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

    基于时变函数的非完整轮式移动机器人的镇定与跟踪控制

    李丽珍程松松樊渊
    2932-2940页
    查看更多>>摘要：非完整轮式移动机器人被广泛应用于军事设备、物流运输、医疗和家居服务等场景.采用一种光滑的反馈控制策略来同时解决非完整移动机器人的目标点镇定问题与轨迹跟踪问题,使得移动机器人能够自适应地在点镇定和跟踪控制中平滑地切换.首先,针对点镇定与跟踪问题构建统一的数学模型;其次,基于数学模型并结合一致δ持续激励理论,设计一种基于时变函数的新型控制器,该控制器不仅能在无参考轨迹的先验知识条件下解决点镇定控制问题的同时获得更为光滑的自主运动轨迹和更快的收敛速率,而且能够很好地实现期望轨迹跟踪;然后,基于Lyapunov稳定性理论,给出点镇定和轨迹跟踪误差的稳定性分析;最后,通过数值仿真与工程实验验证所提出方法的可行性和有效性.

    非完整约束轮式移动机器人时变函数点镇定轨迹跟踪Lyapunov稳定性

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

    基于态势图序列的多智能群体意图识别

    杜沁龙霍鑫郑凯周典乐...
    2941-2949页
    查看更多>>摘要：智能群体的意图识别是多智能体领域的一个热点问题,在自动驾驶、人机交互及国防军事等领域具有广泛应用.由于智能群体规模及环境内障碍物分布具有不确定性,现有意图识别模型的泛化能力往往有限,鉴于此,提出一种基于态势图序列的意图识别方法,将观测得到的智能群体信息转化为态势图序列,通过态势图序列训练识别模型,从而降低模型对智能体数量的敏感程度.针对含有障碍物的环境,提出阻碍态势的生成方法,从而提高模型对环境变化的适应能力.此外,为降低对专家知识的依赖,采用卷积神经网络估计各个智能体的斥力因子.最后,与其他几种意图识别方法对比并进行消融实验以验证所提出方法的准确性和泛化能力.

    运动态势图意图识别多智能体系统深度学习群体意图长短时记忆网络

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

    车路协同环境下数据驱动的混合交通流速度调控方法

    张辰徐云雯李德伟
    2950-2958页
    查看更多>>摘要：针对车联网和自动驾驶背景下的混合车流调控问题,提出通过路侧设备调节车流中受控自动网联车速度以实现宏观交通流速度调控的方法.首先将单个受控自动网联车对车流状态的调节过程描述为马尔可夫决策过程,设计衡量受控车辆对整体车流影响程度的动态网格,以受控车辆的实时期望速度为动作,并综合考虑受控车对网格车流的影响程度、对期望速度的响应快慢以及车流的安全性构造报酬函数,采用深度确定性策略梯度算法进行策略寻优.考虑到受控自动车周边交通环境的多样性,提出基于关键参数量的控制策略模型簇.其次,面向车流速度的实时调控,根据路段车辆簇的划分,提出多个路侧设备控制同一车辆簇的控制权时序交接策略.路测设备以簇为单位对信号覆盖范围内的车辆进行标记与跟踪,实时计算受控车辆的期望控制信号并下发.最后,将所提出的方法在多种场景下进行训练验证,结果表明所提出的方法在适用场景中能够实现车流的平稳调速.

    车流控制数据驱动车路协同深度强化学习网联自动车混合交通流

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

    融合粒度分组与Pareto最优的属性选择

    印振宇王平心杨习贝于化龙...
    2959-2968页
    查看更多>>摘要：利用某一给定度量作为属性评价指标以及启发式算法的约束条件,是大量属性选择方案的关键.然而,属性相似性评价的缺失与朴素的逐个选择机制,使属性遍历存在冗余,故时间消耗巨大.此外,单一度量限制了属性评价视角,难以挖掘出高学习性能的属性.鉴于此,提出一种属性选择框架,其中:1)利用属性粒度及属性间的知识距离对属性分组,组内属性具有明显差异性且组间属性具有较强区分能力,使属性遍历以组为单位,有效压缩候选属性搜索空间,提升属性选择效率;2)利用提出的受限Pareto最优原则,对属性组进行迭代选取,最终得到期望的属性子集.在12组UCI数据集上,通过注入4种不同比例的属性噪声进行实验,结果表明:相较于8种流行方法,所提出方法得到的属性选择结果,在分类稳定性这一指标上平均提升了 5.89％,在分类准确率这一指标上平均提升了 12.28％,在时间消耗这一指标上平均降低了 59.27％.

    属性选择粒度启发式算法启发式信息邻域粗糙集Pareto最优

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

    基于深度神经网络的高轨最优Lambert变轨规划

    徐杭宋斌余建慧郭延宁...
    2969-2976页
    查看更多>>摘要：针对高轨在轨服务与主动式碎片清除任务中的Lambert变轨规划问题,提出一种基于深度神经网络的燃料最优快速求解方案.首先,考虑J2摄动力影响与共面圆轨道假设,建立基于Lambert变轨的问题表征;其次,针对轨迹规划问题提出考虑J2摄动力影响的两步PSO优化算法,并经过仿真实验总结变轨过程△V消耗相对转移时长的变化规律(△V-T曲线特性),定义样本形式,构建燃料最优变轨知识库,基于总结的变化规律及样本非线性函数关系的特征,引出基于深度神经网络的快速轨迹规划策略,从而将Lambert计算次数缩小为两次;最后,通过仿真实验,验证所提出高轨最优Lambert变轨规划策略的有效性,在测试集上实现了关键区域变轨时长预测0.0140％的平均绝对误差,新策略具备广泛的应用前景.

