信息与控制杂志

信息与控制杂志2021年第4期

• 基于数据驱动的变电站巡检机器人自抗扰控制

  陈浩敏, 姚森敬, 席禹, 张凡, 辛文成, 任超

  针对在变电站巡检机器人自抗扰控制(active disturbance rejection control，ADRC)系统中，不准确的控制输入矩阵会对控制性能产生影响的问题，提出一种基于数据驱动方法补偿的自抗扰控制架构.首先，给出巡检机器人离散时间动力学模型.其次，通过扩张状态观测器观测未建模动态、参数误差、摩擦力等不确定性，并根据机器人动力学模型设计ADRC控制器.然后将ADRC系统和机器人系统看作一个整体，使用数据驱动无模型自适应控制(model-free adaptive control，MFAC)方法完成轨迹追踪控制.值得注意的是，所提方法将ADRC方法和MFAC方法有机结合，形成了两者优势互补的工作机制.最后，通过仿真，验证了所提控制设计相对于传统的ADRC和MFAC方法的有效性.

• 基于相关性变量筛选偏最小二乘回归的多维相关时间序列建模方法

  苏卫星, 冉顺义, 刘芳, 赵建军

  针对许多领域中的时间序列存在维数过高以及变量间多重相关性严重等问题，提出一种相关性变量筛选偏最小二乘回归(CVS-PLSR)建模算法.该算法通过引入基于相关性的特征选择(CFS)来获取最优特征子集，进而实现数据降维，并选用偏最小二乘回归法(PLSR)作为建模的核心算法，有效地解决了变量间多重相关性带来的危害.使用矿浆元素品位预测数据对所提算法进行验证，改进的CVS-PLSR算法得到的模型最精简，测试集均方根误差仅为1.690 2，预测值与实测值相关性达到了97%以上.通过仿真实验和模型评价指标对比结果可以确定所提算法具有很好的实用性和鲁棒性，所得模型更简化、精度更高.

• 一种高精度紧耦合的双目VI-SLAM算法

  陈世明, 谭立宇, 高彦丽, 陶丹

  针对视觉惯性同时定位与地图构建(visual-inertial simultaneous localization and mapping，VI-SLAM)系统中存在计算效率低和位姿估计精确度低问题，提出了一种同时采用扩展卡尔曼滤波和增量式光束平差法的紧耦合双目VI-SLAM算法.前端采用扩展卡尔曼滤波将惯性测量单元与双目相机的测量信息进行耦合估计位姿与速度，在后端通过增量式光束平差法来优化位姿获得全局一致的运动轨迹.与只采用滤波方法或者优化方法的SLAM算法相比较，在公开数据集EuRoC (European robotics challenges)上本文算法能够减小位姿估计的线性化误差提升估计精度，并减少对计算资源的占用.使用移动机器人在真实环境下进行测试，验证了算法的实际可行性.

• 工业信息物理系统攻击检测增强模型

  邓志刚, 孙子文

  针对工业信息物理系统数据不平衡，从而使得基于深度学习的攻击检测方法对稀有攻击检测率低的问题，提出了一种工业信息物理系统攻击检测增强模型.该模型从原始数据集中选取出稀有攻击样本，使用梯度惩罚Wasserstein距离生成式对抗网络进行稀有攻击样本扩充，并将扩充得到的样本与原始数据集混合，形成新的数据集用于训练多层感知机，实现攻击检测.为检验模型性能，使用以Modbus作为通信协议的真实数据集进行测试.实验结果表明，与广泛采用的数据增强方法相比，攻击检测增强模型能显著改善攻击检测的能力.

• 基于编码策略的电网假数据注入攻击检测

  史晗璋, 谢林柏, 吴治海, 彭力

  针对电网中存在的虚假数据注入攻击的检测问题，利用电网的直流线性和交流非线性模型，分别构建了基于编码策略的虚假数据攻击检测方法.对于直流线性模型，设计了数据驱动的编、解码方案，并按有无通信约束两种情形分别求解编码、解码矩阵的最优数据赋值.对于交流非线性模型，通过构建拉伸矩阵使得被攻击的冗余观测产生较大的检测残差，并由此提出相应的编码、解码策略，给出了解码矩阵的选取条件.最后，在IEEE-14节点系统中使用实际负荷数据分别验证了所提方法的有效性.

