控制理论与应用杂志

控制理论与应用杂志2024年第12期

• 基于脉冲神经网络的智能控制研究进展

  刘晓德,郭宇飞,黄旭辉,马 喆

  近些年, 具备低功耗、高鲁棒、融合时空信息等优势的脉冲神经网络(SNN)在类脑研究与智能控制的交叉领域方兴未艾. 基于脉冲神经网络架构的智能控制方法是实现与环境自主交互并且高能效完成复杂控制任务的有效途径之一. 为此, 本文首先介绍了SNN的基本要素与研究动机; 然后, 详细介绍了近年来基于脉冲神经网络智能控制的研究进展以及在机器人、无人车、无人机等领域的应用情况; 接着, 总结了一些现有的硬件平台, 用以实现SNN算法的高效能实现; 最后, 总结展望了SNN控制发展的机遇与挑战. 本文旨在梳理出SNN控制发展的技术脉络, 为其快速发展提供借鉴与思路.

• 基于深度学习的群体行为识别: 综述与展望

  朱晓林,王冬丽,欧阳万里,李抱朴,周彦,刘金富

  群体行为识别是计算机视觉领域中备受关注的研究方向, 在智能监控系统和体育运动分析等领域中具有广泛的应用推广价值. 本文对过去七年来基于深度学习的群体行为识别方法进行了全面综述, 有助于更好推动群体行为识别的发展. 首先, 介绍群体行为的定义、通用识别流程以及主要的挑战; 其次, 从群体行为识别的建模方法和内在机理进行划分, 并进一步细分类、讨论和分析这些方法的优缺点; 然后, 给出群体行为识别的常用数据集, 列举了相关的开源代码库和评估指标; 最后, 对该领域未来的研究方向进行了展望.

• 信息物理系统攻击威胁的防御策略综述

  文成林,杨力

  信息物理系统是一种通过网络空间将物理对象和计算单元相连接的智能系统, 其构建了“感知–传输–决策–控制”的一体化框架. 由于信息物理系统应用于许多基础设施中, 因此其安全问题引起了研究者的兴趣. 首先,阐述典型的信息物理系统建模方法, 以满足性能分析的需求; 然后, 从数学表示的角度构建3种代表性的网络攻击模型(DoS攻击、欺骗攻击以及重放攻击), 为防御方法的研究奠定基础; 接着, 从特定防御方法和通用防御方法两个方面总结针对信息物理系统的防御手段及最新研究进展; 最后, 从4个不同的角度指出现存问题, 并且探讨了其未来的研究方向.

• 一类多生产线可重入制造系统的层次化鲁棒控制策略

  张春阳,高庆,吕金虎,陈巍,王健男

  本文针对一类多生产线的可重入制造系统提出了一种层次化智能控制策略. 基于层次化建模的技术, 本文提出双曲型偏微分方程用以描述系统动态, 并且设计了对应的鲁棒控制器用来实现制造系统在有限时间内平稳运行的目标. 该控制策略结合T-S模糊建模技术和滑模控制策略, 在H∞指标下实现了闭环制造系统抑制系统中广泛存在的扰动. 由于所提出的控制器具有无穷维的特点, 本文提出了一种基于凸优化技术的数值计算方法用来高效求解控制器参数. 最后, 给出的仿真算例验证了该控制策略的有效性和优点.

• 网联车辆编队节油速度轨迹优化和分布式控制

  杨冬琪,段洪君,郭戈,张忍永康

  本文研究了网联车辆编队的节油速度轨迹优化和分布式控制问题. 考虑异质车辆编队节油, 采用一种基于滚动时域优化的速度规划算法, 求解出适应于变化道路坡度的编队整体节油速度. 此外, 为了提高速度规划和调节的灵活性, 提出了一种基于期望编队速度的二次间距策略. 采用基于间距误差最小化的分布式凸优化算法对轨迹优化问题进行求解, 为所有跟随车提供最优轨迹. 在此基础上, 设计了一种具有双幂次趋近律的PID型滑模控制器, 使得各跟随车跟踪最优轨迹. 仿真结果表明, 该方法可在忽略空间和速度扰动的情况下保证车辆的内部稳定性和队列稳定性.

• 一类具有时变系数的抛物系统的积分输入状态镇定问题

  陈巧玲,郑军,朱谷川

  对于具有时变系数的抛物系统, 如何通过非时变的核函数进行边界反馈控制设计以确保闭环系统的稳定性, 一直是极具挑战性的问题. 本文考察一类特殊的具有时空变系数的抛物系统的镇定问题. 具体地, 在未对时变系数施加Gevrey条件也未使用事件触发策略的前提下, 本文通过与时间变量无关的核函数设计一个边界反馈控制器以镇定系统; 为了刻画外加扰动为系统稳定性带来的影响, 本文在输入状态稳定性理论框架下研究闭环系统的稳定性, 特别地, 利用 Lyapunov逼近方法以及带有非局部边界条件的抛物系统的比较原理, 建立闭环系统在空间L1范数下关于扰动的积分输入状态稳定性估计式. 通过数值实验, 进一步验证本文设计的控制器的有效性及所提出的方法的可行性.

