控制理论与应用杂志

控制理论与应用杂志2024年第11期

• 双臂系统协同控制研究综述: 从经典到基于学习的算法

  王东,邱超超,贺威,王伟

  双臂系统的协同控制技术在机器人领域发挥重要的作用, 它可以协助人类在工业生产、家庭服务、太空及深海等非结构化环境完成复杂危险的任务. 然而, 双臂机器人是一个强耦合、高度非线性和不确定性系统, 其协同控制问题是一个具有挑战性的课题. 本综述首先回顾了双臂系统的发展历程. 其次对该系统的结构、建模、控制及其应用进行介绍. 特别地, 详细归纳了双臂系统的协同控制方法: 如协同搬运时的主从控制、力/位混合控制和阻抗控制等经典方法、基于神经网络和模糊系统的智能控制方法和基于强化学习的数据驱动方法在机器人控制取得的最新进展. 最后, 展望了双臂系统的未来发展趋势.

• 和积网络研究综述

  代琪,刘建伟

  和积网络(SPNs)是一种基于有根有向无环图的深度概率图模型. 除了叶节点外, 其余节点由求和节点或求积节点组成. 和积网络与概率图模型密切相关, 但是, 和积网络计算过程仅涉及简单的网络多项式求和运算和求积运算, 且能够实现精确和近似推理. 与经典的概率图模型相比, 和积网络可以从训练数据中构建易于推理的模型.此外, 和积网络也可以作为类似于神经网络的深度学习模型使用. 本文主要从和积网络的基本原理、理论研究、学习技术、变体模型及各领域具体应用等问题进行详细阐述. 首先, 概述和积网络的基本原理, 包括和积网络理论的研究现状. 其次, 概述了和积网络的几类变体模型, 并总结了和积网络学习技术中的参数学习和结构学习方面的学习算法. 除此之外, 本文还从自然语言处理、语音识别、医学研究等特定应用领域概述了基于和积网络的应用模型.最后, 根据现有的研究基础对和积网络未来的发展趋势及方向进行了展望.

• 脑机接口技术的军事应用前景及其挑战

  刘亚东,李明,周宗潭

  论文旨在讨论脑机接口技术的军事应用现状与前景及其在未来技术发展中将要面临的挑战. 首先, 从脑控和控脑两个方面对脑机接口的概念内涵、当前技术实现途径等开展了讨论; 其次, 从脑机协同武器装备操控、脑机接口技术支撑的战员能力增强、战员认知状态检测与调控、战员神经系统损伤修复等4个方面对脑机接口在军事领域应用现状和潜在应用前景进行了分析讨论, 特别是展现了脑机接口在武器装备智能水平提升以及战员战斗能力保持与增强等方面的巨大应用价值; 最后, 从脑认知机制研究对脑机接口发展高度的决定作用、研究应用的道德与法律伦理体系规范建设、信息安全与隐私性等3方面讨论分析了脑机接口技术进化, 特别是在军事应用中将要面临的挑战.

• 考虑软时间窗限制和模糊旅途时间的生产配送集成调度优化

  黄铭,杜百岗,郭钧,李益兵

  针对考虑软时间窗限制和模糊旅途时间的生产配送集成调度问题, 本文构建了以生产–库存–配送总成本和提前延期加权惩罚时间为双优化目标的混合整数非线性规划模型. 定义了一种模糊加权叠加操作, 进行模糊加权惩罚时间的计算. 基于优化问题结构设计了三阶段解码规则, 其中涉及巡回环的划分, 通过计算巡回环的最佳配送出发时间获得批次制造顺序, 以及采用后向调整策略进行批次和巡回环的协调. 提出了一种自适应变邻域搜索改进的非支配排序遗传算法(NSGA-II-AVNS)求解该问题. 其中根据问题特征设计了5种具有不同搜索性能的邻域结构, 通过自适应选择机制提高优秀邻域结构的执行次数. 并且为避免迭代后期邻域结构选择固化, 提出了邻域结构分值重置操作. 实验结果表明NSGA-II与AVNS的融合, 较好的平衡了算法的探索和开发能力, 是求解该问题的一种极具竞争力的方法.

