FCM)聚类与核偏最小二乘(KPLS)的过程监测方法. 首先, 针对污水处理过程的高维非线性耦合特性, 采用KPLS对高维输入变量进行降维; 其次, 针对传统基于最近邻分配的模糊c均值(FCM)算法对离群点敏感以及存在聚类不平衡簇的问题, 提出充分考虑样本间相互关系的RoW-FCM聚类算法. 通过引入可能性划分矩阵作为权值参数实现不同样本数据的区分加权, 提高了离群点数据聚类的鲁棒性, 同时引入聚类大小控制参数解决不平衡簇的问题. 进一步将RoW-FCM算法对KPLS降维后的得分矩阵进行聚类, 利用聚类得到的隶属度矩阵实现异常工况的检测; 最后, 建立隶属度矩阵与过程变量的回归模型, 并利用得到的变量贡献矩阵描述变量对各个簇的解释程度, 实现异常工况的识别. 数值仿真以及污水处理过程数据实验表明所提方法具有更好的鲁棒性能, 在异常工况检测和识别上具有较好的效果.
基于粒度聚类的铁矿石烧结过程运行性能评价
杜胜, 吴敏, 陈略峰, 维托尔德·佩德里茨
, doi: 10.16383/j.aas.c200267
摘要:
烧结过程的运行性能是生产效率和能源利用的综合表现. 运行性能评价是保持烧结过程的运行性能处于最优等级的前提. 考虑到时间序列数据的冗余, 本文提出一种基于粒度聚类的铁矿石烧结过程运行性能评价方法. 首先, 利用单因素方差分析方法选取影响运行性能等级的检测参数. 然后, 采用多粒度区间信息粒化实现检测参数时间序列数据的降维, 并进行粒度聚类, 得到聚类标签. 最后, 利用随机森林算法对聚类得到的标签进行运行性能等级评价. 利用实际钢铁企业的运行数据进行了实验, 构建两个对比实验, 分别采用基于时间序列数据聚类的方法和基于时间序列特征聚类的方法. 实验表明所提出的方法为有效评价烧结过程的运行性能提供了一套可行方案, 为操作人员提升烧结过程运行性能提供了有力的指导.
基于DPCA残差互异度的故障检测与诊断方法
张成, 戴絮年, 李元
, doi: 10.16383/j.aas.c190884
摘要:
针对动态主元分析方法中残差自相关性降低过程故障检测率问题, 提出基于动态主元分析残差互异度的故障检测与诊断方法. 首先, 应用动态主元分析(Dynamic principal component analysis, DPCA)计算动态过程数据的残差得分; 接下来, 应用滑动窗口技术并结合互异度指标(Dissimilarity)来监控过程残差得分状态; 最后, 利用基于变量贡献图的方法进行过程故障诊断分析. 本文方法通过DPCA捕获过程的动态特征, 同时互异度指标区别于传统的平方预测误差(Square prediction error, SPE), 它可以有效地对具有自相关性的残差得分进行过程状态监控. 通过一个数值例子和Tennessee Eastman(TE)过程的仿真实验并与传统方法对比分析, 仿真结果进一步证实了本文方法的有效性.
基于移动机器人的拣货系统研究进展
徐翔斌, 马中强
, doi: 10.16383/j.aas.c190728
摘要:
基于移动机器人的拣货系统(Robotic Mobile Fulfillment Systems, RMFS)作为一种新型物至人的拣货系统, 相比人工拣货系统和AS/RS拣货系统(下文统称传统拣货系统)具有更高的拣货效率、更好的系统可扩展性和柔性. 为全面了解RMFS的运行模式及其优化方向, 本文首先回顾了RMFS的工作流程及优化理论框架, 然后对RMFS的货位指派、订单分批、任务分配、路径规划以及建模方法等问题进行了文献回顾和总结, 并指出了RMFS与传统拣货系统在拣货过程方面的异同及当前研究的不足. 最后, 讨论了RMFS的几个重要研究方向, 为RMFS的理论研究和应用实践提供参考.
深度生成模型综述
胡铭菲, 左信, 刘建伟
, doi: 10.16383/j.aas.c190866
摘要:
通过学习可观测数据的概率密度而随机生成样本的生成模型在近年来受到人们的广泛关注, 网络结构中包含多个隐藏层的深度生成式模型以更出色的生成能力成为研究热点, 深度生成模型在计算机视觉、密度估计、自然语言和语音识别、半监督学习等领域得到成功应用, 并给无监督学习提供了良好的范式. 本文根据深度生成模型处理似然函数的不同方法将模型分为三类: 第一类方法是近似方法, 包括采用抽样方法近似计算似然函数的受限玻尔兹曼机和以受限玻尔兹曼机为基础模块的深度置信网络、深度玻尔兹曼机和亥姆霍兹机, 与之对应的另一种模型是直接优化似然函数变分下界的变分自编码器以及其重要的改进模型, 包括重要性加权自编码和可用于半监督学习的深度辅助深度模型; 第二类方法是避开求极大似然过程的隐式方法, 其代表模型是通过生成器和判别器之间的对抗行为来优化模型参数从而巧妙避开求解似然函数的生成对抗网络以及重要的改进模型, 包括WGAN、深度卷积生成对抗网络和当前最顶级的深度生成模型BigGAN; 第三类方法是对似然函数进行适当变形的流模型和自回归模型, 流模型利用可逆函数构造似然函数后直接优化模型参数, 包括以NICE为基础的常规流模型、变分流模型和可逆残差网络(i-ResNet), 自回归模型(NADE)将目标函数分解为条件概率乘积的形式, 包括神经自回归密度估计(NADE)、像素循环神经网络(PixelRNN)、掩码自编码器(MADE)以及WaveNet等. 详细描述上述模型的原理和结构以及模型变形后, 阐述各个模型的研究进展和应用, 最后对深度生成式模型进行展望和总结.
深度强化学习的攻防与安全性分析综述
陈晋音, 章燕, 王雪柯, 蔡鸿斌, 王珏, 纪守领
, doi: 10.16383/j.aas.c200166
摘要:
深度强化学习是人工智能领域新兴技术之一, 它将深度学习强大的特征提取能力与强化学习的决策能力相结合, 实现从感知输入到决策输出的端到端框架, 具有较强的学习能力且应用广泛. 然而, 已有研究表明深度强化学习存在安全漏洞, 容易受到对抗样本攻击. 为提高深度强化学习的鲁棒性、实现系统的安全应用, 本文针对已有的研究工作, 较全面地综述了深度强化学习方法、对抗攻击、防御方法与安全性分析, 并总结深度强化学习安全领域存在的开放问题以及未来发展的趋势, 旨在为从事相关安全研究与工程应用提供基础.
