首页期刊导航|信息与控制
期刊信息/Journal information
信息与控制
中国自动化学会 中国科学院沈阳自动化研究所
信息与控制

中国自动化学会 中国科学院沈阳自动化研究所

王天然

双月刊

1002-0411

xk@sia.cn

024-23970049

110016

沈阳市南塔街114号

信息与控制/Journal Information and ControlCSCD北大核心CSTPCD
查看更多>>本刊主要报道信息、控制与系统技术的开发性研究成果及其在我国各个领域的应用成果。所刊文章既有较高的学术价值、又有使用价值、推广价值和应用前景。辟有论文与报告、综论与介绍、讲座、实际问题研讨、学术活动信息等栏目。读者对象为从事本学科研究的科研人员,从事实际工作的工程技术人员以及大专院校师生等。有英文目次及文章摘要。《信息与控制》的前身是《自动化》,由中国科学院沈阳自动化研究所主办。1972年创刊,出版到1977年。从1978年开始改名为《信息与控制》,卷号连续。
正式出版
收录年代

    边缘智能融合区块链:研究现状、应用及挑战

    任晓旭仇超邓辉戴子明...
    1-16页
    查看更多>>摘要:边缘智能集网络、计算、存储和智能于一体,将智能推向网络边缘,为互联时代的低延迟关键计算开辟了道路.为进一步满足万物互联下的敏捷连接、数据优化、实时边缘业务处理、安全和隐私保护等关键需求,区块链存在着加速边缘智能的巨大潜力.边缘智能和区块链两种技术相互融合,优势互补.在此背景下,本文旨在探讨边缘智能与区块链的关系,从区块链驱动的边缘智能和边缘智能驱动的区块链两个方面介绍边缘智能融合区块链的最新研究现状,应用与挑战,进而为泛在智能服务开辟新的视野.

    边缘智能区块链隐私安全可伸缩性

    自动驾驶安全关键场景生成技术综述

    王淳浩闭家铭阮利魏彤羽...
    17-32,46页
    查看更多>>摘要:安全关键场景生成是自动驾驶的重要方向,在自动驾驶测试、汽车安全性评估和汽车安全标准构建等领域都有着很高的应用价值,是关系自动驾驶应用落地的关键.现有研究缺乏重点围绕安全关键场景生成技术的综述,因此本文对安全关键场景生成技术进行了系统性综述.首先,分析了安全关键场景生成技术的综述相关研究;其次,对安全关键场景生成模型进行了对比分析;再次,分类总结了基于聚类、贝叶斯网络和对抗网络的安全关键场景生成方法的进展;最后,对安全关键场景生成方法研究趋势进行了展望.

    自动驾驶汽车安全关键场景场景生成深度生成模型

    基于动态运动基元的6自由度下肢外骨骼步态轨迹规划与控制策略

    赵佳伟朱立忠陈万鑫张弼...
    33-46页
    查看更多>>摘要:针对下肢刚性运行过程中的步态轨迹规划问题,提出了一种基于动态运动基元的步态轨迹在线规划方法和控制策略.首先,使用足底压力进行步态相位分割;其次,使用线性倒立摆模型确定落地点位置,再运用逆运动学规划确定各关节角度,使用动态运动基元算法对以前的各个步态相位的运动轨迹进行在线学习;再次,将前面得到的关节角度作为目标终点进行实时步态轨迹规划;最后,根据生成的曲线按照控制策略对外骨骼控制.使用6自由度外骨骼对算法进行了验证,结果表明,使用所提算法可以有效根据步态相位的变换对步态轨迹进行实时在线学习和生成,同时可以保证一定程度的运动稳定性.

    动态运动基元下肢外骨骼线性倒立摆模型步态轨迹规划

    下肢外骨骼康复机器人步态相识别

    高贯斌肖纯杰那靖邢亚珊...
    47-57页
    查看更多>>摘要:外骨骼机器人作为一种新型的康复设备,在脊髓损伤患者的康复训练中具有广阔的应用前景.其中,人体步态相识别是实现外骨骼机器人穿戴者运动意图识别和准确控制的关键之一.首先,针对脊髓损伤患者康复训练中摆腿触地过程无法自主锁定膝关节的问题,设计了一款绳驱下肢外骨骼康复机器人.该款外骨骼机器人通过足底开关传感器和膝关节编码器来采集患者步态信息,并在一个步态周期内不同的步态相对膝关节进行锁定或放松.其次,通过对人体行走步态的研究和脊髓损伤患者康复训练中锁膝和松膝的需求分析,提出了一种基于足底与地面接触过程信息的步态相分类方法.由于脊髓损伤患者的足底接触过程不可控且不稳定,将膝关节摆角和摆动速度信息引入步态相识别中,提出了融合脚与地面接触信息、膝关节摆角及摆动速度信息的步态相识别方法.最后,基于采集到的志愿者步态数据,进行了步态相识别方法的实验验证.结果表明,所提方法的平均步态相识别率达到99.906%,并且当足底开关传感器发生故障或未正常触发时,锁膝相和松膝相的正确识别率仍然分别达到94.488%和91.853%,从而验证了所提方法的有效性和容错能力.