• 高速轴承变工况故障数据AMO-VMD处理方法

  王心荻,姜斌,肖玲斐,马磊明,陈勇兴

  针对高速轴承故障信号噪声无法完全剔除导致变工况故障诊断精度较低的问题, 本文提出高速轴承变工况故障数据AMO-VMD处理方法, 并从多个维度验证所提算法对降噪性能的提升效果. 首先, 提出了降噪相邻模态重叠指数(AMO)确定变分模态分解(VMD)的最优分解层数, 可以充分发挥VMD频域分析的优势; 其次, 设计了基于包络谱熵最大原则的分量筛选降噪方法, 提高了故障信号频域信息表达准确度; 然后, 结合直流分量分离技术与绝对中位差(MAD)去异方法, 构建了针对高速轴承故障数据的数据清洗系统; 最后, 分别基于典型轴承故障仿真信号和高速试验台轴承故障信号验证所提算法的有效性, 结果表明, 所提方法较传统数据处理方法具有更高的故障信息甄别能力, 能够显著提高轴承变工况故障诊断的准确度.

• 城市固废焚烧过程炉温非线性模型预测控制

  胡开成,严爱军,王殿辉

  为实现城市固废焚烧(MSWI)过程炉温的稳定控制, 本文提出一种炉温非线性模型预测控制(NMPC)方法.首先, 采用炉排温度与一次风温作为炉温控制的中间变量, 将串级控制策略融入到 NMPC 中, 以获得一种新的MSWI炉温控制结构. 其次, 利用随机配置网络(SCN)离线建立炉温静态非线性预测模型, 并通过递推最小二乘法在线更新SCN隐含层神经元的输出权值, 从而建立炉温动态非线性预测模型. 最后, 将改进的海鸥优化算法同设定值评价与学习模型相融合, 得到一种改进的滚动优化策略, 以提升NMPC滚动优化的求解性能. 实验结果表明, 炉温动态非线性预测模型可以准确预测炉温, 提出的控制方法具有良好的自适应性及鲁棒性, 能够实现MSWI过程炉温的平稳控制.

• 基于MEWMA的自适应KLPP的非线性过程故障检测

  郭金玉,王霞,李元

  针对非线性动态过程中的微小扰动问题, 本文提出一种基于多元指数加权移动平均(MEWMA)的自适应核局部保持投影(KLPP)的非线性过程故障检测算法. 首先, 构造一个具有动态特性的数据矩阵, 并引入核函数, 执行KLPP算法; 其次, 白化KLPP提取的特征分量, 并采用MEWMA预测非线性动态过程中的均值漂移; 最后, 将估计的均值漂移与白化后的特征分量相结合, 构造一个自适应监控统计量, 并利用核密度估计确定其控制限. 将所提出的监测方案应用于一个非线性数值例子和(TE)过程进行仿真分析, 仿真结果表明, 该方法具有可行性和优越性.

• 基于物理信息机器学习的复杂系统长时间演化分析

  曹瑞,刘燕斌,裔扬

  物理信息神经网络(PINN)能够将物理信息用于数值预测中, 是机器学习在非线性偏微分方程数值解中一种有前途的应用. 但是原始PINN方法在复杂非线性系统预测和长时间范围稳定准确预测方面存在固有缺陷. 为了能够利用PINN方法长期有效预测飞行器的复杂非线性偏微分运动学方程, 本文对原始PINN进行改进, 提出了一种新的自适应PINN方法. 该方法将系统长时域积分分解为具有不同初始状态的短时域, 通过采集随机初始条件的短时域偏微分方程数值解作为训练数据, 使该方法具有良好的泛化性, 以对复杂系统进行有效且稳定地长时间演化预测. 此外, 该方法通过构建自适应权重, 强迫算法专注于系统中的复杂/求解困难区域, 以解决原始PINN方法在处理复杂系统时网络梯度消失的问题, 提高PINN方法对复杂非线性偏微分方程的预测精度. 最后, 将提出的方法应用在飞行器的复杂非线性偏微分运动学方程长周期演化分析上, 以验证本算法的有效性.

