控制理论与应用杂志

控制理论与应用杂志2023年第12期

• 混合脑机接口在人机交互领域的应用综述

  刘迎欣,李明,于扬,曾令李,周宗潭,胡德文

  在人机交互系统中, 如何使计算机更好地理解人类意图? 随着智能科技的发展, 这个问题越来越受到人们的关注. 脑机接口技术与脑科学密切结合, 在人机交互领域具有独特的应用优势. 混合脑机接口通过信息融合实现多种模态的互补共促, 成为人机交互领域未来发展的新方向和新趋势. 本文首先介绍了混合脑机接口的类型和技术原理, 并着重探讨了其关键技术“信号融合方式”; 随后, 从“ 控制者”和“监测者”的角度出发, 对混合脑机接口在人机交互领域的研究现状进行了统计分析, 结果显示, 混合脑机接口更多以“监控者”的角色应用于人机交互系统, 其中情感识别、认知状态评估等均是关注度较高的应用方向; 最后, 对混合脑机接口在人机交互中的应用前景进行了展望.

• 安全强化学习及其在机器人系统中的应用综述

  张昌昕,张兴龙,徐昕,陆阳

  强化学习是一类通过与环境交互实现序贯优化决策的机器学习方法, 已经在游戏、推荐系统及自然语言处理等任务中得到了应用. 然而, 强化学习算法应用于真实世界中的机器人系统时, 如何保证安全性仍然面临挑战. 近年来, 针对机器人系统的安全强化学习方法研究已经成为热点方向, 获得了机器人和强化学习领域的广泛关注. 本文结合现有的工作, 综述了安全强化学习理论和方法的重要成果和发展趋势, 并重点关注了现有方法在机器人领域的适用性. 本文首先给出了安全强化学习的一般问题描述. 其次, 从方法和性能的角度重点介绍了该领域的最新重要进展, 包括约束策略优化、控制障碍函数、安全过滤器和对抗性博弈训练等方法, 以及安全强化学习方法在地面移动机器人系统、无人飞行器和其他机器人系统中的应用情况. 最后, 对该领域的未来研究方向进行了展望和探讨.

• 自主空战机动决策技术研究进展与展望

  陈浩,黄健,刘权,周思航,张中杰

  在强对抗、高动态的现代空战环境中, 以空战决策为核心的自主空战在减轻飞行员决策压力、提高决策效率和准确性、提升无人机作战效能、实现有人/无人协同、探索新战术战法等方面发挥着重要作用. 首先, 本文分析了视距内空战和超视距空战在现代空战中的地位和关系, 给出了自主空战机动决策的定义, 并阐述了其在空战中的实际意义. 其次, 分析了自主空战机动决策在现代空战发展中的重要作用. 然后, 将现有自主空战机动决策建模与求解方法分为基于博弈论的方法、基于优化理论的方法和基于数据驱动的方法3大类, 并系统地梳理总结了各类方法的研究分支、特点、优势及缺陷. 进一步地, 以1v1空战为对抗场景并选取代表算法, 直观对比了3类方法的特点和性能差异. 最后, 针对当前自主空战机动决策技术的痛点问题提出了未来研究和发展的方向.

• 基于因子图的导航定位技术应用分析与思考

  潘献飞,宁治文,王茂松,吴文启,吴美平

  不同于传统滤波方法, 因子图为传统的导航信息融合计算提供了另一种解决途径, 成为近年来的研究热点.本文对因子图方法在导航定位领域的应用进行了梳理, 分析了因子图模型的数学推导方法, 在此基础上阐述了基于因子图的定位与多传感器组合导航方法, 详细分析了因子图在同时定位与建图(SLAM), 全球卫星导航系统(GNSS),协同定位、组合导航以及故障检测领域的应用现状, 给出了相关模型, 并指出了现有方法的局限性. 最后, 文章进行了总结与讨论, 为因子图方法进一步的深入研究提供了一些建议.

• 基于脑机接口的无人机控制系统研究综述

  兰珍,李子杏,闫超,相晓嘉,唐邓清,周晗

  无人机具有响应快速、部署灵活等独特优势, 在军事及民用领域拥有广阔的应用前景. 随着脑–机接口(BCI)技术的迅猛发展, 其在无人机控制中的应用得到了愈发广泛的关注. 基于BCI的无人机控制技术可直接通过解码大脑信号实现人与无人机的自然交互, 是智能无人系统领域的前沿课题. 对基于BCI的无人机控制系统研究进行全面综述. 首先, 概述基于BCI的无人机控制系统结构; 其次, 根据控制信号的数量, 将现有基于BCI的无人机控制系统划分为单模态和混合式两类, 并分析各类系统在实际应用中的优势与不足; 然后, 从特征提取、模式分类和多模态融合3个方面梳理基于BCI的无人机控制系统关键技术; 最后, 讨论基于BCI的无人机控制系统所面临的挑战,并展望其未来发展趋势, 为相关技术研究提供新的思路和方向.

