信息与控制杂志

信息与控制杂志2024年第2期

• 进化深度学习的研究现状与进展

  李楠, 贺美蕊, 马连博

  近些年, 深度学习在工业界和学术界取得了令人瞩目的发展。然而, 深度模型的超参数配置通常需要巨大的计算开销和专家知识。进化计算作为一种高效的启发式搜索方式, 在深度模型的自动化配置中已经展现出显著的优势, 能够有效缓解上述问题, 这种方法也被称为进化深度学习。本文从自动机器学习的视角分析进化深度学习。具体来讲, 首先结合进化计算和深度学习的特点, 阐述进化深度学习的概念和优化模型。在此基础上, 从深度学习的生命周期出发, 系统地介绍了数据准备、模型生成和模型部署三个阶段的进化深度学习方法。此外, 分析并讨论了不同的解表示和搜索范式。最后, 本文提供了进化深度学习的相关应用, 开放问题及潜在研究方向。本文综述了进化深度学习的最新进展, 并为其未来的发展提出了一些指导性的建议。

• 从自然灵感角度出发的群体智能集群机器人系统研究综述

  刘金存, 任崟杰, 徐战, 安冬, 位耀光

  受生物自组织行为启发的群体智能研究近年来发展势头迅猛, 以生物自组织行为内在机理为依据可以协助研究者设计出高效的集群系统。本文从生物自组织行为出发对群体智能集群机器人系统的研究成果进行综述, 首先解释自然界中生物的部分自组织行为; 其次对生物自组织行为机制所衍生出的群体智能集群机器人系统任务进行归类, 总结近年来的研究成果; 最后对集群系统当前研究存在的问题以及受生物行为启发的集群机器人系统未来发展趋势进行展望。该综述致力于为广大研究者提供一个新角度思考群体智能集群机器人系统的研究成果以推动相关领域发展。

• 基于生成对抗网络的高斯型数据的过采样算法

  陈刚, 侯宾杰

  针对在非平衡数据分类中倾向于少数类而导致分类效果降低的问题, 提出了一种基于生成对抗网络的蒙特卡洛过采样算法。首先, 利用生成对抗网络(GAN)生成少数类数据的概率密度函数, 通过少数类数据的概率密度值确定少数类数据的过采样权重; 其次, 为了保证生成数据的多样性, 采用蒙特卡洛算法对少数类数据进行过采样; 同时, 为了避免与多数类产生交叉与重叠, 通过高斯分布的3σ法则对进入到多数类区间3σ内的少数类数据进行翻转, 使数据集达到平衡。最后, 从UCI与KEEL数据库中选取7组数据集进行算例实验, 将决策树分类器作为基分类器对数据进行分类。实验结果表明所提算法是有效的。

• 基于注意力机制和视触融合的机器人抓取滑动检测

  黄兆基, 高军礼, 唐兆年, 宋海涛, 郭靖

  机器人抓取滑动检测对于抓取任务而言具有重要的意义。在抓取过程中, 视觉和触觉作为判断抓取状态的关键模态信息, 实现其高效融合仍具有挑战性。基于视触觉模态信息融合理念, 提出一种新型视触觉融合模型, 用于高效解决机器人抓取滑动检测问题。首先, 该模型通过卷积神经网络、多尺度时序卷积网络提取视触觉数据的空间和时序特征信息; 然后, 使用注意力机制为视触觉特征分配权重, 并通过多尺度时序卷积网络进行多模态信息融合; 最后, 通过全连接层输出机器人抓取状态的检测结果。使用7自由度XArm机械臂、D455 RGB摄像头和XELA触觉传感器进行数据采集。实验结果表明, 基于该模型的机器人抓取滑动检测的准确率高达98.98%, 该模型在可靠、顺利执行机器人抓取任务方面具有较好的研究与应用价值。

• 基于虚拟现实和眼动追踪的人-集群机器人交互方法

  许明玉, 雷小康, 段中兴, 向雅伦, 段梦园, 郑志成, 彭星光

  操作员对集群机器人实施远程控制时面临被控对象众多、群体态势感知困难、集体行为控制不易等诸多挑战, 使得手动遥控等传统交互方式无法实现高效、灵活、强沉浸感的人-集群机器人交互。为此, 提出一种基于虚拟现实(VR)和眼动追踪的人-集群机器人交互(HSI)方法。首先, 构建集群机器人VR交互场景并采集操作员的眼动数据; 其次, 解析获得瞳孔坐标、注视点等眼动特征, 据此生成集群机器人的运动控制指令; 最后, 开展了真实集群机器人集群漫游、集群目标追踪及集群轨迹跟踪交互实验。机器人实验结果表明, 该方法可实现灵活、便捷的人-集群机器人远程交互控制, 这为人与集群机器人的共融协作提供了一种新的途径。