• 具有多不确定性平面非线性系统的全局自适应调节

  梁磊,闫雪华,田璞

  本文通过光滑输出反馈研究了一类具有不可测状态依赖增长的不确定平面非线性系统的全局自适应调节问题. 本文的新颖之处主要在于考虑了未知增长率包含输出的多项式函数和只有下界已知的未知控制系数. 受相关工作的启发, 笔者利用通用控制思想和反推技术, 提出了一种非辨识输出反馈控制方案. 为了处理系统不确定性,本文引入了具有两个高增益的观测器, 且两个动态高增益以新的形式在线调节. 同时, 引入了一种合适的估计律,克服了控制系数上界未知的困难. 所设计的光滑控制器可以同时实现非线性系统状态的全局调节和闭环系统的全局有界. 通过一个实例验证了该方法的有效性.

• 四旋翼无人机系统模型补偿最优控制

  姚倩倩,齐国元

  针对四旋翼无人机系统的时变、模型偏差、受扰等问题, 本文提出了一种抗扰最优控制算法. 首先给出了一种简单的非线性二次调节器(NLQR), 然后引入高精度的补偿函数观测器(CFO), 提出了模型补偿二次调节(MCQR)最优控制算法, 并给出了单个通道闭环系统的稳定性分析. 这是一种不依赖或部分依赖模型的非线性最优控制方法, 将CFO估计值实时反馈到NLQR中, 以补偿非线性模型偏差和扰动. 仿真中, 基于CFO的MCQR算法实现了四旋翼无人机位置姿态下的稳定控制, 在暂态性能、跟踪稳态精度、抗干扰和时变负载能力方面具有突出的优势, 同时, 在基于Pixhawk的四旋翼飞行器控制算法开发平台中实验验证了所提控制算法的优越性和有效性.

• 三维运动模式下的桥式吊车神经网络滑模控制

  孙家骏,柴琳,郭启航,刘惠康

  三维运动模式下的桥式吊车具有更高的生产效率, 但其定位与防摆控制也更具挑战性. 针对该问题, 本文提出一种基于最小参数学习的神经网络滑模控制方法. 首先, 建立了包含机械摩擦力和空气阻力的全驱动动力学模型, 解决了系统由于欠驱动特性导致控制器难以设计的问题; 随后, 设计了基于指数趋近律的滑模控制器, 引入径向基函数(radial basis functions, RBF)神经网络的最小参数学习法对系统的不确定性模型进行逼近; 并对控制器的稳定性进行了严格的数学证明. 仿真与实验结果表明, 本文所提控制方法在有/无外界干扰的情况下, 都能实现吊车的精确定位与负载摆动的有效抑制.

• 求解不等面积设施布局问题的交互式分布估计算法

  郭广颂,李 玲,李玲玲

  同时考虑定量和定性指标, 采用交互式进化优化方法求解不等面积设施布局问题可以获得更好的鲁棒解.基于此, 本文提出一种双概率模型交互式分布估计算法. 首先, 统计群体信息, 构建显式指标概率模型, 估计决策变量分布. 其次, 基于决策变量表现型相似度, 构建隐式指标概率模型, 同时, 基于效用函数估计个体定性指标. 然后,将两个概率模型合并成双概率模型, 采样生成新种群. 最后, 基于推荐个体和用户评价信息, 动态更新两个概率模型. 将所提方法与6种相关进化优化算法对比, 在纸品处理车间问题和16个不等面积设施布局问题测试集上的运算结果表明, 所提方法可以高效获得最优布局方案.

• 联合多窗口检测的MSWI过程二噁英排放预测模型

  许超凡,汤健,夏恒,徐喆,乔俊飞

  二噁英(DXN)是城市固废焚烧过程(MSWI)排放的难以实时检测的剧毒污染物. MSWI过程的时变特性导致软测量模型的在线预测性能降低. 针对上述问题, 本文提出一种联合多窗口检测的DXN排放在线预测方法. 首先, 联合数据标准化、在线预测窗口实现新样本的DXN排放预测, 再联合离群样本检测、特征空间检测和输出空间检测窗口实现漂移样本的识别. 然后, 对上述漂移样本进行去冗处理并判断其数量是否满足预设定的阈值, 若满足则构建新模型, 否则继续采用历史模型. 最后, 采用MSWI过程数据验证了所提方法的有效性.

