首页期刊导航|控制与决策
期刊信息/Journal information
控制与决策
控制与决策

张嗣瀛　王福利

月刊

1001-0920

kzyjc@mail.neu.edu.cn

024-83687766

110819

沈阳东北大学125信箱

控制与决策/Journal Control and DecisionCSCD北大核心CSTPCDEI
查看更多>>本刊创刊于1986年,由教育部主管,东北大学主办.本刊是自动控制与决策领域的综合性学术期刊,大16开,月刊,经邮局发行.本刊是研究生教育中文重要期刊,中文核心期刊,并已进入美国Ei等几大检索系统.本刊的影响因子历年在信息与系统类期刊中名列前茅.连续两年被评为百种中国杰出学术期刊.
正式出版
收录年代

    基于双增益方法的不确定非线性系统的输出反馈调节问题

    殷县龙孙宗耀谭庆全陈智强...
    1260-1266页
    查看更多>>摘要：研究一类具有多种不确定性的非线性系统的全局输出反馈调节问题.所研究系统的一个显著特点是非线性项被未知增长率和多项式形式的输出函数的乘积界定,难点是在输出受不确定参数摄动的情况下如何抑制非线性项.提出一种改进的双增益方法来设计输出反馈控制器,可以确保闭环系统所有信号全局一致有界并且原系统状态收敛到零.最后,采用质量弹簧机械系统的输出反馈镇定问题来说明控制策略的有效性.

    输出反馈调节未知增长率输出不确定性双增益方法全局镇定非线性系统

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于指数保性能的比例-积分-时滞滑模观测器设计

    李习康许璟牛玉刚贾廷纲...
    1267-1272页
    查看更多>>摘要：传统状态观测器仅基于当前观测误差重构系统状态,未充分利用系统历史观测数据.针对存在匹配扰动的二阶不确定线性系统,设计一种比例-积分-时滞滑模观测器,实现不确定线性系统状态的鲁棒确切估计.首先,设计带记忆滑模函数,形式为历史观测误差和当前观测误差的线性组合,设计参数包括滑模面增益和人工时滞两部分,将滑模面中的时滞项基于泰勒级数展开,将截断误差表示为积分形式;然后,设计带记忆输出反馈等效控制律,采用时滞依赖型Lyapunov泛函,进行滑模动态指数稳定性分析和观测补偿;接着,将观测器参数设计转化为多目标优化问题,优化目标包括:系统状态衰减率、控制代价、高频噪声不灵敏度,基于粒子群算法,在上述3个优化目标间实现设计参数优化整定,在"快、准、稳"方面进行合理折衷选择;最后,在无源网络系统中,验证所提出滑模观测器的可行性和有效性.

    比例-积分-时滞滑模观测器指数稳定性粒子群算法

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于分散模糊推理的多输入多输出系统预测控制

    冯泽陈红王广军
    1273-1280页
    查看更多>>摘要：对于动态过程具有明显迟延和惯性的MIMO系统,常规模糊控制难以建立模糊规则,控制效果不理想.针对MIMO控制对象,提出一种基于分散模糊推理的预测控制(predictive control based on decentralized fuzzy inference,DFIPC)方法.构造一组与被控输出相对应的分散模糊推理模块,每个推理模块利用一组分散的模糊推理单元,分别根据各个输出的期望值与预测值之间的偏差进行分散推理.在时间层面,根据动态响应程度对推理结果进行加权综合,获得等效控制输入;进一步,通过对等效控制输入加权综合产生系统实际控制输入增量,从而有效克服模糊推理系统处理多维输入信息时模糊规则难以建立的困难.最后,通过实验验证所提出控制方法对于迟延和惯性明显的MIMO控制对象的有效性和适应性.

