摘要 在何种条件下能设计控制协议使一个多智能体系统实现期望编队是编队控制的基本问题.通过分析线性多智能体系统一类可完全实现的期望编队的性质,本文注意到期望编队的可实现性和时变线性方程组的相容性之间存在联系,由此利用时变线性方程组的渐近相容性提出期望编队的渐近相容概念,并利用矩阵的Moore-Penrose广义逆研究其主要性质.利用这一概念,本文给出线性多智能体系统期望编队的可实现性结论:只要智能体动态和连接网络分别满足可控性和连通性条件,所有渐近相容的期望编队都是可实现的.对渐近相容的期望编队,本文利用加权可控性Gram矩阵和Moore-Penrose广义逆设计出状态反馈控制协议.若智能体动态进一步还是可观的,则利用分离原理设计出基于观测器的控制协议.最后,仿真实例的结果验证了本文结论.

关键词 线性多智能体系统; 编队控制; 期望编队的可实现性; 渐近相容; 协议设计; linear multi-agent systems; formation control; achievability of desired formations; asymptotical consistency; protocol design

摘要 随着新一代人工智能的发展,大模型(如GPT-4o等)凭借大规模训练数据、网络参数和算力涌现出强大的生成能力、泛化能力和自然交互能力,展现出改变工业世界的巨大潜力.尽管大模型已在自然语言等多个领域取得突破性进展,但其在工业应用中的探索仍处于初级阶段,当前工业大模型的系统性研究仍属空白.工业应用中特有的异质数据模态、复杂多样的专业化场景、长流程的关联性决策、以及对于可信性实时性的高要求,使得通用大模型无法直接用于解决复杂的工业问题,亟需开展全新的工业大模型基础理论和关键技术研究.本文系统地探讨了工业大模型的挑战问题、概念内涵、体系架构、构建方法、关键技术与典型应用.从5个挑战问题的分析出发,提出了工业大模型的全新定义和体系架构;同时,提出了工业大模型的四阶段构建方法,阐述了工业大模型核心关键技术;然后,基于所提出的工业大模型6种核心应用能力,探讨了面向产品全生命周期的工业大模型典型应用场景,并给出了“基石”工业大模型原型系统在生成式人工智能方面的应用实例;最后,探讨和展望了工业大模型未来的研究方向和开放性问题.本文将为工业大模型这一全新研究方向的开辟与发展,提供基础理论、关键技术和行业应用的全面指导.

关键词 工业大模型; 工业基础模型; 生成式人工智能; 具身智能; 工业智能体; 智能制造; industrial foundation model; industrial AI foundation model; AIGC; embodied intelligence; industrial agent; intelligent manufacturing

摘要 随着全球卫星数量的快速增长和天基网络的蓬勃发展,优化卫星任务调度以确保任务观测时效性变得至关重要.任务调度方法不仅影响观测数据采集的效率,还直接关系到天基信息系统能否及时响应多种实时应用需求.然而,针对非周期动态任务,传统批处理调度方法存在局限性,需收集完所有任务信息后才能作出决策,而现有基于深度强化学习的实时调度方法也无法保证紧急任务的观测时效性.鉴于此,本文首次提出了“时效性优化的敏捷卫星动态任务实时调度”问题,该问题定义任务观测时效性指标,综合考虑任务观测延迟和接收任务的总收益,以最大化所有任务观测时效性.为了求解该问题,设计了两阶段时效性优化算法PPODL-HR.在任务选择阶段,提出了基于深度神经网络和长短期记忆网络的近端策略优化以加快模型的收敛速度;在资源分配阶段,设计了启发式规则,通过任务合并进一步降低任务切换所需的卫星转换时间.通过数值仿真和STK仿真验证, PPODL-HR算法在任务观测时效性方面优于传统的静态批处理调度和现有的动态任务实时调度算法,且适用于不同任务密度和不同紧急性任务占比的情况.特别地,与经典的动态任务实时调度算法相比,任务观测时效性提高了21.14%,任务观测延迟降低了4.55%,接收任务的总收益增加了20.70%.

关键词 时效性优化; 卫星任务调度; 动态任务实时调度; 深度强化学习; 任务观测时效性; 启发式; timeliness optimization; satellite task scheduling; real-time scheduling for dynamic tasks; deep reinforcement learning; timeliness of task observation; heuristic rule

摘要 针对动态不确定环境下异构多无人机协同路径规划问题,提出了一种新的多智能体深度强化学习算法.首先,开发了一个空域场景下多无人机到达目标地点的强化学习环境,环境引入了无人机动力学方程,并考虑了无人机异构的因素以及安全避障的需求.其次,设计了任务完成率、编队保持率、飞行时间等性能指标,用以衡量算法的优劣.然后,将多无人机协同路径规划问题建模为部分可观Markov决策过程,提出了一种多智能体柔性执行评价(multi-agent soft actor critic, MASAC)算法寻求该问题的近似最优策略.最后,通过仿真实验验证了所提算法的有效性和优越性.

关键词 多无人机; 路径规划; 多智能体深度强化学习; 部分可观Markov决策过程; MASAC算法; multi-UAV; path planning; multi-agent deep reinforcement learning; partially observable Markov decision process; multi-agent soft actor critic algorithm

摘要 飞机装配是飞机制造中的关键环节,如何对飞机装配脉动生产线进行合理调度,实现降本增效,是智能制造领域的重要科学问题.然而,飞机装配脉动生产线场景复杂,装配单架飞机就包含上万道工序,这为飞机装配调度问题的形式化建模和高效求解带来新的挑战,因而当前生产实践中主要依靠人类专家经验进行手工调度.本文聚焦降低人力负载的优化目标,提出两种领域特定的技术以解决飞机装配调度问题.首先,将飞机装配脉动生产线调度问题建模为两个马尔可夫(Markov)决策过程,通过双重强化学习智能体决策生成飞机装配的近似调度方案.其次,针对强化学习决策鲁棒性不足的缺陷,提出领域知识迁移方法,将强化学习的求解知识迁移到整数规划约束剪枝中,最后利用整数规划求解器优化得到综合性能优异的调度方案.在飞机装配生产线的真实数据上完成了实验验证,结果表明本文提出的基于深度强化学习和知识迁移的调度方法能够成功扩展到年产量近百架次的飞机装配脉动生产线调度问题,将组合优化方法难以求解的问题优化到分钟级求解,相较于基线方法取得显著性能优势.

关键词 飞机装配; 智能调度; 组合优化; 强化学习; 知识迁移; aircraft assembly; intelligent scheduling; combinatorial optimization; reinforcement learning; knowledge transfer

摘要 随着自动驾驶技术的不断成熟与应用,系统性梳理开源自动驾驶数据集有利于产业生态良性循环.现有自动驾驶数据集可大致分为两代,第一代数据集的传感模态复杂度相对较低、数据集规模相对较小,且大多局限于感知级任务,以发布于2012年的KITTI为代表.相比于第一代数据集,第二代数据集的特征为传感模态复杂度较高、数据集规模与多样性较丰富、所设置任务从感知扩展到预测、规控上,以2019年前后提出的nu Scenes, Waymo为代表.本文联合学术界、产业界同仁,首次系统性梳理了国内外70余种开源自动驾驶数据集,对如何构建高质量数据集、数据在算法闭环体系中发挥的核心作用、如何利用生成式大模型规模化生产数据等进行了总结.此外,就未来第三代自动驾驶数据集应该具备的特质和数据规模,以及需要解决的科学与技术问题,进行了详细分析与讨论.希望本文的归纳与展望能促进新一代自动驾驶数据集与生态体系的建设、推动关键领域自主原创与科技自强的发展.

关键词 自动驾驶; 数据算法闭环; 基础模型; 数据集与挑战赛; autonomous driving; data pipeline; foundation model; dataset and challenge

摘要 非接触式传感器相比接触式触觉传感器可以避免与物体直接接触过程中产生的噪声,因而能够获取更有价值的原始数据表征物体内在属性;然而针对非接触式传感器感知的物体属性数据而言,现有算法难以实现单样本学习下的物体准确识别.为解决这一问题,本文提出一种新颖的单样本学习下时序约束稀疏表示方法 (one-shot learning with temporally constrained sparse representation, OSL-TCSR)用于识别5种不同材料下的50个物体类别.首先将两种原始数据(Lumini光谱和SCiO光谱)并行投影至共享子空间,并且使用聚类典型关联分析法(cluster canonical correlation analysis, C-CCA)计算两种原始数据的聚类相关性特征;其次通过稀疏表示分别计算得到聚类相关性特征数据以及原始数据的编码向量,并利用原始数据的编码向量对相关性特征数据的编码向量进行二次投影映射;然后将两次映射后的原始数据和相关性特征数据进行重构,以充分耦合化两种光谱数据,解决了单样本学习下的数据稀缺问题;进一步地,设计新颖的时序约束稀疏表示方法计算重构后的原始数据和相关性特征数据,以充分考虑每个光谱序列的时序特征;最后与最新的物体识别方法进行实验对比,结果表明提出的OSL-TCSR方法提高了单样本学习情况下的物体识别结果.此外, OSL-TCSR还可灵活迁移至多种应用场景,比如材料识别或纹理识别等.

关键词 物体识别; 聚类相关性特征; 单样本学习; 时序约束正则化; object recognition; clustering correlation characteristics; one-shot learning; temporally constrained regularization

摘要 舰载机保障作业是航空母舰航空保障系统的重要组成部分,其调度效率不仅影响舰载机出动架次率,而且严重制约航空母舰作战效能发挥.在多舰载机保障的动态甲板作业环境下,安全高效地为舰载机分配保障资源,最大限度地减少舰载机因资源分配冲突产生的时间开销,是提高舰载机保障作业调度效率的关键途经.现有基于启发式、机器学习等方法舰载机保障作业调度策略,存在计算量大、鲁棒性差、训练效率低等问题.为此,本文将舰载机保障作业调度问题建模为分布式多智能体协同控制的顺序决策问题,构建了一种新颖的基于人机协同的多智能体作业调度决策框架HCMTPF(human-machine collaborative multi-agent task planning framework),有效地提高了保障作业调度决策模型的学习效率.在此基础上,提出了一种基于人类行为可信度的自适应作业分配方法,进一步提高了智能体自主探索能力和人类指导经验利用率.经大量仿真实验验证,本文提出的舰载机保障作业人机协同决策方法比其他方法在计算性能和学习效率方面具有明显优势.

关键词 舰载机; 人机协同; 深度强化学习; 任务分配; 资源分配; carrier aircraft; human-machine collaboration; deep reinforcement learning; task allocation; resource allocation

摘要 博弈智能是一个涵盖博弈论、人工智能等方向的交叉领域,重点研究个体或组织间的交互作用,以及如何通过对博弈关系的定量建模进而实现最优策略的精确求解,最终形成智能化决策和决策知识库.近年来,随着行为数据的海量爆发和博弈形式的多样化,博弈智能吸引了越来越多学者的研究兴趣,并在现实生活中得到广泛应用.本文围绕博弈智能这一研究领域,分别从3个方面进行了系统的调研、分析和总结.首先,回顾了博弈智能的相关背景,涵盖了单智能体马尔可夫(Markov)决策过程,基于博弈论的多智能体建模技术,以及强化学习、博弈学习等多智能体求解方案.其次,依照智能体之间的博弈关系不同,将博弈分为合作博弈、对抗博弈以及混合博弈这三大类范式,并分别介绍了每种博弈智能范式下的主要研究问题、主流研究方法以及当前典型应用.最后,总结了博弈智能的研究现状,以及亟待解决的主要问题与研究挑战,并展望了学术界和工业界的未来应用前景,为相关研究人员提供参考,进一步推动国家人工智能发展战略.