• 基于扰动观测器的柔性机械臂鲁棒边界控制

  陈岽,楼旭阳,崔宝同

  本文研究了具有未知边界扰动和分布扰动的柔性机械臂系统的边界控制. 为了补偿扰动和抑制柔性臂的振动, 针对利用Hamilton原理建立的无穷维偏微分方程模型, 设计了带有扰动观测器的鲁棒边界控制器对柔性臂进行控制. 利用Lyapunov方法对柔性臂系统的稳定性和一致有界性进行了证明. 所提出的控制方法所需测量信息较少, 对未知扰动具有鲁棒性, 并且所提出的边界控制策略能保证对柔性臂的振动抑制, 系统状态最终是外界扰动下指数稳定的. 最后, 通过数值仿真验证了所提出控制器对柔性臂振动抑制的有效性.

• 基于熵和不等概率的量子强化学习控制

  张玉瑶,匡森

  复杂量子系统的高精度控制是实现量子计算和量子信息处理的关键技术之一. 深度强化学习算法已经应用到量子控制问题中, 可以为不同的量子系统设计最优策略. 为实现量子系统快速高精度的量子态制备, 本文提出一种基于熵和不等概率的深度强化学习算法, 其中引入了信息论中熵的概念以改进动作选择策略. 通过当前状态的动作值得到该状态的熵值, 并根据熵值选择进行“探索”(exploration)或者“利用”(exploitation), 其中针对“利用”采用不等概率进行随机选择动作. 所提强化学习算法中的智能体(agent)对于学习程度充分的状态专注于利用, 对于学习程度非充分的状态则专注于探索, 直到完成任务. 在量子位系统上的数值仿真结果表明, 与传统的强化学习算法相比, 本文算法能够以更快的收敛速度和保真度实现本征态和纠缠态的制备.

• 多信道攻击下Markov跳变系统的异步动态事件触发与量化控制

  胡梦洁,王燕舞,杨春雨,代伟,施欣晨

  针对具有多信道随机欺骗攻击的Markov跳变系统, 首次提出一种新颖的基于动态事件触发机制(DETM)和量化的异步输出反馈控制器. 为了减少网络中的通信负担, 采用DETM和量化相结合的控制方法. 为了提高信道的非脆弱性, 设计基于隐马尔可夫模型(HMM)的多信道传输策略. 同时, 考虑由伯努利变量描述的随机多信道欺骗攻击. 为了刻画系统与控制器之间模态不匹配现象, 设计基于HMM的异步控制律. 通过构造模态依赖的Lyapunov函数, 建立闭环系统随机稳定和严格耗散充分条件. 最后, 通过应用质量–弹簧–阻尼器机械系统实例验证所提出设计方法的有效性和实用性.

• 三自由度直升机基于无模型自适应的姿态控制

  王介港,王向华,王向荣,张子叶,王建东

  本文针对三自由度直升机姿态控制系统改进了无模型自适应控制方法(MFAC). MFAC是数据驱动的控制方式, 其只利用系统输入、输出数据, 不依赖于系统数学模型. 然而现有基于紧格式动态线性化数据模型的MFAC方法要求系统满足4个假设. 本文首先证明了三自由度直升机姿态控制系统虽然满足假设1–3, 但不满足假设4 (控制输入增加时相应的受控系统输出应该是不减的). 为此, 本文针对三自由度直升机姿态控制系统改进了MFAC, 具体有: 1) 定义新的输出为角度与角速度的线性组合, 并证明了新定义的输出满足假设4; 2) 证明了新定义输出中所引入的线性参数影响了闭环系统性能; 3) 增加了输入微分项, 并证明了输入微分的引入可改善闭环系统特征根的分布, 提高系统性能. 最后, 本文通过仿真实验和实物实验分别验证了所提方案的有效性.

• 基于相似日与BiLSTM组合的短期电力负荷预测

  祁宇轩,范俊岩,吴定会,汪晶

  短期电力负荷存在非线性、波动性和影响因素多等特征, 针对以上特征所导致的预测精度不足, 本文提出一种基于相似日与双向长短时记忆神经网络(BiLSTM)组合的短期电力负荷预测模型. 首先, 剖析电力负荷的动态变化机理, 基于相似日和灰色关联分析方法, 构建负荷与特征融合数据集; 其次, 采用变分模态分解(VMD)方法将高波动、非线性的原始负荷数据分解为多个相对平稳的分量, 并对各分量分别搭建BiLSTM预测模型; 最后, 采用鲸鱼算法(WOA)对模型的分解参数和相似日天数进行优化, 减小模型的固有误差. 以新英格兰某地区的实际数据进行仿真验证, 所提模型的平均绝对百分比误差(MAPE)、平均绝对误差(MAE)和均方根误差(RMSE)分别为0.58%, 42,78, 均优于对照模型, 有效提升了负荷预测精度.

