信息与控制杂志

信息与控制杂志2023年第2期

• 基于合成数据的水下机器人视觉定位方法

  琚玲, 周星群, 胡志强, 杨翊, 李黎明, 白士红

  针对水下场景水下机器人(AUV)位姿数据集难以获取、现有的基于深度学习的位姿估计方法无法应用的问题，提出了一种基于合成数据的AUV视觉定位方法。首先基于Unity3D仿真搭建虚拟水下场景，通过虚拟相机获取仿真环境下已知的渲染位姿数据。其次，通过非配对图像转换工作实现渲染图片到真实水下场景下的风格迁移，结合已知渲染图片的位姿信息得到了合成的水下位姿数据集。最后，提出一种基于局部区域关键点投影的卷积神经网络(CNN)位姿估计方法，并基于合成数据训练网络，预测已知参考角点的2维投影，产生2D-3D点对，基于随机一致性采样的Perspective-n-Point(PnP)算法获得相对位置和姿态。本文在渲染数据集以及合成数据集上进行了定量实验，并在真实水下场景进行了定性实验，论证了所提出方法的有效性。实验结果表明，非配对图像转换能够有效消除渲染图像与真实水下图像之间的差距，所提出的局部区域关键点投影方法可以进行更有效的6D位姿估计。

• 基于多传感器信息融合的外骨骼运动意图辨识

  石磊, 尹鹏, 杨铭, 屈盛官

  为了实现外骨骼机器人的柔顺运动控制，需要对穿戴者的运动意图进行实时准确地辨识与预测。本研究利用多传感器信息融合的方法完成对穿戴者运动意图的识别。通过对多种机器学习算法在识别准确性、资源消耗和处理实时性进行比较、最终确定利用支持向量机(SVM)实现对日常8个运动模式(静坐、双腿站立、步行、跑步、上下斜坡和上下楼梯)完成动作模式的识别，识别平均准确率达到95%。对于运动相位和运动切换事件的预测，利用神经-模糊推理理论完成运动相位识别与状态切换事件的预测。在给定的测试集上相位识别准确率为99%，且预测的状态切换时刻与真实时间的偏移绝对值的均值为61.6 ms，满足外骨骼柔顺控制对预测时间的要求。

• 基于改进人工势场法和自适应神经网络的共轴双旋翼无人机避障飞行控制

  危怡然, 吴碧, 邓宏彬, 潘振华

  针对共轴双旋翼无人机(coaxial rotor unmanned aerial vehicle，CR-UAV)在未知和危险环境中飞行避障的控制问题，基于飞行态势图和改进人工势场算法，提出了一种新的避障方法。首先，该方法通过飞行态势图对障碍物信息进行建模，考虑了CR-UAV飞行控制的约束条件，可使无人机有效利用障碍物信息进行避障，避免陷入局部极小点，控制和避障能力显著提高；其次，采用基于径向基神经网络(RBFNN)对CR-UAV飞行中的干扰进行估计并实时补偿，采用非线性状态误差反馈实现CR-UAV的姿态跟踪控制，从而保持无人机避障飞行过程中的姿态稳定；最后，进行了仿真实验。从仿真结果可以看出，无人机在避障飞行具有良好的姿态稳定能力。

• 扰动作用下的多移动机器人编队模型预测控制

  李艳, 雷佳琦

  针对多移动机器人编队中的领航者和跟随者同时受系统内部未建模动态和风向、路面平整度等内外扰动影响而带来的无法保持编队队形的问题，提出了基于扩张状态观测器(ESO)的模型预测(MPC)编队控制方法。首先，建立带有扰动项的领航跟随编队模型，然后分别设计ESO对领航者和跟随者所受扰动进行估计，将该编队模型进行线性化离散化处理作为MPC编队控制器的预测模型，在预测输出方程中引入对扰动的估计结果，最后通过滚动优化求解最优控制律，实现对多移动机器人的鲁棒编队控制。仿真实验结果验证了所提出的控制方法的有效性。

• 基于四阶贝塞尔曲线和改进狮群优化算法求解路径规划问题

  黄志锋, 刘媛华

  首先，针对基础狮群算法中存在搜索效率低、多样性不足等问题，提出使用Sin混沌种群初始化操作提高算法初始解的质量，并引入调节因子，提高算法的多样性。其次，针对路径规划的问题，引入方向约束性函数，增加算法的搜索精度和收敛速度，同时提出双种群的狮群结构，通过差异化种群的相互协作提高算法的搜索能力，并运用四阶贝塞尔曲线，进行路径平滑处理。最后，经测试实验仿真，论证了改进狮群算法，相比基础狮群算法、灰狼算法、粒子群算法和遗传算法，在性能上有着显著提高。路径规划实验中，改进狮群算法规划出的路径较对比算法平均减少了5.67%，相比改进前的算法，运行时间减少了8.82%。

• 牵引挂车垂直泊车路径规划与运动控制

  贾生超, 彭加耕, 黄伟, 黄钦明

  为解决牵引挂车由于结构复杂、盲区范围大等因素造成的人工泊车困难，提出了一种适用于牵引挂车单步式垂直泊车的路径规划与运动控制方法。在规划阶段，提出以铰接角作为挂车最大虚拟转向角来计算最小转弯半径，考虑其在泊车过程中的碰撞约束，选定可行起始点区域，利用B样条曲线规划出一条无碰撞的参考路径。运动控制阶段，建立以挂车后轴中心为研究对象的运动学模型，设计基于该运动学模型的模型预测控制器，针对该控制器提出了一种参考信息选取原则。最后，利用Simulink与TruckSim针对不同泊车起始点与不同车位尺寸进行仿真分析，结果表明：所提出的路径规划方法使牵引挂车的泊车起始点为可行起始区域内的任意值，扩大了起泊点的可选范围；车辆可无碰撞地泊入垂直车位且具有较小的跟踪误差，证明所设计的控制器具有良好的控制效果。

