深空探测任务智能规划技术发展综述

围绕深空探测任务发展对飞控组织实施的要求,文章介绍了任务智能规划的内涵,总结当前科技成果转化遇到的挑战,结合前沿技术与工程经验,提出通用规划处理流程,从领域建模、智能求解两个关键环节综述当前技术发展情况。针对未来国家重大航天工程需求,提出对技术发展趋势和研究方向的思考,可以为构建飞控任务智能规划通用平台、提升地面任务决策智能化水平提供参考。

基于高斯混合过程的空间机器人任务空间预测控制方法

针对空间机器人的精准操控需求和任务空间控制问题,提出了一种基于高斯混合过程的模型预测控制方法。在建立的空间机器人标称模型基础上,考虑实际工作过程中由于关节摩擦、参数测量误差导致的建模误差,利用高斯混合过程对标称模型的不确定性进行精确、高效的分析和修正。其次,基于修正后的模型提出了非线性模型预测控制方法,在考虑实际物理约束,如关节限位、输入饱和等的情况下,实现了空间机器人基座和机械臂末端位姿对期望轨迹的直接精准跟踪。最后,考虑航天器在轨操控中的推力器冗余配置问题,设计了推力分配方案,并通过仿真结果校验了所设计控制方法的有效性。

城市固废焚烧过程数据驱动建模与自组织控制

城市固废焚烧(Municipal solid waste incineration,MSWI)是处置城市固废(Municipal solid waste,MSW)的主要手段之一.中国MSW来源范围广、组分复杂、热值波动大,其焚烧过程通常依靠人工干预,这导致MSWI过程智能化水平较低且难以满足日益提升的控制需求.MSWI具有多变量耦合、工况漂移等诸多不确定性特征,因而难以建立其被控对象模型并设计在线控制器.针对以上问题,提出了一种面向MSWI过程的数据驱动建模与自组织控制方法.首先,构建了基于多输入多输出Takagi Sugeno模糊神经网络(Multi-input multi-output Takagi Sugeno fuzzy neural network,MIMO-TSFNN)的被控对象模型;然后,设计了基于多任务学习的自组织模糊神经网络控制器(Multi-task learning selforganizing fuzzy neural network controller,MTL-SOFNNC)用于同步控制炉膛温度与烟气含氧量,其通过计算神经元的相似度与多任务学习(Multi-task learning,MTL)能力对控制器结构进行自组织调整;接着,通过Lyapunov定理对MTLSOFNNC稳定性进行了证明;最后,通过北京市某MSWI厂的过程数据验证了模型与控制器的有效性.

基于任务的强制访问控制模型

提出了一种基于任务的强制访问控制模型,详细介绍了模型的基本组成,用户模型规则和特权模型规则,并针对其中存在的隐蔽通道,在原有规则的基础上加入信息流控制策略。

基于任务的访问控制模型及其实现

分析了基于任务的访问控制原理 ,参考工作流系统及基于角色的访问控制提出了一个基于任务访问控制的基础模型 ,讨论了联合任务和职责分离思想 。

基于TRBAC混合模型的协同设计过程动态访问控制

针对具有周期时间约束、访问次数限制和设计过程动态变化特点的协同设计过程访问控制问题,将基于角色的访问控制模型和基于任务的访问控制模型进行扩展与融合,提出一种适应于协同设计全过程的动态访问控制模型CDACM。通过引入设计单元结构体的状态迁移和约束依赖关系,控制访问授权状态的变化和权限的约束,以实现与上下文相关的主客体动态授权管理;同时通过设定权限激活周期时间约束和权限访问次数限制约束,来解决权限访问时间限制和事务完整性约束问题。给出协同设计的访问控制策略和激活机制。将理论研究应用于链式输送机协同设计访问控制系统中,验证了所提模型的有效性。

带时间约束的基于任务角色委托模型

针对目前的委托模型中只考虑撤销委托的权限,而不考虑被委托用户所做的分配任务,提出了委托任务、撤销任务的概念。在基于任务角色的访问控制模型的基础上增加了时间约束条件,扩展了一种新的模型—带时间约束的基于任务角色的委托模型(TTRBDM);给出了形式化的定义及其表示,分析了模型的委托和撤销的机制,给出了委托授权规则,最终理论证明了此模型的委托可控性。