关键词 博弈智能; 博弈论; 人工智能; 多智能体系统; 强化学习; 均衡求解; game intelligence; game theory; artificial intelligence; multiagent systems; reinforcement learning; equilibrium computing

摘要 共享控制存在于众多由人类智能和机器智能共同参与的序贯决策场景.由于人的决策范围和智能机器的决策范围尚未予以明确划分,需要加以实时仲裁从而达到人机共存并且共享决策权限.为此本文提出了一种仲裁优化方法,该方法的独特之处在于引入自主性边界概念,优化了共享控制中人机决策动作的仲裁机制.本文为自主性边界的计算和更新维护提供了思路,能够基于贝叶斯规则的意图推理分析人机共享系统可能要实现的目标,从而确定仲裁参数.此外,本文还分析了自主性边界的不确定性以促进边界信息对共享控制中决策质量的优化效果.实验结果表明,所提出的方法在累积奖励、成功率、撞击率方面表现出色,这些说明了本文提出的共享控制中的仲裁优化方法在求解人机序贯决策问题时的有效性和价值.

关键词 共享控制; 仲裁优化; 自主性边界; 人机序贯决策; 强化学习; shared control; arbitration optimization; autonomous boundary; human-machine sequential decision-making; reinforcement learning

摘要 随着通信技术和新一代人工智能的迅速发展,强化学习这一数据驱动的控制方法引起了极大的关注.本文回顾了强化学习中的一类典型方法——策略优化法——在系统控制律设计上的最新研究进展.主要讨论了其在各种重要线性最优控制问题上的收敛性及样本复杂度,例如线性二次控制、输出反馈控制、■控制、分布式控制等.此外,对策略优化法在网络化系统控制中的应用作了展望.

关键词 线性系统; 最优控制; 策略梯度法; 强化学习; 数据驱动控制; linear system; optimal control; policy gradient method; reinforcement learning; data-driven control;

摘要 在博弈论中,单个个体控制全部个体的收益通常被认为是不可能的.一个例外是20世纪末在重复囚徒困境中提出的均衡器策略:使用这种策略的个体可以将对手的收益设置为由收益函数所决定的某个区间内的任意值.十余年后发现的零行列式策略通过单方面设置个体收益的线性关系,将该结果一般化.在此基础上,关于博弈收益控制的研究取得了一系列成果.本文概述了博弈收益控制的研究现状;介绍了单次博弈和重复博弈中的收益控制技术;从收益控制的基本概念、能控制的收益关系、收益控制策略的形式和收益控制策略的演化特性等方面总结了博弈中收益控制的主要进展和成果;并讨论了博弈收益控制的未来发展趋势.

关键词 博弈论; 收益控制; 零行列式策略; 演化博弈论; 策略设计; game theory; payoff control; zero-determinant strategy; evolutionary game theory; strategy design;

摘要 如何从观测时间序列来重构复杂网络结构是网络科学领域的热点和难点问题.近年来统计推断和压缩感知两类方法广泛用于网络重构,然而代表性重构方法的精度、速度和抗噪声性能均有大幅提升空间.本文在经典压缩感知算法的基础上,提出了一种基于节点中心性排序和交替乘子法的网络重构算法.首先对节点状态特征矩阵按照节点中心性的判断方法重新排序重构节点的顺序,然后利用压缩感知对排序后的节点时间状态特征矩阵进行处理,最后引入交替乘子法优化矩阵实现网络拓扑结构的重构.理论分析证明,所提算法的复杂度低于代表性的压缩感知重构方法.实验结果表明,本文将所提算法相比于现有代表性重构方法,提升了重构精度,减少了重构时间,具有更高的抗噪声鲁棒性.本研究提升了网络重构算法应用于大规模网络的准确性、适用性和可靠性,并可在未来扩展到不同类型约束的加权网络重构中.

关键词 网络重构; 压缩感知; 时间序列; 节点中心性; 交替乘子法; network reconstruction; compressive sensing; time series; node centrality; ADMM

关键词 非线性相互作用; 社交网络; 方向切换行为; 稳态概率密度; 平均切换时间; nonlinear interactions; social networks; directional switching behavior; stationary probability density; mean switching time

关键词 分布式能源; 特征点集; 聚合和分解; Minkowski和; 内近似; 凸包; distributed energy; feature point sets; aggregation and decomposition; Minkowski sum; inner approximation; convex hull

摘要 复杂网络是刻画现实世界的有效工具,而同步现象是复杂网络中最为普遍的现象之一,广义同步更因其普适性吸引着研究者的目光.本文研究单向耦合双层驱动–响应网络的广义同步问题.判定广义同步存在的辅助系统方法因其简单有效自提出起便被广泛使用,并于21世纪初被推广应用于复杂网络.而对于不能自发同步的网络,间歇控制是一种常见且有效的控制机制.间歇控制策略不仅符合现实场景,还能够减少通信,节约控制资源.基于此,本文研究单向耦合双层网络的层间广义同步,并利用辅助系统方法,提出间歇控制策略下的双层网络广义同步准则.首先,本文提出线性反馈牵制间歇控制机制下的网络广义同步准则.进一步,为节约控制资源,考虑自适应牵制控制器在间歇控制策略下的网络广义同步问题.本文从理论和仿真两方面证实了间歇控制策略下的双层网络层间广义同步可行性.

关键词 双层复杂网络; 广义同步; 间歇控制; 牵制控制; 自适应控制; two-layer complex network; generalized synchronization; intermittent control; pinning control; adaptive control

摘要 火力与制导资源联合分配问题是军事运筹学研究中典型的NP完全问题,其求解具有较高的实时性要求.精确求解算法难以适用,而近来提出的构造算法的时间开销也相对较大,严重影响算法的实际应用.为了解决该问题,本文将其建模为多阶段传感器–武器–目标分配(sensor-weapon-target assignment, S-WTA)问题,并分解成两类作战资源分配子问题.在武器分配阶段采用了一种基于威胁值确定分配优先级的快速构造算法,在传感器分配阶段提出了一种新的基于阶段顺序确定分配优先级的快速构造算法,该算法能充分利用约束条件,大幅度减小时间开销.本文在两种基本构造算法与基于边际损失的构造算法的基础上进一步提出了构造算法序列化组合,对多阶段S-WTA问题进行求解.计算实验验证了新提出的基本构造算法的快速性以及构造算法序列化组合相比于各种基本构造算法的性能优势.

关键词 异构资源联合分配; 传感器 – 武器 – 目标分配; 启发式算法; 构造算法; 协同作战; heterogeneous resources co-allocation; sensor-weapon-target assignment; heuristic algorithms; constructive algorithms; cooperative engagement

摘要 如何定量评估复杂网络中节点的影响力是一个重要的研究课题,因为它有助于深入理解网络的结构和功能.现有的多数方法主要基于网络固有拓扑的分析建立,缺少对多阶邻居节点的传播性质和拓扑信息的综合利用,然而它们对影响力节点识别有重要影响.为此,本文提出了一种综合多阶邻居传播度量和拓扑特征(multi-order neighbor propagation metrics and topological features, MNPMTF)的算法来有效识别复杂网络中的影响力节点.首先,该算法结合传播模型和最短路径来刻画邻居节点的传播概率,从而量化节点之间信息传播的可能性.其次,考虑多阶邻居中的邻居重叠比形成邻居重叠度,进而量化信息在邻居网络中的传播路径.再次,利用节点的k壳、h指数和聚类系数构成新指标KHC系数,以此来描述节点的拓扑特征.最后,算法综合3阶邻居范围内的传播概率、邻居重叠度和拓扑特征以评估节点的影响力.在9个真实网络上的大量实验表明,所提算法在排序准确性、有效性和区分能力等多方面均优于7种具有代表性的方法,为复杂网络中节点影响力评估提供了一种新的思路.

关键词 传播概率; 邻居重叠度; KHC系数; 影响力节点; 复杂网络; propagation probability; neighbor overlap; KHC coefficient; influential nodes; complex networks

摘要 随着网络科学的发展,普通网络无法描述多个个体间的交互作用,这就有必要引入高阶网络.高阶网络能够刻画普通网络无法描述的网络特征,其中单纯形(2阶以上)扮演着关键角色.牵制控制具有“四两拨千斤”的作用,在高阶网络中只需牵制一部分单纯形就能达到同步.但如何选取合适的单纯形进行牵制控制,是一个充满挑战而又全新的课题.本文给出高阶网络达到同步的自适应牵制控制律,并提出如何选择合适的单纯形进行牵制,选择方式由高阶网络广义Laplacian矩阵次小特征值对应的单位特征向量分量决定.数值仿真结果表明该方法简单有效,牵制控制效果与单纯形选择方式一致.

关键词 复杂网络; 高阶网络; 牵制控制; 同步; 单纯形; complex networks; higher-order networks; pinning control; synchronization; simplexes

关键词 扰动补偿; 自适应事件触发; 分布式模型预测控制; 互联电力系统; 负荷频率控制; disturbance compensation; adaptive event-triggered; distributed model predictive control; interconnected power system; load frequency control

摘要 本文通过设计非凸控制约束条件下的迭代学习控制策略,解决多智能体系统的一致性和包含控制问题.此类问题的难点在于缺乏一种有效工具来处理分布式控制中的非凸约束.为此,本文综合非凸约束算子方法提出了一类新颖的迭代学习策略,并将其用于非凸约束下的多智能体一致性分析中.进一步,通过设计非凸约束下的终端迭代学习策略,探讨了相关的包含控制问题,即使各节点在终端时刻的状态收敛到领导者状态生成的凸包内.本文在迭代学习的框架下,结合压缩映射和Lyapunov稳定性理论,分别给出了非凸约束下实现一致性或包含的充分性条件.最后,通过两个数值模拟来说明本文理论结果的有效性.

关键词 非凸约束; 终端迭代学习; 一致性; 包含控制; 收敛性分析; nonconvex constraint; terminal iterative learning control; consensus; containment control; convergence analysis

摘要 针对无人机集群携带异构资源以及任务的异构需求下的复杂任务分配优化求解问题,提出一种基于联盟形成博弈的分布式任务分配算法.首先针对任务分配问题规模较大的特点以及资源的异构性,提出一种基于异构资源的改进K-medoids聚类算法,通过对无人机集群和任务进行聚类的预处理,降低了任务分配的规模和难度.考虑任务需求、机载资源以及路径成本等条件建立任务分配模型,将原有任务分配问题转化为联盟划分问题,设计了一种基于联盟形成博弈的分布式任务分配算法进行求解.最后,将30个具有异构需求的任务分配给100架携带3种异构资源的无人机的仿真结果表明,所提算法能够实现较好的任务分配效果,同时极大提高任务分配的实时性,充分发挥集群效能.

关键词 任务分配; 异构无人机集群; 异构资源; 聚类算法; 联盟形成博弈; task allocation; heterogeneous UAV swarms; heterogeneous resources; clustering algorithm; coalition formation game

摘要 作为新一代智能化综合数字信息基础设施,第六代移动通信(6G)深度融合人工智能、大数据以及先进计算等技术,构建泛在互联,智能体高效互通的新型网络模式,具有更大系统容量、更快信息传输速率以及更加智能化与数字化的性能特征.智能超表面(reconfigurable intelligent surface, RIS)是推动未来6G通信网络实现超级无线带宽、超大规模连接以及极其可靠通信能力等方面性能的极具潜力的新兴技术.该技术是基于在数字超材料平面上集成的大量低成本无源反射元件,通过自适应配置无线传播环境,显著提高无线通信网络在复杂场景下的性能,而实现自适应动态调控通信链路的关键在于对RIS辅助的网络系统优化.为此,本文通过对RIS近年来在网络性能优化方面相关研究文献进行综述,从RIS辅助通信的网络架构及其性能优化方案和应用场景两个方面总结了当前RIS辅助的无线通信网络性能优化研究成果与进展,并进一步讨论了通信网络部署RIS的潜在未来研究方向.