大规模超环神经网络分岔动力学
张跃中, 肖敏, 王璐, 徐丰羽
, doi: 10.16383/j.aas.c200130
摘要:
目前绝大多数神经网络分岔动力学局限于结构简单、低维少节点模型, 这与真实的大规模神经网络系统相去甚远. 因此, 研究大量神经元耦合的高维神经网络模型更具实际应用价值. 环状及辐射状结构在神经网络中普遍存在, 本文提出了一类大规模超环时滞神经网络模型, 其结构包含一个大环和任意多个小环, 并且每个环上拥有任意多个神经元. 运用特征值法和分岔理论, 选取时滞为分岔参数, 给出了该超环神经网络模型的稳定性条件和Hopf分岔判据. 数值仿真验证我们理论结果的正确性.
异构集群系统分布式自适应输出时变编队跟踪控制
田磊, 董希旺, 赵启伦, 李清东, 吕金虎, 任章
, doi: 10.16383/j.aas.c200185
摘要:
提出了一种能够解决高阶异构集群系统输出时变编队跟踪问题的控制方法. 集群系统中的智能体分为领导者和跟随者, 领导者和跟随者的动力学模型可以完全不同. 跟随者的输出在跟踪领导者输出的同时保持时变编队实现协同运动. 考虑了领导者存在已知或未知控制输入、领导者和跟随者均存在未知扰动、有向通信拓扑存在切换等多种因素并存的情况, 结合观测器理论、自适应控制理论和滑模控制理论设计了完全分布式的输出时变编队跟踪控制协议, 摆脱了对领导者控制输入上界值、与通信拓扑相关的拉普拉斯矩阵的特征值以及时变编队函数等全局信息的依赖. 利用Lyapunov理论证明了在有向拓扑切换条件下异构集群系统的闭环稳定性. 最后通过数值仿真对理论结果的有效性进行了验证.
数据与模型联合驱动的陶瓷材料晶粒分割
雷涛, 李云彤, 周文政, 袁启斌, 王成兵, 张小红
, doi: 10.16383/j.aas.c200277
摘要:
研究陶瓷晶粒尺寸分布对估计陶瓷样品的物理属性具有重要意义, 当前主要依赖人工方法测量晶粒尺寸, 由于晶粒形状不规则且大小不一, 因此人工方法测量效率低、误差大. 针对该问题, 提出一种数据与模型联合驱动的陶瓷材料晶粒分割算法. 该算法首先通过图像预处理解决材料表面反光导致的灰度不均匀问题; 其次利用本文提出的鲁棒分水岭变换实现图像中晶粒的预分割, 解决传统分水岭算法存在的过分割以及分割区域个数与轮廓精度难以平衡的问题; 最后根据本文提出的轻量级富卷积特征网络输出晶粒轮廓并利用该轮廓对预分割结果进行优化. 与主流图像分割算法相比, 提出的算法一方面利用鲁棒分水岭变换实现了更为准确的晶粒区域定位, 另一方面利用图像的低层与高层特征融合获取了更为精准的晶粒轮廓. 实验结果表明, 提出的算法不仅能够实现陶瓷材料晶粒尺寸的精准计算, 而且具有较高的计算效率, 为分析陶瓷材料物理属性提供了客观准确的数据.
基于自注意力对抗的深度子空间聚类
尹明, 吴浩杨, 谢胜利, 杨其宇
, doi: 10.16383/j.aas.c200302
摘要:
子空间聚类(Subspace clustering)是一种当前较为流行的基于谱聚类的高维数据聚类框架. 近年来, 由于深度神经网络能够有效地挖掘出数据深层特征, 其研究倍受各国学者的关注. 深度子空间聚类旨在通过深度网络学习原始数据的低维特征表示, 计算出数据集的相似度矩阵, 然后利用谱聚类获得数据的最终聚类结果. 然而, 现实数据存在维度过高、数据结构复杂等问题, 如何获得更鲁棒的数据表示, 改善聚类性能, 仍是一个挑战. 因此, 本文提出基于自注意力对抗的深度子空间聚类算法(SAADSC). 利用自注意力对抗网络在自动编码器的特征学习中施加一个先验分布约束, 引导所学习的特征表示更具有鲁棒性, 从而提高聚类精度. 通过在多个数据集上的实验, 结果表明本文算法在精确率(ACC)、标准互信息(NMI)等指标上都优于目前最好的方法.
深度强化学习联合回归目标定位
姚红革, 张玮, 杨浩琪, 喻钧
, doi: 10.16383/j.aas.c200045
摘要:
为了模拟人眼的视觉注意机制, 快速、高效地搜索和定位图像目标, 本文提出了一种基于循环神经网络的联合回归深度强化学习目标定位模型, 该模型将历史观测信息与当前时刻的观测信息融合并做出综合分析, 以训练Agent(智能体)快速定位目标, 并联合回归器对Agent所定位的目标包围框进行精细调整.实验表明, 所提出的模型能够在少数时间步内快速、准确地定位目标.
考虑车辆横向主动安全的智能驾驶员模型
隋振, 梁硕, 田彦涛
, doi: 10.16383/j.aas.c190526
摘要:
本文将结合智能车面临的横向安全问题, 设计一种具有横向安全性的智能驾驶员模型. 该系统由转向控制、速度控制和决策规划三个模块组成. 该系统解决的横向安全问题包括: 一是通过在转向控制中加入主要约束提高车辆在转向过程中的横向稳定性, 减小车辆发生侧滑、侧倾、侧偏等风险; 二是在换道场景下, 决策规划单元合理分析交通环境中的车间距并计算出驶入临近车道的速度和轨迹, 使智能车实现安全换道. CarSim/Simulink仿真结果表明, 该智能驾驶员系统提高了车辆行驶的横向安全性.
流程工业数字孪生关键技术探讨
李彦瑞, 杨春节, 张瀚文, 李俊方
, doi: 10.16383/j.aas.c200147
摘要:
流程工业是制造业的重要组成部分, 是国民经济发展的重要基础, 主要包括化工、冶金、石化等行业, 其安全高效的生产对国家而言具有重要的战略意义. 然而, 流程工业物理化学变化反应复杂、流程间能质流严重耦合、多目标冲突、在线实验风险大, 给生产流程系统建模与高效协同优化带来极大困难, 严重制约了生产质量和资源利用率的进一步提升. 随着信息技术与人工智能的发展, 建立虚实结合、协同优化运行的流程工业数字孪生生产线所需技术逐渐成熟, 其在流程工业的应用价值与潜力日益凸显. 本文首先阐述数字孪生在流程工业应用的必要性与重要性, 并通过边界定义法将数字孪生与CPS、工业互联网等概念进行对比分析,从而明确数字孪生的基本内涵与功能边界. 其次描述流程工业抽象模型和数字孪生理论模型间的映射关系, 并分析了如何用数字孪生技术解决流程工业系统建模与高效协同优化的瓶颈问题. 最后, 从数字孪生系统构建的角度探讨数字孪生发展的关键技术, 并以一条炼铁生产线为例, 展示数字孪生技术在实际工业中的应用解决方案.
