信息与控制杂志

信息与控制杂志2023年第3期

• 面向工业物联网的5G机器学习研究综述

  柴浩轩, 金曦, 许驰, 夏长清

  随着计算机技术不断应用于工业物联网，工业系统中的数据传输愈加需要支持高实时、高可靠、高带宽以及海量连接的特性。传统的网络已经无法满足这些需求，5G网络因其高速率、低时延、支持海量连接以及良好的移动性等优越性能已成为当前工业物联网领域的研究热点。本文对面向工业网络的5G机器学习方法进行了综述，首先分析了5G网络通信技术领域的大规模天线、终端直连、移动边缘计算以及异构超密集组网等关键技术，其次介绍了人工智能技术以及作为其重要组成部分的机器学习技术，同时总结了将机器学习技术引入5G网络以解决具体问题的方法并对之进行了总结与展望，最后提出了5G通信技术的未来研究趋势。

• 绳驱柔性机械臂建模与控制方法研究现状

  谭晨羽, 许朋, 李平, 喻洪流

  绳驱柔性机械臂具有高形变、质量小、能耗低等优点，伴随机器人应用的发展，针对绳驱软柔性机械臂的精准建模与有效控制成为国内外学者的重点研究方向。本文综述了绳驱柔性机械臂建模与控制方法，从建模方法上分析其运动学、动力学及静力学建模，并分别从基于模型与无模型两方面对控制方法进行归纳总结。其中，基于模型的控制方法分为运动学与动力学建模两类，而无模型控制方法包括模糊控制、神经网络控制、自适应控制与滑模控制等。最后，对绳驱柔性机械臂建模与运动控制未来的研究方向进行展望。

• 具有谐波减速器的机器人关节建模与动力学参数辨识

  张一楠, 丁建完

  针对串联机器人，提出了一种改进的机器人关节模型，并采用该模型开展了机器人动力学建模与辨识工作。建立了机器人动力学模型，对机器人关节结构进行分析，改进了关节模型，并通过谐波减速器的输入力矩近似估计其摩擦力矩。选取傅里叶级数为激励轨迹并优化其参数，通过控制关节按照所得轨迹运动，采集并处理相关数据，并基于加权最小二乘法分别辨识机器人关节模型参数与连杆动力学参数。通过关节预测力矩对所得参数进行验证，结果表明，基于改进关节模型的机器人动力学模型精度得到明显提升。

• 基于太赫兹图像融合与深度学习的芯片缺陷检测方法

  刘竞博, 毛淇, 朱云龙

  由于太赫兹(THz)时域光谱技术能够有效获取半导体芯片内部结构的时域和频域信息，从而为半导体芯片产品内部结构成像和缺陷检测提供了可能。但由于单一频点的太赫兹图像特征表达能力不足，无法直接应用于工业领域。为此，充分利用不同频点的太赫兹光谱数据所蕴含的芯片不同特征信息，并开展图像融合方法的研究，采用多尺度变换将图像分离为低频和高频分量，并对低频分量和全通分量分别采用基于稀疏表示的融合算法和多尺度变换进行融合，建立了多尺度变换和稀疏表示的图像融合框架和重构算法，实现了对芯片特征信息的增强和图像成像精度的提高。同时，针对半导体芯片内部缺陷在线实时检测网络训练过拟合、效率低以及工业图像具有稀疏性、缺陷不明显等问题，通过构建半导体芯片缺陷检测数据集，研究了小样本状态下轻量级神经网络缺陷检测模型(LiCNN)，并优化模型参数，实现精简的参数规模，实验验证LiCNN对小样本数据集缺陷检测的有效性，从而为半导体芯片内部缺陷的无损检测和质量控制提供理论方法指导。

• 无偏稀疏正则化的双策略结构神经网络压缩

  林泽建, 王骏逵, 谢俊明, 李珍妮, 谢胜利

  虽然深度神经网络模型的性能十分出色，但目前网络存在规模庞大、权重冗余度高的问题。同时，现有对网络权重剪枝的正则子估测偏差大。因此，本文提出无偏稀疏正则化的双策略结构神经网络压缩。首先，本文将神经网络所连接权重视为一组，提出采用估测值偏差小的非线性拉普拉斯函数，构建组间无偏结构稀疏正则子和组内无偏结构稀疏正则子，对冗余神经元和剩余神经元的冗余权重分别进行稀疏约束，构建无偏稀疏正则化的双策略结构神经网络压缩模型。其次，针对所设计的无偏稀疏正则化的网络压缩优化难题，本文采用近端算子技术获得无偏稀疏正则子的闭式解，进而设计基于近端梯度下降法的反向传播算法，实现神经网络准确的结构压缩。最后，通过在数据集MNIST、FashionMNIST和Cifar-10进行实验验证，本文所提出的无偏稀疏正则子的双策略结构神经网络压缩不仅收敛速度快于目前主流正则子。而且在压缩率保持一致的情况下，相比已有的方法识别精度平均提升2.3%，在识别保持精度基本一致的情况下，相对已有方法平均提升11.5%的压缩率。

