信息与控制杂志

信息与控制杂志2024年第5期

• 基于强化学习的电池制造能力可变权组合预测

  俞银泉, 王子赟, 王艳

  针对锂电池制造能力数据具有非线性、非平稳等特性，且现有时间序列预测方法通常陷于局部最优难以保证长期时间序列上的误差稳定的问题，提出了一种基于Q学习(Q-learning)和组合预测方法的电池制造能力可变权组合预测模型。首先，针对电池制造能力数据中包含的复杂特性，采用长短期记忆(LSTM)神经网络、门控循环单元(GRU)神经网络和季节性差分自回归滑动平均(SARIMA)模型对历史数据进行学习并预测；其次，引入滑动窗口算法，将完整的时间序列划分为各短序列，更利于挖掘数据特征，并设计Q-learning结合熵值获取最优滑动窗口长度以保证各窗口下的整体预测误差更加稳定；最后，为了完整利用各单一预测模型在不同时间处的预测效果，设计双层强化学习策略，分别对每一个窗口下的不同单一预测结果进行时变赋权，实现最优时变权重组合。工程实例分析表明，所提的三重强化学习可变权组合预测模型能够有效提高锂电池制造能力的预测精度。

• 融合动态目标跟踪的视觉SLAM算法

  白克强, 朱亚兰, 杨秀清, 向勇, 邓子犇, 姜官武

  为提高机器人在动态场景下的SLAM(simultaneous localization and mapping)精度，同时实现对动态目标的跟踪，提出了一种融合动态目标的视觉SLAM方法。首先，通过预处理模块获取RGB(red，green，blue)图像的光流向量、实例分割结果及深度图信息；其次，迭代求解相机位姿、地图点和动态目标位置的初始值；最后，通过一种改进的因子图优化方法对3种状态变量的初始值进行联合优化。在KITTI数据集上的测试实验结果表明，该算法实现了融合动态目标跟踪的视觉SLAM功能，同时有效地提高了动态目标的跟踪精度及动态场景下的SLAM精度，总体效果优于VDO-SLAM(visual dynamic object-aware SLAM)。

• 基于步态相位和滚动足模型的步速计算方法

  疏小龙, 罗胜利, 朱禾祥, 孟巧玲, 喻洪流

  为解决下肢假肢关节轨迹规划中的步速参数问题，帮助假肢实现更好的运动模式转换和动态运动，提出了一种基于步态相位和滚动足模型的步速计算方法。首先，对大腿矢状面的角速度和角度信息进行滤波和归一化处理，结合步态相位变量计算步行频率；其次，基于人体行走的下肢滚动足模型，建立步幅与实时角度和腿长之间的函数关系；最后，针对不同计算周期，由周期内的步幅和步频乘积计算步速。实验结果显示，在2.0~4.0 km/h的速度区间内，所提方法对步速计算结果的均方根误差平均值为0.054 m/s。这表明本研究方法具有较好的静态速度和动态速度计算性能，可为下肢假肢关节轨迹规划提供实时可靠的步速参数。

• 融合多元信息的激光SLAM回环检测方法

  虞沈豪, 魏国亮, 张顺, 刘铭

  在同步定位与地图构建(simultaneous localization and mapping，SLAM)中，回环检测是一个重要且具有挑战性的问题。现有基于点云的回环检测通常只利用高度信息构建局部或者全局描述符，但其单一的描述能力导致错误的回环检测较多。为了解决这一问题，结合点云的高度、强度和密度信息，提出一种改进的全局描述符。为使用该全局描述符进行高效的回环检测，首先通过K维树(K-Dimensional Tree，KD-Tree)搜索数个回环候选帧，然后借用汉明距离的思想计算两帧点云对应全局描述符间的相似度，最后将相似度最高的帧确定为回环帧。实验使用公开数据集测试算法的性能，结果表明，算法具有更高的精确度和召回率，同时进行SLAM框架集成实验，获得更加优越的定位和建图精度。