• 基于超参数自动寻优的工控网络入侵检测

  刘会鹏, 周治平

  针对工业控制系统网络攻击日益增加，现有的基于深度学习入侵检测模型的最优超参数组难以确定，从而造成检测精度不高的问题，提出一种结合超参数优化算法和堆叠长短时记忆(SLSTM)网络的工控系统入侵检测模型，实现了基于深度学习工控入侵检测模型超参数的自动寻优，有效地提高了检测精度.首先，采用基于边界的合成少数类过采样技术解决原始数据中样本不平衡的问题.然后，采用贝叶斯优化算法搜索堆叠长短时记忆网络的最优超参数组.最后，在工控网络标准数据集上将所提算法与其他相关算法进行对比实验.实验结果表明所提算法在工控入侵检测中的适用性最高.

• 非最小相位系统的闭环频域辨识算法

  徐闯, 王亚刚

  在实际工业控制系统中，针对具有非最小相位的对象进行辨识是一个典型难题，尤其当零点与时滞同时存在时，采用常规传统辨识方法难以达到良好的效果，导致无法满足工业控制需求.针对这一情况，提出了一种新的含非最小相位过程对象模型的频域辨识方法，通过Matlab中的Simulink对闭环控制回路进行仿真，对仿真中所产生的输入输出信号的分解和拉普拉斯变换，分析并获取其过程对象在重要频率范围内的频率响应特性，采用最小二乘法从幅频与相频两部分去拟合参数，从而精准地辨识出对象模型.通过与传统模型辨识方法比较，仿真实验结果表明，该辨识方法具有很好的鲁棒性和更高的精确度.

• 严格反馈非线性系统基于事件触发的自抗扰预设有限时间跟踪控制

  张立鹏, 李小华, 何志江

  研究一类严格反馈非线性系统基于事件触发的自抗扰预设有限时间跟踪控制问题.采用反步法并结合自抗扰控制技术、预设性能及有限时间控制方法，提出了一种基于事件触发的自抗扰预设性能有限时间控制策略，并给出了控制器的设计方法.该方法在每一步的递推设计中使用自抗扰技术的扩张状态观测器来估计系统中的未知项，同时使用跟踪微分器来估计虚拟控制的导数从而避免微分膨胀.它可以保证系统输出在一个任意给定的停息时间内以预先设定的精度跟踪参考信号，并且闭环系统中的所有信号是有界的.事件触发机制的使用，使得控制输入不再持续更新，节约了通信资源.仿真验证了本文方法的有效性和优越性.

• 基于多智能体混沌鸟群算法的机构优化

  吴冬梅, 郝凤鸣, 蒋国平

  平面四连杆机构是一种常见的传动机构，对机构参数进行优化设计是获得最佳动力性能的重要途径.为了解决这一机构参数优化问题，提出了一种多智能体混沌鸟群算法(multi-agent chaos bird swarm algorithm，MACBSA).该算法将多智能体系统中智能体的行动策略和混沌搜索机制引入鸟群算法的进化过程.多智能体的竞争与合作机制可以提高个体学习与信息交互的能力，增强群体内部的多样性和信息反馈；而混沌搜索则能够帮助算法跳出局部最优.最后，该算法在4个标准函数中进行了测试，并应用到四连杆机构参数优化问题，实验结果表明与其他7种算法相比，该算法在精度、收敛速度和鲁棒性等方面具有明显的优越性，更适合解决此类机构优化问题.

• 基于奇异谱分析法和长短时记忆网络组合模型的滑坡位移预测

  李丽敏, 张明岳, 温宗周, 郭伏, 张俊, 何洋

  为提高滑坡位移的预测精度，提出了一种基于奇异谱分析法(singular spectrum analysis，SSA)和长短时记忆网络(long short-term memory neural network，LSTM)组合的动态预测模型.首先，利用SSA将滑坡位移时间序列分解为趋势项、周期项位移子序列同时剔除噪声，减少随机波动对实验结果的影响.然后利用高斯拟合方法对趋势项位移子序列进行拟合预测；LSTM神经网络模型对其周期项位移子序列进行预测.最后，通过叠加各位移子序列的预测值，得到累积滑坡位移的预测值，并且通过在训练集中加入预测值来更新LSTM网络，实现动态位移预测.结果表明，与经典反向传播(back propagation，BP)神经网络、支持向量机(support vector machine，SVM)和差分自回归移动平均(auto regressive integrated moving average，ARIMA)三种预测模型相比，LSTM模型更优.该模型在中国新滩滑坡中得到了验证，最终预测值也表明该组合模型有较高的精度.