• 基于深度学习的非线性广义预测控制

  李旭生, 牛宏, 陶金梅

  针对一类离散时间单输入-单输出(single-input single-output，SISO)非线性动态系统，将非线性切换控制与基于深度学习的未建模动态估计方法相结合，提出了一种新的非线性广义预测控制方法。该方法针对未建模动态的未知增量，通过使用基于深度学习技术的长短记忆神经网络(long short-term memory，LSTM)进行预估，设计了一种带有未建模动态增量估计的非线性广义预测控制器，增强控制性能。对所提的控制算法进行了稳定性和收敛性分析，最后通过数值仿真实验验证了所提方法的有效性。

• 面向实时自避碰的双臂机器人力矩控制策略

  李肖, 李世其, 韩可, 李卓, 熊友军, 谢铮

  为解决双臂机器人运动过程中的自碰撞问题，提出了一种面向实时自避碰的双臂机器人力矩控制策略。利用机械臂正向运动学构建双臂机器人动态骨架包围盒，用于简化计算关节间最小距离；根据机械臂关节空间阻抗控制规则，设计了基于关节间距离的力矩控制算法，将运动中各关节间距离转换为避碰力矩，并将避碰力矩和其他任务的期望力矩相加，从而得到控制双臂机器人运动的实际力矩。实验表明：当双臂机器人的设定杆件相互靠近且达到避碰距离时，本研究所提出的自避碰策略能够及时对机器人的运动关节产生一组平滑的避碰力矩，避免了机器人自身发生碰撞，验证了所提算法的有效性及实用性。

• 基于无线能量传输的物联网数据采集系统中资源分配机制的设计

  马礼智, 唐睿, 张睿智, 何金璞

  针对基于无线能量传输的物联网(Internet-of-things，IoT)数据采集系统，考虑了4种数据传输协议并分别设计了资源分配机制用于提升用户公平性。首先，当采用时分多址接入协议时，联合时隙划分和功率控制可等价转换为凸优化问题，但该方式对IoT设备侧的同步精度提出了苛刻要求。其次，为避免划分传输时隙，引入了非正交多址接入(non-orthogonal multiple access，NOMA)协议，并提出了基于分块坐标下降算法的机制，通过交替求解两个凸优化子问题收敛到原非凸问题的一个静止点，但该方式会引入严重的同频干扰继而降低传输性能。为平衡传输性能和实现复杂度，本文进一步设计了两种基于定长时间切片的部分NOMA协议，并分别提出了基于匹配理论和基于连续凸近似算法的联合时间片分配和功率控制机制。仿真结果验证了传输性能与实现复杂度之间的折衷关系，并展示了所提机制的收敛性以及优化结果受系统参数的影响。

• 基于数据均衡化与改进鲸鱼算法优化核极限学习机的变压器故障诊断方法

  王雨虹, 孙远星, 包伟川, 陈子春

  针对不平衡数据对变压器故障诊断模型辨识精度的影响，提出一种基于自适应综合过采样(ADAptive SYNthetic，ADASYN)与改进鲸鱼算法优化核极限学习机的变压器故障诊断模型。首先，利用ADASYN算法优化变压器故障数据均衡化处理，解决变压器故障数据集类间不平衡给模型带来的偏倚问题。其次，通过多策略组合改进了鲸鱼优化算法(improved whale optimization algorithm，IWOA)的搜索速度、收敛能力和局部极值的逃逸能力。最后，改进鲸鱼算法对核极限学习机(kernel based extreme learning machine，KELM)正则化系数和核函数参数寻优，构建改进鲸鱼算法优化核极限学习机(IWOA-KELM)故障诊断模型。将模型应用于变压器故障诊断领域，用该模型与粒子群算法核极限学习机模型(PSO-KELM)、灰狼算法优化核极限学习机模型(GWO-KELM)和鲸鱼算法核极限学习机模型(WOA-KELM)的诊断精度对比，分别提升14.17%、12.5%和8.34%，这证明了所提故障诊断模型具有更高的精度和泛化能力。

• 智能人工蜂群改进算法及其在油田注采优化中的应用

  刘宝, 张月, 杨金莹

  针对目前传统智能优化算法在解决复杂非线性多参数优化问题时所存在的收敛速度慢、容易陷入局部最优、时间复杂度高及易于早熟等问题，受人体神经-内分泌-免疫(neuro endocrine immune，NEI)系统的启发，提出了一种基于生物调节机制的人工蜂群智能算法(NEI-ABC)。在传统人工蜂群算法(artificial bee colony，ABC)结构基础上，该算法增设了蓝光引导单元、蜜源调控单元和触角定向单元，极大提高了引领蜂、侦查蜂和跟随蜂的搜寻和探索能力，从而使得其全局寻优性能得到提升。仿真实验表明NEI-ABC算法相对其他传统算法具有较高寻优性能，且在油田注采产量规划等复杂优化问题解决中发挥积极作用。