• 激光通信快速反射镜系统辨识与平衡截断

  张建强,孙崇尚,吴佳彬,李智斌,周克敏

  音圈电机快速反射镜是激光通信精跟踪的执行机构, 其柔性结构与双轴耦合特性会导致系统谐振模态增多、模型阶次高等复杂控制问题, 基于递推最小二乘等传统辨识方法建立精确模型是十分困难的, 难以满足高精度控制器的设计要求. 对于该问题, 本文提出了基于Hankel矩阵模型解算与平衡截断建立高精度模型的方法. 首先, 根据系统激励序列与响应序列建立Hankel矩阵, 其奇异值分解确定模型阶次, 可观、可控矩阵解算确定模型参数; 其次, 建立系统的平衡实现, 并基于平衡截断原理完成模型降阶. 本文从频率特性角度评价了系统模型的辨识精度,结果表明, 相比于经典的模型辨识方法, 本文建立的系统模型阶次更低且辨识精度更高, 充分满足现代理论高性能控制系统的设计与应用要求.

• 高斯过程泊松多伯努利混合滤波算法及其变分优化

  李翠芸,许琦,姬红兵,谢金池

  针对现有算法对多扩展目标跟踪精度低的问题, 本文提出了一种高斯过程泊松多伯努利混合(GP-PMBM)滤波算法及其变分优化. 首先, 基于高斯过程原理建立了增广状态空间模型, 接着, 将其与泊松多伯努利混合滤波器相结合, 提出GP-PMBM算法. 然后, 针对因使用非线性滤波技术而导致GP-PMBM滤波精度下降的问题, 使用变分贝叶斯优化更新结果, 实现了对目标状态的优化更新, 提升了滤波器的估计精度. 仿真结果表明, 与已有的滤波算法相比, 所提算法具有更高的跟踪精度, 并且, 在只有部分量测的场景中跟踪性能更稳定.

• 动态事件触发下的孤岛微电网分布式协同控制

  张奕,李泽,崔国增,郝万君,周成龙

  针对孤岛微电网中分布式发电机的二次控制问题, 本文提出了一种基于动态事件触发机制的分布式协同控制策略, 每一个发电单元引入了动态事件触发机制来辅助通信, 从而节约了微电网中的通信资源. 本文提出了包含内部动态变量的事件触发条件, 根据此变量动态调节事件触发中的阈值, 有效减少控制器的更新频率. 所提出的控制方案是完全分布式的, 每个发电单元仅需自身与邻居之间进行信息交换, 降低了中央控制器以及复杂通信网络的要求, 提高了系统的稳定性. 消除了由于初级控制引起的电压和频率的偏差, 同时, 避免了芝诺行为. 最后, 仿真中搭建孤岛微电网模型验证了本文控制方案的有效性.

• 六足机器人双向并行蒙特卡洛树搜索步态规划

  胡立坤,刘恒佳,王一飞,徐大也,王小勇

  为了解决稀疏立足点地形中六足机器人步态规划问题, 本文提高规划时间效率、通过能力、抵达精度和运动速度, 提出了一种双向并行蒙特卡洛树搜索算法(BPMCTS). 将步态规划问题转化成马尔科夫序列优化过程, 构建相向并行拓展蒙特卡洛树结构, 搜索最佳立足位置形成步态序列; 在模拟阶段搜索过程采用深度根并行化模拟方式, 提高算法收敛速度; 在奖励评估机制引入相遇评估指标, 增强算法拓展导向性. 仿真对比实验结果表明, 所提算法规划时间效率提高46.9%, 机器人通过能力提高7.7%, 抵达精度提高32.6%, 运动速度提高16.8%, 验证了所提算法的可行性和优势性.

• 基于WD-MNPE-CVA的带钢热轧全流程动态过程监测方法

  董洁,陈柔汝,彭开香

  过程监测技术是保障复杂工业全流程安全、高质、高效运行的有效手段. 考虑带钢热轧过程的“非线性、多模态、动态性”等特征, 本文提出一种基于改进的加权差分邻域保持嵌入–规范变量分析(WD-MNPE-CVA)的带钢热轧全流程动态过程监测方法. 首先, 针对过程数据的非线性、多模态特性, 采用加权差分方法进行数据预处理; 其次,基于过程的机理知识进行流程划分, 并开发了一种改进的邻域保持嵌入算法, 基于样本点之间的欧氏距离和余弦距离, 获得每个样本点更准确的邻域关系, 进而基于规范变量分析建立每个子流程的局部动态监测模型; 最后, 采用贝叶斯推理建立全局的动态过程监测模型, 通过带钢热轧实际过程故障数据验证了该方法的有效性.