• 物体级语义视觉SLAM研究综述

  田瑞,张云洲,杨凌昊,曹振中

  视觉同时定位与地图构建(Visual simultaneous localization and mapping, VSLAM)是自主移动机器人、自动驾驶、增强现实(AR)等领域的关键技术. 随着深度学习的发展, 准确高效的图像语义信息在VSLAM领域得到了广泛的应用. 与传统SLAM相比, 语义VSLAM利用语义信息提升了定位精度和鲁棒性,并通过物体级重建提高了环境感知能力, 成为当前VSLAM领域的研究热点. 本文对近年来优秀的物体级语义SLAM 工作进行了阐述归纳和对比梳理, 总结了该领域的4个关键问题, 包括物体表达形式、物体初始化方法、融合语义信息的数据关联算法和融合物体级语义信息的后端优化方法. 同时, 对代表性方法进行了优缺点分析. 最后, 在现有技术成果和研究基础上, 对物体级语义VSLAM面临的挑战和未来研究方向进行了展望和分析. 当前物体级语义SLAM仍面临着物体关联不准确、物体优化框架不完善等问题. 如何有效使用和维护语义地图以应用于决策规划等任务, 以及融合多源信息以丰富视觉感知是未来的研究热点.

• 带通信中断的离散多智能体系统的免碰撞控制

  刘泽,刘易成

  本文研究了带有通信中断的多智能体系统在离散形式下的免碰撞和集群问题. 通信中断会破坏系统的连通状态, 从而导致碰撞或者不能集群, 但是相关研究仍不完善. 为解决相应问题, 本文引入了具有截断特性的奇异通信权重, 并提出了一种新的控制协议. 首先, 本文利用图论的理论及分析的方法, 通过数学归纳的思想证明了系统在有限时间内不会产生碰撞. 其次, 本文利用分析的方法证明了当系统的初始状态满足一定条件时, 可以实现渐近集群, 并得到了集群的速度以及智能体间距离的上界. 最后, 本文通过数值仿真验证了结论的正确性.

• 基于改进李群卡尔曼滤波的惯性/里程计组合导航方法

  崔加瑞,张礼廉,王茂松,吴文启,杜学禹

  基于李群非线性误差状态的扩展卡尔曼滤波方法(LG-EKF-i), 在卫星拒止场景应用中, 如高精度惯性/里程计组合导航, 由于计算过程中需要将相对地心的位置矢量和速度矢量与姿态误差耦合, 导致在舍弃高阶项时容易产生数值计算误差累积的问题, 致使导航精度下降. 本文提出一种改进的李群卡尔曼滤波器, 将参考系从惯性系改为世界坐标系, 将投影系从地球系改为世界坐标系, 有效减小了李群卡尔曼滤波器在一阶近似过程中产生的数值计算误差累积. 本文使用考虑了里程计和惯导之间安装偏差角、杆臂误差和里程计标度因数误差的21维卡尔曼滤波器,对算法进行了验证. 在小初始对准误差角实验中, 4组长航时高精度惯性/里程计组合导航结果表明, 本文提出的改进李群卡尔曼滤波方法(LG-EKF-w)相较于传统扩展卡尔曼滤波方法(EKF)、状态变换卡尔曼滤波方法(ST-EKF)以及改进前的李群卡尔曼滤波方法(LG-EKF-i)具有更高的数值计算精度. 大初始对准误差角条件下的开环轨迹实验进一步验证了LG-EKF-w算法的有效性.

• 面向点云配准和地点识别的多头旋转注意力网络

  施成浩,陈谢沅澧,郭瑞斌,肖军浩,戴斌,卢惠民

  点云配准和地点识别是移动机器人和自动驾驶车辆实现自主定位的关键技术. 目前鲜有方法能够在实现高效地点识别的同时输出准确的6自由度位姿. 本文提出了一种新颖的多头网络, 该网络首先在统一的主干网络中提取稀疏而特征显著的点, 随后分别在稠密点匹配头中解决点云配准问题, 在全局描述头中解决地点识别问题. 其中, 在主干网络中创新应用3D-RoFormer机制, 以一种低计算和存储复杂度的方式显式地编码特征点之间的相对位姿信息, 从而学习到更显著和鲁棒的点特征, 有效提高了网络的特征表达能力. 在稠密点匹配头中, 首先, 构建稀疏点可靠的匹配关系, 并据此由粗至精地确定稠密点的匹配关系, 进而优化位姿估计. 在全局描述头中, 网络将稀疏的特征点及其特征向量进行压缩编码, 获得对相关点云的全局描述子, 实现高效的地点识别. 为了验证算法的有效性并评估其性能, 本文针对不同环境、不同传感器获得的数据集开展了实验研究. 实验结果表明, 本文方法在所有测试数据集中都具有很好的泛化能力, 并较当前先进方法都有更优或相当的表现, 降低连续点云配准误差约27%, 降低闭环点云配准误差约37%.