噪声环境下基于蒲丰距离的依概率多峰优化算法
王霞, 王耀民, 施心陵, 高莲, 李鹏
, doi: 10.16383/j.aas.c190474
摘要:
针对噪声环境下求解多个极值点的问题, 本文提出了噪声环境下基于蒲丰距离的依概率多峰优化算法(PMB). 算法依据蒲丰投针原理提出噪声下的蒲丰距离和极值分辨度概念, 理论推导证明了二者与算法峰值检测率符合依概率关系. 在全局范围内依据蒲丰距离划分搜索空间, 可以使PMB算法保持较好的搜索多样性. 在局部范围内利用改进的斐波那契法进行探索, 减少了算法陷入噪声引起的局部最优的概率. 基于34个测试函数, 从依概率特性验证、寻优结果影响因素分析、多极值点寻优和多维函数寻优四个角度进行实验. 证明了蒲丰距离与算法的峰值检测率符合所推导的依概率关系. 对比噪声环境下的改进蝙蝠算法和粒子群算法(Particle Swarm Optimization, PSO), PMB算法在噪声环境中可以依定概率更精确地定位多峰函数的更多极值点, 从而证明了PMB算法原理的正确性和噪声条件下全局寻优的依概率性能, 具有理论意义和实用价值.
深度域适应综述: 一般情况与复杂情况
范苍宁, 刘鹏, 肖婷, 赵巍, 唐降龙
, doi: 10.16383/j.aas.c200238
摘要:
信息时代产生的大量数据使机器学习技术成功地应用在许多领域. 大多数机器学习技术需要满足训练集与测试集独立同分布的假设, 但在实际应用中这个假设很难满足. 域适应是一种在训练集和测试集不满足独立同分布条件下的机器学习技术. 一般情况下的域适应只适用于源域目标域特征空间与标签空间都相同的情况, 然而实际上这个条件很难满足. 为了增强域适应技术的适用性, 复杂情况下的域适应逐渐成为研究热点, 其中标签空间不一致和复杂目标域情况下的域适应技术是近年来的新兴方向. 随着深度学习技术的崛起, 深度域适应已经成为域适应研究领域中的主流方法. 本文对一般情况与复杂情况下的深度域适应的研究进展进行综述, 对其缺点进行总结, 并对其未来的发展趋势进行预测. 本文的内容安排为首先对迁移学习相关概念进行介绍, 然后分别对一般情况与复杂情况下的域适应, 域适应技术的应用以及域适应方法性能的实验结果进行综述, 最后对域适应领域的未来发展趋势进行展望并对全文内容进行总结.
基于种群个体数自适应的多尺度量子谐振子优化算法
焦育威, 王鹏
, doi: 10.16383/j.aas.c200247
摘要:
优化算法中多种群采样方式可转化为蒙特卡洛对当前函数积分的评估, 针对不同子种群对整体评估的差异性, 提出子种群规模 (个体数) 自适应的改进策略, 并用于多尺度量子谐振子优化算法(Multi-scale quantum harmonic oscillator algorithm, MQHOA) 的改进, 同时阐述多种群策略所具有的量子特性以及量子隧道效应与寻优性能的相关性, 已有的优化算法忽视了动态调节子种群规模对寻优能力的影响, 该策略通过动态调节子种群规模, 提高适应度差的子种群发生量子隧道效应的概率, 增强了算法的寻优能力, 将改进后的算法MQHOA-d(Multi-scale quantum harmonic oscillator algorithm based on dynamic subpopulation) 与 MQHOA 及其他优化算法在 CEC2013 测试集上进行测试, 结果表明原算法 MQHOA"早熟"问题在 MQHOA-d 中得到解决, 且 MQHOA-d 对多峰函数和复合函数优化具有显著优势, 求解误差和计算时间均小于几种经典优化算法.
深海起重机系统的实时轨迹规划方法
王岳, 孙宁, 吴易鸣, 梁潇, 陈鹤, 方勇纯
, doi: 10.16383/j.aas.c200262
摘要:
近年来, 随着海洋资源的不断开发与海洋工程的全球化推进, 深海起重机得到了广泛应用, 其控制问题也引起研究人员的极大关注. 在深海作业环境中, 由于吊运过程受到水流作用力的影响, 负载摆动幅度增大, 系统状态量间非线性耦合关系增强, 使系统控制难度加大. 为此, 本文针对深海起重机系统提出了一种实时轨迹规划方法. 具体而言, 通过分析系统动力学特性和状态变量之间复杂的耦合关系, 提出了一种实时规划轨迹的方法, 并从理论上证明了该方法可在使台车准确快速到达指定位置的同时, 有效抑制负载摆动. 最后, 一系列仿真结果证明了所提方法的良好性能.
面向对抗样本的深度神经网络可解释性分析
董胤蓬, 苏航, 朱军
, doi: 10.16383/j.aas.c200317
摘要:
虽然深度神经网络 (Deep Neural Networks, DNNs) 在许多任务上取得了显著的效果, 但是由于其可解释性 (Interpretability) 较差, 通常被当做“黑盒”模型. 本文针对图像分类任务, 利用对抗样本 (Adversarial Examples) 从模型失败的角度检验深度神经网络内部的特征表示. 通过分析, 发现深度神经网络学习到的特征表示与人类所理解的语义概念之间存在着不一致性. 这使得理解和解释深度神经网络内部的特征变得十分困难. 为了实现可解释的深度神经网络, 使其中的神经元具有更加明确的语义内涵, 本文提出了加入特征表示一致性损失的对抗训练方式. 实验结果表明该训练方式可以使深度神经网络内部的特征表示与人类所理解的语义概念更加一致.