• 具有输入死区与扰动的四旋翼无人机自抗扰控制

  陈超, 段纳, 徐止政

  研究了具有输入死区与扰动的四旋翼无人机的姿态控制问题。由于输入死区普遍存在于四旋翼无人机的执行机构，并且易受到扰动的影响。针对具有输入死区与扰动的四旋翼无人机系统，设计基于自抗扰的动态面控制器。采用自抗扰控制算法设计扩张状态观测器估计系统的总扰动，采用动态面方法设计控制律。所设计的控制器使四旋翼无人机实现对期望姿态角跟踪。仿真结果验证了该方案的有效性。

• 基于偏差矩阵的3D SLAM位姿图优化算法

  王苗苗, 魏国亮, 蔡洁, 栾小珍

  位姿图优化(pose graph optimization，PGO)是3D SLAM(simultaneous localization and mapping)后端优化方法之一，其精确求解依赖于良好的初始值。针对PGO噪声数据集初始化，首先提出一种新的PGO目标公式——CN(chordal with noise)模型，此模型考虑噪声影响下产生的旋转偏差，将偏差矩阵设为参数；其次，提出ORDM(optimize rotation with the deviation matrix)算法求解CN模型，此算法在位姿图子图中，分别建立关于偏差矩阵的相对旋转测量方程，最终将CN模型化为矩阵形式，并采用线性最小二乘求出偏差矩阵的封闭解，以此修正旋转方向。实验证明，ORDM算法在面对PGO噪声数据集时，较为鲁棒，具有一定的可伸缩性；与迭代初始化算法相比，可对应较差的初始化场景。

• 基于近端策略优化和广义状态相关探索算法的双连续搅拌反应釜系统跟踪控制

  史洪岩, 付国城, 潘多涛

  连续搅拌反应釜(continuous stirring tank reactor，CSTR)是经典的化工设备，被广泛应用于化工过程。由于其具有较强的非线性和时滞性，传统的控制方法无法满足其跟踪控制的精度要求。针对连续搅拌反应釜提出一种基于广义状态相关探索(generalized state-dependent exploration，gSDE)的近端策略优化(proximal policy optimization，PPO)算法的跟踪控制方法。首先使用机理模型模拟真实环境与PPO智能体进行交互；其次利用gSDE使每个回合的探索更稳定且方差更小，同时保证了探索的效果；最后通过增加反馈奖励的方式，解决环境稀疏奖励的问题，使得智能体学会如何对CSTR进行跟踪控制。将该算法应用于双CSTR系统进行测试。仿真结果表明，该算法对复杂非线性系统的跟踪控制具有训练过程平稳、控制误差小、对干扰的反应迅速等优势。

• 三电平Buck变换器的新型解耦控制方案

  吴家荣, 王擎宇, 韦峻峰, 吴伟林

  为解决三电平Buck变换器中飞跨电容电压的平衡控制问题及飞跨电容电压与输出电压的解耦难题，提出一种新型解耦控制方案。建立三电平Buck变换器的仿射非线性数学模型，研究基于微分几何理论的模型线性化解耦条件，推导解耦子系统的反馈控制律，设计状态反馈控制器，并对满足稳定要求的控制参数进行探讨。与现有解耦控制方法相比较，仿真结果表明所提控制方案具有更强的抗干扰性能、更快的响应速度和更好的动态调节特性。实验结果进一步验证了所提新型解耦控制方案的正确性和优越性。

• 机器人系统的加权快速终端滑模主动容错控制

  赵扬, 刘霞

  针对受执行器故障的非线性机器人系统，提出一种加权快速终端滑模主动容错控制方法。首先利用观测器估计机器人系统中的执行器故障信息，并通过自适应律对故障未知的界进行估计。然后根据机器人各关节的加权位置误差进一步设计快速终端滑模控制器对获得的故障信息做出补偿，从而实现有限时间主动容错控制。通过李雅普诺夫函数法证明了闭环系统的稳定性，并采用两关节机器人验证了方案的有效性。该方案可以通过对不同关节位置误差权重值的分配来相应地补偿故障的影响，能够在有限时间内使得机器人位置跟踪误差快速收敛且跟踪精度得到提高。

