控制理论与应用杂志

控制理论与应用杂志2023年第4期

• 改进果蝇算法求解混合流水车间调度问题

  周永强,王翠雨,李颖俐,李新宇

  针对混合流水车间调度问题(HFSP), 本文提出了一种新的基于果蝇算法和变邻域搜索的混合优化方法. 首先, 将关键块内的工序与同阶段其他机器上的工序进行交换, 提出了一种基于关键路径的HFSP新邻域结构. 其次,针对HFSP的阶段式解码特性, 提出了一种邻域解的快速评估方法, 并验证了快速评估方法的高效性. 然后, 基于提出的新邻域结构, 并将N7和K-insertion邻域结构引入HFSP, 设计了基于上述3种邻域结构的变邻域搜索方法, 以此为基础提出了一种针对HFSP的混合优化方法. 最后, 通过对Carlier和Liao等经典测试集进行测试, 验证了所提新邻域结构的可行性和有效性, 并将该方法与其他文献的方法进行了对比, 验证了所提方法的优越性.

• 高炉料面成像工业内窥镜的视场覆盖增强方法

  易遵辉,蒋朝辉,陈晓方,桂卫华

  高炉料面形状信息对调节布料操作具有重要参考作用. 针对目前工业内窥镜对高炉料面成像视场覆盖范 围较小的问题, 提出了一种新的视场覆盖增强方法. 首先, 基于坐标系变换建立工业内窥镜的感知模型, 定量刻画工业内窥镜参数与感知区域面积之间的关系; 然后, 在感知模型的基础上提出料面成像区域面积的计算方法, 并提出基于粒子群优化算法优化感知方向的视场覆盖增强策略, 实现最大面积的料面区域感知. 最后, 的实验和应用结果表明, 提出的方法可有效提高视场覆盖的料面面积, 具有很好的应用价值.

• 基于梯度估计的多智能体系统有限时间分布式优化

  朱文博,王庆领

  现有多智能体系统分布式优化算法大多具有渐近收敛速度, 且要求系统的网络拓扑图为无向图或有向平衡图, 在实际应用中具有一定的保守性. 本文研究了具有强连通拓扑的多智能体系统有限时间分布式优化问题. 首 先, 基于非光滑分析和Lyapunov稳定性理论设计了一个有限时间分布式梯度估计器. 然后, 基于该梯度估计器提出了一种适用于强连通有向图的有限时间分布式优化算法, 实现了多智能体系统中智能体的状态在有限时间内一致收敛到全局最优状态值. 与现有的有限时间分布式优化算法相比, 新提出的有限时间优化算法适用于具有强连通拓扑的多智能体系统, 放宽了系统对网络拓扑结构的要求. 此外, 本文基于Nussbaum函数方法对上述优化算法进行了 拓展解决了含有未知高频增益符号的多智能体系统分布式优化问题. 最后, 通过仿真实例对提出的分布式优化算法的有效性进行了验证.

• 针对运动目标的多无人机协同鸽群优化搜索方法

  郑伟铭,周贞文,徐扬,罗德林

  针对多无人机协同运动目标搜索问题, 本文设计了改进鸽群优化算法的协同搜索决策. 首先, 基于运动目标的独立性, 建立了服从正态分布的目标概率信息图模型; 为了提高环境中目标存在的确定度, 建立了搜索环境的确定度信息图. 其次, 通过建立的吸引和排斥数字信息素图, 引导无人机向未搜索区域飞行, 减少重复搜索概, 提 高协同目标搜索效率, 并基于传统的鸽群算法, 通过加入速度更新修正机制和精英代机制对其进行改进. 然后, 结合环境中目标的存在概率信息以及无人机搜索目标的探测信息, 使用改进鸽群优化算法, 规划无人机的最优搜索飞行路径. 并设计避碰机制, 以有效防止无人机搜索过程中的碰撞. 最后, 通过比较仿真实验验证了改进鸽群优化算法对运动目标协同搜索的有效性.

• 切换拓扑下非线性多智能体系统自适应神经网络一致性

  王庆领,王雪娆

  本文研究一类具有未知控制系数的非线性多智能体系统自适应神经网络分布式控制策略. 首先, 针对切换拓扑下具有未知控制系数的非线性多智能体系统一致性问题, 提出一类自适应神经网络一致性控制算法. 其中, 采用神经网络函数逼近方法解决系统中的不确定性问题, 并设计一项自适应光滑项处理有界扰动和神经网络函数逼近误差. 随后, 证明了切换拓扑下具有未知控制系数的非线性多智能体系统的一致性, 并保证了闭环系统的有界性. 此外, 本文把相关的一致性算法扩展到了一般有向图含有一个有向生成树的情形. 最后, 通过仿真实例验证了本文所提算法的有效性.