比特驱动的瓦特变革——信息能源系统研究综述
孙秋野, 王一帆, 杨凌霄, 张化光
, doi: 10.16383/j.aas.c200634
摘要:
本文采用科学知识图谱的方法系统梳理了信息能源系统研究的整体概况, 以数据和知识混合驱动的方式展现了信息能源系统专业领域的热点领域和学术链条, 并聚焦4个重点研究领域: 一致控制、优化调度、用户驱动的优化管理、信息能源深度融合系统, 在共被引分析基础上, 依据文献重要性和贡献度人工筛选出高影响力文献, 梳理了信息能源系统研究演化发展趋势. 分析表明, 当前信息技术作为有力的支撑驱动了能源系统的发展, 但信息与能源之间的联系仍不够紧密, 对能源数据价值的充分挖掘等问题亦需进一步研究.
基于事件相机的合成孔径成像
余磊, 廖伟, 周游龙, 杨文, 夏桂松
, doi: 10.16383/j.aas.c200388
摘要:
合成孔径成像通过多角度获取目标信息来等效大孔径和小景深相机成像. 因此, 该技术可以虚化遮挡物, 实现对被遮挡目标的成像. 然而, 在密集遮挡和极端光照条件下, 由于遮挡物的密集干扰和相机本身较低的动态范围, 基于传统相机的合成孔径成像无法有效地对被遮挡目标进行成像. 本文利用事件相机低延时、高动态的特性, 提出基于事件相机的合成孔径成像方法. 事件相机产生异步事件数据, 具有极低的延时, 能够以连续视角观测场景, 从而消除密集干扰的影响. 而事件相机的高动态范围使其能够有效处理极端光照条件下的成像问题. 通过分析场景亮度变化与事件相机输出的事件点之间的关系, 从对焦后事件点重建出被遮挡目标, 实现基于事件相机的合成孔径成像. 实验结果表明, 本文方法与传统方法相比, 在密集遮挡条件下重建图像的对比度、清晰度、峰值信噪比和结构相似性指数均有较大提升. 同时, 在极端光照条件下, 本文方法能有效解决过曝/欠曝问题, 重建出清晰的被遮挡目标图像.
基于扩散方法的分布式随机变分推断算法
付维明, 秦家虎, 朱英达
, doi: 10.16383/j.aas.c200445
摘要:
分布式网络上的聚类、估计或推断具有广泛的应用, 因此引起了许多关注. 针对已有的分布式变分贝叶斯(Variational Bayesian, VB)算法效率低, 可扩展性差的问题, 本文借用扩散方法提出了一种新的分布式随机变分推断(Stochastic variational inference, SVI)算法, 其中我们选择自然梯度法进行参数本地更新并选择对称双随机矩阵作为节点间参数融合的系数矩阵. 此外, 我们还为所提出的分布式SVI算法提出了一种对异步网络的适应机制. 最后, 我们在伯努利混合模型(Bernoulli mixture model, BMM)和隐含狄利克雷分布(Latent Dirichlet allocation, LDA)模型上测试所提出的分布式SVI算法的可行性, 实验结果显示其在许多方面的性能优于集中式SVI算法.
基于自适应级联的注意力网络的超分辨重建
陈一鸣, 周登文
, doi: 10.16383/j.aas.c200035
摘要:
深度卷积神经网络(CNNs)显著提升了单图像超分辨率的性能. 通常, 网络越深, 性能越好. 然而加深网络往往会急剧增加参数量和计算负荷, 这限制了它在资源受限的移动设备上的应用. 本文中, 我们提出了一个基于轻量级自适应级联的注意力网络(ACAN)的单图像超分辨率方法. 特别地, 我们提出了局部像素级注意力(LPA)模块, 它给输入特征的每一个特征通道上的像素点都赋以不同的权值, 从而为重建高质量图像选取更精确的高频信息. 此外, 我们设计了自适应的级联残差(ACR)连接, 它可以自适应地结合网络产生的层次特征, 能够更好地进行特征重用. 最后, 为了充分利用网络产生的信息, 我们提出了多尺度全局自适应重建(MGAR)模块. MGAR模块使用不同大小的卷积核处理网络在不同深度处产生的信息, 提高了重建质量. 与当前最好的类似方法相比, 我们方法的参数量更小, 客观和主观度量显著更好.
基于改进自适应k均值聚类的三维点云骨架提取的研究
鲁斌, 范晓明
, doi: 10.16383/j.aas.c200284
摘要:
针对三维点云中心骨架提取问题, 本文提出一种基于改进的自适应k均值聚类预分割引导的点云骨架提取算法. 首先, 将输入点云体素化, 利用八叉树算法覆盖输入点云并下采样实现点云化简; 其次, 在采样点中自适应选取初始聚类中心对点云进行区域划分, 并颜色标记; 最后, 在区域分割的引导下应用L1-中值骨架提取算法实现点云骨架的提取. 该算法主要针对L1-中值算法可重复性差、易丢失细节等缺点进行了改进, 并且对输入点云的质量以及形状的几何或拓扑信息, 都没有严格的先验要求, 可以直接应用到未经任何预处理、含有噪声或离群点的初始扫描点云上. 本文展示了从多种不规则点云提取的骨架结果, 包括矮小植物、人体动作等. 与传统算法相比, 该算法具有高准确率、强鲁棒性、强学习扩展能力等优点.
基于遗传乌燕鸥算法的同步优化特征选择
贾鹤鸣, 李瑶, 孙康健
, doi: 10.16383/j.aas.c200322
摘要:
针对传统支持向量机(Support Vector Machine, SVM)方法用于数据分类存在分类精度低的不足问题, 本文将SVM分类方法与特征选择同步结合, 并利用智能优化算法对算法参数进行优化研究. 首先将遗传算法(Genetic Algorithm, GA)和乌燕鸥优化算法(Sooty Tern Optimization Algorithm, STOA)进行混合, 本文先通过对平均适应度值进行评估, 当个体的适应度函数值小于平均值时采用遗传算法对其进行局部搜索的加强, 否则进行乌燕鸥本体优化过程, 同时, 本文将SVM内核函数和特征选择目标共同作为优化对象, 利用改进后的STOA-GA寻找最适应解, 获得所选的特征分类结果. 其次, 通过十六组经典UCI数据集和实际乳腺癌数据集进行数据分类研究, 在最佳适应度值、所选特征个数、特异性、敏感性和算法耗时方面进行对比研究, 实验结果表明本文所提出的算法可以更加准确地处理数据, 避免冗余特征干扰, 在数据挖掘领域具有更广阔的工程应用前景.
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:
本文提出了一种基于改进动态系统稳定估计器(Stable Estimator of Dynamical Systems, SEDS)的机器人技能学习方法. 现有的SEDS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, 本文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SEDS方法中稳定性和精度难以兼顾的问题. 最后, 在LASA数据集和Franka机器人上的实验验证了新方法的有效性和优越性.
