首页期刊导航|自动化学报
期刊信息/Journal information
自动化学报
中国自动化学会 中国科学院自动化研究所
自动化学报

中国自动化学会 中国科学院自动化研究所

王飞跃

月刊

0254-4156

aas@ia.ac.cn

010-62565763；82614566

100190

北京市海淀区中关村东路95号（北京2728信箱）

自动化学报/Journal Acta Automatica SinicaCSCD北大核心CSTPCDEI
查看更多>>本刊是中国科学院主管，中国自动化学会、中国科学院自动化研究所共同主办的高级学术期刊。本刊主要刊载自动化科学与技术领域的高水平理论性和应用性的科研成果，内容包括：1）自动控制理论；2）系统理论与系统方法；3）自动化技术在国民经济各领域中的创造性应用；4）自动化系统计算机辅助设计；5）机器人与自动化；6）人工智能与智能控制；7）模式识别与图象处理；8）自动控制系统中的新概念、新原理、新方法、新设计；9）信息理论与信息处理技术等。
正式出版
收录年代

    多尺度局部特征和Transformer全局学习融合的发动机剩余寿命预测

    陈俊英席月芸李朝阳
    1818-1830页
    查看更多>>摘要：飞机发动机剩余寿命(Remaining useful life，RUL)的准确预测对确保其安全性和可靠性至关重要。在基于多传感器检测数据预测时，需解决局部特征提取问题以全面捕捉设备在不同时间尺度下的退化趋势，并需解决时间序列中各元素之间长期依赖性的全局学习问题。因此，提出了结合多尺度局部特征增强单元(Multi-sacle local feature enhancement unit，MSLFU_BLOCK)和Transformer编码器的预测模型，称之为MS_Transformer。MSLFU—BLOCK利用堆叠的因果卷积逐层从时间序列数据中提取多尺度局部信息，同时避免了传统卷积计算中固有的未来数据泄漏问题。随后，Trans-former 编码器通过其自注意机制进一步捕获时间序列数据中的短期和长期依赖关系。通过将多尺度局部特征增强单元与Transformer编码器相结合，提出的MS_Transformer全面捕捉了时间序列数据中的局部和全局模式。在广泛使用的C-MAPSS基准数据集上进行的消融和预测实验验证了模型的合理性和有效性。与13个先进预测模型的比较分析表明，MS_Transformer模型在操作条件更复杂的FD002和FD004数据集上的RMSE和Score指标优于其他模型，同时在四个数据集上的平均性能最优。该研究为发动机剩余寿命预测提供了更为可靠的解决方案。

    剩余寿命预测航空发动机Transformer多尺度特征局部特征

      原文链接:
    • 万方数据
    • 维普

    异构集成代理辅助的区间多模态粒子群优化算法

    季新芳张勇巩敦卫郭一楠...
    1831-1853页
    查看更多>>摘要：现实生活中的很多黑盒优化问题可归为高计算代价的多模态优化问题(Multimodal optimization problem，MMOP)，即昂贵多模态优化问题(Expensive MMOP，EMMOP)。在处理该类问题时，决策者希望以尽量少的计算代价(即尽量少的真实函数评价次数)找到多个高质量的最优解。然而，已有代理辅助的进化优化算法(Surrogate-assisted evolu-tionary algorithm，SAEA)很少考虑问题的多模态属性，运行一次仅可获得问题的一个最优解。鉴于此，研究一种异构集成代理辅助的区间多模态粒子群优化(Interval multimodal particle swarm optimization algorithm assisted by heterogen-eous ensemble surrogate，IMPSO-HES)算法。首先，借助异构集成的思想构建一个由多个基础代理模型组成的模型池;随后，依据待评价粒子与已发现模态之间的匹配关系，从模型池中自主选择部分基础代理模型进行集成，并使用集成后的代理模型预测该粒子的适应值。进一步，为节约代理模型管理的代价，设计一种增量式的代理模型管理策略;为减少代理模型预测误差对算法性能的影响，首次将区间排序关系引入到进化过程中。将所提算法与当前流行的5种代理辅助进化优化算法和7种最先进的多模态优化算法进行对比，在20个测试函数和1个建筑节能实际问题上的实验结果表明，所提算法可以在较少计算代价下获得问题的多个高竞争最优解。

    粒子群优化多模态优化高昂计算代价代理辅助

      原文链接:
    • 万方数据
    • 维普

    基于光流与多尺度上下文的图像序列运动遮挡检测

    冯诚张聪炫陈震李兵...
    1854-1865页
    查看更多>>摘要：针对非刚性运动和大位移场景下运动遮挡检测的准确性与鲁棒性问题，提出一种基于光流与多尺度上下文的图像序列运动遮挡检测方法。首先，设计基于扩张卷积的多尺度上下文信息聚合网络，通过图像序列多尺度上下文信息获取更大范围的图像特征;然后，采用特征金字塔构建基于多尺度上下文与光流的端到端运动遮挡检测网络模型，利用光流优化非刚性运动和大位移区域的运动检测遮挡信息;最后，构造基于运动边缘的网络模型训练损失函数，获取准确的运动遮挡边界。分别采用MPI-Sintel和KITTI测试数据集对所提方法与现有的代表性方法进行实验对比与分析。实验结果表明，所提方法能够有效提高运动遮挡检测的准确性和鲁棒性，尤其在非刚性运动和大位移等困难场景下具有更好的遮挡检测鲁棒性。

    图像序列遮挡检测深度学习多尺度上下文非刚性运动

      原文链接:
    • 万方数据
    • 维普

    基于相关性的Swarm联邦降维方法

    李文平杜选
    1866-1876页
    查看更多>>摘要：联邦学习(Federated learning，FL)在解决人工智能(Artificial intelligence，AI)面临的隐私泄露和数据孤岛问题方面具有显著优势。针对联邦学习的已有研究未考虑联邦数据之间的关联性和高维性问题，提出一种基于联邦数据相关性的去中心化联邦降维方法。该方法基于Swarm学习(Swarm learning，SL)思想，通过分离耦合特征，构建典型相关分析(Canonical correlation analysis，CCA)的Swarm联邦框架，以提取Swarm节点的低维关联特征。为保护协作参数的隐私安全，还构建一种随机扰乱策略来隐藏Swarm特征隐私。在真实数据集上的实验验证了所提方法的有效性。

    隐私保护Swarm学习联邦学习典型相关分析

      原文链接:
    • 万方数据
    • 维普