    MIMO系统分散模糊推理加权综合等效控制输入模糊规则预测控制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于混合整数线性规划的浓密脱水过程协调优化

    贾润达李志奇张树磊何大阔...
    1281-1287页
    查看更多>>摘要：浓密脱水过程是有色金属选冶领域重要的固液分离工序.但由于该过程关键变量难以在线检测、生产设备间相互耦合以及人工经验操作等问题,导致其能耗较高、过程安全性难以保证.对此,以浓密脱水过程为背景,构建一种基于混合整数线性规划的协调优化模型.利用工业现场的历史数据,建立底流浓度预测模型以及底流泵与压滤泵运行时间预测模型;在考虑阶梯电价的条件下,以最小化生产过程能耗为目标,以生产工艺条件、设备安全等为约束条件,建立浓密脱水过程的协调优化模型;通过引入辅助决策变量,对优化模型进行线性化处理,将复杂的非线性过程问题转化为更易于求解的混合整数线性规划问题.最后,将所提出的方法应用于某选矿厂的浓密脱水过程,结果显示,平均放矿底流浓度可以提高13.5％,能耗经济指标降低46.8％.

    浓密脱水过程预测模型协调优化阶梯电价混合整数线性规划能耗经济指标

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于并行双向时间卷积网络和双向长短期记忆网络的轴承剩余使用寿命预测方法

    梁浩鹏曹洁赵小强
    1288-1296页
    查看更多>>摘要：在基于深度学习的轴承剩余使用寿命(RUL)预测方法中,时间卷积网络(TCN)忽略了振动数据中未来时间信息的重要性,长短期记忆网络(LSTM)难以有效地学习振动数据的长时间序列特征.针对以上问题,提出一种基于并行双向时间卷积网络(Bi-TCN)和双向长短期记忆网络(Bi-LSTM)的轴承RUL预测方法.首先,对多传感器数据进行归一化处理,并将每个传感器数据进行通道合并,实现多传感器数据的高效融合;然后,采用Bi-TCN和Bi-LSTM构建并行的双分支特征学习网络,其中Bi-TCN提取数据的双向长时间序列特征,Bi-LSTM提取数据的时间相关特征;同时,设计一种特征融合注意力机制,该机制分别计算Bi-TCN和Bi-LSTM的输出权重,以实现两种网络输出特征的自适应加权融合;最后,融合特征通过全连接层并输出轴承RUL的预测结果.利用西安交通大学轴承数据集和PHM 2012轴承数据集进行RUL预测实验,实验结果表明,与其他先进的预测方法相比,所提出方法可以准确预测更多类型轴承的RUL,同时具有更低的预测误差.

    滚动轴承剩余使用寿命预测多传感器融合双向时间卷积网络双向长短期记忆网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于深度学习的恶劣战场环境图像恢复方法

    孙传猛陈嘉欣裴东兴马铁华...
    1297-1304页
    查看更多>>摘要：为实现恶劣战场环境下降质图像的有效恢复、降低环境因素对战场态势感知的干扰,构建一种全新的、端到端的图像恢复方法—-门控采样网络(GSNet).该网络以编码块-解码块为基本架构,以CNNs与门控卷积为编码与解码机制,以压缩和激励网络为编码块与解码块的连接机制,以高阶信息重要程度的重标定区分目标与背景特征,以通道粒度因子压缩方法为轻量化策略,实现对战场恶劣环境图像的快速恢复.相关实验结果表明,GSNet模型可使PSNR达到19.35 dB,并且SSIM达到0.724,无论是客观指标评价还是主观视觉效果,性能均优于对比的主流图像恢复算法;轻量级GSNet模型在较小提升PSNR、SSIM等指标的情况下,其参数量、FLOPs以及单张图像处理时间分别降低56.6％、54.6％和55.56％.

    图像恢复恶劣战场环境深度学习门控卷积压缩和激励网络轻量化

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向动态场景去模糊的对偶学习生成对抗网络

    纪野戴亚平廣田薰邵帅...
    1305-1314页
    查看更多>>摘要：针对动态场景下的图像去模糊问题,提出一种对偶学习生成对抗网络(dual learning generative adversarial network,DLGAN),该网络可以在对偶学习的训练模式下使用非成对的模糊图像和清晰图像进行图像去模糊计算,不再要求训练图像集合必须由模糊图像与其对应的清晰图像成对组合而成.DLGAN利用去模糊任务与重模糊任务之间的对偶性建立反馈信号,并使用这个信号约束去模糊任务和重模糊任务从两个不同的方向互相学习和更新,直到收敛.实验结果表明,在结构相似度和可视化评估方面,DLGAN与9种使用成对数据集训练的图像去模糊方法相比具有更好的性能.