• 模型不确定下无人艇协同目标跟踪控制

  高胜男,彭周华,王丹,李铁山

  本文针对感知信息不完全、模型参数不确定、海洋环境扰动下的多无人艇系统, 文章提出了分布式分层协同目标估计与控制结构. 在通信层级, 本文设计了基于单向通信拓扑的分布式扩张状态观测器, 实现了对非合作目标速度与位置的分布式估计; 在控制层级, 设计了仅需要相对视距距离的降维扩张状态观测器, 不仅实现了对未知动力学不确定性的估计, 而且简化了观测器的结构. 本文设计了基于降维扩张状态观测器的抗干扰位置跟踪控制律, 提高了协同目标跟踪的抗干扰能力. 文章采用级联系统稳定性分析证明了闭环系统是输入状态稳定的. 此外,本文证明了闭环系统内跟踪误差是一致最终有界的. 仿真结果验证了所提方法的有效性.

• 稀疏基站条件下基于迭代卡尔曼滤波的协同定位方法

  杨金一,郭妍,江鹏飞

  近年来, 多无人平台协同定位应用广泛, 各平台利用距离测量等相互观测可以进一步提高自身的定位精度.在惯性/测距组合的协同定位系统中, 一般需要环境中存在4个以上位置已知的基站提供稳定测距, 通过各平台的相互测距来修正惯导解算积累的定位误差. 但是, 在一些通信距离过大或者有遮挡的环境中, 平台不能准确接收来自足够多基站的测距, 常用的基于误差状态扩展卡尔曼滤波的协同定位方法精度较差. 本文提出一种基于迭代卡尔曼滤波的惯性/测距协同定位方法, 在误差状态扩展卡尔曼滤波的基础上, 以测距精度为阈值进行滤波更新过程中误差状态的迭代计算, 减小扩展卡尔曼滤波省略高阶泰勒展开项所引起的非线性误差, 进而提高参与协同的各节点定位精度. 稀疏基站场景下的仿真验证了本文所述方法的有效性.

• 面向机动飞行的固定翼无人机位姿跟踪控制

  喻煌超,曹粟,彭羽凡,王祥科

  机动飞行是无人机系统技术的重要发展方向之一. 针对机动飞行位姿一体化控制需要及固定翼无人机平台欠驱动特点, 本文提出了一种适用于固定翼无人机机动飞行的位姿同步控制方法. 首先, 利用对偶四元数紧凑、无奇异性的特点建立固定翼无人机位姿一体化模型. 然后, 提出虚拟坐标系设计方法, 将控制力矩映射到未约束的状态量. 通过引入非线性增量式反步法, 设计了无人机位姿跟踪控制律, 实现了位姿与旋量的稳定跟踪. 最后,基于Lyapunov稳定性理论开展了系统稳定性分析, 通过数值仿真与半实物仿真验证了本文方法的可行性.

• 基于概率图模型的多机器人自组织协同围捕方法

  黄依新,相晓嘉,周晗,闫超,常远,孙懿豪

  多机器人协同围捕是群体智能在对抗环境下的典型运用. 在感知能力受限、环境结构未知、目标状态不确定的真实环境中, 多机器人协同围捕面临环境适应性、任务可扩展性等多方面挑战. 针对这一问题, 本文提出一种基于概率图模型的自组织协同围捕方法. 首先, 建立围捕机器人和围捕对象的运动学模型, 并给出围捕任务的数学描述. 在此基础上, 构建可扩展的协同围捕“感知–决策”概率图模型结构, 并为模型中各节点状态设计概率分布参数估计方法; 同时, 将围捕任务阶段化, 设计狼群狩猎行为启发的围捕策略, 以提高围捕效率. 最后, 开展数值仿真和软件在环实验, 验证了所提方法的节点可扩展性、环境适应性、系统抗风险性和模型可迁移性.

