信息与控制杂志

信息与控制杂志2019年第6期

• 深海剖面浮标的RBF-PID定深控制

  房美琦, 李醒飞, 姜明波, 杨少波, 吴腾飞, 徐佳毅

  针对深海自持式剖面浮标的定深控制问题，提出一种径向基（radial basis function，RBF）神经网络与PID（proportional，integral，derivative）控制相结合的参数自适应调节的定深控制算法.首先根据相关参数的非线性特点，建立了剖面浮标的运动模型并验证了该模型的准确性.在此基础上，充分考虑剖面浮标浮力驱动系统单向可控性的特点，设计了基于RBF-PID算法的剖面浮标定深控制器.将仿真结果与增量式PID控制结果进行对比，结果表明RBF-PID控制算法能够提高浮标的定深控制精度，增强浮标的抗干扰能力.

• 基于径向基函数神经网络的移动机器人多变量固定时间编队控制

  李艳东, 朱玲, 郭媛, 于颖

  针对带多不确定性的一组非完整移动机器人的编队控制收敛问题，提出了基于径向基函数神经网络的移动机器人多变量固定时间领航者-跟随者编队控制算法.RBFNN补偿了系统所受的多不确定性，并消除了鲁棒控制的抖振现象.基于固定时间理论和Lyapunov方法进行了控制算法设计，使所提出的控制方法保证了编队控制系统中的所有信号全局固定时间收敛，在任意系统初始条件下，在通过参数设计的固定时间内，使机器人编队达到期望编队.仿真结果显示了所提出算法的有效性.

• 基于卷积神经网络的自适应样本加权脑机接口建模

  邹宜君, 赵新刚, 徐卫良, 韩建达

  针对脑机接口系统手动提取特征而产生的信息丢失与过拟合问题，建立了一个纯数据驱动的端到端的卷积神经网络模型.同时，为了解决卷积神经网络（convolutional neural network，CNN）需要大量数据而单人脑电数据量小的问题，建立了一套使用多人数据来建立目标用户模型的方法.通过分析其他人数据对目标个体模型的适应程度，清除那些对于目标模型贡献为负的样本.然后，在CNN网络的训练过程中，使用了一种元学习技术，赋予每一个训练数据一个权值.在训练CNN网络时，每一步网络参数更新之后，元学习器会根据训练集中数据样本对于最终模型的影响，自适应的调整每个样本数据的权值.实验结果表明，所提方法得到了比传统方法更好的分类精度，验证了所提方法的有效性.

• 基于纹理复杂度和运动方向的3D视频水印算法

  曹海燕, 冯桂, 韩雪, 易银城

  3D视频的编码方法在HEVC（high efficiency video coding）的基础上有了较大的改动.针对这些改变，提出了一种基于纹理复杂度和运动方向的3D视频水印算法.首先，采用灰度共生矩阵和梯度矩阵分别对I帧中CTU（coding tree unit）和8 CU×8 CU（coding unit）纹理复杂度进行统计分析，将分析结果作为阈值选出P帧和B帧中纹理复杂度较高的8 CU×8 CU；其次，选择帧间预测模式为对称分割的块作为嵌入块，结合同位纹理块的运动矢量分量大小来确定嵌入的水印；最后，通过调制当前块运动矢量的搜索范围或修改区域最优运动矢量的大小来嵌入水印.本算法对不同视频序列平均嵌入容量达到613字节/帧，在不同QPs（quantization parameters）（25、30、35、40）值的重编码攻击下的平均误码率为13.31%，PSNR值平均下降仅为0.007 5 dB，对合成视点质量几乎没有影响，同时鲁棒性好.

• 大时滞过程的预测自耦PI控制方法

  程婷, 曾喆昭, 杜肖丰, 王风琴, 程启芝

  针对大时滞系统的控制难题，提出了一种不依赖于被控对象模型的预测自耦PI（predictive self-coupling PI，PSC-PI）控制方法.该方法利用预估模型输出补偿实际输出，将系统外部扰动和内部不确定性定义为总和扰动，据此建立了动态误差系统，设计了以速度因子为核心的预测自耦PI控制律及其整定规则，进而形成了一个在总和扰动反相激励下的动态误差系统.理论分析表明，由预测自耦PI控制器组成的闭环控制系统具有全局鲁棒稳定性.仿真实验结果表明，该方法可以快速、平滑、准确地跟踪期望信号且控制精度高，在大时滞过程控制领域具有重要的理论意义和应用价值.

