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

    柔索驱动机器人运动规划与控制方法研究综述

    钱森李长奇周斌訾斌...
    2817-2832页
    查看更多>>摘要：在柔索驱动机器人中采用柔性索代替传统的刚性连杆,可以显著降低机构的重量及运动部件的惯性,突破铰链转角及连杆伸缩长度的制约,因而在工作空间、负载自重比以及适应性方面展现出明显的优势.这不仅体现了机器人设计中的轻量化理念,也符合人机共融的发展趋势.鉴于此,深入探讨柔索驱动机器人在运动规划、轨迹跟踪、索力分配、振动抑制和容错控制5个方向的代表性理论、典型应用和研究进展,分析不同运动规划与控制方法的设计思路和优点,并进一步总结各领域面临的挑战.最后针对自主重构、变刚度以及人机协同控制问题,展望柔索驱动机器人运动规划与控制方法的发展趋势.

    柔索驱动机器人运动控制索力分配振动抑制重构策略运动规划

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

    从零样本学习理论模型到工业应用——动机、演变与挑战

    赵健程冯良骏岳嘉祺张堡霖...
    2833-2857页
    查看更多>>摘要：随着工业大数据技术的发展,应用于工业对象的有监督方法得到广泛研究.真实数据往往遵循长尾类分布,导致传统有监督模型在实际应用过程中存在模型退化以及模型失效等问题.零样本学习(zero-shot learning,ZSL)技术的提出为这一问题提供了一种新的解决思路.零样本学习的目标是使用收集到的己见类别数据训练模型,使得训练好的模型对于收集不到数据的未见类别同样适用.零样本学习通过将故障的文本描述等辅助知识引入到模型中,一定程度上缓解了模型在实际工业场景中对训练数据收集的依赖,提高了模型的泛化性能.然而,目前领域内尚缺乏对零样本学习在工业领域应用的系统梳理与讨论,而工业零样本学习在辅助知识的收集和处理、研究方法、应用场景等方面与其他领域的零样本学习相比也具有独特性.鉴于零样本学习在工业领域潜在的巨大应用价值和未来的发展潜力,系统性梳理和展示了从零样本学习理论模型到工业应用的动机、演变与挑战.首先,回顾零样本学习设定与相关方法的发展脉络,分析零样本学习与其他任务设定之间的关联,并指出本文与前人综述的区别.接下来,回顾工业领域零样本学习的研究现状,介绍典型的工业零样本学习任务和辅助知识,分析工业零样本学习的特征和典型问题,梳理工业领域零样本任务中应用的现有方法.此外,梳理工业零样本任务的基准数据集和开源工作.最后,在现有研究的基础上总结工业零样本任务面临的问题与挑战,并对该领域的研究做出展望.

    零样本学习迁移学习工业人工智能机器学习故障诊断缺陷检测

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

    基于轻量化卷积神经网络的金属断口图像识别

    闫涵卢伟吴玉虎
    2858-2866页
    查看更多>>摘要：工业环境下金属断口图像识别是金属失效分析的重要一环,具有重要的研究意义.卷积神经网络(convolutional neural networks,CNN)已被证实在图像识别任务中是有效的,但是在工业环境下的金属断口图像识别仍然面临以下问题:1)金属断口图像具有较强的类内复杂性和类间相似性;2)现有CNN网络结构复杂,参数较多,很难部署在嵌入式设备上.针对上述问题,提出一种基于轻量化CNN的金属断口图像识别方法.首先,设计一种多特征融合的CNN模型结构来提升网络的特征提取能力,并给出一种混合剪枝算法对网络进行轻量化处理来降低算法复杂度;然后,将重要超参数搜索视为优化问题,利用贝叶斯优化(Bayesian optimization,BO)算法进行求解,实现模型设计和剪枝过程的自动化;接着,以金属断口图像数据集为例进行实验分析,实验结果表明所提出模型仅需3.82M的参数量即可实现97.56％的识别精度;最后,将训练好的模型部署到Jetson Nano嵌入式平台上,验证了所提出算法在实际应用中的可行性.