• 基于标签时间Petri网最小初始状态的实时系统初始资源配置

  王琛,黎良,刘斌

  针对实时系统完成特定任务序列的最少初始资源配置问题, 本文研究了一种基于标签时间Petri网最小初始状态估计的解决方法. 首先, 对现有的标签Petri网的极小初始标识估计算法进行分析并提出改进方法, 以适用于标签时间Petri网的极小初始标识的计算. 其次, 介绍一种基于路径(即变迁序列)的修正状态类图(MSCG). 通过求解由路径MSCG的时间约束构建的线性规划问题, 判定与极小初始状态相关的变迁序列是否与给定的时间标签序列一致. 在此基础上, 求出与时间标签序列相一致的极小初始状态集, 并找出极小初始状态集中token总数最少的最小初始状态. 最后, 利用实例验证了所提方法的可行性和有效性.

• 基于ILSTM网络的工业过程运行状态评价

  廖霜霜,褚菲,傅逸灵,王军,王福利

  实时掌握复杂生产过程的运行状态对保证企业综合经济效益最大化具有重要意义. 针对工业过程非线性、动态特性显著问题, 本文提出了一种基于综合经济指标驱动的长短期记忆(ILSTM)网络, 用来对复杂工业过程的运行状态进行评价. 该方法利用综合经济指标信息和重构约束, 迫使LSTM网络在学习过程中关注与综合经济指标相关的动态特征. 进一步级联状态识别模型, 构建完整的运行状态评价方法框架. 针对过程的非优运行状态, 提出一种基于重构的贡献图方法, 通过对比各过程变量对非优状态的贡献率识别导致过程运行状态非优的主要原因变量. 最后, 通过重介质选煤过程验证了所提方法的有效性.

• 基于分布式检测与告警切换的多传感器CPS安全状态估计

  杨彪,贺光,辛亮,龙志强

  针对多传感器信息物理系统(CPS)在执行器和传感器遭受隐蔽性攻击情况下的安全状态估计问题, 本文提出一种基于分布式检测与告警切换的安全状态估计方法. 首先, 利用卡尔曼滤波器组, 构建基于状态差异的残差信号, 用于多传感器的分布式检测; 其次, 定义传感器置信因子, 建立基于检测告警切换的安全状态估计框架, 设计攻击情况下的攻击隔离与状态估计一体化算法; 最后, 利用四驱麦克纳姆轮移动机器人, 搭建了多传感器CPS实验平台, 并分别在零动态攻击、隐蔽攻击和重放攻击场景下进行实验验证, 结果表明, 本文提出的安全估计方法具有较好的可行性和有效性.

• 对手类型未知情况下的两人零和马尔科夫博弈决策

  王成意,朱进,赵云波

  本文研究一类典型的非完全信息博弈问题—–对手类型未知的两人零和马尔科夫博弈, 其中对手类型多样且每次博弈开始前无法得知对手类型. 文中提出了一种基于模型的多智能体强化学习算法—–对手辨识的极大极小Q学习(DOMQ). 该算法首先建立对手相关环境的经验模型, 再使用经验模型学习纳什均衡策略, 己方智能体在实际博弈中根据经验模型判断对手类型, 从而使用相应的纳什均衡策略, 以保证收益下限. 本文所提的DOMQ算法只需要在采样阶段的每轮博弈结束后得知对手的类型, 除此之外无需知道任何环境的信息. 仿真实验验证了所提算法的有效性.

• 以类重叠度为优化目标的不平衡数据学习方法

  孙博,周倩,陈海燕

  分类是机器学习中的一项重要学习任务, 基本思想是使用在训练样例集上生成的分类器对测试样例的类别进行预测. 然而, 很多实际应用中的训练集具有不平衡的类分布, 这通常会制约学习算法的分类性能. 为此, 本文提出以类重叠度为优化目标的不平衡数据学习方法 (COA-RBU). 将相对类间势作为多数类样例效用的评价标准,并根据训练集的类重叠度自适应地确定合适欠采样比例, 以降低不平衡训练集的数据复杂性. 实验结果表明, 类重叠度能较好地反映数据集的学习难度, 并且COA-RBU具有良好的性能和较高的效率. 因此, 本文工作从类重叠数据复杂性角度为合适欠采样比例的确定提供了一种新的思路.