基于规则的建模方法的可解释性及其发展
周志杰, 曹友, 胡昌华, 唐帅文, 张春潮, 王杰
, doi: 10.16383/j.aas.c200402
摘要:
建模方法的可解释性指其以可理解的方式表达实际系统行为的能力. 随着实践中对可靠性需求的不断提高, 建立出可靠且可解释的模型以增强人对实际系统的认知成为了建模的重要目标. 基于规则的建模方法可更直观地描述系统机理, 并能有效融合定量信息和定性知识实现不确定信息的灵活处理, 具有较强的建模性能. 本文从基于规则的建模方法出发, 围绕知识库、推理机和模型优化梳理了其在可解释性方面的研究, 最后进行了简要的评述和展望.
基于可解释注意力部件模型的行人重识别方法
周勇, 王瀚正, 赵佳琦, 陈莹, 姚睿, 陈思霖
, doi: 10.16383/j.aas.c200493
摘要:
大多数行人重识别方法仅将注意力机制作为提取显著特征的辅助手段, 缺少网络对行人图像关注程度的量化研究. 本文基于此, 提出一种可解释注意力部件模型(Interpretable Attention Part Model, IAPM). 该模型有三个优点: 1)利用注意力掩码提取部件特征, 解决部件不对齐问题; 2)为了根据部件的显著性程度生成可解释权重, 设计可解释权重生成模块(Interpretable Weight Generation Module, IWM); 3)提出显著部件三元损失(Salient Part Triplet Loss, SPTL)用于IWM的训练, 提高识别精度和可解释性. 在三个主流数据集上进行实验, 验证所提出的方法优于现有行人重识别方法. 最后通过一项人群主观测评比较IWM生成可解释权重的相对大小与人类直观判断得分, 证明本方法具有良好的可解释性.
双贮备系统冷/温/热贮备模型的优化选择研究
金海波, 赵欣越, 桑雨
, doi: 10.16383/j.aas.c200533
摘要:
对运行设备安装双贮备设备是实现系统高可靠性的有效方法. 在双贮备系统冷/温/热三种贮备模型中, 选择哪种贮备模型对系统性能指标和经济指标均有重要影响, 因此对如何选择双贮备系统的贮备模型从而使系统性能最优或经济效益最大的问题进行研究具有现实意义. 而现有研究成果很少涉及双贮备系统贮备模型的优化选择问题. 为此, 本文创新性地提出一种确定双贮备系统最优贮备模型的选择方法. 分别建立系统冷/温/热贮备模型, 分析每个模型的系统状态及系统半Markov核函数, 利用Markov更新方程、Laplace变换以及Laplace-Stieltjes变换技术推导系统稳态可用度、稳态平均维修次数、维修人员忙期稳态概率以及冷贮备模型的平均激活时间, 并从经济角度给出系统单位时间内的净收益函数. 最后分别以性能指标和经济指标作为研究目标, 通过模型对比分析给出不同条件下的系统贮备模型的优化选择算法, 并对每个研究目标下的优化选择算法进行实例计算. 计算结果表明以不同性能指标和不同费用作为参考得出的最优贮备模型不尽相同, 从而验证了所提方法能够有效的确定不同衡量标准下的系统最优贮备模型.
基于全身力矩控制的双腿轮机器人跳跃方法研究
辛亚先, 李贻斌, 柴汇, 荣学文, 李彬
, doi: 10.16383/j.aas.c200486
摘要:
双腿轮机器人由于内在不稳定性以及强耦合非线性特性, 其运动控制尤其是高动态运动控制非常困难. 本文提出基于最优力分配的全身力矩控制框架, 可同时实现双腿轮机器人的自平衡与躯干位姿控制; 为提高双腿轮机器人在高速运动时跨越垂直障碍物的能力, 提出了应对垂直障碍的跳跃动作规划方法, 并基于全身力矩控制框架进行控制与实现; 通过分析简化的轮式倒立摆模型, 得到腾空时飞轮转动对俯仰姿态的动力学影响, 实现了腾空阶段俯仰姿态的调整. 设置了连续跳跃仿真实验与有无飞轮调整的俯仰姿态对比实验, 其仿真结果证明了所提方法的有效性与鲁棒性.
浅析人工智能学科基金项目申请资助情况及展望
吴国政, 吴云凯, 张兆田, 韩军伟
, doi: 10.16383/j.aas.c200870
摘要:
针对信息学部人工智能学科(F06) 2018至2020年度基金项目的申请和资助情况, 截取面上、青年、地区和重点项目, 点−线−面相结合, 从多种客观指标角度系统分析了三年来人工智能学科的申请和资助情况. 2020年度国家自然科学基金委学科代码进行了大幅度的调整和改革, 特别是在取消三级代码、增加二级代码数目的背景下, 本文的分析可以为新版代码的科学性和未来基金项目的申请、评审和资助导向提供统计支撑. 同时, 结合最近三年人工智能学科基金项目的申请资助情况, 以及科学处对人工智能领域的若干推动和工作安排, 对未来国家自然科学基金资助架构下的人工智能学科发展进行了展望.
基于多模态特征子集选择性集成建模的磨机负荷参数预测方法
刘卓, 汤健, 柴天佑, 余文
, doi: 10.16383/j.aas.c190735
摘要:
如何融合球磨机系统研磨过程所产生的多模态机械信号构建磨机负荷参数预测(MLPF)模型是当前研究的热点问题. 针对上述问题, 本文提出一种基于多模态特征子集选择性集成(SEN)建模的MLPF方法. 首先, 对多模态机械信号进行时频域变换得到高维频谱数据; 接着, 采用相关系数法和互信息法对多模态频谱进行线性和非线性特征子集的自适应选择; 最后, 采用优化和加权算法对上述特征子集的候选子模型进行自适应地选择与合并, 得到基于SEN机制的MLPF模型. 采用磨矿过程实验球磨机的机械信号仿真验证了所提方法的有效性.
带有资源冲突的Seru在线并行调度算法
江煜舟, 李冬妮, 靳洪博, 殷勇
, doi: 10.16383/j.aas.c190698
摘要:
随着大规模定制的市场需求日趋显著, 赛如生产系统(Seru Production System, SPS)应运而生, 逐渐成为研究和应用领域的热点. 本文针对带有资源冲突的Seru在线并行调度问题进行研究, 即需要在有限的空间位置上安排随动态需求而构建的若干Seru, 以总加权完工时间最小为目标, 决策Seru的构建顺序及时间. 先基于平均延迟最短加权处理时间(Average Delayed Shortest Weighted Processing Time, AD-SWPT)算法, 针对其竞争比不为常数的局限性, 引入调节参数, 得到竞争比为常数的无资源冲突的Seru在线并行调度算法. 接下来, 引入冲突处理机制, 得到有资源冲突的Seru在线并行调度算法, αAD-I (α-Average Delayed Shortest Weighted Processing Time - Improved)算法, 特殊实例下可通过实例归约的方法证明其竞争比与无资源冲突的情况相同. 最后, 通过实验, 验证了在波动的市场环境下算法对于特殊实例与一般实例的优越性.