    深度学习图像识别金属断口轻量化网络贝叶斯优化JetsonNano

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

    基于图网络与IoU感知的孪生网络目标跟踪算法

    陈志旺刁华康袁宇吕昌昊...
    2867-2875页
    查看更多>>摘要：传统孪生网络目标跟踪算法采用互相关或者深度互相关的方式对模板帧与检测帧进行相似性度量,无法有效适应极端的目标形变.以无锚点框的目标跟踪算法为基础,设计一种基于图网络的IoU感知目标跟踪算法.首先,以Resnet50为基础,在每个残差结构后引入通道自适应调整模块NCAM,构造轻量高效且具有通道自适应的特征提取网络.其次,基于图网络设计一种新的模板帧与检测帧的相似性计算方式,将特征图像素点视为图网络的节点,对模板特征与检测特征的图网络节点进行相似性计算以有效应对目标极端形变.最后,在分类部分采用IoU感知的分类损失函数在分类分支与回归分支之间建立联系,改变以往孪生网络目标跟踪算法训练与测试不一致的情况;在回归部分选用CIoU损失计算离线训练阶段的回归损失,得到更加精准的边界框.OTB2015、UAV123、VOT2018与VOT2019数据集上的实验结果验证了所提算法的有效性.

    目标跟踪孪生网络图网络IoU感知通道自适应调整CIoU

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

    基于强化学习的储层神经元筛选优化方法

    郭伟姚欢张昭昭朱应钦...
    2876-2884页
    查看更多>>摘要：随机生成的回声状态网络动态储层存在大量冗余神经元,导致网络高维状态空间矩阵产生共线性问题而影响网络预测性能.为解决该问题,提出一种基于强化学习的储层神经元筛选优化方法(SC-ESN),其实质是基于集成学习的思想构建多个初始储备池,利用互信息度量储层池中每个神经元对网络性能的贡献,并结合强化学习的决策机制筛选出对网络输出有效的神经元,进而达到优化网络结构、提高网络预测性能的目的.基于人工数据集和实际数据集的实验表明,所提出的SC-ESN模型与其他预测模型相比,该模型在保证预测性能的前提下具有最小结构.

    回声状态网络互信息强化学习集成学习结构优化

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

    基于改进YOLOv4的轻量化路侧视角多目标检测算法

    金立生张舜然郭柏苍王欢欢...
    2885-2893页
    查看更多>>摘要：面向道路交通场景中多类别、可变规模的目标车辆检测需求,如何有效地以低算力构建结构化数据,实现超视距感知并解决单车视距限制,是自动驾驶汽车环境感知技术领域亟待解决的重要问题之一.为此,提出兼顾精度和实时性的轻量化路侧视角多目标检测算法.首先,以嵌入通道域注意力机制的倒残差网络结构代替单阶段检测算法特征提取网络作为网络骨干部分,利用深度可分离卷积降低特征提取网络参数量;其次,采用空间金字塔池化(spatial pyramid pooling,SPP)处理深层网络输出特征图,选取轻量化后骨干网络不同深度特征图的输出,利用路径聚合网络(path aggregation network,PANet)融合深层语义信息与浅层表观信息构成检测模型颈部;最后,在检测模型头部设置3种不同特征图大小的网络输出,使同一图像信息不同尺寸目标在适宜网络深度进行目标信息回归,提出轻量化路侧视角多目标检测算法M3-YOLOv4.实验结果表明,M3-YOLOv4在数据集RS-UA表现的mAP值为0.906,相较YOLOv4的mAP值下降1.1％,M3-YOLOv4模型参数量缩减为YOLOv4的10％,同平台下模型前向推理速度也具备明显优势.