关键词 智能超表面; 无线通信网络; 性能优化; 6G; reconfigurable intelligent surface; wireless communication networks; performance optimization

摘要 随着风电场规模的不断扩大,尾流效应导致场内下游风机发电功率降低和疲劳载荷加剧问题日益严重.为了降低风电场运营成本,提高动态经济性能,本文提出了一种风电场分层控制结构.在上层通过优化全场风机的诱导因子实现当前风向下的全场最大风能捕获,为下层本地控制提供各机组的最佳降载跟踪功率基准.在下层采用基于终端区域约束的稳定分布式经济模型预测控制策略对各风机实施本地控制,在保证满足电网负荷需求的同时有效降低机组的疲劳载荷,提高风电场的动态经济性.最后,通过SimWindFarm软件对由9台风机组成的风电场进行仿真实验,验证了风向变化、阶跃风速扰动和湍流风速扰动3种情况下所设计控制策略的有效性.

关键词 风电场控制; 尾流效应; 疲劳载荷; 分布式经济模型预测控制; 凸序列规划; wind farm control; wake effect; fatigue load; distributed economic model predictive control; sequential convex programming

摘要 针对分布式网络中的参数估计问题,本文提出了一类基于分数阶梯度信息的扩散LMS算法,主要利用分数阶梯度的变阶次机制来提升算法的各项性能.首先,针对已有的集中式分数阶梯度LMS算法,将其推广到分布式网络中的参数估计问题上来.进而,讨论了所提算法的收敛速度和收敛精度.其次,考虑到分数阶阶次对于算法性能的影响,设计了一个变分数阶阶次的策略来充分发挥分数阶的优点以提升算法的收敛特性.进一步,证明了切换拓扑结构下所提算法的收敛性.最后,通过数值仿真结果,从收敛速度、收敛精度、鲁棒性等角度验证了所提算法的有效性和优越性.

关键词 分布式估计; 扩散式 LMS 算法; 适应性滤波; 切换拓扑; 分数阶微积分; distributed estimation; diffusion LMS algorithm; adaptive filter; switching topologies; fractional calculus

摘要 针对一般异构线性多智能体系统的分布式资源分配问题,结合智能体动力学特性设计一类分布式优化算法,旨在实现扰动抑制的同时完成资源的最优分配.面对扰动模型已知干扰信号,本文利用智能体状态信息设计一种自适应分布式优化算法,其中拉格朗日(Lagrange)乘子对偶变量控制参数自动增加,直至拉格朗日乘子对偶变量达到一致.当智能体状态信息不可测时,本文将上述算法修改为基于输出反馈的分布式优化算法.当全局成本函数强凸时,借助拉萨尔(LaSalle)不变性引理证明上述所提算法渐近收敛到全局最优解.面对未知扰动信号,本文利用扩张状态观测器技术设计一种分布式优化算法.当未知扰动信号为常数或其微分趋于零时,利用李雅普诺夫(Lyapunov)理论证明上述算法渐近收敛至全局最优解.最后利用数值仿真验证上述算法有效.

关键词 异构多智能体系统; 资源分配; 自适应通信权重; 状态反馈; 输出反馈; 未知扰动; heterogeneous multi-agent systems; resource allocation; adaptive communication weight; state feedback; output feedback; unknown disturbance

摘要 针对通信噪声干扰下的资源分配问题,本文提出了基于对偶梯度追踪的分布式算法以实现资源的最优配置.通过设计新的噪声追踪策略与引入抑制系数,本文算法对噪声干扰具有更好的鲁棒性,并且支持各节点使用非协同步长进行迭代更新.理论分析证明了对于非Lipschitz光滑甚至不可微的强凸目标函数,算法在噪声干扰下仍能收敛到最优解邻域并且具有O(1/k)收敛速率.最后,在IEEE14母线和IEEE 118母线系统上验证了本文所提出分布式算法的有效性和可拓展性.

关键词 分布式优化; 对偶问题; 噪声抑制; 资源分配; 非协同步长; distributed optimization; dual problem; noise suppression; resource allocation; uncoordinated stepsizes

摘要 针对具有约束和扰动的多区域互联电力系统负荷频率控制(load frequency control, LFC)问题,本文提出了一种事件触发分布式模型预测控制(event-triggered distributed model predictive control,ET-DMPC)策略.将大规模互联电力系统分解成多个动态耦合的子系统,考虑发电机变化率约束(generation rate constraint, GRC)和调速器阀门位置限制,建立分布式预测控制优化问题.为了降低系统计算负担,减少计算资源的消耗和浪费,基于预测值和系统实际状态的误差构造事件触发条件.在事件触发机制下,只有子系统满足相应的事件触发条件时,控制器才传输状态信息和求解优化问题,并与邻域子系统交互最优解作用下的关联信息.仿真结果表明,本文提出的控制策略在负荷扰动和系统参数不确定的情况下具有良好的鲁棒性,同时极大地降低了系统的计算负担.

关键词 负荷频率控制; 分布式模型预测控制; 事件触发; 互联电力系统; 发电机变化率约束; load frequency control; distributed model predictive control; event-triggered; interconnected power system; GRC;

摘要 建筑能源系统能耗总量巨大且用能弹性高,具有很大的节能优化潜力,其提效节能被认为是降低能源电力系统终端碳排放、实现“2030碳达峰、2060碳中和”国家战略目标的重要途径之一.然而,建筑能源系统节能优化面临人员行为与系统能耗交互影响、多种能源介质时空多尺度耦合与供需能量平衡等建模挑战,以及系统决策空间随建筑规模指数增长的维数灾计算复杂性挑战.针对上述挑战,本文从信息物理融合的角度出发,提出了基于节点–流量模型的建筑能源系统分布式优化模型,刻画了电、气、热等能源物理网络与信息网络的交互影响,实现了局部数据采集和计算的一体化结构设计,支撑边云协同计算体系.进而,设计了基于边云协同的分布式迭代优化算法,证明了算法的收敛性,可实现建筑能源系统供需协同优化,并大大降低了对全局信息的依赖性和通信需求.本文以6种不同规模下实际建筑系统的数值测试结果,验证了所提方法的性能和有效性,特别在大规模建筑能源系统上具有良好的应用前景.

关键词 建筑能源系统; 信息物理融合系统; 边云协同计算; 供需协同优化; 系统优化; building energy system; cyber-physical system; edge-cloud computing; supply-demand coordination; system optimization;

摘要 产品与供应链协同演进系统(product and supply chain synchronous evolution system, PSCSE)是一类复杂的分布式信息物理系统(cyber-physical system, CPS),含有大量的未建模动态与不确定性.剧烈的需求波动及突发的网络事件,使系统结构参数极易发生变化.产品设计变更是维持PSCSES稳定、满足用户需求及保证经济效益的重要手段.本文研究基于分布式CPS的PSCSES在受到DoS攻击下的应急变更控制问题.首先,针对PSCSES在网络攻击下数据包丢失问题,利用每条子链的历史数据设计基于循环神经网络(recurrent neural network, RNN)的预测器以弥补因网络攻击造成的库存数据丢失;其次,利用博弈论思想将H∞一致性控制问题转化为多人零和图博弈问题,提出一种应急变更补偿机制;进而基于Q-learning的策略迭代技术设计了模型未知的控制器求解算法,实现了系统的库存状态H∞一致性.最后,仿真实验验证了所提方法的有效性.

关键词 网络攻击; 数据驱动; 供应链; 变更控制设计; 多智能体; cyber-attacks; data-driven; supply chain; change control design; multi-agent;

摘要 本文主要研究有向图中含弹性关节多机械臂系统的一致性问题,利用模型参考自适应一致性方法,将含弹性关节多机械臂系统的一致性问题转化成参考模型的一致性和单个机械臂系统的轨迹跟踪问题两个子问题.考虑到机械臂的相对角速度信息难以获取的情况,提出了无需相对角速度信息的线性参考模型.在轨迹跟踪算法设计上,利用反步法对单个机械臂系统设计了跟踪控制算法,使得系统达到关节角度趋于一致的结果.

关键词 含弹性关节机械臂; 一致性; 分布式控制; 多智能体系统; 有向图; manipulator with elastic joints; consensus; distributed control; multi-agent systems; directed graph;

摘要 在非平稳环境下,对复杂装备进行实时安全评估有助于及时发现潜在危险.其中,在线监测数据的动态变化是最主要的挑战之一.尽管一些在线安全评估方法可以使用监测数据进行动态的调整,但它们通常假设监测数据标签是可用的.然而,在大部分现实场景中,仅有部分提前收集的初始数据或历史数据是有标记的,而实时监测数据则通常是未标记的,这引发了被称为极端验证延迟的挑战.为解决该问题,本文提出了一种基于动态支持向量提取的实时安全评估方法.首先,基于支持向量域描述,在核空间构建包含不同类监测数据的超球面,捕获数据的几何结构;其次,通过对超球的更新,在未标记的监测数据中传播标签信息,从而适应监测数据的分布变化;进一步,采用支持向量动态加权策略,消除监测数据类别不平衡对模型性能的影响.面向蛟龙号深海载人潜水器监测数据的实验结果验证了所提方法的有效性.

关键词 实时安全评估; 非平稳环境; 极端验证延迟; 类别不平衡; 数据流; real-time safety assessment; non-stationary environment; extreme verification latency; class imbalance; data stream

摘要 实际工业过程受多种因素(如原材料变化、负载波动、设备老化等)的影响,往往表现出非平稳特性,即过程监测数据统计特性随时间发生变化,因此非平稳过程异常监测备受关注并已成为监测领域的焦点之一.本文从监测方法的角度对非平稳过程异常监测相关研究成果进行了系统性的回顾:首先对非平稳过程的概念和技术难点进行了概述;其次,将非平稳过程监测方法根据原理的差异划分为五大类,并总结了各类方法的优点与不足;最后,结合当前技术发展的现状,对非平稳过程研究中的挑战进行了深入分析与展望.

关键词 非平稳过程; 过程监测; 自适应建模; 协整分析; 平稳子空间分析; 慢特征分析; 深度学习; non-stationary processes; process monitoring; adaptive modeling; cointegration analysis; stationary subspace analysis; slow feature analysis; deep learning

摘要 针对工业设备故障诊断知识图谱故障实体属性残缺、故障关系链接缺失的问题,本文提出了一种基于知识图谱异构图注意力网络(knowledge graph heterogeneous graph attention network, KGHAN)模型的工业设备故障诊断知识图谱补全方法,通过对故障实体概念补全和故障关系链接补全完善了工业设备故障诊断知识图谱.所提KGHAN模型在异构图注意力网络模型的基础上,融合了故障知识结构信息和故障图结构信息,有效地表征了故障实体和故障关系的嵌入表示,提高了故障实体概念补全任务的准确率和故障关系链接补全任务的命中率.将所提工业设备故障诊断知识图谱补全方法应用在国内某企业的工业设备故障运维数据上,结果表明,故障实体概念补全任务的准确率提高了约10%,故障关系链接补全任务的命中率提高了约37%,验证了方法的有效性.

