信息与控制杂志

信息与控制杂志2020年第3期

• 基于多模态扰动的集成即时学习软测量建模

  金怀平, 李建刚, 钱斌, 陈祥光, 杨彪

  近年来，即时学习软测量方法已被广泛用于过程工业中难测参数的在线估计.然而，常规的即时学习软测量方法仅依靠单一的学习配置，忽略了即时学习性能的多样性，导致预测性能不佳.为此，提出了一种基于多模态扰动的集成即时学习软测量建模方法，称为DSS-ELWPLS (Diverse Subspaces and Similarity measures based Ensemble Locally Weighted Partial Least Squares).该方法以局部加权偏最小二乘算法(LWPLS)为基学习器，通过输入特征扰动和相似度扰动以激发即时学习的多样性，然后基于进化多目标优化构建满足多样性和准确性的即时学习基模型.随后采用Stacking集成学习策略，实现即时学习基模型的融合.通过在青霉素发酵过程和工业混炼胶过程中的应用，验证了DSS-ELWPLS方法的有效性和优越性.

• 基于LESO的PID-RSLQR四旋翼姿态控制研究

  张峰, 谢习华

  为提高四旋翼无人机的飞行稳定性和系统的鲁棒性与控制精度，将姿态控制分成两个控制环路，即角度环路与角速率环路，针对姿态角、姿态角速率分别设计PID控制器与鲁棒伺服LQR (RSLQR)控制器组成双闭环回路姿态控制.考虑到四旋翼在飞行过程中受到的外部不确定性扰动和内部模型误差等因素的存在，在姿态角速率环加入一阶线性扩张状态观测器(LESO)来实时观测外扰和内扰并对其进行补偿.通过仿真和实验对比，验证了所提出算法的有效性和鲁棒性.

• 基于输出信息的空间互联系统迭代学习控制

  周龙辉, 陶洪峰, 杨慧中

  针对一类具有周期性互联特性的状态不可测空间互联系统，提出了一种基于输出信息的有限频域迭代学习控制算法.通过对多个子系统耦合的离散空间模型变量的提升，将二维空间互联系统转化为一维等效模型.进而利用输出信息构建迭代学习控制律，将被控系统转换为等价的重复过程模型，然后基于广义KYP引理，将保证离散重复过程在不同频率区间内沿批次稳定和跟踪误差单调渐近收敛的性能指标条件转化为线性矩阵不等式.最后通过有源梯形电路的控制仿真验证了本文所提算法的有效性.

• 基于类簇规模不均衡度量的粗糙模糊<i>K</i>-means聚类算法

  张腾飞, 李中文, 马福民, 窦春霞, 彭晨, 岳东

  粗糙模糊K-means (RFKM)聚类综合利用了粗糙集和模糊集的优势互补，是一种有效的聚类分析算法，但现有的RFKM算法大多只考虑了簇内样本空间分布的模糊度量，忽略了类簇规模的不均衡特征对聚类结果的影响，对类簇规模不均衡的数据集进行聚类分析时，适应性较差.为了能够从算法层面直接对类簇规模不均衡的数据集有效地进行聚类分析，引入了对类簇规模不均衡程度的自适应度量，并提出了一种基于类簇规模不均衡度量的粗糙模糊K-means聚类算法.通过人工数据集和UCI标准数据集验证了算法的有效性.

• 基于异构布谷鸟搜索算法的分子势能优化

  钱玉山, 丁学明

  分子最稳定构象的确立，可以被看作一个全局最优问题.分子结构决定了其性质和功能，在众多可能的分子构象中，最稳定的分子构象拥有最小的分子势能.然而，求解这个全局最小值是相当复杂的，而且计算上有一定难度，因为分子势能局部最小值的个数是随着分子大小呈指数增长的.因此，本文提出一种基于量子机制的、具有多样搜索策略的新型布谷鸟搜索算法(heterogeneous cuckoo search，HeCoS)，并利用此算法优化简化的分子势能函数.结果表明HeCoS具有强大的全局最小值搜索能力、较快的收敛速度以及良好的鲁棒性，在性能上优于其他算法.