基于PCTBTA任务模型的用户界面开发方法

为了适应普适计算环境中用户、设备、使用环境和开发平台的多样性,基于模型的方法被应用于用户界面开发过程中,试图在抽象层次上描述界面,通过模型转换,使其适用于不同的平台.然而,由于目前基于模型的用户界面开发方法(model-based user interface development,简称MBUID)中所采用任务模型的局限性,致使生成的界面难以满足动态环境下用户的可用性需求.提出一种基于任务模型的用户界面开发框架,旨在建模和生成有效、高效、令用户满意的用户界面.在可用性方面,为了准确描述普适计算环境中用户任务,提出一种基于感知控制理论的任务分析方法(perceptual-control-theory-based task analysis,简称PCTBTA),将使用上下文信息引入到任务分析过程中,并且在较高的抽象层次上反映交互的内容,给可用性设计提供任务空间;在技术方面,为PCTBTA任务模型向界面模型的转换提供技术支持.最后,通过实例说明所提出方法的可行性,并通过与其他方法在可用性和性能方面的比较,表明该方法的有效性.

一种基于任务角色的云计算访问控制模型

数据安全问题是云计算推广的一大阻碍,主要来源于数据共享带来的安全问题和云服务提供商的超级特权导致的潜在危险。为此,分析云计算中数据存储和用户群体的特点,提出一种基于任务角色的云计算访问控制模型,对不同访问主体采取不同访问控制策略,以提供分级的安全特性,使云服务提供商不再享有超级特权。分析结果表明,该访问控制模型使得云端数据访问安全无须依赖于服务器的绝对可信,为云计算提供了更为可靠的安全特性。

基于任务-角色的访问控制模型

本文介绍了一种称为基于任务角色的访问控制机制。它从工作流中的任务角度建模,可以依据任务和任务状态的不同,对权限进行动态管理;阐述了任务和任务实例之间的关系,以任务为中介将角色和权限关联起来,并对其模型进行了形式化描述和分析。

基于Web服务的图形CAD网络化协同设计框架

为了适应图形计算机辅助设计系统的异地广域协同任务要求,分析了Web服务概念体系在图形计算机辅助设计网络化协同集成应用中的作用,构架了一种以Web 服务为基础的图形计算机辅助设计协同设计框架模型,并由此给出了一种基于优先权控制的分层式协同设计过程模型,提出了一种集中式的冲突解决方法。最后,通过应用实例验证了模型的有效性。该模型基于Internet构件,能够适应协同设计者分布广域性的特点,同时又能提高设计任务的精确性和设计效率。

自我控制的力量模型

自我控制是人们克服冲动、习惯或自动化的反应,有意识地掌控自己行为方向的能力。自我控制的力量模型认为自我控制的执行会消耗有限的心理能量。力量模型的证据主要来自冲动行为、人际交互以及决策和判断等领域的研究,影响自我控制力量的因素包括人格和个体差异、情绪和动机以及自我控制训练等。自我损耗与疲劳感的区别、动机和信念在自我损耗中的作用以及力量模型的应用价值等是未来研究值得关注的问题。

成像卫星协同任务规划模型与算法

作为一类重要的对地观测卫星,成像卫星多星组网协同工作可提高处理复杂任务的能力,其中的任务规划属于多时间窗口、多优化目标和多约束条件的组合优化问题。针对任务协同规划技术,主要完成两项工作:第一,建立协同规划模型,引入了元任务间的3类协同作用关系,并进一步考虑了风险控制的要素;第二,在阐述引入启发式信息的遗传禁忌选择的求解算法基础上,提出算法协同进化模型求解技术。最后,利用卫星工具箱(satellite tool kit,STK)提供仿真数据,评价几种典型的求解算法,并验证了本文算法在收敛速度和鲁棒性上的有效性。