关键词 知识图谱补全; 知识图谱; 图神经网络; 故障诊断; 工业设备; knowledge graph completion; knowledge graph; graph neural network; fault diagnosis; industrial equipment

摘要 本文基于前景理论在博弈的框架下研究了行为感知概率对网络化系统中攻防资源配置的影响.首先,在理性决策情形下,通过融合物理系统、执行器攻击和资源分配模型,构建了一个新的安全博弈框架.其次,针对决策者依靠感知概率而非真实概率进行主观决策的情形,基于前景理论构造了行为安全博弈模型.然后,建立了安全博弈和行为安全博弈下期望收益函数关于攻防资源凹凸性的充要条件,并深入分析和比较了安全博弈和行为安全博弈下攻防资源最优配置的存在性和唯一性以及行为概率对安全博弈的影响.最后以无人机群为例进行了仿真,验证了所提方法的有效性.

关键词 执行器攻击; 前景理论; 资源分配; 安全博弈; 行为安全博弈; actuator attacks; prospect theory; resource allocation; security game; behavioral security game

摘要 本文研究了多方参与的随机线性系统的协作安全参数辨识问题,提出了一种基于门限Paillier密码体制的安全多方最小二乘辨识算法.具体地,通过对正负整数的合理编码,将(门限) Paillier密码体制的加密对象及同态特性由非负整数扩展到了整数.利用门限Paillier密码体制和将数据沿时间轴切分的方法,设计了相应的安全多方参数辨识算法.给出了算法正确加解密所需的明文空间大小条件、保证隐私安全性的时间切分长度条件以及一定条件下估计误差与加密量化误差之间的定量关系.证明了,只要选取的时间切分长度合适,对于任意一个参与者,即使其他所有参与者联合起来仍然无法得到其具体的隐私信息.最后,通过数值仿真验证了算法的有效性.

关键词 多方参与的ARX系统; 隐私安全; 系统辨识; 门限Paillier加密体制; 最小二乘方法; multi-participant ARX system; privacy security; system identification; threshold Paillier cryptosystem; least squares method

摘要 由于原材料、设定点、外界环境等因素变化,工业过程通常具有多个运行工况.多工况过程异常监测技术是保证工业系统安全运行的有效方式,也是过程监测技术的研究热点与难点.首先,对多工况过程异常监测方法进行概述,并将多工况过程的常见处理方式归纳为整体建模、自适应建模、混合建模和多模型建模方法;其次,分别回顾了多工况平稳过程和多工况非平稳过程的研究现状,并分析了各类方法的优缺点;最后,结合实际工业系统特点,指出该领域亟须解决的问题和未来发展方向.

关键词 数据驱动; 多工况过程; 异常监测; 平稳过程; 非平稳过程; 故障检测; data-driven; multimode processes; anomaly monitoring; stationary processes; nonstationary processes; fault detection

摘要 针对信息物理系统的多变量时序数据的异常检测是预防系统故障、保证安全生产的必要手段.由于系统变量间的强耦合性和传播效应,设计异常检测算法时应考虑系统变量间的耦合特性、传播有向性和因果时滞性,从系统结构变化的角度检测早期异常.本文提出一种端到端的启发式时空图神经网络(heuristic spatio-temporal graph neural network, HST-GNN)用于多变量时序数据的异常检测.首先,考虑变量间关系的有向性和集群性,设计一种有向相似性函数和基于启发式聚类算法的图结构学习算法,对多变量时序数据进行图建模以学习变量间的空间耦合关系;其次,使用门控卷积注意单元和多头图注意层作为时空图注意模块,从时空层面同时捕获系统的非线性因果时序和空间耦合深度特征;最后,量化系统的图结构特征,将其作为时空图网络提取的传感器深度特征的补充,输入自编码器中,从系统级别和传感器级别来检测异常.本文在4个公共数据集上验证了HST-GNN的性能.实验结果表明,稀疏有向的图结构有利于系统耦合特性的提取,从系统和传感器级别检测异常增加了模型对不显著的早期异常的敏感度.

关键词 多变量时序数据; 无监督异常检测; 启发式图结构; 时空图注意网络; 系统级图结构特征; multivariable time series data; unsupervised anomaly detection; heuristic graph structure; spatiotemporal graph attention network; system-level graph structure features

摘要 基于过程中实时采集的多变量时序关联数据进行异常检测是预防工业过程事故、保障系统安全的关键环节之一.然而,工业多变量时间序列异常检测仍面临如下两大难题:(1)时序数据变量间复杂的非线性关联特性缺乏有效的表达方法;(2)正常/异常分布极度不均衡的时间序列间复杂的相关性有待深入挖掘.本文提出一种新的基于多变量时间序列的无监督异常检测方法 ——基于Transformer GAN的多变量时间序列异常检测方法 (TGAN-MTSAD). TGAN-MTSAD采用Transformer网络作为生成对抗网络的基本模型,引入了图注意力层以自动学习时序多元变量间的复杂依赖关系,还应用了patch技巧使模型能够有效捕捉时间窗口内的异常细节信息,并提出了基于重构误差与鉴别误差相结合的异常分数计算方法.采用3个真实世界的数据集对所提方法进行了大量的性能验证与对比实验分析.结果表明, TGAN-MTSAD可以有效检测过程中的时序异常,在大多数情况下优于基线方法,并且具有良好的可解释性,可用于复杂工业异常诊断.

关键词 多变量时间序列; 异常检测; Transformer; 异常分数; 图注意力; multivariate time series; anomaly detection; Transformer; anomaly score; graph attention;

摘要 针对高维不平衡数据的多工况故障诊断难题,提出一种非平衡数据条件下基于动态自适应迁移的宽度学习方法 (TL-BLS),并应用于污水处理过程的多工况故障诊断.首先,针对工业过程中不同工况下存在数据分布差异过大的问题,采用迁移学习流形变换方法拉近源域数据和目标域数据的距离;其次,针对后续自适应迁移中需要伪标签的条件,提出考虑数据不平衡的两阶段目标域伪标签预测方法,第一阶段使用基于类间关系的伪标签方法得到可靠度高的伪标签,第二阶段使用考虑子集差异的集成方法来获得可靠度更高且兼顾数据不平衡问题的伪标签;最终,建立带流形正则化项和具有动态平衡因子的自适应迁移与宽度学习方法,并在宽度学习系统和自适应迁移中引入权重矩阵来解决数据非平衡的问题,实现多工况过程下的故障诊断.污水处理过程数据实验及其比较分析表明所提方法具有更优的故障识别效果和更好的实用性.

关键词 故障诊断; 迁移学习; 宽度学习系统; 流形学习; 集成学习; 污水处理过程; 非平衡数据; fault diagnosis; transfer learning; broad learning system; manifold learning; ensemble learning; sewage treatment process; imbalanced data;

摘要 基于深度迁移学习的工业监控方法在近年来获得了大量研究关注,特别是在以故障诊断、软测量等为代表的工业监控典型监督任务中.通过挖掘与迁移相似源域的知识来完成对目标域的建模,这类方法为实际工业场景中变工况等原因导致的跨域监控问题提供了新的思路.本文系统梳理了面向工业监控典型监督任务的深度迁移学习方法,并将其分为基于模型迁移、基于样例迁移与基于特征迁移的工业监控方法.在此基础上,对不同类方法的基本研究思想在故障诊断与软测量任务中的研究进展进行了详细阐述.随后,从实际工业场景的复杂欠数据问题、可迁移性的量化与负迁移问题、工业过程的动态特性问题等角度,指出了当前基于深度迁移学习的工业监控研究中存在的挑战,并对该领域的未来研究方向做出进一步展望.

关键词 迁移学习; 深度学习; 跨域工业监控; 故障诊断; 软测量; transfer learning; deep learning; cross-domain industrial monitoring; fault diagnosis; soft sensor;

摘要 针对工业生产关键设备故障数据稀疏的问题和故障诊断的需求,本文提出了一种基于知识图谱和多任务学习的工业生产关键设备故障诊断模型MKFD (multi-task learning for knowledge graphenhanced fault diagnosis),通过对故障根因的推断实现故障诊断.设计了多任务学习框架,并构造了一种改进十字绣单元用于实现框架内子任务之间的信息共享.利用运维数据构建故障现象–故障根因关联矩阵,使用多层感知机搭建知识图谱嵌入模型;分别将关联矩阵嵌入和知识图谱嵌入作为多任务学习框架中的两个子任务,通过子任务的交替学习,优化MKFD模型参数,实现对故障根因的推断,从而达到故障诊断的目的.最后,基于国内某工业企业的运维数据所构建的两个工业生产关键设备故障知识图谱对上述方案进行了验证实验,结果证明所提出的方法具有良好的性能.

关键词 故障诊断; 知识图谱; 多任务学习; 工业生产关键设备; 推荐系统; fault diagnosis; knowledge graph; multi-task learning; critical industrial equipment; recommender system;

摘要 信息物理系统(cyber-physical system, CPS)的开放性和无线传感器的普及,使得CPS受到窃听攻击的风险加剧,因此CPS隐私保护成为亟待解决的重要问题.本文针对窃听攻击下CPS中的隐私保护问题利用远程状态估计的方法,设计了一种将传输调度与噪声注入相结合的传感器传输策略.该策略允许传感器在发送数据包和保持静默间选择,并在发送数据时以一定概率传输噪声以混淆数据.本文引入开环预测的概念作为系统基准,构建合法用户与窃听者的马尔可夫链模型,推导出期望稳态估计误差协方差,确定了噪声传输概率的范围.本文优化合法用户和窃听者估计误差协方差的负线性组合,达到最小化合法用户的误差并使得窃听者的误差保持在开环估计之上的效果,以此实现隐私保护和能量管理的平衡.此外,本文证明了所提方案具有阈值结构,并通过基于动态规划的算法在仿真环境下对算法进行验证与分析.

关键词 信息物理系统; 隐私保护; 远程状态估计; 传感器传输策略; 噪声注入; cyber physical systems; privacy protection; remote state estimation; sensor transmission strategy; noise injection

摘要 为解决卡尔曼(Kalman)滤波的工程应用难题,现有方法往往以过多的性能损失为代价来增强滤波算法鲁棒性,从而导致估计性能下降.为进一步提升滤波精度,本文借助于影响力函数,构建基于黎卡提(Riccati)方程的自适应鲁棒卡尔曼滤波(adaptive robust Kalman filter, ARKF)算法,削弱不确定性影响的同时,最小化性能损失.首先,利用影响力函数实时感知并量化不确定性影响;其次,根据量化结果反演不确定性导致的观测偏移量;然后,根据观测偏移量实时放缩黎卡提方程先验信息上界,实现卡尔曼滤波鲁棒性的自适应调整,减小性能损失;最后,通过数值仿真以及在四容水箱实验中的应用,证实所提算法的有效性及优越性.

关键词 卡尔曼滤波; 自适应鲁棒滤波; 影响力函数; 黎卡提方程; 不确定性; Kalman filter; adaptive robust filter; influence function; Riccati equation; uncertainty

摘要 作为复杂薄壁曲面类部件,航空发动机叶片结构复杂、工况恶劣,叶片振动会直接影响航空发动机工作稳定性.面向以压电材料构建压电智能叶片进行主动振动抑制的新一代航空发动机叶片研究,本文提出了基于有限元分析的压电元件优化配置方案和变步长自适应滤波控制算法.首先,给出了3种压电元件配置优化目标函数,基于叶片的有限元模态分析和瞬态分析,采用改进的差分进化算法对压电元件的位置进行优化布局.随后,提出了根据误差信号幅值动态调整步长、能够平衡收敛速度与稳态误差的VSS-FxLMS算法.最后,按照优化配置结果,构建了实时振动主动控制实验平台,并针对单频扰动、多频扰动进行了实时控制实验对比分析.实验结果表明,本文所提的VSS-FxLMS算法有较好的振动抑制效果,且收敛速度较快.