基于 GBDT 的铁路事故类型预测及成因分析
钟敏慧, 张婉露, 李有儒, 朱振峰, 赵耀
, doi: 10.16383/j.aas.c190630
摘要:
运用数据挖掘技术进行铁路事故类型预测及成因分析, 对于建立铁路事故预警机制具有重要意义. 为此, 本文提出一种基于梯度提升决策树(Grandient Boosting Decision Tree, GBDT)的铁路事故类型预测及成因分析算法. 针对铁路事故记录数据缺失的问题, 提出一种基于属性分布概率的补全算法, 最大程度保持原有数据分布, 从而降低数据缺失对事故类型预测造成的影响. 针对铁路事故记录数据类别失衡的问题, 提出一种集成的GBDT模型, 完成对事故类型的鲁棒性预测. 在此基础上, 根据GBDT预测模型中特征重要度排序, 实现事故成因分析. 通过在开放数据库上进行实验, 验证了本文模型的有效性.
面向精准价格牌识别的多任务循环神经网络
牟永强, 范宝杰, 孙超, 严蕤, 郭怡适
, doi: 10.16383/j.aas.c190633
摘要:
为了促进智能新零售在线下业务场景的发展, 提高作为销售关键信息价格牌的识别精度. 本文对价格牌识别问题进行研究, 有效地提高了价格牌的识别精度, 并解决小数点定位不准确的难题. 通过深度卷积神经网络提取价格牌的深度语义表达特征, 将提取到的特征图送入多任务循环网络层进行编码, 然后根据解码网络设计的注意力机制解码出价格数字, 最后将多个分支的结果整合并输出完整价格. 本文所提出的方法能够非常有效的提高线下零售场景价格牌的识别精度, 并解决了一些领域难题如小数点的定位问题, 此外, 为了验证本文方法的普适性, 在其他场景数据集上进行了对比实验, 相关结果也验证了本文方法的有效性.
基于深度强化学习的双足机器人斜坡步态控制方法
吴晓光, 刘绍维, 杨磊, 邓文强, 贾哲恒
, doi: 10.16383/j.aas.c190547
摘要:
为提高准被动双足机器人斜坡步行稳定性, 本文提出了一种基于深度强化学习的准被动双足机器人步态控制方法. 通过分析准被动双足机器人的混合动力学模型与稳定行走过程, 建立了状态空间、动作空间、episode过程与奖励函数. 在利用基于DDPG改进的Ape-X DPG算法持续学习后, 准被动双足机器人能在较大斜坡范围内实现稳定行走. 仿真实验表明, Ape-X DPG无论是学习能力还是收敛速度均优于基于PER的DDPG. 同时, 相较于能量成型控制, 使用Ape-X DPG的准被动双足机器人步态收敛更迅速、步态收敛域更大, 证明Ape-X DPG可有效提高准被动双足机器人的步行稳定性.
Hyperledger Fabric共识机制优化方案
孟吴同, 张大伟
, doi: 10.16383/j.aas.c190516
摘要:
针对Hyperledger Fabric使用固定背书节点处理交易所带来的安全风险和性能瓶颈问题, 提出了一种非交互、可验证的随机化背书节点优化方案. 基于“背书-排序-验证”的Hyperledger Fabric共识模型, 引入背书节点候选集, 使用可验证随机函数随机抽取背书节点进行交易背书, 实现了可验证情况下背书节点的非交互式随机选取和背书过程的并行处理. 分析和实验表明, 优化后的共识机制具有更高的安全性和更快的交易处理速度.
基于驻极体材料的机械天线式低频通信系统仿真研究
崔勇, 王琛, 宋晓, 梁博文
, doi: 10.16383/j.aas.c190678
摘要:
在海洋信息网络体系日益重要的现在, 水下航行器越来越得到世界各国的重视, 无论是在民用还是在军用上, 都扮演着重要的角色. 与水下航行器的通信主要采用的是能以较小的损耗深入海水的低频通信技术, 而目前已有的低频通信系统发射台规模庞大, 天线占地广、天线暴露、目标明显、战时生存能力差, 极易被摧毁且难于短期修复, 且所需功耗巨大. 鉴于此, 本文提出了一种基于复合聚合物驻极体纳米材料的机械天线式低频通信方法, 从理论上研究了其产生的低频通信信号及计算公式, 定量分析了其在正常工作时的功率损耗和在不同介质中的衰减, 且在有限元分析软件中建立了相关模型进行仿真研究, 并通过理论解析模型和多物理场有限元模型的双重仿真结果的一致性, 以及仿真计算结果与机械天线样机的实测结果的对比, 验证了所提方法的可行性.
多层局部块坐标下降法及其驱动的分类重构网络
王金甲, 张玉珍, 夏静, 王凤嫔
, doi: 10.16383/j.aas.c190540
摘要:
卷积稀疏编码(CSC)已广泛应用于信号或图像处理、重构和分类等任务中, 基于深度学习思想的多层卷积稀疏编码(MLCSC)模型的多层基追踪问题和多层字典学习问题成为研究热点. 但基于傅里叶域的交替方向乘子法(ADMM)求解器和基于图像块(patch)空间域思想的传统基追踪算法不能容易地扩展到多层情况. 在切片(slice)局部处理思想的基础上, 本文提出了一种新的多层基追踪(Ml-BP)算法: 多层局部块坐标下降算法(ML-LoBCoD). 在多层迭代软阈值算法(ML-ISTA)和对应的迭代展开网络ML-ISTA-Net 的启发下, 提出了对应的迭代展开网络ML-LoBCoD-Net. ML-LoBCoD-Net实现信号的表征学习功能, 输出的最深层卷积稀疏编码用于分类. 此外, 为了获得更好的信号重构, 本文提出了一种新的多层切片卷积重构网络(ML-SCRN-Net), ML-SCRN-Net实现从信号稀疏编码到信号重构, 并且对这两个网络分别进行实验验证. 然后将ML-LoBCoD-Net和ML-SCRN-Net 进行级联得到ML-LoBCoD-SCRN合并网, 同时实现图像的分类和重构. 与传统基于全连接层对图像进行重建的方法相比, 本文提出的ML-LoBCoD-SCRN合并网所需参数少, 收敛速度快, 重构精度高. 本文将ML-ISTA和ML-FISTA 构建为ML-ISTA-SCRN和ML-FISTA-SCRN进行对比实验, 初步证明了所提出的ML-LoBCoD-SCRN分类重构网在MNIST、CIFAR10和CIFAR100数据集上是有效的, 分类正确率、损失函数和信号重构结果都优于ML-ISTA-SCRN和ML-FISTA-SCRN.
