信息与控制杂志

信息与控制杂志2020年第2期

• 切换非线性系统采样控制的研究现状与进展

  何文敏, 李实, 向峥嵘

  切换非线性系统由于其广泛的工程应用背景以及重要的理论研究价值引起各行业学者的广泛关注.近年来，随着计算机技术的快速发展，切换非线性系统采样控制问题成为研究热点.对目前切换非线性系统采样控制领域的研究现状进行综述.首先介绍了切换非线性系统的基本问题，并梳理了切换非线性系统几个常用控制方法的基本思想.然后从时间触发采样控制和事件触发采样控制两个方面对切换非线性系统采样控制的国内外研究现状进行了论述.最后进行了总结并提出切换非线性系统采样控制领域未来值得关注的研究方向.

• 基于协同多目标算法的多机器人路径规划

  万逸飞, 彭力

  多机器人路径规划是群体机器人协同工作的前提，其特点是在防碰撞与避障的前提下追求多方面资源的最小消耗.针对这一特点，提出协同非支配排序遗传算法，解决具有多个优化目标的多机器人路径规划问题；运用改进的多目标优化算法，克服多目标优化取权值的不足，同时考虑机器人能源与时间两大资源，以多机器人的路径总长度、总平滑度、总耗时为规划目标.同时引入合作型协同算法框架，将难以求解的多变量问题分组求解.每个机器人的路径视为子种群，子种群通过带精英策略的非支配排序遗传算法，进化并筛选出子种群的部分进入协同进化，每次迭代更新外部的精英解集，最终生成一组非支配路径解.仿真结果表明，在栅格地图环境下，本文算法可有效实现多移动机器人的多优化目标路径规划.

• 基于深度学习的抓取目标姿态检测与定位

  李正明, 章金龙

  机器人对抓取目标进行高准确的姿态检测与定位依然是一个开放性的难题.本文提出了一种基于卷积神经网络对抓取目标快速姿态检测与精确定位的方法.该方法采用Faster R-CNN Inception-V2网络模型，在网络中将抓取目标的姿态角度采用分类标签方式输出，位置坐标采用回归方法，对Cornell公开数据集重新标注并训练端到端模型.模型在实例检测和对象检测测试集上分别取得96.18%和96.32%的准确率，对于每一幅图像的处理时间小于0.06 s.实验结果表明模型能够实时地对图像中单个或多个抓取目标进行快速地姿态检测与定位，准确度高并具有很强的鲁棒性和稳定性.

• 基于自适应多尺度模板匹配的视盘检测方法

  周唯

  针对视盘检测易受光照和弱对比度影响的问题，提出了一种全新的视盘检测方法用于有效地定位和分割视盘.首先，采用预处理技术校正不均匀的光照和提高弱的对比度.然后，利用交替序列滤波和区域极大值技术提取一系列的视盘关键点.再次，利用提出的自适应多尺度模板匹配方法，计算每一个视盘关键点的相关系数，并将最大相关系数值所对应的关键点视为视盘中心.最后，基于获得的视盘中心，提取包含该中心位置的感兴趣区域，并在此基础上，利用Canny边缘检测算子和霍夫变换技术，实现视盘边缘的有效估计.该算法在DRIVE、DIRATEDB0、DIRATEDB1和ROC四个公共数据库上进行了测试，实验结果表明，提出算法的性能明显地优于现有方法.

• 线性/非线性切换扩张状态观测器的收敛性和稳定性分析

  万慧, 齐晓慧

  线性/非线性切换扩张状态观测器（linear/nonlinear switching extended state observer，SESO）是为追求更高的控制精度和抗扰能力，在进行状态估计时根据状态误差大小在线性扩张状态观测器（linear extended state observer，LESO）和非线性扩张状态观测器（nonlinear extended state observer，NLESO）之间进行切换的一种扩张状态观测器.但由于该算法存在非线性结构，目前还没有从频域角度对该方法进行收敛性和控制系统稳定性分析的相关研究.针对此问题，以二阶系统为研究对象，首先对SESO的结构及参数选择进行了介绍，然后，分别采用等效增益法和描述函数法，从频域角度对了其状态估计误差的收敛性和基于SESO的自抗扰控制系统的稳定性进行了研究.结果表明，三阶SESO具有良好的收敛性，能实现对系统状态和"总扰动"的误差估计，并且选择适当的SESO参数，可避免极限环的产生.