    脊髓损伤外骨骼康复训练步态相识别

    轮式移动机器人预定时间领导跟随一致性控制

    马小陆谭毅波梅宏张睿...
    58-70页
    查看更多>>摘要:研究了轮式移动机器人的领导跟随一致性问题,提出了预定时间一致性控制算法.首先,在有向图下,为每个跟随者提出一个分布式观测器,使其在预定时间内估计领导者状态.其次,基于观测器和构造的双幂次趋近律、非线性流形,设计了一种新的控制器,使得估计的领导者状态在预定时间内被跟踪.再次,引用了一个切换协议和一个线性流形,以确保在不引起奇异性问题的情况下,控制器在任何初始条件下均能实现预定时间的领导跟随一致性.然后,通过代数图论和李雅普诺夫理论证明系统的预定时间稳定性.最后,通过仿真对比实验验证了所提算法的有效性和优越性.相较于有限时间控制器,所提控制器收敛时间不依赖于初始状态,且收敛效果更好;相较于固定时间控制器,本文控制器收敛时间设定简单,可直接通过单一参数预先设定系统收敛时间.

    轮式移动机器人领导跟随一致性预定时间控制一致性控制有向图

    多无人机编队递归非奇异终端滑模容错控制

    王君李昂
    71-85页
    查看更多>>摘要:为解决四旋翼无人机编队飞行过程中易受到外部干扰、空气阻力、执行器故障等不确定因素影响的问题,提出了一种基于补偿函数观测器(CFO)的递归非奇异终端滑模控制(RNTSMC)方法来提高四旋翼无人机编队系统性能.首先,引入具有高精度估计的补偿函数观测器,实时估计外部干扰、执行器故障等信息,通过设计递归积分终端滑模面改进非奇异终端滑模面等效控制器对估计信息进行补偿控制,并给定滑模面初始值,保证两滑模面依次连续到达平衡点,确保跟踪误差在有限的时间内快速收敛到0.其次,根据长机-僚机法建立编队模型,基于滑模控制理论,设计编队协同控制器,保证无人机编队完成飞行任务.最后,通过对比仿真结果表明,该方法对四旋翼无人机编队具有良好的容错性能.

    四旋翼无人机执行器故障递归非奇异终端滑模控制补偿函数观测器编队控制

    基于不完备信息预测的多智能体分布式协同

    张宏达李德才何玉庆
    86-97页
    查看更多>>摘要:为了解决部分可观对抗环境中多智能体协同决策难题,受人大脑皮层通过记忆进行学习和推理功能启发,提出一种新的部分可观对抗环境下基于不完备信息预测的多智能体分布式协同决策框架.该框架可采用支持向量回归等多种预测方法通过历史记忆和当前观察信息对环境中不可见信息进行预测,并将预测信息和观察到的信息融合,作为协同决策的依据;再通过分布式多智能体强化学习进行协同策略学习得到团队中每个智能体的决策模型.使用该框架结合多种预测算法在典型的部分可观对抗环境中进行了多智能体协同决策的验证.结果表明,提出的框架对多种预测算法具有普适性,且在保证对不可见部分高预测精度时能将多智能体协同决策水平提升23.4%.

    多智能体协同部分可观信息预测分布式协同决策对抗环境

    公共安全治理中可疑目标变形Transformer跟踪器

    冯素坤王志全
    98-107页
    查看更多>>摘要:近年来,面向公共场所中智能视频监控的可疑目标跟踪算法取得一定的研究进展,有利于公共安全治理与应急事件的防范.凭借Trans-former 模 型具有 完整的 Attention 机制,本文尝试将其应用于公共安全治理中可疑目标持续精确跟踪与定位.具体为:分析可疑目标跟踪任务的特点,探索目标模板框架和搜索框架之间新颖的交互,提出面向公共安全治理中可疑目标可变形Transformer跟踪算法,命名为DeTrack,其分别构建基于可变形注意机制的编码器模块和基于自注意机制的编码器模块,并利用它们的组合来进行特征交互,之后利用所构建的角点预测头定位可疑目标.DeTrack无需关注所有像素即可定位目标,减少了模型参数量,在 LaSOT、TrackingNet、GOT-10K 和 VOT2020 上取得了较好的跟踪性能.

    公共安全治理视觉目标跟踪Transformer可变形编码器

    基于轻量化神经网络的石窟壁画破损检测方法

    吴利刚张梁
    108-119页
    查看更多>>摘要:针对石窟壁画脱落与破损检测过程中存在检测精度低、实时性差的问题,提出了基于轻量化神经网络和多重注意力机制的石窟壁画破损检测方法.首先,引入Ghost Conv完成轻量化特征提取,降低模型复杂度;其次,加入双重注意力机制增加特征提取的倾向性,加快模型收敛速度;最后,使用加权双向特征金字塔拼接方式高效融合特征信息,通过复合缩放完成预测.实验结果表明:改进后的算法网络层数减少了34.40%.参数量和浮点运算量分别降低了62.98%和68.77%,模型体积压缩了62.78%.检测精度高达64.7%,实时检测速度从63.60帧/s提升至97.56帧/s,提高了约53.39%.

    深度学习神经网络轻量化模型注意力机制壁画破损检测

    基于混合网络的锂离子电池健康状态与剩余使用寿命联合估计方法

    朱振宇高德欣
    120-128页
    查看更多>>摘要:为高效准确实现锂电池健康状态(state of health,SOH)和剩余使用寿命(remaining useful life,RUL)预测,提出了一种基于混合网络的锂离子电池SOH与RUL联合估计方法.首先,建立锂电池间接健康特征(health factor,HF)提取框架,以HF为输入,容量为输出,使用卷积神经网络(convolutional neural network,CNN)和门控循环单元网络(gated recurrent unit,GRU)构成CNN-GRU电池SOH估计模型,对电池SOH进行估计;然后利用SOH估计结果和SOH真实值建立CNN-GRU电池RUL预测模型,对电池RUL进行预测.实验结果表明,SOH估计最大均方根误差在2.31%以内,RUL预测误差在5.29%以内,该方法可以实现锂电池SOH和RUL较为全面的评估.

    锂离子电池健康状态剩余使用寿命混合网络