Lidar/IMU紧耦合的实时定位方法
李帅鑫, 李广云, 王力, 杨啸天
, doi: 10.16383/j.aas.c190424
摘要:
本文以实现移动小型智能化系统的实时自主定位为目标, 针对激光里程计误差累计大, 旋转估计不稳定, 以及观测信息利用不充分等问题, 提出一种Lidar/IMU紧耦合的实时定位方法—Inertial-LOAM. 数据预处理部分, 对IMU数据预积分, 降低优化变量维度, 并为点云畸变校正提供参考. 提出一种基于角度图像的快速点云分割方法, 筛选结构性显著的点作为特征点, 降低点云规模, 保证激光里程计的效率; 针对地图构建部分存在的地图匹配点搜索效率低和离散点云地图的不完整性问题, 提出传感器中心的多尺度地图模型, 利用环形容器保持地图点恒定, 并结合多尺度格网保证地图模型中点的均匀分布. 数据融合部分, 提出Lidar/IMU紧耦合的优化方法, 将IMU和Lidar构成的预积分因子、配准因子、闭环因子插入全局因子图中, 采用基于贝叶斯树的因子图优化算法对变量节点进行增量式优化估计, 实现数据融合. 最后, 采用实测数据评估Inertial-LOAM的性能并与LeGO-LOAM, LOAM和Cartographer对比. 结果表明, Inertial-LOAM在不明显增加运算负担的前提下大幅降低连续配准误差造成的误差累计, 具有良好的实时性; 在结构性特征明显的室内环境, 定位精度达厘米级, 与对比方法持平; 在开阔的室外环境, 定位精度达分米级, 而对比方法均存在不同程度的漂移.
考虑能耗节约的集装箱码头双小车岸桥与AGV联合配置及调度优化
范厚明, 郭振峰, 岳丽君, 马梦知
, doi: 10.16383/j.ass.c190626
摘要:
合理调度集装箱码头的装卸设备以减少生产过程中的能耗, 对实现其低碳绿色化发展具有重要意义. 针对集装箱码头向自动化发展过程中的双小车岸桥与AGV联合配置及调度问题, 考虑AGV续航时间、双小车岸桥中转平台容量和堆场缓冲支架容量约束, 以岸桥的能耗最小为第一阶段模型的优化目标, 以AGV运输过程的能耗最小为第二阶段目标建立两阶段优化模型; 设计枚举法求解第一阶段模型, 改进遗传算法求解第二阶段优化模型. 以洋山四期自动化集装箱码头为例进行实验分析, 针对不同船舶在港总装卸时间和AGV配置原则进行实验, 验证了模型和算法的有效性, 结果表明以最小化能耗为目标的双小车岸桥与AGV联合调度可在岸桥主小车不延误的前提下, 显著减少AGV的配置数量.
结合全局与局部变化的图像质量评价
高敏娟, 党宏社, 魏立力, 王海龙, 张选德
, doi: 10.16383/j.aas.c190697
摘要:
图像所包含的信息是通过灰度值在空域的变化呈现的. 梯度是度量变化的基本工具, 这使得梯度成为了目前大多数图像质量评价算法的重要组成部分(Ingredient). 但是梯度只能度量局部变化, 而当人类视觉系统(Human Visual System, HVS)感知一幅图像时, 既能感知到局部变化, 也能感知到全局变化. 基于HVS的这一特性, 本文提出了一种结合全局与局部变化的图像质量评价算法(Global and Local Variation SIMilarity, GLV-SIM). 该算法利用Grünwald-Letnikov分数阶导数来度量图像的全局变化, 利用梯度模来度量图像的局部变化. 然后结合二者计算参考图像和退化图像之间的相似度谱(Similarity Map), 进而得到图像的客观评分. 在TID2013、TID2008、CSIQ与LIVE四个数据库上的仿真实验表明, 较之单一度量局部变化的方法, 本文算法能更准确地模拟HVS对图像质量的感知过程, 给出的客观评分与主观评分具有较好的一致性.
基于核自适应滤波器的时间序列在线预测研究综述
韩敏, 马俊珠, 任伟杰, 钟凯
, doi: 10.16383/j.aas.c190051
摘要:
核自适应滤波器是时间序列在线预测的重点研究领域之一, 本文对核自适应滤波器的最新进展及未来研究方向进行了分析和总结. 基于核自适应滤波器的时间序列在线预测方法, 能较好的解决预测、跟踪问题. 本文首先概述了三类核自适应滤波器的基本模型, 包括核最小均方算法, 核递归最小二乘算法和核仿射投影算法. 在此基础上, 从核自适应滤波器在线预测的内容和机理入手, 综述基于核自适应滤波器的时间序列在线预测方法. 最后, 本文将介绍这一领域潜在的研究方向和发展趋势, 并展望未来的挑战.
分布参数系统源控制系统设计
周笔锋, 罗毅平, 唐果宁
, doi: 10.16383/j.aas.c190612
摘要:
针对一类分布参数系统, 提出了源控制方法. 将构成分布参数系统的空间分成若干分, 每份为一个节点, 在所有的节点中, 将能产生量变源头的节点定义为源节点, 跟随源节点变化的节点为跟随节点, 以此构建分布参数系统模型. 对于源节点, 根据经验函数结合反馈偏差调节设计控制器, 对跟随节点考虑源节点控制的逸散作用控制. 利用Lyapunov稳定性理论并结合LMI处理方法, 得出了分布式参数系统稳定源控制器存在的充分条件. 最后结合所给条件, 给出一个数值仿真说明其有效性.
考虑电网调峰需求的工业园区主动配电系统调度学习优化
唐昊, 刘畅, 杨明, 汤必强, 许丹, 吕凯
, doi: 10.16383/j.aas.c190079
摘要:
本文针对含光伏(PV)、全钒液流电池(VRB)储能装置与多类型柔性负荷的工业园区主动配电系统, 研究在考虑源荷随机性情况下该系统的动态经济调度问题. 首先, 将PV出力、多类型负荷需求和电网调峰需求的随机动态变化近似描述为连续马尔可夫过程, 并根据系统内VRB的充放电特性对储能系统进行建模; 然后, 以各决策时刻下PV出力、负荷需求、调峰需求以及储能荷电状态(SOC)的离散等级为状态, 以储能充放电及多类型柔性负荷调整方案为行动, 在系统功率平衡等相关约束下, 以应对电网调峰需求和提高系统经济运行水平为目标, 将工业园区主动配电网系统动态经济调度优化问题建立成随机动态规划模型; 最后, 引入强化学习方法进行策略求解. 算例仿真结果表明所得策略可有效提高系统经济运行效益, 并在一定程度上满足电网调峰需求.