• 未知环境中移动机器人柔性行为决策的调节发育学习

  王东署,高旭霖

  未知环境中移动机器人柔性的行为决策是完成各种任务的前提. 目前的机器人行为决策方法在面对动态变化的环境时柔性较差, 机器人难以获得持续稳定的学习能力. 本文作者曾尝试通过集成小脑监督学习和基底神经节的强化学习来实现移动机器人动态环境下的柔性行为决策, 但所提算法适应动态环境的能力有限. 在前期工作基础上, 本文设计了更有生物学意义的好奇度指标代替原来的警觉度指标, 通过模拟蓝斑活动在基音模式和阶段模式之间的动态切换, 实现移动机器人环境探索–利用的动态自适应调节. 同时, 设计随外部环境变化的自适应调节因子, 实现移动机器人动态环境中基于小脑监督学习和基底神经节强化学习的柔性行为决策, 使机器人可以获得持续稳定的学习能力. 动态环境和实际环境中的实验结果验证了本文所提算法的有效性.

• 全局替换的自适应权重调整MOEA/D

  袁田,尹云飞,黄发良,陈乙雄

  当多目标问题的帕累托前沿形状较为复杂时, 基于分解的多目标进化算法MOEA/D的解的均匀性将受到很大的影响. MOEA/D利用相邻子问题的信息来优化, 但早期因为种群中的个体与子问题的关联是随机分配的, 仅在邻居间更新会浪费优秀解的信息, 影响收敛速度. 针对这些问题, 本文提出一种MOEA/D的改进算法(MOEA/D-GUAW). 该算法使用种群全局更新的策略, 来提高收敛速度; 使用自适应调整权重向量的策略来获得更均匀分布的解集. 将MOEA/D-GUAW算法与现有的MOEA/D, MOEA/D-AWA, RVEA和NSGA-III算法在10个广泛应用的测试问题上进行了实验比较. 实验结果表明, 提出的算法在大部分问题上, 反转世代距离评价指标IGD优于其他算法, 收敛速度也快于其他算法.

• 具有柔性特性的机电伺服系统辨识

  闻成,谭敏哲,卢洁莹,苏为洲

  机电伺服系统中的柔性谐振特性是限制系统性能的关键要素, 准确地描述柔性特性对于抑制谐振和提升伺服性能有重要意义. 本文采用伪随机序列作为辨识激励, 将脉冲响应相关性辨识和特征系统实现算法相结合, 提出了一套集实验设计、模型计算、模型验证于一体的系统辨识方案; 该辨识方案适用于机电伺服系统的辨识任务, 且能够有效识别系统的柔性模态. 本文以某大口径射电望远镜天线设备为应用实例, 详细介绍了本文所述辨识方案的实施细节, 得到了此天线伺服系统的模型. 为了评价所得模型的质量, 分别从频域和时域对比了本文方法、最小二乘和子空间方法所得模型与实测数据的拟合情况; 结果表明, 相比其他两种辨识方法, 本文方法获取的模型对柔性谐振的辨识更加准确.

• 短时延广义网络控制系统的最优指数H∞控制

  周红艳,张钊,陈雪波,李华

  本文基于标称点方法, 研究了广义网络控制系统在短时变时延条件下的最优指数H∞控制问题. 为了减小网络诱导时延对系统保守性的影响, 系统首先被建模为一个具有范数有界不确定项的离散时间系统. 然后基于线性矩阵不等式技术和李雅普诺夫稳定性判据, 给出使得系统指数稳定的一般和最优H∞状态反馈控制器的存在条件和设计方法. 最后通过3个算例证明了本文工作的有效性.

• 基于高效核偏最小二乘的质量相关故障检测

  孔祥玉,周红平,罗家宇,安秋生,陈雅琳

  核偏最小二乘(KPLS)是一种多元统计方法, 广泛应用于过程监控, 然而, KPLS采用斜交分解, 导致质量相关空间存在冗余信息易引发误报警. 因此, 本文提出了高效核偏最小二乘(EKPLS)模型, 所提方法通过奇异值分解(SVD)将核矩阵正交分解为质量相关空间和质量无关空间, 有效降低质量相关空间中的冗余信息, 并采用主成分分析(PCA)按方差大小将质量相关空间分解为质量主空间和质量次空间. 此外, 为进一步降低由质量无关故障引发的误报警, 提出基于质量估计的正交信号修正(OSC)预处理方法, 并结合EKPLS模型提出了OSC-EKPLS算法. OSCEKPLS通过质量估计值对被测数据进行OSC预处理, 降低了计算复杂度和误报率. 最后, 通过数值仿真和田纳西–伊斯曼过程验证了OSC-EKPLS具有良好的故障检测性和更低的误报率.