• 基于环境风险的自动驾驶局部路径规划算法

  苏卫星, 赵晓雯, 温永刚, 刘芳

  针对结构化道路局部路径规划问题，提出基于实时环境风险场的自动驾驶局部路径动态规划框架，首次将局部路径规划问题细化为车道决策和路径规划两部分。针对车道决策部分，提出基于行车风险场及安全距离的车道决策算法，能够在保证驾驶速度的同时，确保自车始终处于低风险驾驶环境，以提高其安全性。在换道路径规划部分，提出基于换道时间均匀采样的候选路径生成算法，以及综合考虑换道即时性、速度平滑性、路径平顺性以及舒适性的代价函数，实现最优路径规划。在单车道路径规划部分，提出综合考虑安全性、平顺性以及连续性的代价函数，实现路径以及速度的合理、安全动态规划。实验验证表明，所提出的局部路径动态规划框架在设定的结构化道路局部路径规划任务中，能够规划出低风险、高效率、安全合理且平顺的行驶路径并给出安全规划速度，证明了所提出的局部路径动态规划算法的有效性。

• 结合Transformer的显著性目标检测

  闫於虎, 王永雄, 潘志群

  显著性目标检测中学习有效的全局卷积特征至关重要。卷积神经网络模型越深越能获得更好的全局感受野，但这样往往会丢失局部信息，还会导致目标边缘粗糙。为了解决这个问题，引用了一个新的基于注意力的编码器Vision Transformer，相比于CNN (convolutional neural network)而言，可以表示浅层到深层的全局特征，并建立图像中各区域的自注意力关系。具体地，首先采用Transformer编码器提取目标特征，编码器在浅层中保留了更多的局部边缘信息，以恢复最终显著图的空间细节。然后，利用Transformer编码器前后层之间继承的全局信息，将Transformer每一层输出特征最终预测。在此基础上，浅层的边缘监督以获取丰富的边缘信息，再将浅层信息与全局位置信息相结合。最后，在解码器中采用渐近融合的方式生成最终显著性图，促进高层信息和浅层信息地充分融合，更准确地定位显著目标及其边缘。实验结果表明，在5个广泛使用的数据集上，在不进行任何后处理的情况下，提出的方法性能好于最先进的方法。

• 面向交通流预测的双分支时空图卷积神经网络

  刘赏, 陈浩, 陈小玉, 贺娇娇

  针对目前交通流预测中未充分考虑到交通流量与密度、交通流量与速度之间的关联性特征信息，以及忽略多尺度时间特征的问题，提出了一种面向交通流预测的双分支时空图卷积神经网络。首先，依据交通数据的周期性，将交通数据划分为近期与周期两种时间粒度的数据输入；其次，在每个输入分支中，先通过关联性门控线性单元(AGLU)提取流量与密度、流量与速度之间的关联性特征信息；然后，通过图卷积层和多尺度时间卷积层提取关联性特征中的空间与时间上下文信息，并采用预测卷积层输出近期、周期双分支预测结果；最后，通过门控机制融合预测结果，从而实现交通流量的准确预测。实验结果表明，所提模型在交通流预测准确性与稳定性方面整体优于其他模型。

• 多型异构数据下准则具有优先级别的双边匹配决策方法

  汪新凡, 隆丽兰, 周欢

  针对多型异构数据下准则之间具有优先级别的双边匹配决策问题，提出了一种基于集对分析二元联系数和优先集结算子的双边匹配决策方法。首先，给出了一种将多型异构数据同构化为二元联系数的方法；其次，定义了二元联系数优先加权几何平均(BCNPWG)算子；然后，基于BCNPWG算子，提出了一种准则值为多型异构数据且准则之间具有优先级别的双边匹配决策方法。该方法先将多型异构数据匹配满意度矩阵转化为二元联系数匹配满意度矩阵，然后利用BCNPWG算子集结得到双方主体的综合匹配满意度矩阵；进一步地，以双方主体的综合匹配满意度总和最大为目标，构建二元联系数多目标匹配优化模型，并利用线性加权法及二元联系数的期望值和均方差将其转化为单目标匹配优化模型，进而通过求解该模型得到双边匹配结果。最后，通过一个算例说明了所提出匹配决策方法的可行性和有效性。