SEAs导纳控制的μ综合方法
李思奇, 黄远灿
, doi: 10.16383/j.aas.c180576
摘要:
SEAs具有在确保机器人性能的基础上兼顾其安全性的特点, 因此被广泛地应用在康复机器人中. 为实现良好的康复训练效果, 机器人需根据实际要求呈现不同的阻抗特性. 本文采用μ综合技术解决了SEAs导纳控制器的设计问题. 首先, 考虑参数摄动, 传感器噪声, 输入干扰及控制输入限制等不确定性因素, 建立SEAs模型. 其次, 应用混合稳定性原理分析系统的交互稳定性. 由于无源环境的阻抗在高频段必然呈现小增益特性, 所以, 当端口导纳在低频段满足无源性, 高频段具有小增益时, 就能确保交互的稳定性. 然后, 将SEAs的导纳控制综合问题转化为实际端口导纳与期望导纳匹配的μ综合问题. 最后, 通过调节加权函数, 不仅让SEAs闭环系统的端口导纳逼近期望的端口导纳, 还能同时满足交互稳定性条件, 从而可以独立于环境因素来设计导纳控制器. 仿真结果表明, 基于μ综合方法设计的控制器, 能精确地逼近期望的端口导纳, 且确保交互稳定性. 另外, 通过Hankel逼近方法得到的降阶控制器也具有满意的控制效果.
基于改进差分进化和回声状态网络的时间序列预测研究
许美玲, 王依雯
, doi: 10.16383/j.aas.c180549
摘要:
针对回声状态网络无法根据不同的时间序列有效地选择储备池参数的问题, 本文提出一种新型预测模型, 利用改进的差分进化算法来优化回声状态网络. 其中差分进化算法的缩放因子F、交叉概率CR和变异策略自适应调整, 以提高算法的寻优性能. 为验证本文方法的有效性, 对Lorenz时间序列、大连月平均气温 − 降雨量数据集进行仿真实验. 由实验结果可知, 本文提出的模型可以提高时间序列的预测精度, 且具有良好的泛化能力及实际应用价值.
车辆安全跟驰模式预测的形式化建模方法
刘秉政, 高松, 曹凯, 王鹏伟, 徐艺
, doi: 10.16383/j.aas.c190563
摘要:
由于传统车辆跟驰建模预测方法无法遍历车辆所有可能的系统输入与运行状态的不确定性, 因而不足以从理论上保证对周边车辆安全跟驰行为预测的完整性与可信性. 为此提出车辆安全跟驰模式预测的形式化建模方法. 该方法利用随机可达集的遍历表现特征实现对周边车辆行为预测的不确定性表述, 并通过马尔科夫链逼近可达集的方式表达系统行为状态变化的随机性, 从而完成对周边车辆跟驰行为状态变化的精确概率预估. 为了表达跟驰情形中车辆之间的行为关联影响以及提高在线计算效率, 离线构建了关联车辆在状态及控制输入之间的安全关联矩阵, 描述周边车辆的安全跟驰控制输入选择规律, 并综合相关车辆的当前状态信息, 达到对周边车辆安全跟驰行为的在线分析与预估. 数值验证不仅表明提出的建模方法完备地表述了周边车辆所有的安全跟驰行为及过程, 显著提高了预测的精确度, 也论证了该方法对车辆跟驰控制策略建模分析与安全验证的有效性.
基于强化学习的浓密机底流浓度在线控制算法
袁兆麟, 何润姿, 姚超, 李佳, 班晓娟, 李潇睿
, doi: 10.16383/j.aas.c190348
摘要:
复杂过程工业控制一直是控制应用领域研究的前沿问题. 浓密机作为一种复杂大型工业设备广泛用于冶金、采矿等领域. 由于其在运行过程中具有多变量、非线性、高时滞等特点, 浓密机的底流浓度控制技术一直是学界、工业界的研究难点与热点. 本文提出了一种基于强化学习技术的浓密机在线控制算法. 该算法在传统启发式动态规划 (Heuristic dynamic programming, HDP)算法的基础上, 设计融合了评价网络与模型网络的双网结构, 并提出了基于短期经验回放的方法用于增强评价网络的训练准确性, 实现了对浓密机底流浓度的稳定控制, 并保持控制输入稳定在设定范围之内. 最后, 通过浓密机仿真实验的方式验证了算法的有效性, 实验结果表明本文提出的方法在时间消耗、控制精度上优于其他算法.
基于信息熵的关键链缓冲区设置方法
巩军, 胡涛, 姚路
, doi: 10.16383/j.aas.c190599
摘要:
为解决缓冲区设置不合理带来的项目间工序松弛、工期延误等问题, 基于信息熵理论提出了一种关键链缓冲区设置方法. 首先, 提出了复杂熵、资源熵和人因熵的概念及其度量方法, 运用熵的概念量化诸多不确定因素对工序造成的影响; 其次, 提出了基于区间直觉梯形模糊数的人因熵度量步骤与方法; 最后, 给出了工序工期、项目缓冲和汇入缓冲的熵模型与修正模型, 充分考虑了人的行为因素对项目进度的影响, 并通过算例验证了模型的实用性.
基于分布式策略的直流微电网下垂控制器设计
卢自宝, 钟尚鹏, 郭戈
, doi: 10.16383/j.aas.c190628
摘要:
本文研究了分布式控制策略下直流微电网的负荷分配和电压平衡问题. 给出一种新的基于分布式策略的下垂控制器设计方法, 能够在统一的框架下实现直流微电网负载共享和电压平衡. 首先将直流微电网的负载共享和电压平衡问题转化为多目标优化问题, 其性能指标与微源的容量密切相关. 然后, 通过求解多目标优化问题获得实现负载共享和电压平衡的集中式控制策略, 并给出下垂控制器的设计方法. 为了降低系统的通信负担, 给出一种新的只需与邻居节点交换信息的分布式控制策略, 通过理论分析可知该分布式控制策略能够收敛到多目标优化问题的最优解. 最后, 通过对新能源汽车充换电站系统的仿真验证了本文提出的方法的有效性.