控制理论与应用杂志

控制理论与应用杂志2024年第3期

• 集成数据挖掘知识的可解释最优超球体支持向量机

  陆思洁,范頔,渐令,郜传厚

  最优超球体支持向量机(SSLM)是一种典型的黑箱模型, 其运行模式不需要考察被研究对象的内部结构和机理, 仅利用对象的输入输出数据即能达到认识其功能和作用机制, 因此具有响应快、实时性强等优点, 但也因此缺乏可解释性和透明性. 鉴于此, 本文研究从SSLM黑箱模型的输入端加入先验知识的方法, 增强其可解释性. 本文开发了基于数据的非线性圆形知识挖掘算法以及知识的离散化算法, 离散后的数据点不仅包含产生知识的原始数据点, 还增加了新的数据点. 通过将所挖掘的圆形知识以不等式约束的形式集成至SSLM模型, 构造了可解释的SSLM模型(i-SSLM). 该模型在训练时要确保知识约束的数据点分类正确, 因此对模型结果有一定程度的预知,表明模型具有可解释性; 同时, 又由于知识的离散化增加了新的数据信息, 因此, 模型能具有更高的精度. i-SSLM模型的有效性在10组公共样本集和2组实际高炉数据集上得到了验证.

• 具有双储层结构的动态误差补偿回声状态网络

  张昭昭,朱应钦,余文

  针对传统回声状态网络难以有效应对高阶非线性复杂模型问题, 本文在理论分析的基础上提出了一种双储层结构的误差补偿回声状态网络, 并设计了该网络的学习算法. 该网络由计算层和补偿层构成, 计算层主要承担拟合任务, 补偿层则作为状态跟随器, 实时补偿由于计算层对期望方差估计不足而导致的幅值偏差. 对多阶振荡器和真实高阶非线性数据集的实验结果表明, 本文所提网络结构较常规网络具有更高的稳定性和泛化性能, 尤其对高阶非线性复杂模型的预测精度大幅度提升.

• 基于超图正则化的域适应偏最小二乘多工况软测量模型

  霍海丹,阎高伟,王芳,任密蜂,程兰,李荣

  针对流程工业中, 因多工况导致数据分布变化引起传统软测量模型预测性能恶化问题, 本文提出一种基于超图正则化的域适应多工况软测量回归模型框架. 首先, 采用非线性迭代偏最小二乘回归算法为基模型, 在潜变量空间利用历史工况数据重构当前工况数据, 以增强工况间的相关性, 有效减小数据分布差异; 同时, 对重构系数施加低秩稀疏约束, 保留了数据的局部和全局子空间结构; 其次, 通过超图拉普拉斯正则项对域适应潜变量求解过程进行约束, 避免在寻找潜变量过程中破坏数据结构. 最后, 利用交替方向乘子法优化求解模型参数. 在多个数据集上的实验表明, 本文方法在多工况环境下可有效提高软测量模型的预测精度和泛化性能.

• 奇异值分解下在线鲁棒正则化随机网络

  于洋,邓瑞,余刚,庞新富

  在线鲁棒随机权神经网络(OR-RVFLN)具有较好的逼近性、较快的收敛速度、较高的鲁棒性能以及较小的存储空间. 但是, OR-RVFLN 算法计算过程中会产生矩阵的不适定问题, 使得隐含层输出矩阵的精度较低. 针对这个问题, 本文提出了奇异值分解下在线鲁棒正则化随机网络(SVD-OR-RRVFLN). 该算法在OR-RVFLN 算法的基础上, 将正则化项引入到权值的估计中, 并且对隐含层输出矩阵进行奇异值分解; 同时采用核密度估计(KDE) 法, 对整个SVD-OR-RRVFLN网络的权值矩阵进行更新, 并分析了所提算法的必要性和收敛性. 最后, 将所提的方法应用于Benchmark数据集和磨矿粒度的指标预测中, 实验结果证实了该算法不仅可以有效地提高模型的预测精度和鲁棒性能, 而且具有更快的训练速度.