• 基于收缩理论的多无人机姿态自适应同步控制

  张果, 曹立佳, 卢天秀, 林达

  针对无人机（UAV）模型参数不确定的情况，研究了集成姿态同步和轨迹跟踪问题于统一框架内的控制方法.在无人机拉格朗日动力学模型中，使用收缩理论进行精确的非线性稳定性证明，将多无人机姿态全局指数同步并收敛到共同的时变轨迹中.在外部干扰影响下，分别对模型参数已知与不确定情形下进行了仿真实验，表明了所提出方法的鲁棒性，并验证了姿态同步快于轨迹跟踪速度的收缩特性.

• 基于位置修正机制和模型更新策略的跟踪算法

  张国山, 郝婧漩

  为了实现目标跟踪算法在无人机应用中的高实时性和高成功率，针对目标遮挡和目标形变量大导致的跟踪丢失问题，提出了一种基于相关滤波的改进算法，算法包含自适应位置修正机制和模型更新策略.该算法提取目标区域的方向梯度直方图特征（HOG）训练滤波器，预测下一帧的目标位置.当预测位置不满足高置信度条件时，融合颜色命名特征（CN）对位置进行修正.为了提高算法的运行效率，对融合后的特征进行主成分分析（PCA）降维处理.利用平均峰值相关能量、多峰检测及最大响应值进行模型更新.实验中将改进算法与近年来的优秀算法进行对比.结果表明，所提算法在目标被遮挡和形变量大的场景中，跟踪精度更高.

• 一种深度置信网络和迭代量化的图像检索方法

  宋立新, 徐军

  针对网络图像数据的迅速增多导致传统图像检索的效果不能满足当前需求的问题，提出了一种基于深度置信网络（deep belief network，DBN）和迭代量化（iterative quantization，ITQ）的无监督学习图像检索的方法.首先，构造深度置信网络的模型，此模型是由3层受限玻尔兹曼机堆叠而成；然后，用此深度置信网络模型对原始图像的高维特征进行中维特征提取，再采用迭代量化的哈希方法，对提取图像中维特征进行二值编码；最后，针对MNIST、CIFAR-10和Corel-1000数据集对模型进行实验验证并评估.结果表明，所提出的方法与现在的几种主流方法相比检索性能更好.除此之外，本方法对乳腺数据集DDSM和肺结节CT图像数据集LIDC-IDRI中的检索也取得了较好的效果.

• 离散化不确定马尔可夫跳变系统的事件触发保性能控制

  应宇佳, 王惠姣, 文晓刚

  针对一类离散化不确定马尔可夫跳变系统，研究了基于事件触发机制的保性能控制问题.首先假设不确定的参数是有界的，与传统的周期触发方式的区别是，事件触发机制可以判断采样信号是否需要传输.其次，利用时间间隔分析法，把事件触发机制和网络时延构造成一个时滞系统，根据时滞分析法，提出了事件触发条件和保性能控制器的协同设计方案.最后，用一个仿真例子验证此算法的有效性.

• 基于高斯混合模型的非平衡数据对称翻转算法

  陈刚, 王丽娟

  针对传统分类器对于非平衡数据的分类效果存在的问题，提出了一种基于高斯混合模型-期望最大化（GMM-EM）的对称翻转算法.该算法的核心思想是基于概率论中的"3σ法则"使数据达到平衡.首先，利用高斯混合模型和EM算法得到多数类与少数类数据的密度函数；其次，以少数类数据的均值为对称中心，根据"3σ法则"确定多数类侵入少数类的翻转边界，进行数据翻转，同时剔除与翻转区间中少数类原始数据数据重复的点；此时，若两类数据不平衡，则在翻转区域内使用概率密度增强方法使数据达到平衡.最后，从UCI、KEEL数据库中选取的14组数据使用决策树分类器对平衡后的数据进行分类，实例分析表明了该算法的有效性.

• 马尔可夫跳变系统基于观测器的有限时间容错控制

  祝赛君, 鲁敦科, 李晓航

  针对具有一般不确定转移速率的单边Lipschitz Markovian跳变系统，设计了有限时间故障估计观测器和容错控制器.首先，提出一种自适应的有限时间故障估计观测器，它对未知输入具有鲁棒性，能够同时估计出系统的状态、执行器故障和传感器故障，并确保了误差系统的H∞有限时间有界.然后，基于所估计的状态和执行器故障，提出一种有限时间故障容错控制方法确保闭环系统H∞有限时间有界.通过线性矩阵不等式的形式，给出了所设计的有限时间观测器和控制器存在的充分条件.最后，通过一个仿真实例，验证了所提方法的有效性.