• 基于切换的非线性多模型二阶段广义预测控制

  宋红超,王昕,王振雷

  针对一类参数跳变引起零动态不稳定的非线性离散时间系统, 本文提出一种基于误差切换策略的非线性多模型二阶段广义预测控制器设计方法. 首先, 将未知参数的空间划分为多个子集, 并在每个子集中建立多个非线性预测模型, 并对未知参数进行辨识; 进而, 利用带约束的二阶段自适应方法获得每个子集虚拟模型的参数估计值,并以此计算对应的广义预测控制作用, 从而更好的处理零动态不稳定问题: 为了有效改善参数跳变对系统的影响,利用模型输出误差性能指标选取每一时刻最优的广义预测控制器控制非线性系统, 并进行稳定性分析. 最后, 通过对比现存方法的仿真结果表明本文所提出的广义预测控制器有良好的跟踪性能和抗干扰能力.

• 基于非线性扰动观测器的PMLSM自适应反推分数阶积分滑模控制

  于朝阳,赵希梅,金鸿雁

  为提高永磁直线同步电机(PMLSM)伺服系统的位置跟踪精度, 克服其易受外部扰动、参数变化、摩擦力等不确定因素影响的问题, 本文提出了一种基于非线性扰动观测器(NDO)的自适应反推分数阶积分滑模(ABFOSMC)控制方法. 首先, 对PMLSM建立动态数学模型. 其次, 针对PMLSM的非线性特性, 采用反推控制设计虚拟控制函数, 实现系统位置的精准跟踪, 并结合分数阶积分滑模控制方法增强系统的鲁棒性. 最后, 引入NDO估计系统不确定性, 将观测结果动态补偿到ABFOSMC中, 有效降低不确定性因素对系统伺服性能的影响, 提高位置跟踪精度.实验结果显示, 所提出的方法切实可行, 有效提高了系统鲁棒性能和跟踪性能.

• 基于约简特征概率密度分布的虚拟样本生成

  汤健,崔璨麟,王丹丹,乔俊飞

  复杂工业过程的产品质量和环保指标等难测参数的建模数据具有样本小、分布稀疏等特性. 对此, 本文提出了基于约简特征概率密度分布(PDF)的虚拟样本生成(VSG)方法进行建模数据扩充. 首先, 采用主成分分析(PCA)对小样本数据进行特征约简, 并对所得独立主成分进行核密度估计(KDE)以生成候选虚拟主成分, 再正交采样后通过重构获得虚拟样本输入. 接着, 为均衡映射模型的精度与随机性, 采用随机森林(RF)与随机权神经网络(RWNN)构建集成映射模型获得虚拟样本输出. 最后, 对影响虚拟样本“优劣”的主成分贡献率、KDE平滑指数、候选虚拟主成分、虚拟样本数量、映射模型学习参数及集成权重等参数, 采用综合学习粒子群优化(CLPSO)算法进行优化以获得最优虚拟样本. 通过基准数据集和城市固废焚烧过程二噁英(DXN)数据集验证了所提VSG方法的合理性及有效性.

• 控制器参数化变结构在线控制器调整策略

  谢巍,魏海翔,蔡熙,彭楷浴,张浪文

  本文提出了一种控制器参数化架构下的变结构在线控制器调整策略, 便于现场调试控制器. 其中包括一个标称粗调控制器和一组精调候选控制器的分离结构, 便于控制器的实时调优, 而不会造成任何闭环稳定性问题. 该设计方法包括两个步骤: 首先, 设计一个满足闭环系统鲁棒稳定性以及标称性能的粗调控制器. 其次, 在任意切换策略下, 利用Youla参数构建包含一组可在线调整控制器的实时精调机制, 并且通过设计一种切换子系统的二次稳定状态空间实现, 以保证精调装置在任意切换下的稳定性. 最后, 一个简单的仿真算例验证了所提方法的有效性.

• 基于新型扰动观测器的动态面固定时间控制器设计

  吴中华,郑帅鹏,张建军

  针对一类具有未知上界的非匹配扰动的非线性严格反馈系统, 本文提出一种基于新型扰动观测器的动态面固定时间控制策略. 首先, 设计新型扰动观测器估计非匹配扰动; 其次, 通过设计不含分数次幂项的反步固定时间控制器, 避免分数次幂项多次求导引起奇异问题; 结合新型固定时间滤波器, 消除反步控制“微分爆炸”现象. 李雅普诺夫稳定性分析表明, 该方案能够保证系统满足实际固定时间稳定. 仿真结果验证了所提控制方案的有效性.