• 工业过程关键指标预测的知识协同进化增强图卷积网络方法(英文)

  牟天昊,邹媛媛,李少远

  在流程工业关键变量预测领域, 已有研究致力于将过程知识与大数据相结合, 以实现更高的准确性, 降低过拟合风险和提高可解释性. 然而, 现有工作存在准确的先验知识构建成本高、无法从丰富的数据中挖掘知识等问题, 限制了这些方法在实际工业过程中的广泛应用. 为了解决这些挑战, 本文提出了一种基于知识协同进化的增强图卷积网络方法. 首先, 利用易获取的过程流图构建低成本的粗粒度流程知识. 然后, 在图卷积神经网络模型训练中引入图探索, 实现知识更新. 最后, 为了降低知识复杂度并保持一致性, 设计了一种知识过滤机制. 所提出的方法在基准的脱丁烷塔工艺过程上进行了验证. 实验结果表明, 该方法具有出色的预测准确性, 并获得高质量的新知识.

• 基于知识蒸馏的钢铁高炉煤气系统建模方法

  金锋,陈薇琳,赵博识,赵珺,王伟

  钢铁企业高炉煤气系统具有波动性大、时变性强、不确定性高等特点, 对其未来产消趋势进行准确的建模预测有助于企业的高效决策与节能减排. 文章提出了一种基于知识蒸馏的高炉煤气系统建模方法, 为了提高训练过程中的拟合精度, 在教师网络中建立了基于长短期记忆网络的序列到序列模型来提取样本的中间特征. 进而, 提出了融入教师模型中间特征的知识蒸馏策略, 建立了考虑中间特征蒸馏损失与预测均方误差的损失函数, 对知识蒸馏过程及预测偏差进行评估. 通过国内大型钢铁企业高炉煤气系统实际运行数据的实验验证, 表明了本文所提建模方法的有效性, 可为后续的能源系统优化调度提供支撑.

• 基于稀疏表示剪枝集成建模的烧结终点位置智能预测

  周平,吴忠卫,张瑞垚,吴永建

  烧结终点位置(BTP)是烧结过程至关重要的参数, 直接决定着最终烧结矿的质量. 由于BTP难以直接在线检测, 因此, 通过智能学习建模来实现BTP的在线预测并在此基础上进行操作参数调节对提高烧结矿质量具有重要意义. 针对这一实际工程问题, 首先提出一种基于遗传优化的Wrapper特征选择方法, 可选取使后续预测建模性能最优的特征组合; 在此基础上, 为了解决单一学习器容易过拟合的问题, 提出了基于随机权神经网络(RVFLNs)的稀疏表示剪枝(SRP)集成建模算法, 即SRP-ERVFLNs算法. 所提算法采用建模速度快、泛化性能好的RVFLNs 作为个体基学习器, 采用对基学习器基函数与隐层节点数等参数进行扰动的方式来增加集成学习子模型间的差异性; 同时,为了进一步提高集成模型的泛化性能与计算效率, 引入稀疏表示剪枝算法, 实现对集成模型的高效剪枝; 最后, 将所提算法用于烧结过程BTP的预测建模. 工业数据实验表明, 所提方法相比于其他方法具有更好的预测精度、泛化性能和计算效率.

• 基于工况知识引导注意力时间卷积网络的烧结终点预测

  方怡静,蒋朝辉,桂卫华,潘冬

  烧结终点位置的实时准确预测对于优化烧结工艺具有重要的意义. 针对烧结过程中强非线性和动态时变性造成烧结终点高精度预测难的问题, 本文提出了一种基于工况知识引导注意力时间卷积网络(AM–TCN)模型. 首先, 构建堆叠的时间卷积模块用于充分提取烧结过程数据中深层次的非线性特征; 其次, 将历史工况知识引入注意力机制, 引导模型在保留过程数据时序特征的同时区分不同特征的重要性; 最后, 构建预测模型用于烧结终点位置在线预测. 工业数据实验表明, 所提AM–TCN模型具有较好的烧结终点预测精度, 对提升烧结过程热状态稳定性具有重要意义.