• 多源传感器数据下基于注意力机制与长短期记忆网络的轴承故障诊断与寿命预测

  陈翔, 刘勤明, 胡家瑞

  针对滚动轴承故障在噪声环境下诊断效果不佳的问题, 提出了一种多源传感器数据下基于注意力机制与长短期记忆(long short-term memory, LSTM)网络的轴承故障诊断新方法。首先, 将多源传感器采集的1维数据进行归一化处理, 通过构建带AdaBN(Adaptive Batch Normalization)技术的双通道孪生卷积网络提取有效特征并进行数据融合。其次, 将融合数据输入具有同时考虑通道间关系和位置信息功能的改进1维CoordAtt(Coordinate Attention)中。再次, 通过LSTM层提取时间特征, 通过标签平滑正则化改进后的损失函数来评估诊断效果, 使用新型优化器Adan进行优化。最后, 将得到的诊断模型应用于测试集, 输出故障类别诊断结果。将模型在不同测试集比例下进行诊断精度对比实验, 判断出最佳比例为0.3, 并在噪声环境下进行测试。实验结果表明, 所提方法能更好地对抗噪声环境的影响。在C-MAPSS数据集上的实验结果验证了CoordAtt-LSTM模型在寿命预测中的有效性。

• 基于融合引-斥力与动态窗口法的机器人静动态局部路径规划方法优化

  赵亮, 李春轩, 张玮奇, 陈登峰, 李兆强

  针对DWA(dynamic window approach)在建筑施工障碍场景中使用时存在的轨迹评价选择不合理、避障效率不高等问题, 提出了一种融合引-斥力与动态窗口法的机器人静动态局部路径规划方法。首先, 提出利用有无障碍物两种情况下的速度采样约束条件来完善速度采样约束。其次, 优化导航评价函数以提升DWA的运行速度。最后, 提出引力评价函数, 以提升避障规划速度; 结合斥力思想优化避障函数, 解决轨迹选择不合理的问题。不同栅格地图实验结果表明: 在静态地图环境下, 所提算法迭代次数、运行时间、路径长度三种指标性能均可优化20%左右; 在动态环境地图下, 3种性能指标提升优化可达25%以上, 解决了原始及其他改进型DWA在建筑施工复杂障碍环境下存在的轨迹评价选择不合理、避障效率不高等问题。

• 基于VMD-CNN-LSTM的农业大棚园区用电负荷短期预测

  张培霄, 尹晓红, 李少远, 王新立

  针对农业大棚用电负荷受农村供电能力、气象因素等的影响, 具有强波动性和高非线性的问题, 综合大棚短期负荷的气象特征和时序特征, 提出了一种基于变分模态分解(variational mode decomposition, VMD)的长短期记忆(long short-term memory, LSTM)网络与卷积神经网络(convolutional neural network, CNN)相融合的VMD-CNN-LSTM的短期负荷预测模型架构。首先, 基于VMD方法分解负荷序列, 降低负荷波动性; 其次, 采用CNN方法提取负荷的气象特征, 采用LSTM方法提取负荷时序特征, 进行负荷分量预测, 并将模态分量的预测结果重构; 最后, 以山东省寿光市农业大棚负荷数据为基础开展仿真实验。结果表明, VMD-CNN-LSTM模型与传统神经网络模型相比, 可有效提高农业大棚短期负荷预测的精度。

• 基于超标抑制策略的污水处理过程多目标优化控制

  刘传玉, 熊伟丽

  为解决污水处理过程出水氨氮和总氮浓度超标问题, 提出了一种基于超标抑制策略的多目标优化控制方法。该方法利用长短期记忆网络的时序建模能力, 对出水氨氮和总氮浓度建立预测模型, 采用基于分解的动态种群多邻域多目标进化算法对水质和能耗进行优化, 结合预测模型输出确定硝态氮和溶解氧浓度的最优设定值, 并对设定值进行跟踪控制。当水质超标时, 采取抑制策略对外回流量及外部碳源加以控制, 调节溶解氧浓度并对硝态氮浓度进行二次优化以抑制峰值。所提优化控制方法在基准仿真1号平台进行验证。结果表明, 所提方法能够有效抑制氨氮和总氮浓度超标, 超标时长及能耗明显低于所对比控制方法。

• 基于分数阶扩展滑模扰动观测器的PMSM转速环无模型递归非奇异终端滑模控制

  张会林, 林新才, 张建平

  针对永磁同步电机转速环中存在的参数变化和外部负载扰动的问题, 为了提高调速系统的响应速度和抗干扰能力, 提出了一种基于分数阶扩展滑模扰动观测器(FOESMDO)的转速环新型无模型递归非奇异终端滑模控制(MFRNTSMC)方法。首先, 构建基于传统数学模型的永磁同步电机新型超局部模型。其次, 结合新型超局部模型和递归非奇异终端滑模控制理论, 设计位于转速环的无模型递归非奇异终端滑模控制器。并且设计一种分数阶扩展滑模扰动观测器, 该观测器在精确补偿系统未知部分的同时还提升了转速环控制器的抗干扰能力。最后, 通过仿真和实验对比, 验证所提的滑模控制方法的优越性。