• 基于融合神经网络模型的锂离子电池健康状态间接预测

  云丰泽, 刘勤明, 汪宇杰

  针对表征锂离子电池健康状态(SOH)的直接特征难以在线测量，预测模型精度较差以及泛化性不足的问题，本文提出了一种适用于间接特征数据的融合网络预测模型，并建立了一种在间接模式下由数据到模型的健康状态预测流程。首先，从相关数据集中提取可能被使用的间接数据，并引入特征重建技术，进而构建出间接健康特征(HI)。其次利用变分模态分解(VMD)算法对所提取的时间、温度等间接健康特征进行分解处理，并利用相关性分析方法进行有效性验证。再次，考虑预测设备算力与间接预测模式下特征数据的规模及特点等实际情况以及模型在特征提取、序列预测等方面的个性化性能建立VMD-CNN-AttBiGRU融合神经网络健康状态预测模型。经验证，所建立的间接预测流程取得了较低的SOH预测误差，并在剩余使用寿命的维度对比中展现出较高的鲁棒性，解决了传统预测方法中提取直接特征数据的局限，显著优化了锂离子电池SOH在线预测的可能性。

• 自适应特征选择的多扩张卷积网络轴承故障诊断

  王照伟, 钟晓勇, 宋向金, 赵文祥

  针对现有多尺度卷积网络模型缺乏故障判别机制，忽视不同卷积尺度大小对模型提取特征的影响，且多数依据电流信号诊断轴承故障网络模型的可解释性差的问题，提出自适应特征选择的多扩张卷积神经网络(Multi-dilated Convolutional neural networks with Adaptive Feature Selection，MCAFS)滚动轴承故障诊断方法。首先，采用解调技术和快速傅里叶变换(fast Fourier transform，FFT)对原始电流信号进行预处理，在抑制电流信号基频分量干扰的同时将解调信号从时域信号变换为频域信号；其次，使用标准卷积神经网络提取频域信号中的浅层特征；再次，利用不同核尺度的并行扩张卷积(parallel dilated convolution，PDC)块从浅层特征中提取多尺度特征；然后，提出改进的多尺度扩张卷积注意力(Multiscale dilated Convolutional Attention，MCA) 模块，自适应选择卷积尺度的大小，进一步选取深层次特征；最后，引入空间注意力模块(spatial attention module，SAM)将输入频域信号的注意分布可视化，从而提高网络的可解释性。通过帕德博恩滚动轴承数据集的电流信号对所提网络模型进行验证。实验结果表明，所提网络模型能够自适应地选择卷积尺度大小，有效地从输入数据中定位到关键信息，为电流信号诊断轴承故障的特征提取过程提供一定的可解释性意义。

• 融合多策略的改进蜣螂优化算法及其应用

  孙仟硕, 王英博

  针对蜣螂优化算法存在的全局搜索性能与局部开发能力不协调、准确性低、寻优速度慢等问题，提出了一种融合多策略的改进蜣螂优化算法。采取Circle序列和透镜成像策略，确保生成的蜣螂分布更加均衡，进而扩大搜索范围；引入翻筋斗策略，优化蜣螂算法中小蜣螂觅食过程中的位置更新过程，帮助蜣螂种群更有效地进行全局搜索，在平衡全局勘探和局部开发的同时避免早熟收敛；融入柯西-高斯变异策略，增大了算法跳出局部最优的概率。对12个基准函数的寻优结果进行了对比分析。由Wilcoxon秩和统计检验结果可知，改进算法具有更好的收敛效果、鲁棒性和寻优速度。最后，通过工程应用中焊接梁设计和压力容器设计的寻优对比结果，进一步验证了改进策略的有效性和改进算法在处理实际工程应用方面的优越性。