• 基于多任务学习多目标优化的稀土元素组分含量与浓度多维度软测量

  张水平,张奇涵,王碧

  稀土混合萃取溶液中各元素组分含量的在线软测量是优化连续萃取生产过程、确保产品高纯化的前提. 现有软测量方法可独立求解单个稀土元素组分含量, 但忽略了多元素组分含量间或组分含量与其它相关因素(如浓度)间的共性. 本文为探索多稀土元素组分含量间及组分含量与浓度间的共性, 将多任务学习方法用于稀土元素组分含量软测量中. 首先, 构建多任务深度神经网络, 提高模型的泛化能力和鲁棒性. 其次, 提出基于多目标优化算法的稀土多元素组分含量预测方法, 通过搜索Pareto最优以提升各任务的预测精度. 经多组对比实验表明, 该方法在多元素组分含量或多元素组分含量与浓度同时训练时性能最佳, 能满足稀土元素组分含量在线检测的精确性和实时性.

• 透射光谱线性空间核学习建模求解多组分浓度

  宋江婷,金福江,周丽春

  本文对求解多组分体系浓度的分光光度计同时测定法提供了一种建模方法. 通过对多组分体系的透射光谱建立光谱线性空间, 证明了多组分体系的分子势函数矩阵VM可以转化为对角矩阵, 对角矩阵的对角元是单组分势函数的块矩阵Ji. 多组分体系透射光谱空间是单组分分子透射光谱函数为基函数、分子数量占比为坐标的线性组合. 利用多核学习法确定各单组分体系透射波的占比权重系数, 提出了用单组分浓度光量子隧穿软测量模型测定多组分浓度的测量方法. 实例验证表明此方法稳定可靠, 且能降低计算的复杂性.

• 面向锂电池少量循环的二维支持域直推式健康状态预测

  王一航,冯良骏,赵春晖

  锂离子电池的健康状态(SOH)是反映电池老化程度的关键指标, 但由于电池老化的非线性和不确定性使得SOH难以精确估计, 并且受到电池数据收集的高时间成本和容量再生现象的影响, 传统的数据驱动方法在历史充放电循环数较少时效果较差. 针对上述问题, 本文创新性地提出了一种二维支持域直推式学习(2D-RoSTL)建模思路,建立了数据由粗到细的精准划分方法, 用于少量充放电循环下的SOH预测. 一方面, 考虑同型号多块电池的批次特性, 利用历史数据和批次数据构造二维支持域扩充模型信息来源, 提供了粗范围的大量可供选择的样本; 另一方面,首次尝试以直推式学习的方式解决SOH预测的任务, 利用离线和在线样本特征空间的信息, 对每个样本进行细致划分, 提升少量充放电循环情况下模型的预测可靠性. 基于NASA的公开数据集, 所提出的二维支持域直推式建模方法在4个电池上的预测误差均小于1.56%, 实现了对锂电池充放电历史初期及再生点的精确预测.

• 数据驱动的城市固废焚烧过程烟气含氧量预测控制

  孙剑,蒙西,乔俊飞

  烟气含氧量的精准控制对城市固废焚烧处理厂的稳定高效运行具有重要意义. 然而, 由于固废焚烧过程固有的非线性和不确定性, 难以实现烟气含氧量的有效控制. 为此, 文中提出一种数据驱动的城市固废焚烧过程烟气含氧量预测控制方法. 首先, 设计了一种基于自组织长短期记忆(SOLSTM)网络的预测模型, 结合神经元活跃度与显著性动态调整隐含层结构, 提高了烟气含氧量的预测精度. 其次, 为了保证优化效率, 利用梯度下降法求解控制律. 此外, 基于李雅普诺夫理论分析了所提方法的稳定性, 确保控制器在实际应用过程中的可靠性. 最后, 基于实际工业数据对所提出的控制方法进行了验证, 结果表明, 提出的数据驱动预测控制方法能实现对城市固废焚烧过程烟气含氧量的稳定高效控制.