• 基于两级分解和长短时记忆网络的短期风速多步组合预测模型

  廖雪超, 邓万雄

  为了更好地提取与学习风速在时域和频域上的特征，解决风速信号时域随机性和频域复杂性问题，提出了一种基于小波分解(WD)、变分模态分解(VMD)、长短时记忆(LSTM)网络和注意力机制(AT)的短期风速组合预测模型(WD-VMD-DLSTM-AT).在此基础上，提出了一种基于注意力机制的多输入多输出(MIMO)的编码解码多步预测模型(MMED-AT).通过实验对比分析，所提出的组合预测模型具有最优的统计误差，在短期风速预测方面能显著提高预测精度.基于组合模型的(MMED-AT)模型能明显消除递归式多步预测的累积误差，进一步提高多步预测的平稳性.

• 基于VGG16改进的特征检测器

  聂瑜, 陈春梅, 刘桂华

  特征检测是计算机视觉中的一个基本问题，特征检测器检测提取特征的能力直接影响着后续图像处理的效果.目前，手工制作的检测器提取可重复性特征效果差，而一些基于学习的检测器网络结构复杂、检测速度较慢.针对这些问题，提出了一种网络轻量化的特征检测器VGG (visual geometry group network)-Det.通过对传统VGG16网络模型进行层间删减以及结构调整，设计了一个紧凑型的网络模型，并使用随机变换的基准图像块作为输入来训练网络，以实现对图像信息的高效率学习和局部特征的快速检测.实验中，对VGG-Det在Webcam、EF (edge foci)、VGG-Affine 3个经典数据集上进行了性能评估，分别取得了67.9%、66.9%、47.1%的平均可重复性.相较于较新的TILDE-P24检测器，所提检测器最高高出11.4%的可重复性，检测速度提升近21.5%，具有明显优势.通过实验结果及其原理分析表明，本文提出的VGG-Det检测器高效可行，同步提升了图像特征检测的速度与可重复性性能.

• 软体按摩机器人驱动器的设计与仿真

  杨晓京, 刘用

  为了使软体按摩机器人满足所需要的输出力要求，基于象鼻类生物结构的启发提出了一种可满足按摩输出力的软体驱动器.软体驱动器输出力主要由驱动器长度、直径和材料属性等8个内部因素及纤维线材料属性、缠绕圈数和初始编制角等4个外部因素决定.根据Hagen-Poiseuille定律分析了压强、腔室直径和驱动器长度之间的关系.通过对驱动器内部纤维线缠绕方式的讨论确定了限制其径向变形的方法.利用驱动器变形后的几何方程和力矩平衡方程建立了驱动器输出力理论模型.基于理论模型和Abaqus仿真软件生成的仿真模型进行对比分析从而确定驱动器结构最优参数.实验结果表明在最优参数的基础上，气压低于6 kPa时，实验结果与理论模型有较好的一致性，验证了理论模型的正确性.

• 基于二次型性能指标的燃料电池过氧比RBF-PID控制

  申奥勇, 詹跃东

  质子交换膜燃料电池(proton exchange membrane fuel cell，PEMFC)过氧比是反映空气供应流量与实际氢氧反应之间平衡的指标.针对过氧比控制，提出一种RBF (radial basis function，RBF)神经网络二次型性能指标整定的PID控制算法.根据建立的PEMFC空气系统模型，将系统过氧比误差和控制电压增量之和作为神经网络整定算法的性能指标来调节PID控制器加权系数.通过将二次型性能指标和单一误差指标的仿真结果与传统PID控制器相比，表明该算法下的过氧比超调量相比于单一误差指标RBF-PID控制器下降了10%左右，相比于PID控制器下降了30%左右，同时控制电压也变化的更为迅速且合理.

• 改进的PSO-BP算法在工业机器人末端位姿误差补偿中的应用

  周旭, 鲁墨武, 姜春英, 叶长龙, 王世超, 孙万胤

  提出了一种全梯度标准粒子群优化反馈(FGSPSO-BP)神经网络的工业机器人末端位姿补偿模型.首先，提出一种运动学逆变换算法，通过机器人末端位姿对机器人各关节角度值进行计算，并采用Matlab验证了运动学逆变换算法的准确性.然后，提出一种基于全梯度下降法的FGSPSO-BP算法，将机器人实际末端位姿参数作为输入样本，实际位姿与理想位姿的各关节角度值之差作为输出样本，对网络进行训练，以得到机器人实际末端位姿参数与各关节角度值差的关系，采用测试样本对网络模型算法进行了验证.最后，利用新松机器人所采集的实际位姿和理想位姿数据，通过神经网络的方法，实现了对机器人各实际关节角度值的补偿，使机器人达到了理想的末端位置与姿态.实验结果表明，相对于传统的PSO-BP与YSPSO-BP神经网络，FGSPSO-BP神经网络对于机器人末端位姿误差的补偿精度更高，稳定性更好.