• 大群体应急决策中考虑专家犹豫的不完全信息补值方法

  徐选华, 余艳粉

  针对特大突发事件应急决策中大群体专家存在偏好信息不完全的问题，提出了一种新的不完全偏好信息大群体应急决策方法.首先，利用TF-IDF（term frequency-inverse document frequency）算法对特大突发事件相关的微博大数据文本流进行关键词提取，获取事件属性及其权重；其次，根据专家给出的偏好信息计算专家的犹豫度，进而获得专家的权重；再次，根据不完全偏好信息矩阵进行属性关联测度和方案接近度测度，提出了基于属性关联和方案接近度的新的补值模型，获得完全偏好信息矩阵；然后，结合专家权重和属性权重进行信息集结和方案择优；最后，通过江西洪涝灾害事件验证所提方法的可行性和有效性.

• 多变量分数阶滞后系统预测控制参数解析调优

  贺利乐, 姜依纯, 贺宁, 吴文, 曹进

  提出了一种针对各子系统由一阶加分数阶滞后模型描述的多变量系统模型预测控制参数解析调优方法.首先推导了多变量分数阶滞后系统的状态空间模型；其次，基于该模型构建模型预测控制优化问题，并获得了控制信号的解析表达式；再次，对闭环控制系统进行解耦分析，揭示了模型预测控制器参数与系统闭环性能间的定量关系，通过将参数调优问题转化为极点配置问题，得到能够保证闭环系统性能的模型预测控制器参数取值的解析表达式；最后通过仿真实验验证了本文所设计的参数解析调优算法的有效性.

• 采用超节点协同的多智能体系统一致性算法

  李龙斌

  针对如何提高多智能体系统达到一致性的收敛速度的问题，提出了一种采用超节点协同的多智能体系统一致性算法.新算法对多智能体系统建立图信号模型，在图中选出超节点进行协同，有效提高一致性收敛速度.首先利用单跳采样算法对图进行超节点的选取和局部集的划分，并对局部集内的节点进行一次协同.然后超节点之间进行边的连接得到粗化图，用粗化图的拉普拉斯矩阵特征值设计图滤波器的系数.最后超节点的信号经过图滤波器迭代达到平均值后，传输给其一阶邻居节点，使所有节点达到平均一致.仿真结果表明所提算法能够最终实现平均一致性，与现有方法相比，可以显著提高收敛速度，并减少计算量.

• 面向控制的高超声速飞行器六自由度建模与分析

  张希彬, 张振兴

  针对一类三维高超声速飞行器构型，给出了刚体飞行器六自由度模型综合建模法.采用斜激波与Prandtl-Meyer膨胀波关系式等空气动力学理论，计算飞行器机身表面的气动力、控制面受力及推力.采用逐步回归的曲线拟合方法，建立了飞行器面向控制的曲线拟合模型，并分析了六自由度模型的动态特性.结果表明，曲线拟合模型降低了机理推导模型的复杂度，并保留了气动与推进系统的耦合性，为飞行器控制器设计提供依据.

• 基于生成对抗网络的图像去雾算法

  陈玮, 李正旺, 尹钟

  为了提高雾霾条件下拍摄到的模糊图像的质量，提出了一种基于生成对抗学习思想的卷积神经网络去雾算法.该卷积网络在生成模型部分将介质透射率和大气光值嵌入一个变量，进行了联合优化，避免了分离优化影响整体去雾性能的缺陷；在对抗模型部分，将生成模型部分的输出清晰图和真实的清晰图进行对比，从而判别生成的输出清晰图是否足够真实.为了生成更加逼真的清晰图像，引入了一种新的损失函数来优化网络参数，该损失函数同时纳入了图像的L2损失和双向梯度损失、特征损失和判别器损失，从4个方面来保证去雾性能的良好表现.除此之外，在训练网络的过程中，使用了真实图像和合成有雾图像同时作为数据集，其中的合成图像在合成过程中采用引导滤波算法，这样可以使得合成的有雾图像更加接近于自然情况.最后，引入了更多的评价指标验证了所提方法.基于不同方法的实验数据和实验结果证明了本文方法在已有方法上的提升.

• (2+1)D多时空信息融合模型及在行为识别的应用

  谈咏东, 王永雄, 陈姝意, 缪银龙

  针对常规的卷积神经网络时空感受野尺度单一，难以提取视频中多变的时空信息的问题，利用（2+1）D模型将时间信息和空间信息在一定程度上解耦的特性，提出了（2+1）D多时空信息融合的卷积残差神经网络，并用于人体行为识别.该模型以3×3空间感受野为主，1×1空间感受野为辅，与3种不同时域感受野交叉组合构建了6种不同尺度的时空感受野.提出的多时空感受野融合模型能够同时获取不同尺度的时空信息，提取更丰富的人体行为特征，因此能够更有效识别不同时间周期、不同动作幅度的人体行为.另外提出了一种视频时序扩充方法，该方法能够同时在空间信息和时间序列扩充视频数据集，丰富训练样本.提出的方法在公共视频人体行为数据集UCF101和HMDB51上子视频的识别率超过或接近最新的视频行为识别方法.