关键词 压电智能叶片; 振动主动控制; 优化配置; 差分进化算法; 变步长 FxLMS 算法; smart piezoelectric blade; active vibration control; optimal placement; differential evolution algorithm; variable step-size FxLMS algorithm

摘要 本文研究了离散时间网络化系统的分布式状态估计问题,提出了一种基于状态分解的新型分布式状态估计方法.通过解耦系统的能观状态分量,网络中各传感器节点可独立估计对应分量,实现了估计方法的完全分布式设计.针对网络信息传输冗余问题,建立了状态预测值扩散策略,各传感器仅需向外传输其能观状态分量的预测值,大幅降低了传感器网络各节点的计算与通信资源消耗.为证明本文所设计估计方法的误差协方差有界性,构造了紧凑形式误差协方差迭代式,得到了协方差存在上下界的充分条件.最后,通过仿真在估计精度和鲁棒性上与现有估计方法进行了对比分析,验证了所设计估计方法的有效性.

关键词 分布式状态估计; 网络化系统; 传感器网络; 状态分解; 有界性分析; distributed state estimation; networked systems; sensor networks; state decomposition; boundedness analysis

摘要 面向动态环境下无人机航迹规划的高时效性和动态环境适应性需求,开展基于启发式增量搜索的航迹规划方法研究.将稀疏A*（Sparse A*,SA*）与增量式搜索结合:通过改进节点扩展规则、定制节点简并策略,实现对SA*历史规划的节点图和代价信息的复用,避免计算资源的浪费;通过定制启发式增量搜索框架,在历史规划信息的基础上进行局部增量式更新,提出了增量式动态稀疏A*算法（incremental dynamic sparse A*,ID-SA*）,提升航迹规划的动态环境适应性.数值仿真与飞行试验结果表明,ID-SA*能够利用历史规划信息加速动态环境下的航迹重规划,效率远高于SA*、即时修复式稀疏A*（anytime repairing sparse A*,AR-SA*）,耗时降至10-1s量级,满足有限机载运算资源下的高效动态航迹规划需求.

关键词 无人机; 航迹规划; 动态环境; 启发式增量搜索; 稀疏A*算法; unmanned aerial vehicles; UAV; path planning; dynamic environment; heuristic incremental search; sparse A*

摘要 高速变体飞行器(high-speed morphing vehicle, HMV)作为一种具有变形能力的飞行器,可以通过调整气动外形适应飞行任务,在航空航天领域具有广泛的应用前景.然而,气动外形变化会导致气动模型不确定,对控制器稳定性和鲁棒性提出了更高的要求.针对HMV再入变体过程中的姿态跟踪需求,为提高姿态跟踪系统收敛速度和鲁棒性能,本文基于预定时间技术设计了一种多变量鲁棒预定时间滑模控制器,并基于李雅普诺夫(Lyapunov)方法给出了闭环稳定性证明.通过数值仿真和实验验证,证明了所提出的控制方法能够有效地实现HMV再入变体过程中的稳定控制,实现姿态跟踪误差在预定时间内收敛至零.

关键词 高速变体飞行器; 预定时间控制; 再入段姿态控制; 跟踪控制; high-speed morphing vehicle; prescribed-time control; reentry phase attitude control; tracking control

摘要 为了提高自主水下航行器(autonomous underwater vehicles, AUVs)末端光学导引回收定位精度,本文首次将深度网络引入基于多象限测角的AUV光学导引定位位置解算任务中,提出了基于多分支回归网络的AUV光学导引定位方法.建立了水下光学导引定位系统的物理几何关系,研究了多分支结构的位置解算回归网络,设计了数据驱动的多维度定位约束训练方法,搭建了基于多象限测角的AUV光学导引定位硬件系统,实现了光学导引硬件与算法的一体化设计.利用AUV搭载的多象限光电探测器,采集回收站–导引灯偏角数据,将该数据作为系统输入,能够实时获取AUV与导引灯的相对位置坐标.仿真结果表明,本文方法的单次坐标解算平均耗时5.650 ms,误差解算均值为58.292 mm@0.8～20 m,标准差为43.347 mm@0.8～20 m,最佳误差解算均值达7.107 mm@2～3 m.经海试验证,本文方法的位置解算速度和精度能够满足AUV末端光学导引回收需求.与现有光学(视觉)导引方法相比,解算速度更快,算力功耗需求低,能量消耗少,为AUV完成能源补充、数据传输、指令下达等任务提供了可靠的技术路线.

关键词 光学导引; 位置解算; 多象限光电探测; 深度学习; 自主水下航行器; optical guidance; position calculation; multi-quadrant photoelectric detection; deep learning; autonomous underwater vehicles

摘要 智能多源自主导航系统以北斗导航为基石、以惯性导航为支撑,旨在提供高度智能化的定位导航与授时服务,通过实现即插即入、无缝衔接、无感切换、可信完备等功能,以满足复杂多变的场景需求.采用以深度学习、强化学习为代表的智能学习方法,从复杂性与多尺度视角出发,探索智能多源自主导航中的优化与协同理论,建立以精准稳定、可信安全、可泛化、可解释、内嵌动力学机理为关键要素的智能学习方法,推动构建弹性、健壮、动态、可控与可信的精准智能多源自主导航模型与方法体系,从而有力支撑国家综合定位导航与授时体系的创新发展和先进导航技术的规模化应用.

关键词 智能多源自主导航; 内嵌动力学机理; 可泛化; 可解释; 可信性; 完备性; intelligent multi-source autonomous navigation; embedded system dynamics; generalizability; interpretability; dependability; completeness

摘要 针对飞行器姿态控制问题,综合反步法和自适应控制理论设计了飞行器姿态控制律,采用高通滤波器估计控制律中所需的控制信号时间导数,解决了常规反步法存在的需要解析或数值求导的问题.基于投影算子方法设计了输出边界保护控制律,使飞行器输出响应不超过由超椭圆曲线定义的控制边界,在多变量控制下使控制边界匹配实际边界.根据Lyapunov稳定性理论证明了完整控制律的闭环稳定性,解决了高通滤波器与闭环系统稳定性的耦合问题.通过数值仿真检验了姿态控制律的控制性能,仿真结果表明飞行器闭环系统具有良好的俯仰角指令跟踪和协调转弯指令跟踪性能,并实现了迎角和侧滑角的输出边界保护.

关键词 姿态控制; 输出边界保护; 反步法控制; 自适应控制; 投影算子; attitude control; output boundary protection; backstepping control; adaptive control; projection operator

摘要 针对高超声速滑翔飞行器的编队控制问题,提出了基于预定时间稳定性理论的控制策略.首先,建立高超声速滑翔飞行器六自由度制导控制一体化模型,基于反演结构对模型进行简化处理,在此基础上,设计预定时间控制律,实现期望队形形成及编队保持;其次,利用人工势场理论,设计避碰/规避势场函数项,避免高超声速滑翔飞行器与其邻机之间的碰撞,并实现对威胁区的规避;再次,基于Lyapunov稳定理论对高声速滑翔飞行器在预定时间内的编队稳定性进行严格证明;最后,通过Matlab/Simulink进行仿真,仿真结果验证了本文所提的控制策略能够实现预定时间内高超声速滑翔飞行器的编队队形生成保持及碰撞规避.

关键词 高超声速滑翔飞行器; 预定时间控制; 人工势场算法; 编队控制; 制导控制一体化; hypersonic glide vehicle; predefined time control; artificial potential field method; formation control; integrated guidance and control

摘要 针对高超声速飞行环境力热载荷严酷,执行机构易发生脆化、热损伤、缺损等故障,进而导致姿态控制精度下降甚至失稳等问题,本文提出了主被动复合故障容错控制方法.该方法在舵面缺失故障发生初期,采用滑模控制策略满足鲁棒增稳控制需求,同时,采用在线气动辨识方法,估计故障引起的气动参数变化,在满足瞬时增稳需求后,结合气动参数辨识结果与飞发一体化自适应控制进行控制重构,提升故障后高超声速飞行器飞发一体化控制品质.通过数学仿真对比验证表明该方法的有效性,验证了该方法相对于单一容错控制策略具有更强的鲁棒性和更好的控制性能.

关键词 高超声速飞行器; 舵面缺失故障; 容错控制; 气动参数辨识; 飞发一体化; hypersonic vehicle; missing elevator failure; fault-tolerant control; aerodynamic parameter identification; integrated flight/propulsion

摘要 无人机在协同对抗博弈上的应用越来越广泛和深入,尤其是无人机集群在协同探测、全域对抗、策略骗扰等对抗任务中,发挥着越来越重要作用,可靠高效的无人机集群博弈方法是当前的研究热点.本文将反事实基线思想引入到无人机集群对抗博弈环境,提出一种基于反事实多智能体策略梯度(counterfactual multi-agent policy gradients, COMA)的无人机集群对抗博弈方法;在具有无限连续状态、动作的无人机对抗环境中,基于无人机动力学模型,设置符合实际环境的击敌条件和奖励函数,构建基于多智能体深度强化学习的无人机集群对抗博弈模型.红蓝双方无人机集群采取不同的对抗博弈方法,利用多智能体粒子群环境(multi-agent particle environment, MPE)对红蓝双方无人机集群进行非对称性对抗实验,实验结果表明平均累积奖励能够收敛到纳什均衡,在解决4 vs. 8的对抗决策问题方面, COMA方法的平均命中率较DQN和MADDPG分别提升39%和17%,在平均胜率方面比DQN和MADDPG分别提升34%和17%.最后,通过对COMA方法的收敛性和稳定性的深入分析,保证了COMA方法在无人机集群对抗博弈任务上的实用性和鲁棒性.

关键词 无人机集群; 对抗博弈; 多智能体; 深度强化学习; 纳什均衡; UAV swarm; confrontation game; multi-agent; deep reinforcement learning; Nash equilibrium

摘要 本文给出了一种具有高机动性的透射编队控制方法,解决了经典的仿射编队控制受限于平行关系的常约束,无法直接实现战术攻防上常用的前后三角、前后梯形等队形的快速切换问题.该方法受启发于框架理论中的透射不变性原理,通过引入透射像和自应力矩阵来对编队构型进行定义,实现了在仅增加一个领航者且队形凹凸性不变的前提下,任意目标队形的保共线和交比的一致性跟踪,提高了队形的可操作性.所推导的透射可定位条件和队形连续变换条件为透射编队控制的应用提供了理论依据.此外,在攻防切换任务和联合切换任务两种情景下的仿真测试结果也进一步证明了该编队控制方法的可靠性.

关键词 透射变换; 编队控制; 战术任务; 多智能体系统; 自应力矩阵; projective transformation; formation control; tactical tasks; multiagent systems; self-stress matrix

摘要 针对混合攻击下的一类新型电力系统,本文提出了一种负荷频率安全控制方案,实现在欺骗与拒绝服务(denial of service, DoS)攻击下的闭环稳定与安全运行.首先,基于确认字符(acknowledgement character, ACK)技术提出了一种针对非周期性DoS攻击的“阴阳”检测机制.其次,为保持系统控制性能并节约网络通信资源,提出了一种新颖的带宽感知事件触发机制.再次,建立了一个混合攻击下包含风力发电机组与电池储能系统的多区域电力系统切换模型.利用Lyapunov-Krasovskii泛函(Lyapunov-Krasovskii functional, LKF)理论与线性矩阵不等式(linear matrix inequality, LMI)技术,给出满足H∞性能的系统指数均方稳定充分条件,并导出了事件触发负荷频率安全控制器的设计准则.最后,通过仿真实验验证了所提DoS攻击检测机制和事件触发安全控制器的有效性与优越性.

