摘要：为实现对海战场态势的有效监测,针对传统感知网络部署模型连通性差、寿命较短、感知量低等问题,本文构建了一套基于能耗均衡策略的网络部署模型,将网络连通性加入约束项,提出均衡网络节点的能量消耗策略,以提高网络的生存周期与感知总量.提出改进人工蜂鸟算法(IAHA)对模型进行求解,引入差分变异策略与反向映射策略提高算法的全局寻优能力,引入自适应觅食策略提高算法的收敛速度.实验结果表明,文章所提模型生成的网络连通性强,且相比其他部署策略,基于能耗均衡策略生成的网络有更长的生存周期与更高的感知总量;相比于对比算法,IAHA的全局寻优能力更强、收敛速度更快.

摘要：微电网能够组合运用源网荷储协调弥补分布式电源(DGs)出力不确定性的不足,并在孤岛状态下最大程度保障用户的供电可靠性.以孤立微电网为研究对象,为解决一次下垂控制引起的电压频率偏差问题,提出了一种基于深度强化学习的孤立微电网分布式牵制协同控制策略,能够有效抑制负载扰动或系统拓扑结构变化时频率和电压的波动.首先,针对牵制一致性算法中牵制目标值难以准确预设和改变的问题,采用深度强化学习算法中双重深度Q学习(DDQN)算法对牵制目标值进行自适应修正,利用DDQN的适应性以及泛化能力,提升牵制一致性算法的适应性和有效性;其次,设计了基于DDQN的牵制控制器结构,并完成了状态空间、动作空间和奖励函数的定义;最后,仿真结果表明,所提控制方法与传统的牵制控制和基于强化学习的牵制控制相比,在抑制频率电压波动方面更具优势,并且能更好的适应系统网络拓扑参数和结构的变化.

摘要：密度峰值聚类算法能够快速高效处理数据集且无需迭代.但该算法在处理流形数据时,易错选类簇中心和错误分配样本.因此,本文提出面向流形数据的共享近邻和二阶K近邻密度峰值聚类(DPC-SKNN)算法.首先,该算法引入逆近邻和共享近邻重新定义局部密度,充分考虑样本的局部信息和全局信息,使算法易找到正确的流形类簇中心;其次,将样本的关联关系分为K近邻点、二阶K近邻点和非近邻点3种情况,设计K近邻的分配策略,增强同一类簇样本的相似性,提高样本分配的准确率.将本文算法与8种算法在流形和UCI数据集进行对比,实验结果表明,DPC-SKNN算法在上述数据集上均获得了不错的聚类结果.

摘要：本文针对下肢康复外骨骼机器人的步态轨迹跟踪问题提出了一种新型固定时间收敛滑模控制方法.首先,通过机理分析实现下肢康复外骨骼机器人动力学建模;其次,设计了一种新型非奇异快速终端滑动面,实现固定时间收敛,有效提升收敛速度.基于此滑动面设计了针对下肢康复外骨骼机器人的新型滑模控制策略,运用Lyapunov判据证明了控制系统的稳定性和全局固定时间收敛特性;最后,通过下肢康复外骨骼机器人实验平台对所提控制方法进行实验验证.实验结果表明,本文所提的控制方法能实现下肢外骨骼轨迹跟踪误差的快速收敛,使稳态误差维持在1°左右,具备应对不同重量(61 kg和80 kg)穿戴者和不同步速(步态周期为8 s和6 s)参考轨迹的强鲁棒性,并且对抖振现象具有一定的抑制作用.

摘要：粒子滤波对非线性非高斯系统具有较好的估计性能,但引入重采样技术后,粒子多样性匮乏一直是影响粒子滤波估计精度的关键问题.为此,本文提出一种混合自适应重采样的智能粒子滤波方法,该方法首先在混合自适应Metropolis-Hastings(M-H)重采样基础上设计了高斯变异的自适应协方差矩阵计算函数;其次,提出了采用"优胜劣汰"模式的接受拒绝准则函数;最后,对有效粒子集合进行实时更新,改善了粒子集合的粒子质量并提高了粒子滤波的精度.利用两个一维非线性模型和一个高维非线性模型进行仿真,以验证本文方法的有效性.实验结果表明,与现有重采样方法相比,本文方法能够有效地改善重采样后的粒子质量,提高粒子滤波的估计精度.