• 动态进化与交互学习机制融合的蚁群算法

  张海南, 游晓明, 刘升

  针对蚁群算法收敛速度慢，易陷入局部最优等问题，提出动态进化与交互学习机制融合的蚁群算法(DEILACO).结合小生境的思想在两个种群内部构建动态进化模型，采取自适应进化机制，依据种群内部子群的寻优状态，对子群进行分级淘汰，合理调整进化方向，避免子群陷入局部最优；同时双种群采用交互学习机制，通过衡量种群内各子群适应度的标准差，自适应地调整交互周期，降低种群间的通信开销，并采取学习对象差异配对交流策略，提高交流效率和求解精度.最后采用多组不同规模的TSP (traveling salesman problem)算例实验分析，并与其它多种群算法进行对比.结果表明，该算法在提高求解精度和寻优速度方面表现更优.

• 激活函数LeafSpring的构建及多数据集对比研究

  郜天柱

  针对神经网络中ReLU激活函数存在返回值非负及神经元未激活等问题，提出了一种全新的类ReLU激活函数——LeafSpring.LeafSpring既继承了ReLU的优势，又可以返回负值，通用性更强.LeafSpring函数的推导及函数性质也会被讨论.该激活函数还引入了刚度系数k，可以通过训练主动调节相邻两层的权重系数.为了减少计算量，LeafSpring可以在一定情况下简化为ReLU或Softplus.为了展现LeafSpring激活函数的性能，还将其与ReLU、Softplus及Sigmoid在4种不同类型的数据集上进行拟合精度对比.对比结果表明，LeafSpring在不同的数据集上均能兼顾拟合精度和收敛速度且在小网格规模可以更快、更准确地拟合复杂非线性函数.

• 基于有无重复极点加滞后模型的参数辨识方法

  李闯, 王亚刚

  系统辨识方法一般分为非参数辨识和参数辨识，本文介绍一种新的参数辨识方法.本文采用两种传递函数模型拟合被控对象，求取传递函数在频域的拉普拉斯形式，在此基础上仅需要进行两次微分处理，就可以获得参数求解的积分公式.通过Matlab中的Simulink仿真得到开环和闭控制系统下被控对象的阶跃响应输入输出数据，引入合适的阻尼因子带入拉普拉斯公式，然后编写Matlab程序利用梯形积分算法计算得到传递函数及其一次和二次微分公式的值.当传递函数模型采用重极点加滞后模型时，模型只有两个未知参数，可以根据传递函数及其一次和二次微分公式的关系直接计算出来；当传递函数采用二阶加滞后模型时，模型有三个未知参数，本文采用一种极小化误差方法-最小二乘法来计算参数.最后，给出了六种类型的仿真被控对象，分别用两种辨识模型对其中的三种对象进行辨识，并和近年来的辨识方法进行对比，通过Matlab仿真来观察给定模型和辨识模型Nyquist图以及输出误差值，结果表明本文辨识方法算法简单，计算量小，辨识的精度高且鲁棒性好.

• 融合案例推理与混合群智能的离散制造系统能效优化方法

  蒋天伦, 王艳

  离散制造系统能耗与设备运行状态具有直接关联性，设备运行、空载、待机三种不同状态下能耗变化规律各不相同.在离散加工任务动态调度过程中，工件工序加工顺序以及设备的选择依赖调度策略的选择，导致设备运行状态和能耗呈现动态不确定性.针对此，本文在运行、空载、待机三种不同状态能耗模型基础上，以任务加工全过程设备能耗最小化为目标，提出一种融合案例推理与混合群智能的能耗优化方法，求解设备最佳调度方案.该方法在粒子群优化算法框架下，融合遗传算法交叉变异算子，并将案例推理法引入到种群筛选后的补充个体生成过程，以提高算法的收敛性和实时性.最后，通过仿真对结果进行对比分析，验证该方法的有效性.

• 基于性能退化的高铁牵引系统的剩余寿命预测

  朱凯强, 陆宁云, 姜斌

  针对高铁牵引系统结构复杂、退化参数较多、失效阈值难以确定等问题，提出了一种基于性能退化的剩余寿命预测方法.首先，提取退化参数的多种统计特征，通过单调性指标、相关性指标、冗余性指标进行特征选择，减少冗余、无关特征的干扰；在缺少失效阈值的情况下，提出一种基于健康状态的策略，通过评估系统的健康状态，判断系统是否失效；然后利用选择的特征训练长短期记忆网络进行退化轨迹预测；最后，在高铁牵引系统半物理实验平台上以中间电路电容性能退化为案例进行算法有效性的验证，结果表明该方法优于现有方法.