• 多传感器数据融合下的无人机高度扩张状态观测器设计

  陈汉泉,陶杰,鲁仁全

  无人机在飞行作业时需要精确稳定的高度估计, 针对传感器噪声以及气流和温度变化对无人机高度估计影响的问题, 本文提出一种基于多传感器数据融合的扩张状态观测器设计方法. 首先, 建立无人机高度和传感器噪声模型并对其进行简化处理; 其次, 针对位置传感器、气压计和惯性测量单元的传感器特性, 结合多传感器数据融合方法设计扩张状态观测器估计出无人机高度、z轴速度和总扰动, 并将总扰动估计值反馈给控制系统; 然后, 根据四旋翼无人机非线性数学模型进行数值仿真, 仿真表明本文设计方法的合理性和有效性; 最后, 通过实物测试验证了所设计的扩张状态观测器能有效估计和补偿扰动并对传感器噪声有良好的抑制能力.

• 分布式电池储能系统在概率输入延时下的荷电状态安全均衡控制

  卢坤杰,田恩刚,王立成

  本文研究了直流微电网中电池储能系统(BESSs)在概率输入延时下的分布式荷电状态(SOC)安全均衡控制问题. 由于控制器与BESS单体系统之间的信号主要通过无线网络传输, 且传输距离较远, 输入时间延时是影响SOC均衡控制的一大因素. 为此, 论文通过引入一个概率已知的服从伯努利分布的随机变量来表征概率输入时滞现象, 提出了一种改进的分布式均衡策略来实现概率输入延时下的SOC均衡控制. 借助李雅普诺夫稳定性理论, 建立了均衡误差系统在一定约束条件下实现BESSs的SOC均衡的充分条件. 最后, 通过一系列的数值仿真实验验证了该均衡方案的有效性.

• 基于动态模糊神经网络的出水含氮参数软测量方法

  蒙西,张寅,乔俊飞

  针对城市污水处理过程出水氨氮(NH4+-N)和出水总氮(TN)难以实时准确检测的问题, 文中提出了一种基于动态模糊神经网络(DFNN)的出水含氮参数软测量方法. 首先, 采用自组织增删机制和快速二阶学习算法构建模糊神经网络(FNN), 以快速获得结构精简的软测量模型; 其次, 引入自适应激活强度阈值设计FNN分级更新策略, 确保软测量模型在非平稳环境下的预测精度; 最后, 通过基准仿真1号模型(BSM1)平台的数据验证了DFNN软测量方法的有效性, 实验结果表明, 所提出的方法能够实现出水NH4+-N和出水TN的在线精准检测.

• 不确定非线性系统的全状态约束镇定控制

  贾付金,张天良,陆俊玮

  本文研究了一类具有未知函数非线性系统的全状态约束镇定控制. 与解决未知函数问题的模糊逼近方法和神经网络逼近方法不同, 本文提出的控制方法可以使系统状态渐近收敛到原点, 并解决了反步法的“微分爆炸”问题. 同时, 与解决全状态约束控制问题的障碍Lyapunov函数不同, 本文提出了一种新的全状态约束方法和引入的引理相结合设计的算法, 可使得状态是渐近稳定的. 最后, Duffing系统和单连杆机器人系统的仿真结果验证了本文算法的有效性.

• 最简结构神经网络的量子态估计及其性能对比

  丛爽,李友志

  本文提出并设计两种具有最简结构的前向神经网络, 来高精度实现对量子态密度矩阵的估计. 训练出具有函数逼近功能的反向传播(BP)神经网络和径向基函数(RBF)网络进行量子密度矩阵估计的应用. 根据量子态密度矩阵与量子系统实验装置的输出测量值之间的关系, 建立并构造出训练神经网络的输入/输出样本对; 通过对网络的归一化处理, 获得满足量子密度矩阵条件的网络输出. 分别对2量子位的本征态、叠加态和混合态的估计设计和训练出不同网络, 并在给定的性能指标下, 与采用深度学习算法的具有两个隐含层的宽度网络(WNN)的量子密度矩阵估计性能进行对比分析. 在此基础上, 采用RBF神经网络对高量子位密度矩阵进行估计实验. 分别在最少隐含层节点数、最少训练样本数、最短训练时间, 以及对非样本输入数据的泛化能力方面, 通过仿真实验对所设计网络的量子密度矩阵估计的优越性能进行对比研究.