摘要：针对表面组装生产工艺复杂、生产过程易出现设备故障和工艺缺陷的特点,本文设计了一种基于故障知识图谱的面向表面组装生产的智能故障诊断模型.同时针对知识图谱构建过程的关键技术-故障实体抽取进行研究,设计并实现了一种基于BERT-Residual-BiLSTM-CRF的面向表面组装生产故障日志的故障实体抽取模型.首先根据表面组装技术(SMT)故障日志文本构建故障实体抽取模型的训练、测试数据集,其次采用TensorFlow框架搭建SMT故障实体抽取模型,最后利用训练好的模型进行对照试验.结果表明,所设计的故障实体抽取模型的故障实体识别精确率、召回率和F值平均值较基础模型BERT-BiLSTM-CRF分别提高了约0.26,0.28和0.24.

摘要：为提升电液伺服系统的跟踪控制性能,本文考虑系统中包括参数不确定性、未建模动态以及外部扰动在内的集总不确定性,提出一种基于命令滤波和神经网络的有限时间反步控制方法.该方法利用Levant微分器作为命令滤波器,获取虚拟输入变量与虚拟控制律差分信号的导数,不仅避免了标准反步控制中的"复杂性爆炸"问题,还通过重构实现了对非匹配不确定性的估计;同时,与传统基于神经网络的反步控制需要多个神经网络相比,该方法仅利用1个神经网络来逼近匹配不确定性,避免了多个神经网络所导致的控制器的复杂性和脆弱性.另外,通过引入由分数指数幂函数和多项式函数构成的分段函数反馈以加速收敛,系统实现有限时间稳定的同时避免了奇点问题.最后,搭建实验平台开展对比实验验证新方法的有效性和优越性.

摘要：本文针对轮式移动机器人的不确定参数估计与轨迹跟踪问题,研究了基于卷积神经网络(CNN)的移动机器人不确定模型参数估计方法,提出了移动机器人的原对偶神经网络(PDNN)模型预测控制(MPC)轨迹跟踪控制算法.对于轮式移动机器人而言,轮胎侧偏刚度受到负载扰动、未建模动态和路况变化等不确定因素影响,在实际行驶过程中难以实时测量.论文研究侧偏刚度的CNN回归模型,以估计机器人运行过程中的不确定性.考虑前轮偏角与加速度等状态的约束条件,研究基于CNN参数估计的移动机器人预测控制设计方法,提出基于PDNN的移动机器人预测控制问题求解算法,并证明了所提出基于CNN参数估计的PDNN-MPC算法稳定性.最后,为了验证控制器的有效性,对所提出的PDNN-MPC算法进行验证.

摘要：针对受到多源干扰影响的切换T-S模糊系统,本文提出了一种自适应抗干扰切换控制策略.多源干扰包括可测未建模干扰与不可测量的神经网络建模干扰两部分.首先,针对平均驻留时间依赖的切换T-S模糊系统设计了一种自适应扰动观测器用于近似动态神经网络建模扰动;其次,基于观测器设计了自适应抗干扰控制器.利用L2增益性能指标分析了从输出到扰动的衰减性能;然后,在平均驻留时间依赖的切换信号下,给出了切换T-S模糊系统的自适应抗干扰切换控制问题可解性的充分条件.最后,通过一个质量-弹簧-阻尼仿真例子验证了所建立自适应抗干扰切换控制方案的有效性.

摘要：针对存在模型不确定性、外界干扰和测量噪声下的压电作动器(PEA)高精度跟踪控制问题,本文提出多目标互补鲁棒控制方法.首先,建立基于Hammerstein模型结构的率相关迟滞非线性模型,其中系统的静态迟滞非线性环节采用Prandtl-Ishlinskii(PI)模型描述,动态线性环节则由改进的相关性辨识法得到.然后,在此模型基础上,提出用多目标互补鲁棒控制方法来实现压电作动器的高精度跟踪控制,该控制器应用PID控制理念实现闭环系统的最优性能,并采用鲁棒控制策略达到闭环系统的鲁棒稳定,同时融合了 Youla参数化的思想解决系统最优性能与鲁棒性之间的矛盾.最后,通过实验验证系统的跟踪精度及抗干扰能力,证明了本文所提出方法的有效性.