• 基于改进Homothetic Tube MPC算法的变风量系统温度控制

  杨世忠, 刘艳丽, 曹会东

  VAV(variable air volume)空调系统在温度控制过程中会受到不确定性和随机干扰的影响，同时VAV空调系统具有非线性、复杂性、时变性等特性，传统的控制算法很难保证系统在低能耗的前提下对温度实现精确控制。为了改善传统算法中存在的缺陷，提出将基于受限DNN(deep neural network)的Homothetic Tube MPC(model predictive control)算法应用于VAV空调系统的房间温度控制中：通过对VAV系统进行分析，建立最小能耗目标函数；将实际系统的最优控制问题转化为在线学习问题，利用受限DNN优化算法有效且快速地求解最优控制动作；算法在优化过程中采用大小可变的Tube集来对抗系统运行中存在的不确定性和随机干扰。仿真实验结果表明，对比Tube MPC(TMPC)算法和Homothetic Tube MPC(HTMPC)算法，该控制算法对室内温度的控制精度更高，优化所需的时间成本更低，对不确定因素的适应性更强。实施算法时产生的总能耗比应用TMPC时少15.67%，比采用HTMPC时节约6.46%。

• 基于多通道Retinex模型的低照度图像增强网络

  张箴, 鹿阳, 苏奕铭, 唐延东, 田建东

  低照度图像增强是近年计算机视觉领域的研究热点之一，在目标检测、自动驾驶、夜间监控等领域具有广泛的应用价值。本文分析了同一场景在不同曝光下所得到的图像的像素值分布，发现其低照度图像与正常光照图像在RGB三通道的增强比具有一定差异。基于这一现象，提出了一种基于多通道Retinex模型的低照度图像增强网络。为获得更准确的初始化光照和反射分量，设计了初始化模块。为解决低照度增强后存在的色偏问题，在光照增强模块中采用了分通道增强的策略，设计了针对性的颜色损失函数，并通过对抗性损失函数来提升生成图片的质量。在两种公开数据集上进行了实验，本文方法与现有的先进算法进行对比并取得了较好的结果。与次优的方法相比，本文方法得到的增强图像与参考图像之间的峰值信噪比提高了20%，结构相似性提高7.2%，且消除了图像中的噪声，与参考图像在数值指标和视觉效果上都更为接近。

• 基于注意力机制和空洞金字塔池化的缺陷检测

  魏金洋, 苑明哲, 曹飞道, 白海军, 王文洪

  针对工业产品表面缺陷检测中特征重建精度低导致图像级、像素级、区域级误判率高的问题，提出了一种改进深度特征重建(deep feature reconstruction，DFR)的无监督缺陷检测方法。首先，在特征重建过程中引入跳跃连接，增强特征重建精度，提高模型对正样本特征的重建能力。其次，引入注意力机制，提升算法对缺陷区域的关注，并探索空间注意力对不同目标缺陷检测的影响。然后，在特征重建算法中引入空洞金字塔池化，在不增加参数量的情况下多尺度捕捉上下文信息，提高模型对不同尺寸缺陷的检测能力。最后，使用L2-SSIM(L2-结构相似性)损失函数约束特征重建，在保持像素相似性的基础上同时保留特征结构。基于MVTecad数据集的实验结果表明，所提算法的图像级检测精度、像素级检测精度和区域级检测精度分别为97.5%、97.2%和93.1%，均优于对比算法。

• 结合多分支纹理特征提取和注意力机制的肝脏肿瘤自动分割方法

  邱云飞, 王月洋

  针对计算机断层扫描图像中肝脏肿瘤边界模糊、类型多样、与周围组织对比度低等特点，以及现有网络对医学图像中的纹理信息利用不充分等问题，提出了一种结合多分支纹理特征提取和注意力机制的肝脏肿瘤自动分割方法。首先，设计了一个并行卷积编码器，替换基准网络U-Net中的双卷积模块，用于提取两种不同感受野下的表层特征；接着，提出了一个纹理特征提取网络，将其搭建于U-Net的跳跃连接部分，以提取多尺度特征下肝脏肿瘤的深层纹理信息；最后，在解码阶段引入了一个带有残差路径的通道注意力模块，旨在有效捕获通道间的依赖关系，增强肝脏肿瘤分割任务相关特征。将所提方法在LiTS2017和3DIRDCADb-01肝脏肿瘤分割数据集上进行了实验论证，结果表明，所提方法在评价指标和可视化结果上均优于对比方法，对于小尺寸和边界模糊的肿瘤分割具有优势，有望为肝脏肿瘤筛检提供新的参考。