• 城市生活垃圾焚烧炉温控制的多目标优化设定方法

  严爱军,胡开成

  为实现城市生活垃圾焚烧(MSWI)过程的炉温稳定并避免炉排温度过高的控制目标, 本文提出一种通过炉排温度和一次风温间接控制炉温的多目标优化设定方法. 通过融合分解与竞争策略, 将WS变换、双向学习、随机交叉、动态高斯变异引入到多目标海鸥优化算法(MOSOA)中, 得到一种改进的MOSOA(IMOSOA), 根据炉温的设定值、误差等信息对炉排温度和一次风温的设定值进行寻优. 实验结果表明IMOSOA的寻优能力显著增强, 在干扰影响下, 基于IMOSOA的多目标优化设定方法可实现MSWI过程炉温的控制目标, 能有效促进垃圾焚烧过程的平稳运行.

• FSNet: 基于频率特性的烟雾图像分割网络

  吴健辉,何灿,何俊康,谢永芳,赵林,张国云

  烟雾图像分割是对烟雾进行识别与精准定位的基础, 是火灾预警的重要手段. 针对烟雾分割时存在过分割、欠分割以及边界拟合粗糙的问题, 本文提出一种基于频率分离特性的烟雾图像分割网络. 所提出的频率分离模块将特征图中的烟雾区域分离为低频主体部分和高频边界部分, 同时基于多任务学习设计多模块权重自适应损失函数对烟雾整体、主体、边界分别监督学习, 起到细化烟雾边界和改善烟雾整体分割结果的作用; 此外, 结合可变形卷积提出改进的空洞空间金字塔池化模块以解决其信息利用率低和特征关联性差的问题. 在对比实验中, FSNet的烟雾交并比为76.55%, 比基线网络提高了4.25%. 可视化分割结果可以看出, FSNet能有效缓解过分割、欠分割, 所得烟雾边界更平滑, 烟雾图像分割的整体性能获得较大提升.

• 超启发式人工蜂群算法求解多场景鲁棒分布式置换流水车间调度问题

  连戈,朱荣,钱斌,吴绍云,胡蓉

  本文考虑现实中广泛存在的加工时间不确定的分布式置换流水车间调度问题(DPFSP), 研究如何建立问题模型和设计求解算法, 方可确保算法最终获得的解在多个典型DPFSP场景下, 均具有能满足客户期望的较小优化目标值(即makespan值). 在问题建模方面, 首先, 采用场景法构建多个不同典型场景以组成场景集(每个场景对应1个具有不同加工时间的DPFSP), 并设定合适的makespan值作为场景阈值, 用于在评价问题解时从场景集中动态筛选出“坏”场景子集; 其次, 在常规优化目标makespan的基础上, 结合“坏”场景子集概念提出可实现鲁棒调度的新型优化目标, 用于引导算法每代加强对当前“坏”场景子集中每个DPFSP场景对应解空间的搜索; 然后, 结合所提的新型优化目标, 建立基于多场景的鲁棒DPFSP (MSRDPFSP). 在算法设计方面, 提出一种超启发式人工蜂群算法(HHABC)对MSRDPFSP进行求解. HHABC分为高、低两层结构, 其中低层设计6种启发式操作(HO), 高层采用人工蜂群算法控制和选择低层HOs来不断生成新的混合启发式算法, 从而实现在不同场景对应解空间中的较深入搜索. 在不同规模测试问题上的仿真实验与算法对比, 验证了HHABC的有效性.

• 输入饱和的航天器特征点间相对位姿全状态预设性能固定时间控制

  孙亮,王俊

  本文研究系统全状态、控制输入及响应时间受约束的航天器特征点间相对位姿跟踪控制问题, 提出了一种基于非奇异终端滑模的输入饱和全状态约束固定时间控制器. 首先, 通过引入预设性能函数, 控制器可以保证系统的瞬态和稳态性能达到全状态约束要求. 其次, 考虑到控制输入饱和约束和时间受限问题, 提出了一种固定时间非线性饱和补偿器实时处理执行器的饱和效应, 并且保证补偿器的状态在固定时间内收敛. 同时, 所提出的自适应律可以抑制外部干扰并保证在线估计参数的有界性. 最后, 基于李亚普诺夫稳定性理论证明了闭环系统的固定时间稳定性. 通过航天器近距离逼近操作的仿真算例, 验证了该方法的有效性.