关键词 欺骗攻击; 非周期性DoS攻击; 带宽感知事件触发机制; 攻击检测; 负荷频率控制; deception attack; intermittent DoS attack; bandwidth-aware event-triggering mechanism; attack detection; load frequency control

摘要 水下目标编队包围控制旨在通过水下机器人环绕运动,可实现对目标的近距离全方位监测.然而,未知流速场与水下机器人模型不确定等约束,导致水下机器人难以形成可靠、稳定的编队队形.为此,研究了基于流速场预测的水下机器人编队包围问题.首先,根据水下机器人真实轨迹与估计轨迹,设计了分布式流速场参数估计器,以实现流速场实时预测.基于此,结合水下机器人状态与环境信息,提出了动力学模型神经网络估计器,设计了基于导航向量场的目标编队包围算法,以在避障同时对移动目标实现包围控制.最后,给出导航向量场和模型估计器权重更新率的理论推导过程.仿真与实验结果表明,所提流速场预测方法可摆脱对划分栅格的依赖,同时,所提算法能在障碍物与未知流速场环境下完成目标包围任务.

关键词 流速场; 水下机器人; 包围; 导航向量场; flow velocity field; autonomous underwater vehicle; surrounding; guidance vector field

摘要 本文探讨了不确定目标下异质非线性切换多智能体系统的一致性跟踪问题,其中待跟踪的目标具有未知的控制输入且不受界的限定;所采用的随机切换机制不仅考虑了转移概率,还考虑了驻留时间.由于目标的不确定性、非线性、异质性以及随机切换特性,一致性跟踪问题很难直接用现有方法解决.因此,本文为一致性跟踪问题开发了一种新的依模态双层设计框架.基于该框架并通过引入自由矩阵和参数提出了一个新的多重李雅普诺夫函数,给出了异质非线性切换多智能体系统能几乎必然指数型一致性跟踪上不确定目标的条件.最后,通过数值仿真验证了所提控制方案的有效性.

关键词 多智能体系统; 一致性跟踪; 非线性; 随机切换; 不确定性; multi-agent systems; consensus tracking; nonlinear; random switching; uncertain

摘要 考虑存在通信拓扑切换的非线性车辆队列多目标编队控制问题,提出一种分布式多目标模型预测控制(multi-objective model predictive control, Mo-MPC)策略.首先,利用邻居车辆状态信息以及与时间相关的图函数构造队列协同控制目标函数,再使用字典序优化描述分布式Mo-MPC问题.然后,采用平均终端等式约束保证各车预测终端状态的收敛性.进一步结合权值矩阵充分条件和兼容性约束,利用切换系统公共Lyapunov稳定性技术保证车辆队列闭环系统的稳定性.同时,为了抑制前车状态误差波动沿着队列传播,使用一类状态误差最大值约束保证车辆队列的L∞弦稳定性.最后,利用两组典型工况的对比仿真结果验证本文策略较传统编队控制策略在经济性能方面的提升.

关键词 非线性车辆队列; 分布式模型预测控制; 多目标控制; 切换通信拓扑; 稳定性; nonlinear vehicle platoon; distributed model predictive control; multi-objective control; switching topology; stability

摘要 针对无向通信拓扑下二阶多智能体系统的一致性问题,本文提出了一种基于自适应动态时钟的新型事件触发控制策略.智能体根据自身的动态时钟来确定触发时刻,在触发时刻向邻居广播自身的状态信息并自适应重置时钟.每个智能体只获取邻居在触发时刻的状态信息,且仅依赖自身的状态和邻居在触发时刻的状态来更新时钟和控制信号,无需使用邻居的实时状态信息,也无需使用通信拓扑的任何全局信息.所设计的控制策略有效避免了连续通信,并且是完全分布式的.利用代数图论以及Lyapunov稳定性分析方法证明了所提出的控制策略能保证系统是渐近稳定的并且不存在Zeno行为.仿真示例进一步验证了所提出控制策略的有效性.

关键词 完全分布式一致性; 多智能体系统; 事件触发控制; 自适应动态时钟; Zeno行为; fully distributed consensus; multi-agent systems; event-triggered control; adaptive dynamic clock; Zeno behavior;

摘要 Markov跳变双线性系统由于具有不同模态下的双线性动力学,且系统模态跳变转移由Markov链控制,因而其控制与优化是一个挑战性难题.针对该问题,提出一种基于Krotov方法的离散时间Markov跳变双线性系统最优跟踪控制方法,并将其用于高炉铁水质量的最优跟踪控制.首先,联立Markov跳变双线性系统状态方程和参考轨迹,构建增广系统,将最优跟踪控制问题转化为最优二次调节问题;同时,设计一个适用于Markov跳变双线性系统的改进函数,以实现对容许过程的迭代更新;其次,迭代优化所建立的性能指标,并将满足收敛条件的最后一次迭代所求得的控制器作为最终的最优跟踪控制器;最后,基于数值仿真验证所提方法的有效性,并将所提方法应用于高炉铁水质量控制,取得了满意的跟踪控制效果.

关键词 Markov跳变双线系统; 最优跟踪控制; Krotov方法; 高炉炼铁; 铁水质量; Markov jump bilinear system; optimal tracking control; Krotov’s method; blast furnace ironmaking; molten iron quality

摘要 很多实际问题可以归结为约束多目标优化问题.尽管已有多种求解约束多目标优化问题的方法,但是,在全局搜索空间中高效分配适应度评估资源,实现解方案可行性、收敛性和多样性的平衡仍然是个挑战.鉴于此,本文提出深度嵌入适应度评估分配策略的约束多目标进化优化方法,识别搜索空间中的重点区域,引导种群高效进化.该方法首先采用去噪自编码器设计进化种群的降维模型,获取种群在低维空间的流形;然后,在低维空间中聚类种群数据,获得每类种群约束违反度的方差,辅助感知适合每一种群个体的低维全局和局部搜索范围;最后,基于去噪自编码器获得种群个体的原始空间搜索范围,准确分配适应度评估资源.该方法可嵌入已有的进化算法,能不同程度地提升这些进化算法的性能.将所提方法应用于33个基准测试问题和15个矿山综合能源系统运行优化问题,实验结果表明了所提方法求解约束多目标优化问题的有效性.

关键词 约束多目标优化; 适应度评估分配; 深度嵌入; 进化优化; 矿山综合能源系统; constrained multi-objective optimization; fitness evaluation allocation; deep embedding; evolutionary optimization; integrated mine energy system

摘要 本文研究了具有输出约束的二阶切换非线性系统的固定时间输出反馈镇定问题.构造降阶切换状态观测器以估计未测量状态,并与设计的切换状态反馈控制器相结合,实现了闭环切换系统的固定时间输出反馈镇定.利用正切型障碍Lyapunov函数保证闭环切换系统在固定时间稳定的同时满足输出约束.由于构造的障碍Lyapunov函数当约束趋向于无穷时可退化为无约束的公共Lyapunov函数形式,因此,本文提出的方法适用于具有或没有输出约束两种情况,而无需改变所设计的切换控制器和观测器结构,具有一定的普适性.利用双极限齐次方法证明了文中结论.数值例子和连续搅拌釜式反应器的固定时间控制验证了文中所提方法的有效性.

关键词 切换非线性系统; 固定时间; 输出反馈; 输出约束; 双极限齐次方法; switched nonlinear systems; fixed-time; output feedback; output constrains; bi-limit homogeneous method

摘要 针对一类存在干扰和未知不确定性的复杂非线性被控过程的跟踪控制问题,将广义预测控制和信号补偿法相结合,提出了补偿信号驱动的非线性广义预测控制方法.采用低阶线性模型和未知非线性项来表示被控对象,未知非线性项表示系统建模误差及干扰等不确定性.采用低阶线性模型设计广义预测控制器,根据广义预测控制闭环系统可获得未知非线性项对系统影响的跟踪误差,引入最小化跟踪误差和控制量波动的一步最优控制设计补偿信号,抵消未知非线性项对被控对象的影响,改善系统动态性能.所提方法将以往要求未知非线性项全局有界的条件放宽为Lipschitz条件,证明了闭环系统的稳定性和收敛性.为了进一步提升系统动态性能,提出了基于梯度下降法的控制器加权参数的优化方法.仿真对比实验验证了所提算法的有效性.

关键词 预测控制; 补偿信号; 一步最优控制; Lipschitz条件; 梯度下降; predictive control; compensation signal; one-step ahead optimal control; Lipschitz condition; gradient descent

摘要 在煤矿巷道支护中,液压锚杆钻机转速系统具有显著的死区、时变参数、内部外部扰动等非线性特性,使其转速跟踪控制存在精度低、速度慢和超调等问题,从而无法实现高质量和高效率的支护作业.为了解决上述问题,提高煤矿巷道支护的自动化程度、增强安全性和可靠性,设计一种高效的控制方法十分必要.鉴于此,本文提出一种基于自适应扩张状态观测器的全局终端滑模有限时间控制方法.首先,基于跟踪误差,设计一种自适应扩张状态观测器,该观测器能够通过自适应调整估计增益实时响应系统动态,实现扰动估计和系统跟踪性能的改善,从而有效克服转速系统的非线性特性,改善动态性能.其次,构建一种快速、平滑、连续的收敛函数,并有机融合跟踪误差和估计误差,设计一种新颖的全局终端滑模面;并根据李雅普诺夫(Lyapunov)方法,提出全局终端滑模控制律,有效改善转速系统的稳态性能.基于此,将观测器估计的扰动在滑模控制律中加以补偿,构成所提控制器.最后,基于李雅普诺夫稳定理论,论证转速系统的有限时间稳定性,并通过对比实验验证所提方法的有效性.

关键词 液压锚杆钻机; 滑模控制; 扩张状态观测器; 有限时间稳定; 收敛函数; hydraulic roofbolter; sliding-mode control; extended state observer; finite-time stability; convergence function

摘要 迭代学习模型预测控制(iterative learning model predictive control, ILMPC)作为一种广泛应用于批次生产过程的数据驱动智能控制策略,能够在沿批次逐步提高跟踪性能的同时沿时间不断抑制实时干扰.现有ILMPC算法的点对点学习机制依赖于批次运行工况的强一致性,以此保证当前批次与历史批次间的有效信息传递.然而,生产需求和生产环境的变化通常会导致各批次的操作轨迹和操作周期存在差异,从而使得历史批次提供的先验知识对于后续批次呈现出不精确性和不完整性.为了提高ILMPC在变运行工况条件下的适应性和灵活性,本文提出了一种具有知识迁移机制的数据驱动ILMPC策略.建立自适应深度神经网络(deep neural network, DNN)沿批次学习ILMPC控制行为,实现历史控制经验在当前批次工况下的全面转换.为抑制DNN前期估计误差的影响,在知识迁移机制下进一步构建Tube控制结构下的ILMPC算法,保证ILMPC系统的时域稳定性和迭代域收敛性.针对非线性注塑过程的仿真实验验证了在操作轨迹和操作周期同时变化时,所提方法在跟踪精度和收敛速度方面具有明显优势.

