信息与控制杂志

信息与控制杂志2022年第4期

• 机器学习助力基于优化理论的TDOA无源定位

  王文宇, 朱磊, 姚昌华, 俞璐

  信息社会无线通信技术迅速发展并被广泛应用，各个领域对信号辐射源的定位需求显著提升，基于到达时间差(time difference of arrival，TDOA)的定位方法是无源定位技术中应用较为广泛的一种。近年来，机器学习领域发展迅速，为无源定位技术提供了新的思路和方法。通过比较各类无源定位方法，首先探讨TDOA无源定位的技术特点和优势；其次，从时差估计方法、解算方法、城市环境中的非视距传播影响、基站选择与几何分布等方面分析基于优化理论的TDOA无源定位算法的应用及所面临的挑战；最后，梳理和讨论了机器学习在助力优化理论提升TDOA无源定位性能的最新应用，展望TDOA无源定位方法的发展趋势和机遇。

• 基于在线光度标定的单目直接视觉SLAM

  陈洋, 何元烈, 高家辉

  为了减少场景点的光照变化对直接视觉SLAM(simultaneous localization and mapping，SLAM)的影响，在稀疏直接法(direct sparse odometry with loop closure，LDSO)的基础上对其优化，结合光度标定来增强系统的整体性能。直接视觉SLAM，其图像配对的基本假设是建立在灰度一致性之上的，即同一个场景点在多个图像中是以恒定亮度值出现的。为了更好地满足这一假设，采用KLT(Kanade-Lucas-Tracker)来跟踪关键点，利用带光度参数的像素跟踪模型建立优化方程，优化序列的光度参数(曝光时间、晕影和响应函数)，从而实现实时曝光补偿，增强了系统视觉前端的跟踪稳定性。最后，在公开数据集上进行实验。实验结果标明所提方法在部分序列上能有效地提高系统性能。

• 面向城市巡防的多无人机协同航迹规划

  潘楠, 张淼寒, 韩宇航, 向泓宇, 刘海石, 殷实, 潘地林

  无人机(UAV)因其低成本、高动态性与低部署性等优点被逐渐应用于城市巡防中。为提高异构无人机航迹规划的效率，首先建立了考虑无人机的任务执行率、航迹代价和撞击代价的多无人机任务规划模型。其次针对传统优化算法容易陷入局部最优解，均匀性差等问题，将差分策略和Levy飞行策略引入乌鸦搜索算法中对算法进行改进，提出基于Levy飞行策略的混合差分乌鸦搜索算法(LDCSA)，将剪枝处理和Logistic混沌映射机制加入快速遍历随机树(rapidly-exploring random trees，RRT)算法中，并通过改进的RRT算法进行航迹初始化。最后建立了3维的城市模型进行仿真实验，将所提算法与粒子群(PSO)、模拟退火(SA)、乌鸦搜索(CSA)算法对比，仿真结果表明该算法能提高全局收敛性与鲁棒性、缩短收敛时间、提高无人机执行覆盖率和减少能耗，在解决多无人机航迹规划问题中更具有优势。

• 一阶线性自抗扰控制的整定

  户杏启, 韩文杰, 谭文

  线性自抗扰控制(linear active disturbance rejection control，LADRC)是解决系统外部不可测扰动和内部未知不确定性的一种新型控制方法。其精髓是将系统的不确定性转化为一个可观测的状态，利用扩张状态观测器进行实时估计，并用状态反馈控制率实时进行补偿。在满足鲁棒度策略和时间乘平方误差积分的约束条件下，首先针对一阶惯性加迟延模型提出了一阶LADRC的整定公式，然后通过典型的基准系统和温度控制实验，对整定公式进行测试，最后与常规的SIMC(simplified internal model control)-PI(proportional-integral)整定方法进行性能比较。仿真结果证明了该一阶LADRC整定公式的可行性，拓展了其在工业控制领域的应用。

• 基于模型改进的LADRC在废液焚烧系统中的应用

  李艳, 胡振

  针对废液焚烧系统强耦合、强干扰及非线性所带来的控制瓶颈，提出一种基于理想模型的改进型线性自抗扰控制(linear active disturbance rejection control，LADRC)策略。首先针对焚烧过程建立其理想模型，并设计相应的LADRC，然后将该控制器分别作用于理想模型和实际系统，根据两者的输出偏差建立PID(proportial-integral-derivative)神经网络补偿器，利用该补偿器对LADRC进行改进，以改善观测器受系统自身限制所带来的观测及抗扰能力不足的问题。仿真结果表明改进后的LADRC相比于PID控制和传统的线性自抗扰控制具有更强的抗扰能力以及更好的鲁棒性。