    动态场景去模糊对偶学习生成对抗网络注意力引导特征图损耗函数

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于视角-规则的深度TSK模糊分类器及其在多元癫痫脑电信号识别中的应用

    张雄涛李水苗翁江玮胡文军...
    1315-1324页
    查看更多>>摘要：在癫痫脑电信号分类检测中,传统机器学习方法分类效果不理想,深度学习模型虽然具有较好的特征学习优势,但其"黑盒"学习方式不具备可解释性,不能很好地应用于临床辅助诊断;并且,现有的多视角深度TSK模糊系统难以有效表征各视角特征之间的相关性.针对以上问题,提出一种基于视角-规则的深度Takagi-Sugeno-Kang(TSK)模糊分类器(view-to-rule Takagi-Sugeno-Kang fuzzy classifier,VR-TSK-FC),并将其应用于多元癫痫脑电信号检测中.该算法在原始数据上构建前件规则以保证模型的可解释性,利用一维卷积神经网络(1-dimensional convolutional neural network,1D-CNN)从多角度抓取多元脑电信号深度特征.每个模糊规则的后件部分分别采用一个视角的脑电信号深度特征作为其后件变量,视角-规则的学习方式提高了VR-TSK-FC表征能力.在Bonn和CHB-MIT数据集上,VR-TSK-FC算法模糊逻辑推理过程保证可解释的基础上达到了较好分类效果.

    TSK模糊分类器多视角深度特征视角-规则癫痫脑电信号检测可解释性

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    跨模LDA融合的多模态数据主题分析方法

    赵越郝琨时彩云解胜震...
    1325-1332页
    查看更多>>摘要：随着互联网的高速发展,社会大众可以通过网络对医疗事件以及医患关系自由地发表个人意见和观点言论,这对于引导公众正确的价值导向有着重大研究意义.然而,仅考虑单模态数据的主题分析算法不能精准地把握整个舆情事件的真相,存在主题提取不准确、个人情感先入为主等问题.提出一种基于LDA的多模态数据主题分析算法MD_LDA(multimodal data topic analysis based on LDA).通过对各模态主题分析结果进行决策级融合来计算多模态的主题分析结果,进而解决传统方法对多模态数据考虑不全面的缺陷.实验结果表明,针对多模态舆情事件,在主题词的提取效果上,所提出的MD_LDA算法优于单一模态数据进行主题分析的算法.而相对于传统的关键词提取算法TF_IDF与TextRank和MD_LDA算法的准确率以及主题词提取效率均有所提高,验证了结合多模态数据进行主题分析的MD_LDA算法的有效性.

    主题分析多模态LDA主题模型网络舆情

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合稀疏自表示和残差驱动的自适应模糊C均值聚类

    宋燕李元昊李明
    1333-1341页
    查看更多>>摘要：提出一种融合稀疏自表示和残差驱动的自适应模糊C均值聚类算法(R2AFCM).该算法的优点主要体现在以下两个方面:1)利用稀疏自表示技术求解样本数据的字典矩阵,并将其表征的全局信息考虑到目标函数中,充分考虑数据分布特点,改进传统模糊C均值聚类算法重点关注局部信息的不足;2)在目标函数中引入加权残差估计正则化项,与自适应模糊聚类算法的正则化项相结合,约束模型训练,有效降低混合噪声对分割结果的影响.在磁共振成像、VOC 2012数据集以及自然图像上进行对比实验,结果表明,所提出的聚类算法在添加了20％椒盐噪声和均值为0.4、方差为0.01的高斯噪声,以及50％椒盐噪声和均值为0、方差为0.1的混合噪声下与其他算法相比,具有更高的分割精度和更强的鲁棒性.

    图像分割自适应模糊聚类混合噪声稀疏自表示加权残差估计

      原文链接:
    • NETL
    • NSTL
    • 万方数据