面向任务的软件过程控制模型

提出了一种面向任务的软件过程控制模型,旨在提高软件过程控制能力、促进CMM/CMMI的实施。该控制模型采用面向任务的调度思想,将软件过程划分为一系列任务。采用有限域约束规划方法建立约束模型,生成任务调度方案。实验验证了该模型的可行性和有效性。

控制系统中实时任务分析

本文分析了控制系统任务的特点,给出了控制系统中各种实时任务模型。分析了控制系统性能与任务参数之间的关系,给出了参数的设置方法。最后,研究了控制系统中实时任务之间存在关系,包括资源共享、执行顺序及一致性限制,给出了处理这些关系的方法。

一种基于角色和任务的访问控制模型

在基于角色的访问控制模型的基础上引入了任务(task)和任务实例(task instance)的概念,建立了基于角色和任务的访问控制模型(R&TBAC),给出了形式化定义,并且对该模型进行了安全性分析,结果表明R&TBAC模型支持两个著名的安全原则:职责分离原则和最小特权原则,并具有很好的动态适应性。

某军用信息系统访问控制模型的研究与实现

针对某军用信息系统访问控制复杂性需求,基于现有的访问控制模型,在角色管理中引入了区域角色、角色时限控制、角色条件继承、角色级和角色组的概念。任务管理中基于其访问控制策略,从任务分类、任务分割、任务时限控制、任务模板这4个方面进行研究,进而对基于任务—角色的访问控制模型作出了改进。将"任务"和"角色"都提到访问控制策略的中心地位,体现主动访问控制与被动访问控制相结合、静态授权与动态授权并存的访问控制思想,构造了一种适用某军用信息系统的基于任务—角色的访问控制模型,并给出其形式化定义及静态、动态的模型设计。

基于任务的授权控制及其实现

随着数据库、网络和分布式计算的发展 ,组织任务进一步自动化 ,与服务相关的信息进一步计算机化 ,这促使我们将安全问题方面的注意力 ,从静态的主体和客体保护转移到随着任务执行而进行动态授权保护。为适应需要 ,本文提出一种新的访问控制模型———基于任务的授权控制。文章最后给出了部分实现思路。

任务转换条件下对特征的并行搜索

采用双任务范式,以两个实验探讨了任务设置与刺激特征的匹配程度对特征搜索方式的影响。要求被试首先辨认数字序列中包含的字母,随后完成特征搜索任务。在实验一中特征搜索任务是检测同时呈现的多个灰色圆点(干扰子)中是否有红色圆点(目标)出现。在实验二中,以多种不同颜色的圆点代替实验一中的灰色干扰子。结果发现:在特征搜索主要由自下而上的信息或自上而下的信息引导的两种条件下,任务设置与刺激特征的匹配程度均不影响特征搜索方式,特征搜索仍以并行方式进行。据上述结果笔者推测,在任务设置与刺激特征不匹配的条件下,视觉加工系统首先调整任务设置使二者相匹配,随后进行高效率的并行搜索,而非在二者不匹配的条件下进行低效率的系列搜索。

基于示教学习和自适应力控制的机器人装配研究

针对柔性自动化领域的机器人装配问题,对示教学习和自适应力控制等方面进行了研究,对初始位置变化时示教搜孔、插孔时降低接触力矩波动速度和误差的策略进行了归纳,提出了利用示教学习对搜孔轨迹泛化和模糊自适应阻抗控制插孔的方法。首先根据是否与孔产生接触力将示教任务分为两段;接着利用了任务参数化的高斯混合模型(TP-GMM)训练并泛化第一段轨迹;最终和原示教的第二段轨迹组合为新的搜孔轨迹;采用了六自由度阻抗控制使得机器人具有柔顺性,再利用了模糊自适应策略调节阻抗控制中Z轴期望接触力,利用UR机器人对方形孔进行了装配试验验证。研究结果表明:所提出的策略在新的初始位置,仍能绕过障碍物并生成新的搜孔轨迹,无需再次示教;调节期望接触力相比其不变时,绕X轴方向力矩波动速度低,且波动误差减小了30%。