• 带有修正项的非线性系统自适应学习控制

  李国军, 陈东杰, 董齐芬, 卢甜甜

  针对带有任意初态偏差的非线性系统的自适应控制问题，借助迭代学习控制的思想，提出了一种带有修正初态偏差功能的自适应控制策略.该算法将整个控制过程分成若干个等长时间的子过程，在每个子过程中控制算法都会进行误差校正和参数学习，直到完全跟踪上为止.在控制过程中，利用反正切函数对控制量进行连续化处理，解决了控制过程中的颤振问题.最后，通过计算机仿真验证了算法的有效性.

• 多智能体系统的分布式自触发一致性跟踪控制

  王梓懿, 李琳

  在一致性控制协议的设计过程中，针对多智能体之间信息交互数据量大的问题，结合自触发控制理论，为系统设计了一类具备触发判定条件的跟踪控制策略.该控制策略可以通过对触发时刻选择条件的约束，降低系统网络的通信负载，避免控制器的持续更新，节约交互信息的存储空间.并且，控制策略保证了跟随智能体渐近跟踪上领导智能体的状态，仿真实例证明了系统一致性可实现.

• 基于DOB的多变量非最小状态空间预测控制

  苏耀伦, 施惠元, 苏成利, 宋晗

  为了抑制集总干扰（外部扰动及模型失配、变量间耦合导致的内部扰动）对系统的影响，以往的方法通常采用反馈+前馈补偿的控制方式，不能保证系统控制输出最优.为此，本文提出了一种基于扰动观测器的多变量非最小状态空间预测控制方法（disturbance observer-based multivariable non-minimum state space predictive control，D-MNMSSPC）.本方法首先通过扰动观测器（disturbance observer，DOB）估计集总干扰，然后将扰动的估计值及输出变量同时引入到状态变量中形成复合多变量非最小状态空间（multivariable non-minimum state space，MNMSS）预测模型，该模型可以避免状态观测器的设计，减小了设计负担，并且可以保证扰动直接参与预测控制滚动优化，从而获得系统的最优控制性能，仿真结果验证了D-MNMSSPC方法的有效性.

• 部分破坏性拆卸线平衡问题建模与优化

  曾艳清, 张则强, 刘俊琦, 张颖

  针对废旧产品零部件的质量和结构的不确定性，如锈蚀、变形等情况，将破坏性拆卸方式引入到拆卸线中.建立了考虑破坏性拆卸模式的多目标拆卸线平衡模型，旨在同时优化拆卸线的工作站数、工作站负荷、拆卸利润和拆卸能耗.为获得高质量拆卸方案，提出了一种新的多目标遗传模拟退火算法.在算法的编码和解码过程中同时考虑拆卸任务序列和拆卸模式序列；根据拆卸任务优先关系设计了双点映射交叉操作以及单点插入和双点交换变异操作.将所提算法应用于两个经典拆卸线案例，并与已知算法结果进行对比，验证了所提算法的有效性和优越性.最后，将方法应用于某废旧电视机拆卸线实例，结果表明所提模型和算法可提供多种优质的部分破坏性拆卸方案.

• 正负类双超球体模型在电梯故障诊断的应用

  吉训生, 王大智

  以电梯运行数据在高维空间分布特性为依据，提出一种正负类双超球体支持向量数据描述的电梯故障监测与诊断模型，将实时电梯数据分为健康样本、故障样本和未知漂移异常样本.针对电梯设备老化产生的漂移异常样本判别精度低的问题，将支持向量数据描述（support vector data description，SVDD）与凸二次双层规划方法结合，形成一种双层支持向量数据描述方法（bilevel-support vector data description，B-SVDD）.该方法首先对电梯运行数据进行凸集区间化处理，接下来通过5次迭代更新超球体球心与半径，最后计算数据到正、负球心的距离判别未知漂移异常样本的类别.此外，利用该模型的堆叠形式划分故障样本空间，诊断四类常见的电梯故障.实验结果表明，漂移异常样本的判别最终可以达到98.3%的平均分类准确率，为电梯故障监测与诊断提供一种快速有效的方法.