• 复杂工况下选择性催化还原脱硝系统的迁移强化学习控制

  孙小明,彭晨,程传良

  针对复杂工况下选择性催化还原(SCR)系统难以实现精确脱硝控制的问题, 本文提出一种基于迁移强化学习的智能控制方法. 首先根据机组负荷的变化将整体运行过程划分为不同阶段. 然后训练了强化学习控制器以分别学习各个阶段的不同特征, 从而实现了变工况下SCR脱硝系统的精确控制. 此外, 借鉴了迁移学习的思路以应对预料之外的未知工况, 避免了因工况未知所造成的不利影响. 最后将训练好的控制器用于实际SCR脱硝系统的控制中, 实验结果表明所提方法可以有效地控制复杂工况下燃煤机组NOx的排放量, 为复杂工况下SCR脱硝系统的智能控制提供了借鉴.

• 基于强化学习的多技能项目调度算法

  胡振涛,崔南方,胡雪君,雷晓琪

  多技能项目调度存在组合爆炸的现象, 其问题复杂度远超传统的单技能项目调度, 启发式算法和元启发式算法在求解多技能项目调度问题时也各有缺陷. 为此, 根据项目调度的特点和强化学习的算法逻辑, 本文设计了基于强化学习的多技能项目调度算法. 首先, 将多技能项目调度过程建模为符合马尔科夫性质的序贯决策过程, 并依据决策过程设计了双智能体机制. 而后, 通过状态整合和行动分解, 降低了价值函数的学习难度. 最后, 为进一步提高算法性能, 针对资源的多技能特性, 设计了技能归并法, 显著降低了资源分配算法的时间复杂度. 与启发式算法的对比实验显示, 本文所设计的强化学习算法求解性能更高, 与元启发式算法的对比实验表明, 该算法稳定性更强, 且求解速度更快.

• 融入概率学习的混合差分进化算法求解绿色分布式可重入作业车间调度

  胡蓉,伍星,毛剑琳,钱斌

  本文针对绿色分布式可重入作业车间调度问题(GDRJSSP), 提出一种融入概率学习的混合差分进化算法(HDE PL), 以实现最大完工时间和总能耗最小. 根据GDRJSSP的问题特点, 设计编码和解码规则, 并采用差分进化算法执行全局搜索来发现优质解区域. 为能更明确地引导全局搜索方向, 设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息. 结合问题解的结构特征, 提出基于关键路径的4种邻域结构来构造局部搜索, 并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力. 仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

• 考虑不确定生产因素的表面组装生产线负载平衡优化模型

  张怀权,黄春跃,梁颖,廖帅冬

  针对表面组装生产中的不确定因素造成企业订单完成时间滞后问题, 本文设计并实现了一种考虑不确定生产因素的生产线负载平衡优化模型. 首先, 以不确定生产因素的历史样本数据作为随机模拟样本预估出不确定生产因素对订单完成造成的滞后时间; 其次, 优化元器件贴装工位分配方案并以任务完成作为触发事件模拟生产线实际运行得到动态生产计划; 再次, 根据动态生产计划计算出模型适应度值后, 采用遗传算法对模型适应度值进行启发式寻优获得最优动态生产方案. 最后, 利用表面组装生产线试例对该模型进行验证, 结果表明, 该模型可准确预测产线各时段的生产任务、任务量及各器件贴装工位, 有效提高了企业生产效率.

• 计及多元不确定性的综合能源系统优化配置

  周帆,陈龙,赵珺,王伟

  综合能源系统的优化配置关键在于设备选型与数量配置, 而能源负荷负荷和可再生能源出力预测误差以及故障发生的不确定性将直接影响配置方案的合理性以及经济性. 为此, 本文提出一种考虑源–网–荷多元不确定性的综合能源系统多目标–机会约束规划方法. 考虑可再生能源出力与负荷需求预测误差引起的不确定性, 本文构建了满足置信概率的能量供需平衡约束; 针对供能网络中设备N-1故障引起的不确定性, 提出调整裕度模型, 进而构建了调整裕度与N-1设备能量缺额的机会约束. 对于获得的帕累托解集, 采用信息熵与逼近理想排序法构建多准则评价模型, 以确定最优的系统配置. 将本文方法应用于某区域综合能源系统的最优结构设计, 实验结果表明, 本文方法的有效性与可靠性.