摘要：复杂工业过程非线性、动态性及变量冗余会导致建模难度增加与模型性能降低,因此,本文提出一种基于注意力机制与非负绞杀(NNG)估计的门控循环单元(GRU)网络,并应用于实际工业过程软测量建模.首先,将时序注意力引入GRU网络,根据不同时刻隐含层间的时序相关性,自适应分配注意力权重,提高模型时序特征表征能力;其次,设计了一种针对过程变量的注意力权重向量,并嵌入NNG算法约束,以实现其系数的近似无偏估计;进一步采用带变量注意力的NNG算法对GRU网络进行稀疏优化,降低模型复杂度,提高其可解释性并防止过拟合,通过数值仿真验证了算法的有效性和优越性;最后,将算法应用于某燃煤电厂烟气脱硫过程排放净烟气SO2浓度的软测量,实验结果表明所提算法具有优于其它先进对比算法的性能,能够在有效剔除冗余变量并简化模型结构的同时提高其预测性能.

摘要：针对机电伺服控制中机械参数未知或变化导致控制器参数失匹,动态性能和精度难以持续保证的问题,提出一种对转动惯量、非线性摩擦力和偏置负载进行快速参数辨识的方法.此方法先后利用参考正弦信号的相位和运动正交特性,实现转动惯量和摩擦力辨识的解耦,避开惯性力矩估计中的噪声干扰,提高了辨识精度.使用可分离最小二乘法将非线性和线性摩擦力参数的优化过程分离,降低了优化求解的计算负荷.此方法对类似伺服系统机械参数辨识具有一定的通用性.通过硬件在环仿真实验,分别对辨识方法可行性、辨识精度给予了验证;实验研究了辨识方法的增量式算法在速度比例-积分控制器参数自整定和前馈补偿中的应用.

摘要：在智能交通领域,车辆队列系统的协同跟踪控制是改善交通效率低下的有效手段,并且实现车辆队列系统的精确快速跟踪至关重要.因此,针对车辆队列系统的协同跟踪控制问题,本文提出了一种分布式预设时间观测器.该观测器旨在使跟随车能够在预设时间内成功跟随领航车的状态,其中领航车的输入对于部分跟随车不可用.随后,为了保证跟踪性能,需要构建预设性能函数.然而,在车辆队列系统中途停止并重新启动,或者改变领航车的动态时,会导致性能函数的重新选择,从而需要重新设计控制方案.为了消除这一限制,本文设计了一种不依赖于初始条件的性能函数,并基于观测结果构建了预设性能下的跟踪控制协议,以在保证暂态和稳态性能的前提下实现系统的精确快速跟踪;此外,为增强车辆队列系统的安全性,本文提出了自适应补偿控制方案,用以解决系统执行器故障问题.所提出的控制方案能够在系统达到稳定的同时,确保所有车辆在运行时保持安全间距;最后,通过仿真结果验证了所提出算法的有效性.

摘要：针对双四旋翼协同吊挂系统存在未知干扰的轨迹跟踪控制问题,本文提出了一种非线性自适应控制方法,实现了四旋翼无人机的轨迹跟踪和负载的摆动抑制.首先,利用达朗贝尔原理建立未知扰动下的双四旋翼协同吊挂系统模型;其次,设计一种指定时间预设性能函数对四旋翼无人机的轨迹跟踪误差进行约束,避免四旋翼无人机之间的碰撞;然后,构造一种新型辅助变量用于设计欠驱动系统的非线性控制器;同时,考虑到系统不确定和未知扰动的影响,利用神经网络逼近系统不确定以及设计自适应调节律处理外部时变扰动,以增强系统的鲁棒性,通过Lyapunov稳定性分析证明了闭环系统的所有误差都是有界的;最后,利用室内的双四旋翼吊挂运输实验平台进行实验研究,验证了该方法的有效性和实际可行性.

摘要：随着人工智能技术的发展,在无人控制系统领域中,智能传感器的普及使得各式的无人装备运行数据更加的丰富.水面无人船作为无人智能装备的重要组成部分,其关键环节就在于对其安全稳定的自主控制,因为其结构复杂,并且要长时间在未知的环境运作,难免出现各种异常状态,会直接影响无人装备的工作能力,降低其安全性和经济性,所以对无人船的位姿状态进行精确的预测十分必要.本文先利用变分模态分解将时间序列数据分解成若干分量,再采用基于宽度学习系统的方法对无人船中的几类数据进行了预测,同时用基于鲸鱼算法与模拟退火算法改进的哈里斯鹰优化算法对宽度学习中的伪逆求解回归参数进行优化.经仿真实验证明,该方法在预测的准确性和训练速度方面都有一定优势.