• 基于改进Oustaloup滤波器的分数阶PID控制器简化设计

  刘勇智, 李杰, 戴聪, 鄯成龙

  针对分数阶微积分算子的直接和间接近似化方法所表现出来的形式复杂、运算量大的问题，对Oustaloup滤波器的结构进行改进，对常规分数阶PID控制器进行了简化设计，并采用自适应遗传算法对控制器的参数进行整定.选取两种代表性分数阶系统，在模型处于两种典型状态下，对简化型分数阶PID控制器、常规分数阶PID控制器和整数阶PID控制器的控制性能进行仿真实验对比.结果表明，在控制器性能基本相同的情况下，通过该方法设计的简化型分数阶PID控制器性具有结构简单，耗时量小的优点，提高了工程可实现性.

• 基于非线性数据融合的设备多阶段寿命预测

  牛一凡, 邵景峰

  为解决设备监测数据具有维数高、非线性且退化过程中存在多阶段的问题，提出了一种基于非线性数据融合和多阶段退化的设备寿命预测模型.首先，利用神经网络理论中的自编码器对表征设备退化的多维参数进行了融合，构建出设备的退化指示量；然后，利用CUSUM算法提取出设备退化过程中的分段点；最后，构建了多阶段维纳退化模型，从而实现对设备寿命的预测.利用航空发动机状态监测数据对所提模型进行了验证，剩余寿命预测的平均误差为0.254 5，低于传统的基于线性数据融合方法和基于单阶段维纳过程退化模型的寿命预测方法.结果证明，基于非线性数据融合的多阶段退化模型具有很好的鲁棒性，对设备的寿命预测更加精准.

• 邻域保持嵌入—加权<i>k</i>近邻故障检测算法及其在半导体蚀刻过程中的应用

  张成, 郑晓芳, 郭青秀, 冯立伟, 戴絮年, 李元

  为了解决复杂的多模态过程故障检测问题，提出了邻域保持嵌入-加权k近邻规则（neighborhood preserving embedding-weighted k-nearest neighbors，NPE-wkNN）质量监控方法.首先，利用邻域保持嵌入（neighborhood preserving embedding，NPE）得到特征空间中数据的流形结构；然后，在特征空间中确定每个样本第k近邻的前K近邻集并计算样本的权重.最后，将样本的加权距离作为统计量对过程进行质量监控.NPE-wkNN方法在保持原始数据近邻结构的同时降低了计算复杂度，除此之外，权重规则消除了数据的多模态特征，从而提高了过程故障检测率.通过数值实例和半导体蚀刻工艺仿真实验，对比了传统的主元分析（principal component analysis，PCA）、NPE、k近邻（k-nearest neighbor，kNN）、加权k近邻（weighted kNN，wkNN）等方法，结果验证了本文方法的有效性.

• 炼钢—连铸生产过程运输设备天车调度方法

  庞新富, 刘炜, 李海波, 马艺骅, 程宇翔, 陈阳春

  炼钢-连铸生产过程中，生产设备的调度计划的编制上采用了人工估计的运输时间参数，而实际运输设备天车常常不能及时到位，使得编制好的生产设备调度计划不能被很好地执行，造成时间扰动频发，导致生产设备调度计划延误，甚至整炉钢水被迫报废.针对中国宝钢一炼钢厂的天车调度问题，建立了考虑生产设备调度计划约束的运输设备天车调度模型.设计了天车冲突解消策略，提出了启发式天车调度方法，采用模糊综合评价方法对天车调度结果进行评价分析，并开发了相应的调度软件系统.通过实际生产数据进行了工业验证.

• 基于BP神经网络的电除尘火花放电识别

  江莺, 俞铭津, 张梦琦

  针对高压静电除尘中会发生火花放电现象，降低除尘效率、损坏设备的问题，提出了根据火花放电造成的声音进行火花识别的方法，利用MEMS（Micro-Electro-Mechanical System）数字麦克风采集声音信号，分析了火花放电声音的短时能量、短时过零率、线性预测倒谱系数和梅尔频率倒谱系数（MFCC）.建立BP神经网络识别系统，选用不同特征向量进行实验.研究结果表明：使用MFCC系数结合短时能量和短时过零率能提高识别率，对纯净样本的识别率高达96%，且用火花放电瞬间两帧数据作为火花样本进行BP神经网络训练能大幅度提高识别系统的鲁棒性，对非纯净样本的识别率高达95%.