    自动驾驶环境感知路侧视角多目标检测YOLOv4深度学习

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

    基于IMU和运动学的四足机器人对角支撑状态估计算法

    陈辉任志刚冯祖仁刘帅...
    2894-2902页
    查看更多>>摘要：对角支撑是四足机器人复杂动态以及线性行走必备的一种状态.然而,目前鲜有有效的状态估计算法,无法支撑相应控制策略.为此,提出一种融合惯性测量单元(inertial measurement unit,IMU)和运动学约束的状态估计算法.首先,针对对角支撑状态下运动学模型欠约束带来的位姿估计难题,通过分解机身坐标系到参考坐标系的变换矩阵,简化运动学方程,并利用IMU提供的可信俯仰和横滚角测量值,推导获得其余4个位姿量的解析式;然后,进一步基于腿部微分运动学和IMU提供的俯仰和横滚角速率,结合位姿量的导数获得线速度和偏航角速率的解析式;最后,通过仿真分析验证所提出算法的有效性.实验结果表明:位姿估计值准确、无漂移,偏航角速率和线速度的均方根误差分别小于2deg/s和9mm/s,优于现有算法且满足实际控制需求.

    状态估计四足机器人运动学欠约束惯性测量单元对角支撑

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

    未知环境下基于激光雷达的启发式导航算法

    常路单梁张伟龙王维西...
    2903-2912页
    查看更多>>摘要：针对未知环境下机器人难以准确理解障碍分布并有效搜索目标的问题,提出一种基于激光雷达的启发式导航算法.在雷达数据中引入上升/下降沿进行障碍边沿界定及检测,提出边沿匹配算法识别狭窄间隙和连续障碍,经间隙去除与安全性拓展,得到表征周围环境中的连续障碍集合;面对遮挡目标的障碍,提出启发式临时目标选取方法并设计其切换条件,使机器人以较短路径提前避让各类障碍并渐近抵达全局目标.基于Matlab进行一系列仿真和对比,结果表明,所提出的算法可显著提高机器人在复杂未知环境下的通行效率、轨迹平滑度和全局搜索能力.最后基于ROS的实验验证所提出算法在实际环境中的有效性.

    移动机器人未知环境导航激光雷达启发式搜索环境理解障碍分割与提取

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

    基于语义分割与旋转目标检测的机器人抓取位姿估计

    孙先涛闻勇陈文杰智亚丽...
    2913-2922页
    查看更多>>摘要：针对姿态任意、尺寸不一的物体以及抓取角度离散性问题,提出一种基于语义分割与旋转目标检测的单目位姿估计方法.阶段 1:首先利用 faster R-CNN(faster regions with convolutional neural networks features)进行抓取检测获取候选抓取框;其次利用语义分割网络获取待抓取物体的轮廓信息;最后利用语义分割结果为每个待抓取物体筛选置信度最高的抓取框,同时完成角度粗估计.阶段2:利用旋转目标检测获取精细的抓取角度,以修正阶段1抓取框的偏转角.此外,考虑到抓取物具有多尺度的特点,提出一种多尺度特征融合模块,使金字塔的所有层共享相似的语义特征.针对智能算法求解逆运动学时出现迭代后期收敛速度慢的问题,利用牛顿法收敛速度快的优点,加快智能算法后期的收敛速度.基于V-REP仿真以及实际抓取检测实验表明,所提算法的抓取检测精度为98.4％,实际抓取成功率达到了 88.3％,仿真抓取时的有害扭矩大小较修正前有所改善,能够满足机械臂抓取要求.

    抓取检测语义分割特征金字塔V-REP仿真

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

    欠驱动水下机器人的最优等效补偿轨迹跟踪控制

    李亚鑫刘里宵王宇
    2923-2931页
    查看更多>>摘要：针对康达效应矢量推进器输出饱和以及矢量力矩耦合等固有推进特性,为其欠驱动的水下机器人提出一种最优等效补偿控制方法.以轨迹跟踪误差为基础,设计滑模控制器,并利用径向基神经网络和扩张状态观测器对执行器饱和以及外界扰动进行实时估计与补偿.在此基础上,最优等效补偿控制借助离散动力学方程构建关于机器人递推状态偏差的代价函数,通过在推进器推力可达集内寻求等效力矩使代价函数最小,从而不仅保证控制律满足推进器矢量力矩耦合特性,还能有效抑制机器人欠驱动方向的扰动.利用Lyapunov理论最终验证该控制方法在推进器自身特性约束下渐近稳定;仿真实验数据表明,欠驱动水下机器人在该方法控制下可实现较精确的轨迹跟踪任务且鲁棒性较强.

    欠驱动自主水下机器人执行器饱和轨迹跟踪滑模控制扰动补偿

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