• 重构稀疏相位信号的投影/迭代算法

  田园, 李雨伶, 李明楚

  针对具有相位稀疏性约束的信号重构问题，建立一种投影/迭代型求解算法。相关实际问题出现于材料科学领域某些新近的研究工作中。不同于以往的相位重构问题，该问题仅对相位而非振幅具有稀疏性约束，因此除通用型算法外不能借助现有针对稀疏性约束的算法来求解。对所建立的算法给出了理论分析，证明了其正确性和基本的收敛性质。通过数值仿真检验了该算法的收敛性、误差稳定性和对参数的敏感性，并给出该算法对基于电磁散射谱计算光电薄膜微结构缺陷问题的应用实例。

• 以激励为导向的配电网分布式电压调节

  祁升龙, 王放, 刘海涛, 周卓

  针对高渗透率可再生能源导致的配电网电压波动及越限问题，提出了基于分布式机组快速电压支撑能力的辐射状配电网分布式电压调节算法。不同于已有采用直接控制方式的分布式电压调节，利用激励信号间接控制分布式机组来实现配电网分布式电压调节。在所提的电压调节问题中，不但考虑了配电网从主网购入有功的成本，同时考虑了电压调节过程中配电网内附加无功的平衡。基于障碍函数法和对偶上升算法，将所提电压调节问题转化为一个可由配电网各节点协同求解的分布式优化问题，并提出了相应的以激励为导向的分布式电压调节框架。在该框架下，配电网运营商根据各节点反馈的出力决策，持续更新并发布节点有功及无功激励信号来协调各节点的出力，从而实现配电网电压的分布式调节。仿真研究证明了该算法在配电网电压陡降和电压突升情形下的有效性。

• 基于ROS的蛇形机器人基本仿生运动与自主爬台阶控制

  宋兴国, 韩民瀚, 林发明, 黄大山

  设计了一种带正交关节和主动轮组合的蛇形机器人。该机器人不仅能够实现基本的蜿蜒运动、纵向行波运动、横向翻滚运动和横向行波运动，且针对台阶式障碍物提出了一种自主爬越台阶的控制策略。机器人通过激光测距传感器与头部关节的仰角得到台阶高度，抬起相应高度的关节将头关节搭在台阶上，控制主动轮的推进速度与关节抬起的角速度相结合的方式达到上台阶的目的，并且在运动过程中将头部俯仰关节舵机的负载反馈作为判别下台阶的条件。基于ROS（robot operating system）构建了蛇形机器人仿真模型，并通过仿真与实验验证了机器人的基本运动控制和自主爬台阶控制策略的有效性。

• 小样本机载分布式雷达空时自适应处理方法

  尚婷, 何文健, 王田田

  针对机载分布式雷达地杂波和干扰抑制的问题，提出一种基于小样本协方差重构的机载分布式雷达空时自适应处理（space-time adaptive processing，STAP）方法。该方法根据分布式雷达接收的杂波与干扰具有相关性不同的特点，首先利用小样本估计出各子雷达的杂波空时协方差矩阵和干扰全空域协方差矩阵，然后通过块对角延拓和时域拓展方法得到完整的空时协方差矩阵。所提方法利用全部空域自由度，在有效抑制杂波的同时抑制较多数量的干扰，克服了理想协方差矩阵估计时所面临的独立同分布（independent and identically distributed，i.i.d.）样本严重不足的问题。理论分析和仿真实验验证了所提方法的有效性。

• 基于改进灰狼优化算法的边缘计算任务调度方法

  李开言, 王亚刚, 张涛

  针对边缘计算在离散制造业数据处理过程中存在的时延和资源消耗大的问题，提出了一种基于改进灰狼优化（IGWO）算法的边缘计算任务调度方法。该方法通过对非线性收敛因子以及动态权重的改进，提高了灰狼算法的优化速度和精度，有效降低了终端设备和边缘端的资源损耗以及任务处理的时延。基于不同数据任务量下的处理时延与资源消耗实验，证明了所提模型的有效性，与3种主流任务调度算法相比，数据处理资源消耗和时延最低。将边缘计算任务调度与智能寻优算法相结合并运用到离散制造业，可以提高设备任务的处理速度、降低能耗，为离散制造业智能化转型提供借鉴。

• 基于CNN-LSTM及深度学习的风电场时空组合预测模型

  廖雪超, 陈才圣, 伍杰平

  为了更好地预测风电场的风电功率，提取风电场相邻站点之间时空信息和潜在联系，提出了一种基于卷积神经网络（CNN）、互信息（mutual information，MI）法、长短时记忆网络（LSTM）、注意力机制（AT）和粒子群优化（PSO）的短期风电场预测模型（MI-CNN-ALSTM-PSO）。CNN用于提取不同站点的空间特征，LSTM则用于获取多个站点的风电数据的时间依赖信息，据此设计CNN-LSTM时空预测模型，并结合深度学习算法，如MI特征选择、AT注意力机制、PSO参数优化，对模型进一步改进。通过两个海岛风电场的实验数据分析可知，所提模型具有最优的统计误差，CNN-LSTM模型可以高效提取风电场时空信息并进行时间序列预测，而结合深度学习算法（MI、AT和PSO）后的组合模型能进一步提高风电功率预测精度和稳定性。