关键词 迭代学习模型预测控制; 知识迁移; 数据驱动; 变运行工况; iterative learning model predictive control; knowledge transfer; data-driven; trial-varying operating conditions

摘要 推力矢量飞行器具有气动舵、推力矢量等改变本体姿态的多类控制输入,这使得推力矢量飞行器具备在日益复杂的空天环境下的高机动控制能力.同时,推力矢量飞行器的控制系统模型为非仿射非线性结构,并且包含复杂的不确定性,这使得其控制问题具有挑战性.本文针对三自由度推力矢量飞行器的角速度跟踪控制问题,采用自抗扰控制方法,实现了飞行过程中不确定性的主动补偿;基于气动舵优先和误差最小的准则,得到了控制输入最优解具有显式表达式的条件;针对控制输入最优解无法得到显式表达式的情况,证明了最优解一定在约束边界上,且可通过有限步求解;结合实际控制分配,定量给出了闭环系统的跟踪误差和估计误差的特性.在典型仿真环境下,本文提出的控制方法表现出有效性和鲁棒性,能够在强非线性和大范围不确定性下实现角速度跟踪目标.

关键词 推力矢量飞行器; 自抗扰控制; 扩张状态观测器; 控制分配; 自由度; thrust-vectored aircraft; active disturbance rejection control; extended state observer; control allocation; degree of freedom;

摘要 PID控制一直是应用最广泛的工业控制技术.但是基本PID控制算法仅考虑了动态系统输入–输出的外部特性,缺乏对系统内部状态信息的运用,因而在控制非线性耦合动态系统时往往难以获得满意的控制性能.本文在不改变原有PID控制设置的基础上,提出一种通过未知状态估计与神经网络控制补偿的增强PID (enhanced PID, En-PID)控制方法,可显著增强原有PID控制的性能.首先,采用扩展卡尔曼(Kalman)滤波技术对未知关键状态进行精确估计,并将状态估计值作为神经网络补偿控制器的输入,从而将基本PID控制算法并未使用的过程状态信息引入到控制输入;其次,采用K均值聚类算法求取历史输入数据的聚类中心,以此作为径向基函数(radial basis function, RBF)神经网络补偿器隐含层的中心向量;构建关于控制误差熵的优化性能指标,采用梯度下降算法对神经网络补偿器输出层权值向量进行优化和修正;最后,将RBF网络求取的补偿控制输入与原有PID控制器的基本控制输入进行综合,并共同作用于实际被控系统,实现高性能控制.理论分析和污水处理过程控制实验验证了所提方法的先进性和实用性.

关键词 增强PID控制; 扩展卡尔曼滤波; 径向基函数神经网络; 控制补偿; 熵; enhanced PID control; extended Kalman filtering; RBF neural network; control compensation; entropy;

摘要 针对一类具有外部干扰的多四旋翼无人机姿态系统,研究其在无向拓扑下的姿态跟踪问题,提出一种基于事件触发机制的鲁棒自适应滑模控制方法.首先,建立多四旋翼无人机的姿态动力学模型,并引入干扰观测器,对系统受到的未知外部干扰进行估计.其次,为了节约四旋翼无人机的网络传输资源,本文在传感器和控制器之间引入事件触发机制,并结合鲁棒滑模控制算法,设计基于事件触发的鲁棒自适应滑模控制器.此外,通过Lyapunov稳定性理论证明闭环系统中所有信号最终有界,并证明所设计的事件触发机制能够有效避免Zeno行为.最后,仿真结果验证所提控制方法的有效性.

关键词 滑模控制; 事件触发机制; 干扰观测器; 姿态跟踪; 多四旋翼无人机系统; sliding mode control; event-triggered mechanism; disturbance observer; attitude tracking; MQUAVs;

摘要 无人机集群在军民诸多应用领域引起了极大的关注, 尤其在空中搜索、目标跟踪、边境巡逻、应急救援、交通管制、农业监测等特定任务领域已大显身手. 无人机群体自主控制是无人机集群方向的核心关键技术和“卡脖子”挑战痛点难题, 近年来国内外学者在无人机集群智能感知、协同控制、集群规划、态势评估、集成验证等方面取得了新的进展. SCIENCE CHINA Information Sciences 在2024 年67 卷第8 期组织出版了“无人机群体自主控制专题” (Special Topic: UAV Swarm Autonomous Control), 重点介绍了国内外学者在无人机群体自主控制方面的部分新理论和新方法.

摘要 随机控制理论在处理控制系统噪声、优化系统性能和增强鲁棒性等方面发挥关键作用, 是现代控制理论中的重要研究领域之一. 近年来, 随机控制理论和应用虽有显著进步, 但依然面临众多新的、具有挑战性的问题. 这些问题包括高阶和低阶非线性特性、输出约束的随机系统的稳定化问题、平均场随机系统最优策略的部分无模型或完全无模型的智能算法设计问题, 以及针对道路交通拥堵的随机网络控制策略问题等. 为了展示这些问题的最新研究进展, SCIENCE CHINA Information Sciences 在 2024 年 67 卷第 4 期组织并出版了 “随机系统分析与控制专题” (Special Topic: Analysis and Control of Stochastic Systems), 深入地探讨了随机系统基础理论与应用领域的研究现状及其创新成果.

关键词 网络系统;

关键词 采样数据控制系统; 多智能体系统; 控制与优化; 伺服系统;

摘要 基于形式化方法的多智能体任务规划因其丰富的任务形式和多样的系统功能而备受关注.然而,随着智能体数量增加,规划复杂度呈指数级增长,因此形式化方法在计算效率和集群规模上都受到了限制.已有的改良方法中,基于图搜索的方法对计算效率改进有限,只能处理中等规模的集群;而基于组合优化的算法忽略了智能体动作模型,无法处理大规模协同任务.本文针对以上局限,提出了基于智能体动作链的偏序任务分配算法,在保证正确性的基础上大幅提升规划性能.进一步针对环境不确定性和在线新任务,设计了自适应重规划算法和协作同步机制,确保任务执行过程中的鲁棒性.最后,通过数值仿真和对比验证了算法的有效性和可靠性.

关键词 多智能体任务规划; 形式化方法; 线性时序逻辑; 在线自适应; 偏序集; multiagent task planning; formal method; linear temporal logic; online self-adaptation; partially ordered set

摘要 随着无人机技术的发展,无人机集群对抗已成为国内外研究热点.现有决策算法的研究主要集中于同构无人机集群对抗场景,且当应用于更复杂对抗场景时,存在奖励函数设计难度大、决策实时性难以满足等问题.为此,本文针对异构无人机集群对抗的实时机动决策问题展开研究.首先,构建了一个长机–僚机异构无人机集群的对抗仿真环境,其中,长机和僚机具有不同的机动和攻击能力,且对胜负具有不同影响力.其次,本文提出了一种基于多智能体强化学习的分布式无人机集群协同机动控制算法,并设计了一套结合课程学习和自博弈的策略训练与优化方法.通过设计简单的稀疏奖励结合课程学习方法即可学到异构无人机集群协同机动策略;引入自博弈对抗方式,使得对手无人机的策略更具针对性,以提升对抗的强度,从而进一步优化机动策略,使其更贴近实际需求.最后,仿真验证了本文所提方法的有效性和可扩展性.

关键词 集群对抗; 协同决策; 自博弈; 多智能体强化学习; 无人机; swarm confrontation; cooperative decision-making; self-play; multi-agent reinforcement learning; UAV

摘要 智能驾驶汽车已成为人们关注的热点话题之一.然而,现有的智能驾驶技术仍面临一系列挑战,如交通障碍物的遮挡所引起的模型漏检,以及当汽车驶入隧道等光线骤变的场景时所引起的传感器感知精度下降导致的误检问题等.为保证复杂场景下车辆的感知安全,智能驾驶多模态感知技术应运而生.然而,现有的多模态融合方法仍局限于对检测精度的提升,缺乏感知过程的可解释性,并缺少对模型感知过程的评价指标.本文从信息论角度出发,按照通信模型的构建方法对感知模型进行设计,提出了一种基于信源信道联合编码理论的多模态融合感知模型,从理论上对模型的感知过程进行解释.同时,提出了一种新的评价指标——平均信息熵变(average entropy variation, AEV),用AEV来实时反映模型与外界感知交互过程中的稳定性.进而,对多模态模型的感知过程进行量化分析,增加模型的可解释性.最后,与其他的感知模型在KITTI数据集的评估结果进行比较,我们的模型在经过相似的网络结构时平均信息熵变下降到0.5904,更好地保证了检测任务的感知安全.

关键词 可解释性; 信息论; 信源信道联合编码; 多模态融合; 智能驾驶; interpretability; theory of information; joint source-channel coding; multimodal fusion; intelligent driving

摘要 冗余机器人在智能制造、救灾抢险与太空探索等领域扮演着重要角色.然而,对结构信息不准确或未知的冗余机器人进行运动规划是一个棘手的问题.此外,若不考虑冗余机器人末端执行器的姿态约束,可能会因姿态的不可控性导致任务失败.为解决该问题,在考虑末端姿态保持和多层关节物理限制的基础上,本文针对模型未知的冗余机器人提出了一种基于数据驱动技术的双层运动规划方案.该方案在关节角加速度层求解的同时能实现最小化关节角速度范数的要求.进而,构建一个离散神经动力学求解器以在线求解该方案.理论分析、仿真和物理实验验证了所提数据驱动的冗余机器人双层运动规划方案的可行性和有效性.

关键词 冗余机器人; 姿态保持; 数据驱动; 神经动力学; 非线性优化; redundant robots; orientation maintaining; data-driven; neural dynamics; nonlinear optimization

摘要 针对多智能体系统通信网络遭受欺骗攻击与隐私窃取问题,本文提出了一种新的具备隐私保护能力的多智能体系统弹性一致性算法.首先考虑到多智能体系统在信息传输环节直接将真实状态信息暴露给外界的问题,设计了一种基于状态分配思想的节点状态信息处理机制,来保证系统中节点状态信息隐私的安全性.其次考虑到外部攻击者对系统收敛的影响,在状态分配机制上进一步引入了检测环节,从而保证系统安全收敛.然后通过数学理论分析证明了算法能够有效保护节点初始状态信息隐私的同时能够保证系统实现弹性一致性收敛.最后通过数值仿真实验与对比实验,进一步验证了本文算法的有效性.

关键词 多智能体系统; 弹性一致性; 欺骗攻击; 隐私保护; 网络安全; multi-agent systems; resilient consensus; deception attack; privacy-preserving; cyber security

摘要 针对含有未知输入和外部干扰的非线性自动驾驶车辆时变跟驰队列系统,研究系统部分状态可测情况下的车辆道路跟驰和状态一致性控制问题.基于车辆跟驰和二自由度动力学模型,得到含有外部干扰和未知输入的离散化状态方程,利用前导跟驰特性,得到自动驾驶车辆跟驰队列系统;利用比例积分状态观测器解决系统部分状态不可测问题,提出一种基于观测器实现含有未知输入和外部干扰的自动驾驶车辆状态一致性控制协议;将观测器估计效果和一致性控制问题转化为误差系统的稳定性问题,由此构造Lyapunov-Krasovkii函数,利用离散系统稳定性理论推导出一个充分条件;通过求解线性矩阵不等式(linear matrix inequality, LMI)得到跟驰系统的增益矩阵和参数矩阵,利用H_∞性能指标分析系统鲁棒性.仿真结果表明:所设计观测器能够估计未知输入、外部干扰和系统状态,并且基于观测器设计能够使自动驾驶车辆道路跟驰和状态达到一致.

关键词 智慧交通; 自动驾驶车辆; 道路跟驰; 多智能体系统; 一致性控制; 外部干扰; intelligent transportation; autonomous vehicle system; path following; multiagent system; consistency control; external disturbance

摘要 作为移动机器人的核心技术之一,导航技术涉及感知、决策、控制等多层架构,包含建图、定位、规划等主要模块,兼容经典控制与机器学习等多样算法,其相关研究涉及面广,时间跨度大,联系较为不明显.为梳理不同工作间关联,帮助快速了解移动机器人导航技术发展与挑战,本文从“导航”的词语释义与数学描述出发,以“导”与“航”两个主要目标为线索贯穿全文.通过分析不同环境下的导航应用局限,探究环境的空间复杂性与时间不确定性对导航技术产生的影响,阐明复杂场景应用下的研究现状与关键挑战.全文借助对近几十年来相关文献的归类梳理,寻找不同研究间的相关联系、研究初衷以及可能方案,拟在帮助读者加深对导航技术理解的同时,为后续研究提供思路参考.