    深度神经网络在轨服务Lambert变轨高轨燃料最优优化PSO

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

    基于改进YOLOv7的火电厂管道及阀门泄漏分割与检测

    彭道刚陈晨王丹豪潘俊臻...
    2977-2986页
    查看更多>>摘要：火电厂关键区域的管道、阀门等设备时常发生油液、蒸汽等物质的泄漏故障.为了提高火电厂管道及阀门泄漏故障的分割与检测精度,加快模型推理速度,提出一种基于改进YOLOv7的火电厂管道及阀门泄漏分割与检测算法,通过在YOLOv7网络中加入相关实例分割模块,实现实例分割与目标检测任务的并行;通过融入极化自注意力机制和可分离的视觉深度自注意力模块(separable vision transformer),弱化复杂背景的干扰,强化对泄漏区域的边缘提取;在后处理阶段运用置信度传播簇机制(confidence propagation cluster,CP-cluster),提高模型定位的准确性;在颈部网络使用幽灵卷积降低特征冗余,并通过通道剪枝技术压缩模型,实现模型轻量化.实验结果表明,在加入各项改进后,算法分割任务与检测任务的mAP@0.5∶0.95指标分别达到75.7％、82.2％,相较于基础模型,指标分别提高了 11.9％、7.1％,且模型参数量减少了30.3％,可有效地应用于电厂的实际生产环境中.

    泄漏检测实例分割目标检测自注意力机制置信度传播簇机制通道剪枝

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

    具有时变输出约束的柔性机翼非线性自适应控制

    孟亭亭王久斌崔爔
    2987-2994页
    查看更多>>摘要：具有弯曲和扭转变形的柔性翼系统由一个四阶偏微分方程(PDE)与一个二阶常微分方程(ODE)描述,其中各个通道的干扰和参考轨迹来自于一个未知外系统.此时所有干扰和参考轨迹的系数均未知,且由于外系统初值未知,扰动和参考轨迹的时变状态也未知.首先,将柔性翼系统的鲁棒输出调节问题转化为跟踪误差系统的镇定问题,此时来自于干扰和参考轨迹的时变未知项被进一步转化为未知系数与已知时变信号的组合;然后,提出非线性自适应控制,其中非线性对数项用于保证时变输出约束,自适应律用于估测未知干扰的系数;最后,基于Barrier Lyapunov函数证明闭环系统跟踪误差的收敛性,以及跟踪误差的时变约束特性,通过Matlab数值仿真进一步验证该控制方法的有效性.

    时变约束鲁棒输出调节非线性自适应控制BarrierLyapunov函数柔性翼系统渐近稳定

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

    基于模糊动态权重的近距空战态势评估方法

    马钧文毕文豪张安兰轶冰...
    2995-3005页
    查看更多>>摘要：针对现有态势评估方法在高动态、强对抗的近距空战环境下存在空战对抗特性指标考虑不充分、常值权重应用不合理的问题,提出一种基于模糊动态权重的近距空战态势评估方法.首先,根据近距空战对抗特性研究导弹攻击、机动特征和能量状态对空战态势的影响机理,从打击、占位、机动、能量态势和固有能力多角度构建态势评估指标体系并建立相应的指标评估模型;然后,设计基于态势分类的模糊权重动态适配方法,利用区间二型模糊表征权重求解过程中的不确定性,同时结合最优最劣法确定态势指标模糊权重,根据态势典型样式进行权重适配与指标聚合;最后,基于空战对抗飞行数据进行仿真验证与对比分析,仿真结果表明所提出方法能够更加合理、准确地呈现近距空战过程中的态势变化情况.

    近距空战态势评估区间二型模糊最优最劣法动态权重观察-判断-决策-行动

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

    时滞和阶次未知的双率采样输出误差系统辨识

    焦帆曹余庆谢莉
    3006-3012页
    查看更多>>摘要：针对时滞和阶次未知的双率采样输出误差系统,在有限采样数据条件下,提出一种辅助模型正交匹配追踪迭代辨识算法.首先,根据双率采样数据建立目标系统的辨识模型;其次,考虑到输入通道的时滞与系统阶次未知,采用过参数化方法,通过设置足够长的无噪输出数据和输入数据回归项,得到一个稀疏度为待辨识参数个数的稀疏系统;然后,结合辅助模型思想和压缩感知中的稀疏恢复方法实现参数向量和无噪输出的交互估计,即利用正交匹配追踪算法估计参数向量,再利用该估计值构建辅助模型计算无噪输出,并以此更新参数估计向量;最后,根据得到的参数向量结构计算系统的阶次与通道的时滞.仿真实验表明,所提出算法能够利用少量采样数据实现系统参数、时滞和阶次的高精度联合估计.

    双率采样系统参数辨识时滞估计阶次估计正交匹配追踪辅助模型

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

    基于物理信息神经网络的随机系统演化分析

    曹瑞裔扬刘燕斌
    3013-3022页
    查看更多>>摘要：提出一个概率深度学习框架,通过基于物理信息的神经网络对非线性微分系统中的不确定性进行量化和演化分析.算法使用潜在变量模型(即噪声/随机变量模型)构建系统状态的概率表示,并将偏微分方程描述的物理定律引入训练过程中,建立约束关系,为基于小样本数据集的训练提供一种有效的机制.所提出的概率物理学信息神经网络算法能够提供一种灵活的框架,表征由输入中的随机性或观测中的噪声引起的物理系统输出的不确定性,避免重复采样昂贵的实验或数值模拟器的需要.最后,通过包含随机变量的非线性系统示例对所提出算法进行验证,以表明算法的有效性.

    物理信息神经网络随机系统小样本数据概率神经网络演化分析

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