• 基于改进直觉模糊熵和信息集成算子的多准则群决策方法

  汪凌

  针对直觉模糊环境下准则权重和决策者权重完全未知的群决策问题，提出了一种基于改进直觉模糊熵和信息集成算子的多准则群决策方法.首先，借助直觉模糊数、语言变量法和定量指标值转化公式，将决策者的初始评价准则值规范化；其次，引入改进的直觉模糊熵度量方法确定准则权重和决策者权重；进一步对直觉模糊决策矩阵用直觉模糊加权平均算子和直觉模糊有序加权平均算子进行信息集成，利用新的得分函数对备选方案排序择优.从理论上论证了该方法的可行性，结合算例验证了该方法的有效性.

• 工业无线传感器网络攻击源定位任务分配优化算法

  孙子文, 朱颖

  针对工业无线传感器网络中参与攻击源节点定位的任务分配问题，构建和求解多目标优化定位任务分配模型，任务分配模型中设定参考节点组合总能量消耗、距离平均标准偏差目标函数，以及空间约束和剩余能量约束条件；采用循环拥挤排序将非支配排序遗传算法（NSGA-Ⅱ）进行改进后加入基于稀疏度局部搜索的混合优化算法联合求解任务分配模型，将稀疏度最小的解作为稀疏解，再采用极限优化策略在稀疏解周围进行局部搜索使得解拥有更好的分布特性.Matlab仿真结果表明该改进的混合优化算法可以提高算法收敛速度以及降低算法复杂度，在较快的时间内选择出合适的参考节点组合，减少了定位误差，提高了定位精度.

• 基于第三方物流的家具配送开放式车辆路径问题

  庞燕, 罗华丽, 夏扬坤

  为了降低家具配送成本，提高物流效率，基于第三方物流配送模式，构建了以总行驶距离最短和车辆数最少为最优目标的开放式车辆路径问题（open vehicle routing problem，OVRP）数学模型，并设计了一个改进的两阶段禁忌搜索算法进行求解，第1阶段求解包含所有客户的TSP（traveling salesman problem）路径来作为第2阶段划分OVRP路径的基础.设计了一个随机动态禁忌表，并将"邻域算子编号"和"邻域交换点对"同时作为禁忌对象，避免了过度禁忌的情况.另外，对5个邻域算子进行了测试，表明采用由点交换、分序点插入、点逆序和前点前向插入这4个算子组成的多邻域结构体效果最佳.经算例测试和文献对比，验证了设计算法的有效性，采用第三方物流配送比自营物流配送更节省成本.

• 复杂因素下的多用户共享储能系统优化

  郝木凯, 张伟, 董青卫, 臧传治, 曾鹏

  储能系统（ESS）具有削峰填谷，降低用户用电成本的作用.针对单用户独立投入储能系统成本过大的问题，提出了一种共享模式下的储能系统调度策略.考虑了一次性投资成本、运行维护、寿命周期、削峰获利等因素，以最小化日均投资运行成本为目标函数，加入了储能系统能量约束、功率约束、日均投资维护成本模型等，建立了混合整数线性规划（MILP）模型.研究了不同放电深度对日均投资成本的影响.仿真结果表明共享储能模式相对于单用户储能模式节省14.17%.

• 基于优化的量子门节点神经网络的煤与瓦斯突出预测

  王雨虹, 孙福成, 付华, 徐耀松

  为了精准地预测煤与瓦斯突出风险等级，提出了一种基于子维进化的粒子群优化算法（sdPSO）和量子门节点神经网络（QGNN）的瓦斯突出风险等级预测模型sdPSO-QGNN.利用灰色关联分析（GRA）对突出影响因素进行降维处理，将筛选出的主控因素作为QGNN的输入，利用sdPSO对量子门节点神经网络参数进行优化，以提高量子门节点神经网络的全局与局部搜索能力，建立sdPSO-QGNN的瓦斯突出风险等级预测模型，实现对瓦斯突出风险的预测.实验结果表明，与BP（back propagation）神经网络、对称Alpha稳定分布的概率神经网络（SαS-PNN）、免疫粒子群算法优化的支持向量机（IPSO-SVM）、Memetic算法优化的极限学习机（Memetic-ELM）等预测模型相比，所提方法在提升模型泛化能力、提高预测精度方面效果显著.