• 频域多方向C-UNet及动态损失的工业烟尘图像分割

  张大锦,刘辉,陈甫刚,赵安

  工业烟尘污染等级监测中烟尘的准确分割是污染等级判定的重要前提. 针对边缘模糊且方向多变烟尘在特征提取过程中边缘方向细节信息提取困难、分割不准确的问题, 本文提出一种频域多方向C-UNet及动态损失的工业烟尘图像分割方法. 首先, 通过构建轮廓波多方向分解下采样结构增强编码阶段烟尘边缘方向信息的提取能力; 其次, 通过轮廓波变换提取烟尘8个边缘方向细节信息进行跳跃连接, 提升持续采样过程中细节信息的表达准确度; 然后, 构建轮廓波细节重构上采样结构增强解码阶段烟尘边缘细节信息的恢复能力; 最后, 提出一种动态加权策略构建组合损失函数来优化训练网络, 增强网络对烟尘边缘特征的提取能力. 结果表明, 本文方法与U-Net和其他同类方法相比在指标上有较好提升, 改善了烟尘边缘分割不准确的问题, 在不同烟尘场景上的分割效果也优于现有分割模型.

• 多元纹理图像构造方法及应用

  卢明,王程,谢永芳

  多元图像分析方法在图像展开阶段会丢失像素间空间关联关系, 导致其对图像纹理特征的分析能力不足.针对此问题, 本文提出了一种基于图像纹理特征的多元图像构造方法, 并应用于图像分割. 首先, 结合滑动窗口法和灰度共生矩阵求取图像各通道的纹理特征影像, 叠加纹理特征影像构造多元图像. 然后, 应用多元图像分析方法对所得多元图像进行分析, 分割出感兴趣区域. 最后, 利用分割结果构造决策树模型, 以完成对同类感兴趣区域的分割. 在图像数据集上进行仿真实验, 实验结果表明, 本文所提方法的均交并比(MIoU)与同类方法相比有10%左右的提升.

• 基本概率赋值不确定性的广义度量及在证据组合中的应用

  于爽,王欣

  D–S证据理论中一个关键问题是度量传感器给出的基本概率赋值(BPA)的不确定性大小, 它的准确度量对于评估信任结构传递的信息量至关重要. 本文首先提出了改进的归一化投影方法(iNP), 然后基于iNP提出了一种新的投影不确定性(PU)广义度量方法, 理论证明和实验仿真说明了PU满足非负性、有界性、不变性、单调性、不反直观性、较高的敏感性和较低的计算负担等性质, 这些性质保证了PU可以有效对BPA的不确定性广义度量. 与现有的不确定性度量方法相比, 所提出的方法对证据的变化更为敏感. 最后, 基于PU方法给出了一种新的证据组合方法,通过数值实例和实际应用, 说明了本文所提方法的有效性和合理性.

• 面向注塑产品工艺缺陷的知识图谱构建方法及应用

  葛睿夫,任志刚,林江豪,林越,高祖标

  针对现有注塑产品缺陷故障原因排查与定位依靠专家人工诊断效率低、成本高昂等不足, 本文提出了一种面向注塑产品缺陷的知识图谱构建方法及其应用, 目的在于将专家知识采用知识图谱进行表示, 利用基于知识图谱的垂直检索技术, 解决故障排查和定位困难的问题. 首先, 文章基于多源异构的故障解决方案文本构建语料库, 并构建知识本体模型. 其次, 采用面向非结构化文本的知识抽取模型, 将产品缺陷的相关专家知识从原始语料中自动抽取出来. 最后, 利用Neo4j图数据库实现知识存储及可视化知识图谱的构建. 在所构建的知识图谱中, 探索并实现了知识智能搜索、故障诊断及工艺卡解析等应用, 展示了知识图谱技术在注塑领域的良好应用前景.