关键词 移动机器人; 导航技术; 导航效率; 导航安全; 复杂环境; mobile robot; navigation technologies; navigation efficiency; navigation safety; complex environment

摘要 模块化机器人具备鲁棒、低成本和多功能性等优势,近年来得到研究人员的广泛关注,并在多领域不断替代或拓展传统的单体机器人.随着模块化机器人技术的发展,以及其与泛在计算、群体智能等前沿技术的紧密融合,将不断拓展在太空探测、智能制造、灾难救援等领域的应用,成为人机物三元融合空间中无处不在的新型智能终端.本文基于泛在计算新视角,对近年来群智模块化机器人领域的工作进行了系统性研究,构建并拓展其概念空间体系,阐释其自重构、自组织、自适应、持续演化等六大关键技术及最新发展趋势,进而介绍其在典型领域的创新应用.最后,对群智模块化机器人的未来发展方向及开放性挑战进行了分析和展望.

关键词 模块化机器人; 群体智能; 泛在计算; 自重构; 自组织; modular robots; crowd intelligence; ubiquitous computing; self-reconfiguration; self-organizing

摘要 自主与安全平衡是无人机技术与产业健康、快速发展的战略需求和核心关键.在同时面对“不断提升的无人自主飞行性能”与“日趋严峻的物理、信息、智能等多域安全威胁”的挑战下,仅借鉴有人机安全体系,适度拓展适航飞行和感知规避为核心的安全架构已不能满足现在和未来无人机系统的安全需求,构建无人机自主安全新架构显得十分必要和迫切.本文从自主性这一无人机固有的本质属性出发,初步研究了无人机自主安全架构,重点定义和表征了“无人机自主安全”新概念、构建了面向多域安全威胁和系统高度自主的无人机系统自主安全新模型、提出了无人机系统自主安全能力分级,为我国无人机行业健康快速发展提供基础支撑,为其他无人系统安全体系建立提供借鉴.

关键词 无人机系统; 多域威胁; 自主安全; 资源配置; unmanned aerial system; multi-domain threat; autonomous safety and security; resource configuration;

摘要 无人机是多样化的民生应用及临地安防技术领域的重要成员,“无人机到底能飞多久?”这个疑问已经在行业内引起了广泛的思考.作为无人机的心脏,其动力系统与无人机的飞行性能有着重要的关系,已成为航空领域最重要的发展方向之一.根据无人机动力系统的分类,本文分析了油动无人机、电动无人机、光动无人机的研究现状以及需要解决的技术问题,并特别关注了如何通过信号处理的方式达到智能飞行器长航时的目标,为无人机的续航能力及其动力的发展提供参考.

关键词 无人机; 智能飞行器; 续航能力; 油动无人机; 电动无人机; 光动无人机; UAVs; intelligent aircraft; endurance; oil-powered UAVs; electric UAVs; optics-driven UAVs;

摘要 考虑高超声速飞行器再入飞行的稳定姿态控制需求,本文围绕气动舵控制能力约束和不确定干扰的问题,利用通道耦合特性开展协调鲁棒自适应控制技术研究.基于副翼舵偏角和升降舵偏角协调的策略提出分层控制设计,实现通道耦合利用以弥补方向舵低舵效引起的操纵不足.针对动力学不确定估计和外界干扰观测的需求,采用模糊逻辑系统以及误差鲁棒积分技术建立平行估计模型,提出利用预测误差的复合估计自适应律.通过Lyapunov方法分析闭环系统稳定性,并保证闭环系统的误差信号一致终值有界.通过仿真测试验证了所提出算法的跟踪性能、学习准确性和鲁棒性.

关键词 高超声速飞行器; 通道耦合; 分层协调控制; 模糊逻辑系统; 误差鲁棒积分; hypersonic flight vehicle; channel coupling; hierarchical coordinated control; fuzzy logic system; robust integral of the sign of the error

摘要 针对高超声速飞行器过载跟踪问题, 分析并给出了由过载和俯仰角速度组成的非线性系统动力学, 设计了有限时间预设性能控制策略以保证过载跟踪性能和精度. 考虑过载系统动力学中模型的不确定性, 利用神经网络估计系统未知非线性函数. 为改善神经网络学习性能, 采用平行估计模型构造表征学习性能的预测误差, 基于预测误差与跟踪误差设计了复合学习权重更新律, 通过李雅普诺夫 (Lyapunov) 函数分析证明了闭环系统学习与跟踪误差的有限时间稳定性. 仿真结果表明, 所设计的控制策略能够实现对动力学未知函数的在线估计与过载指令的准确跟踪.

关键词 高超声速飞行器; 过载跟踪控制; 有限时间控制; 复合学习; 预设性能控制; hypersonic flight vehicle; overload tracking control; finite-time control; composite learning; prescribed performance control

摘要 为解决涡扇发动机大包线内多变量鲁棒控制问题,提出了一种基于干扰观测器的非线性涡扇发动机系统固定时间预设性能模糊自适应控制方法.首先,利用平衡流形建模方法构建了涡扇发动机的仿射非线性数学模型.借助反馈线性化技术,推导了受扰涡扇发动机系统的输出跟踪误差系统.然后利用模糊逻辑系统逼近系统不确定项,并设计非线性干扰观测器估计未知干扰和逼近误差组成的复合干扰.为保证控制系统的瞬态性能和稳态精度,引入固定时间预设性能函数,并通过误差转换函数将系统转化成无约束误差系统,进而设计涡扇发动机复合非线性鲁棒抗扰控制器.仿真结果表明,该控制方法能够使得涡扇发动机系统的转速和压比有效地跟踪参考指令并且跟踪误差始终限制在预设性能边界内.

关键词 涡扇发动机; 非线性干扰观测器; 模糊逻辑系统; 固定时间; 预设性能函数; turbofan engine; nonlinear disturbance observer; fuzzy logic system; fixed time; prescribed performance function

摘要 本文考虑四旋翼飞行过程中湍流风扰动的影响,以及因变工况飞行而导致的不确定动态突变问题,提出了基于输入–扰动双补偿器设计的自适应湍流风扰动抑制方案,保证了四旋翼飞行器系统的稳定和输出渐近跟踪性能.首先对风场环境下的四旋翼进行建模,研究各不同工况下的动态特性,并分析研究了四旋翼飞行器变工况飞行时的动态特性突变的表现形式以及所带来的控制难题.进而设计了一种基于输入–扰动双补偿器的系统重构方案,实现了动态系统重构,解决了关联矩阵突变为非对角型时难以解耦控制,以及相对阶结构突变时控制器结构发生突变的问题.基于重构后的系统,设计自适应的湍流风扰动抑制方案,保证四旋翼飞行器的稳定、扰动抑制和渐近输出跟踪性能.最后,对所设计的控制器进行稳定性证明,并通过仿真验证所提出控制算法的有效性.

关键词 四旋翼; 风扰动抑制; 动态特性突变; 系统重构; 自适应控制; quadrotor; wind disturbance suppression; dynamic mutation; system reconstruction; adaptive control

摘要 在实际工业生产中,调度环境的复杂性与不确定性使得调度问题求解难度大大提高.针对加工时间不确定的柔性作业车间调度问题,采用不确定参数描述随机工时波动程度和约束条件允许违背程度,构建工时波动服从指数分布的多目标柔性车间调度模型.基于机会约束规划理论,将不确定调度问题转化为加工时间确定的柔性作业车间调度问题,求解得到一定程度上具有鲁棒性能的调度方案.在执行过程中,采用工序移动调整和重调度方法对作业排产方案进行动态调整.基于双链式编码以及贪婪插入法解码规则,提出了基于变邻域搜索的混合NSGA-Ⅱ算法.针对车间调度问题的多约束性和计算复杂度高等特点,设计了基于机器选择的复合启发式规则,包括依据概率的最小累计机器负载和最短工序加工时间规则,以获取更加接近Pareto前沿的均匀分布初始种群.采用改进工序和设备交叉策略以提高算法的全局搜索能力.此外,基于关键工序和机器选择的多种邻域结构,设计了变邻域搜索策略,以进一步提高算法的局部搜索能力.通过Kacem和Brandimarte标准算例的数值仿真以及与多种代表算法的统计比较,验证了所提算法的有效性.本文所提算法为不确定柔性作业车间调度问题提供了更优的调度方案.

关键词 多目标优化; 柔性作业车间调度; NSGA-II; 变邻域搜索; 不确定工时; 机会约束规划; multi-objective optimization; flexible job shop scheduling; variable neighborhood search; uncertain processing time; chance-constrained programming;

摘要 本文研究了一类具有高阶输入–输出时延的非仿射非线性离散不确定系统的自适应输出跟踪控制问题,提出了一种基于隐函数的自适应输出反馈输出跟踪控制方案.该方案主要解决了两个技术问题:一是构造了基于未知参数估计和未来时刻信号估计的隐函数方程解的自适应控制律,解决了因系统高阶时延导致的控制律因果矛盾问题并实现了闭环稳定和渐近输出跟踪;二是针对非仿射非线性控制律难求解问题,提出了基于迭代解的解析自适应控制律,实现了闭环稳定和实用输出跟踪.最后仿真研究证实了所提出控制方案的有效性.

关键词 自适应控制; 非仿射非线性; 闭环稳定; 输出跟踪; adaptive control; non-affine nonlinearity; closed-loop stability; output tracking;

关键词 多径衰落; 可重构智能超表面; 通信时延; 概率密度函数; 相位一致算法; multipath fading; reconfigurable intelligent surface; RIS; communication delay; probability density function; phase alignment algorithm

摘要 仿真技术已被广泛地用于评估与优化随机复杂系统,例如生产制造、网络通信、医疗健康等信息物理融合系统.然而,将仿真优化方法用于方案排序问题的研究甚少.本文考虑只能通过系统仿真才能获取性能表现的k个备选方案排序问题,在贝叶斯(Bayes)框架下,构建以寻求最大化后验方案正确排序概率为目标的动态仿真预算优化分配模型.通过将仿真预算分配决策过程表述成一个随机动态规划问题,推导出一种动态计量预算分配策略,并证明了该分配策略的渐进最优性.数值实验以及案例分析的结果表明,本文提出的算法显著地提高了方案排序问题的仿真优化效率.

关键词 仿真优化; 排序选优; 信息物理融合系统; 马尔科夫决策过程; 贝叶斯估计; simulation optimization; ranking and selection; cyber-physical system; Markov decision process; Bayesian estimation

摘要 排序选优方法已广泛应用于求解离散事件动态系统中的仿真优化问题,但该类方法鲜有研究聚焦于子集排序问题的高效求解,而子集排序问题广泛存在于智能制造、电气工程、供应链管理等众多领域.本文针对k个备选方案的子集排序问题,构建了以最大化子集正确排序概率为目标的仿真预算优化分配模型,推导了该优化问题的渐进最优条件,并提出了相应的序贯仿真算法来实现仿真预算的渐进最优分配规则.数值实验结果表明,本文所提出的算法显著地提高了子集排序问题的仿真优化效率.

关键词 离散事件动态系统; 仿真优化; 最优计量分配方法; 大偏差技术; 排序选优; discrete event dynamic systems; simulation optimization; OCBA; large deviation technology; ranking and selection;