摘要：为实现动态不确定环境下无人机集群行为的快速调控,本文提出了一种仿慈鸦群信息交互的无人机集群协同转弯控制方法.通过分析慈鸦群交互行为及信息传播过程,分别建立了个体交互模型和信息传播模型,并阐述了信息交互与集群运动的关系.在社会力框架的基础上提出了集群动力学模型,并将其映射到转弯信息驱动下的无人机集群协同转弯控制中.仿真结果表明,在个体交互、信息传播及集群动力学的作用下,由少数无人机触发的转弯信息在集群中快速传播,使群体形成一致响应,实现了无人机集群的快速转弯机动.

摘要：维持碳粉浓度稳定以确保印刷质量是复印机工程应用中的关键难题.为解决复印机碳粉供应控制系统存在的长时滞与不确定性问题,本文设计了一种基于鲁棒模型预测控制策略.首先,采用系统辨识法获得碳粉供应系统物理特性的数学模型;其次,针对复印机碳粉供应系统构建鲁棒模型预测控制器,并引入改进的鲸鱼优化算法对控制器参数进行优化;最后,基于控制器代价函数求解最优碳粉补充量,对系统持续实施在线滚动优化控制.试验结果显示,相较于应用广泛的PI控制器,基于鲁棒模型预测的碳粉供应控制器在执行固定、递增和随机图像覆盖率任务时,碳粉浓度变化均方根误差分别降低了8.0％,4.8％和25.0％,标准差分别降低了 1.4％,5.4％和14.4％,表明该方法可有效降低印刷过程中碳粉浓度变化离散程度,具有更优越的动态性能控制效果.

摘要：针对三维空间中多航天器协同捕获机动目标问题,提出一种具有终端角度约束和时间一致性约束的固定时间收敛协同制导律.建立三维场景下航天器-目标视线(LOS)坐标系,将加速度分解为沿视线方向和垂直视线方向.采用代数图论和分布式合作协议算法对航天器沿视线方向加速度进行设计,实现多个航天器的时间一致性约束.采用滑模控制理论和固定时间收敛理论对垂直视线的两个方向加速度进行设计,实现视线倾角、视线偏角在固定时间内收敛到期望值.针对目标加速度未知的问题,采用固定时间观测器进行估计,并在制导指令中进行补偿.仿真结果表明,所提出的协同制导方法能够在固定时间内实现剩余飞行时间一致和视线角的收敛.

摘要：作为网络覆盖问题的重要分支,许多真实世界复杂系统的难题可以被视为网络k路点覆盖问题.在分布式系统中,如何设计个体自主决策的去中心化策略是实现网络覆盖优化的关键.本文将k路点覆盖问题建模为网络空间博弈,其中每个节点被当作是仅与邻居进行通信的理性个体.在非合作博弈框架下,分析了强纳什均衡(SONE)与k路点覆盖之间的关系,同时提出的基于博弈的同步期望驱动算法(GSAA)可以在有限时间内收敛到4人联盟SONE,结合仿真结果验证了算法的有效性.本文围绕k路点覆盖问题,从联盟视角建立覆盖解与博弈均衡之间的关系,为博弈框架下解决具有网络局部耦合约束的分布式优化问题提供了一种全新思路.

摘要：为了提高永磁同步电机驱动系统的安全性和可靠性,针对逆变器开路故障问题,本文提出了一种基于集员估计的逆变器故障诊断方法.首先通过电机驱动系统的离散开关信号和连续电流状态变量,建立电机驱动系统的数学模型;再根据椭球集员估计的电流估计值与实际电流得到椭球残差电流,并以估计椭球的长半轴作为阈值上下界,通过判断三相椭球残差电流是否超出阈值上下界来进行单管6种故障的诊断与定位,实现在系统正常运行时保持椭球残差电流在阈值内,故障时减少诊断时间.此外,该方法只需要噪声未知但有界,不需要了解噪声的部分先验知识,具有更小的保守性.仿真对比表明手动设置阈值对设置依赖性较高,自适应阈值诊断时间相对过长,本文提出的方法阈值依赖性弱、检测速度快、定位时间短、准确性高,诊断时间约占电流周期的8％.