• 基于扰动补偿的无微分模型参考自适应控制系统设计

  高东旭,周兰,陈静,潘昌忠

  针对一类含有参数不确定性和未知非线性扰动的系统, 本文提出一种基于扰动补偿的无微分模型参考自适应控制方法, 实现系统输出对参考模型输出信号的高精度跟踪. 首先, 利用被控对象模型信息设计扰动估计器,对系统非线性扰动进行在线估计; 其次, 基于非线性扰动估计值设计参考模型和无微分参数更新律, 构建无微分模型参考自适应控制器, 建立基于扰动补偿和状态反馈的自适应控制律, 以消除参数不确定性和非线性扰动对系统输出的影响, 保证系统输出对参考模型输出的准确跟踪; 然后, 给出闭环系统误差信号收敛条件和控制器参数整定方法; 最后, 通过数值仿真验证所提方法的有效性和优越性.

• 复混沌系统的稳态控制

  张芳芳,张帅虎,马凤英,纪鹏,寇磊,李春彪,雷腾飞

  混沌系统的多稳态具有复杂性和非预期性, 引起了人们的极大关注, 如何针对混沌系统进行稳态控制还没有有效的方法. 混沌吸引子是复混沌系统典型的动态特性. 本文的主要目标是选择合适的控制方法使复混沌系统在预定的位置范围获得期望的稳态吸引子. 本文即针对复混沌稳态吸引子的控制问题, 提出了分段函数控制器和比例正弦函数控制器, 分别用于实现稳态吸引子的位置控制和形状控制, 其中混沌吸引子的位置由分段函数的间隔控制, 混沌吸引子的形状由系统参数或正弦函数控制. 这两种控制器简单可行, 易于实现. 最后, 通过复Lorenz混沌系统和一个物理实例Duffing振子仿真实验验证了所提出控制器的有效性.

• 基于ISCNN-LightGBM的轴承故障诊断

  张思源,纪洪泉,刘洋

  在传统卷积神经网络与分类器相结合的故障诊断方法中, CNN用于故障特征提取时, 存在着提取的特征质量不高与运行时间较长的问题. 针对以上问题, 本文提出了一种基于改进单层卷积神经网络及LightGBM的故障诊断模型. 该模型通过将特征距离函数嵌入CNN的损失函数中, 提升了CNN特征提取的能力, 增强了CNN与后续分类器之间的联系, 从而提升了整体模型的故障诊断能力. 于此同时, 经过改进的单层的卷积神经网络进一步缩短了模型运行的时间, 提升了模型的诊断效率. 通过对两个不同的公共数据集进行对比实验, 其结果表明, 本文所提诊断模型对多种轴承故障的诊断准确率与诊断效率显著高于其他诊断模型.

• 多目标约束处理方法求解泊位岸桥联合分配问题

  黄涵,季彬

  为了制定合理高效的泊位岸桥联合分配方案, 加快船舶周转, 本文针对船舶动态到港的连续泊位建立了以船舶总在港时间最短为目标的泊位岸桥联合分配混合整数非线性模型. 通过多目标约束处理策略将复杂约束的违反程度转化为另一个目标, 从而将原单目标优化模型转化为双目标优化模型, 并用基于快速非支配排序的多目标遗传算法(NSGA-II)对其进行求解. 同时, 针对问题特点, 分别设计了基于调整、惩罚函数、可行解优先和综合约束处 理策略的单目标遗传算法对原模型进行求解. 通过多组不同规模的标准算例对本文的方法进行测试, 验证了基于多目标约束处理策略的方法求解效果相较于单目标约束处理策略的方法更加高效和稳定.

• 基于自抗扰控制的机器人定位策略

  俞经睿,朱毅成,冉晨阳,苏剑波

  机器人定位即需根据传感器测量对自身位置进行估计. 由于机器人系统模型的复杂非线性, 工况环境中的不确定干扰, 定位结果不可避免地会受到系统内外扰动的影响. 现有的定位算法往往仅能依赖模型或传感配置以及算法自身的鲁棒性被动抗扰, 这使得定位系统的抗扰能力有限、应用场景受限. 本文基于自抗扰控制思想提出一种 能够主动补偿系统内外扰动的机器人定位策略. 该策略将系统中所有能够影响最终定位结果的不确定因素统一视为总扰动, 并设计扩张状态观测器实现对总扰动的观测, 在此基础上构建控制器补偿总扰动影响, 以使定位结果更加准确. 与传统的定位抗扰策略相比, 本文所提出的抗扰定位策略并不依赖于模型或特定的传感配置, 能够处理任意有界的扰动类型, 理论上能够成为定位抗干扰的终极解决路径. 最后, 基于李雅普诺夫理论证明了系统的稳定性. 仿真和实车实验验证了本文提出的基于自抗扰控制的机器人定位策略能够有效地观测系统总扰动, 并补偿扰动影响, 提高定位结果的准确度.