• 基于高斯过程建模的移动机器人学习预测控制方法

  伍瑞卓,张兴龙,徐昕,张昌昕

  移动机器人在复杂地形条件下面临环境和模型不确定性的挑战, 例如草地、陡坡等环境会对移动机器人的高精度控制造成影响. 本文提出了一种基于高斯过程建模的移动机器人学习预测控制方法, 能够对环境和模型不确定性进行实时的建模和预测, 并将该模型用于最优控制策略的学习中, 完成在模型和环境不确定下的机器人运动控制. 该方法利用高斯过程回归对环境和模型不确定性进行建模, 并结合系统运动学方程得到误差状态模型, 并将该模型用于滚动时域强化学习中, 通过迭代优化学习最优控制策略. 最后, 针对移动机器人在椭圆和8字形轨迹上的横向跟踪控制问题, 进行了仿真实验, 并与非线性模型预测控制进行比较. 结果表明, 本文提出的方法能够有效提升复杂地形条件下控制器的控制性能, 在性能指标上相比未采用高斯过程建模的滚动时域强化学习方法提高20%, 比非线性模型预测控制方法提高36%, 验证了所提方法的有效性和优越性

• 面向集群飞行的微小卫星姿态容差估计与快速精细控制方法

  陈小前,冉德超,曹璐

  针对微小卫星集群执行空间非合作目标操控等任务时对单星自身姿态的确定与快速控制问题, 本文提出了一种容差估计与快速精细控制方法. 该容差估计方法设计了一种鲁棒性强的中心误差熵稀疏高斯埃尔米特求积滤波器, 实现了厚尾非高斯测量噪声作用下的姿态高精度估计. 此外, 该方法基于一种新的预定时间姿态跟踪精细控制器设计而成, 在预定时间内精确估计并精细补偿了姿态动力学模型误差, 并在执行器控制能力受限条件下实现了对高动态强时变姿态轨迹的预定时间跟踪控制, 率先同时解决了执行器能力受限与姿态预定时间控制问题. 将该方法应用于某型微小卫星姿态控制系统设计, 仿真结果表明该方法能显著地提高姿态估计精度与姿态跟踪控制速率.

• 空间软体机械臂的两阶段神经网络控制方法

  崔朝臣,张翔,熊丹,韩伟,黄奕勇

  软体机械臂凭借质量轻、价格低、操作灵活等特性在在轨服务任务中具有巨大应用前景. 然而, 针对软体机械臂的逆运动学建模和控制仍是一个具有挑战性的问题. 作为一种替代方案, 采用数据驱动的方法对软体机械臂数值模型进行学习取得了一定成果. 本文在前人研究的基础上, 提出一种端到端的两阶段神经网络软体机械臂控制思想和异步Transformer执行策略. 文章通过与单阶段神经网络、传统的BP、LSTM等构建的两阶段方法进行对比,结果表明: 本文方法具有更高的控制精度. 最后, 利用软体机械臂实物进行抓取实验, 验证了本文方法的可行性.

• 基于两阶段卡尔曼滤波的四旋翼无人机自主预测维护

  申富媛,李炜,蒋栋年,毛海杰

  本文针对多执行器退化的四旋翼无人机, 基于机体性能状态的健康感知, 通过反馈调节权值矩阵实现了无人机的自主维护. 文中首先建立了四旋翼无人机退化模型, 并基于预测性维护和模型预测控制策略构建了自主预测维护体系架构; 其次, 采用两阶段卡尔曼滤波法实时估计无人机机体状态和各执行器退化量, 并用熵权法将4个执行器退化量融合为一综合退化量; 接着, 基于马氏距离健康度计算机体失效阈值, 求解无人机剩余寿命, 在无人机不满足机体性能和时限性约束时, 依据健康度评价实时调整权值矩阵实现自主维护. 仿真结果表明, 本文提出的自主预测维护方法能够有效延长机体寿命.

• 基于因子图的AUV集群速度估计和协同定位

  李鑫滨,袁蕊霞,闫磊,韩松

  随着海洋科技发展, 自主水下航行器(AUVs)协作执行任务技术被广泛应用, AUVs的准确定位是实现AUV集群协同作业的基础技术要求. 然而, 在协同定位系统中, AUVs间的异步时钟会影响测距精度, 并且惯性测量系统推算的速度有较大误差. 本文针对AUV集群系统中的协同定位问题, 提出了利用距离测量和多普勒频移测量进行误差修正的方法. 该方法首先针对时钟异步问题对距离测量的影响, 利用泰勒算法对时钟参数进行估计, 解决了异步时钟问题; 然后, 建立以位置和速度为变量节点和以距离测量和多普勒频移测量为函数节点的因子图模型, 利用因子图的消息传递计算变量的边缘分布, 得到位置和速度的估计; 最后, 针对线性化过程带来的误差, 提出根据变量的协方差矩阵构造自适应因子调整置信度, 从而改变对变量节点的估计. 仿真结果表明, 所提时钟参数能够得到良好估计, 所提算法能够有效抑制惯性导航系统的累积误差.