多特征融合的无人艇视觉小目标鲁棒跟踪

[目的]针对低特征分辨率、相似环境信息引起的无人艇视觉小目标跟踪混淆问题,提出一种多特征融合的连续卷积算子跟踪算法。[方法]首先,采用双三次插值技术,提高多特征图分辨率,实现亚像素级定位;其次,利用特征投影和生成样本空间,提高目标跟踪的效率,避免滤波器过拟合;最后,设计高置信度模型更新策略,解决相似环境信息对滤波器的干扰问题。[结果]结果表明:相较于传统的连续卷积算子跟踪算法,平均成功率提升17.4%,平均距离精度指标提升17.8%,期望平均覆盖率提升5.1%。[结论]该算法法能够处理海洋环境下的小目标跟踪混淆问题,为提升无人艇及海洋机器人的智能感知能力,提供关键技术支撑。

基于目标鲁棒的电动汽车及基站储能联合参与电力市场的决策模型

随着电动汽车(electric vehicle,EV)和第五代移动网络技术(5th generation mobile communication technology,5G)基站规模的不断增长,聚合商作为一种能够将众多EV和5G基站聚合起来的主体,在电力市场进行投标决策时会面临多重不确定因素。为应对市场电价和调频信号的不确定性以及EV和基站储能的时序响应能力可能存在互补性的问题,提出了一种基于目标鲁棒的EV和基站储能联合参与电力市场的决策方法。基于EV和基站储能单体模型建立了聚合商的聚合模型;计及市场电价和调频信号的不确定性,构建了聚合商参与电力市场的目标鲁棒优化模型;通过算例验证了所提模型相于传统不确定性优化模型的优越性,以及EV和基站储能联合参与电力市场可显著提高聚合商的收益。所提策略可为聚合商的投标决策提供参考,聚合商可利用所提模型合理地平衡决策行为的经济性和鲁棒性。

城市固废焚烧过程炉温与烟气含氧量多目标鲁棒预测模型

为实现城市固废焚烧(Municipal solid waste incineration,MSWI)过程炉温与烟气含氧量的准确预测,提出一种基于改进随机配置网络的多目标鲁棒建模方法(Multi-target robust modeling method based on improved stochastic configuration network,MRI-SCN).首先,设计了一种并行方式增量构建SCN隐含层,通过信息叠加与跨越连接来增强隐含层映射多样性,并利用参数自适应变化的监督不等式分配隐含层参数;其次,使用F范数与L_(2,1)范数正则项建立矩阵弹性网对模型参数进行稀疏约束,以建模炉温与烟气含氧量间的相关性;接着,采用混合拉普拉斯分布作为每个目标建模误差的先验分布,通过最大后验估计重新评估SCN模型的输出权值,以增强其鲁棒性;最后,利用城市固废焚烧过程的历史数据对所提建模方法的性能进行测试.实验结果表明,所提建模方法在预测精度与鲁棒性方面具有优势.

计及置信度理论的储能电站多目标鲁棒优化配置方法

新能源发电的间歇性和不稳定性对电网的稳定运行构成了严峻挑战,而储能技术的应用是解决这些问题的关键。因此,本文提出了一种基于置信度理论的新能源和储能电站多目标优化配置方法,旨在通过合理配置新能源电站和储能系统的容量,提高电网的稳定性和可靠性。首先,本文分析了高比例新能源接入电网带来的不确定性,建立了多目标鲁棒优化模型。接着,基于置信度理论,采用归一化正则约束方法生成多样化的帕累托解集,确保在不同不确定性情况下解的有效性和多样性。最后,通过后验样本分析对每个帕累托解进行长期性能模拟,评估其实际效果。在IEEE输电网上的算例验证结果显示,在较低的置信区间值下,系统总成本较低,但调节能力有限;而在较高的置信区间值下,系统调节能力显著提高,但总成本也相应增加。此外,系统在面对5%的负荷波动时,运行成本降低了15%,供电可靠性提高了10%。

MIMO雷达鲁棒目标检测的脉内和脉间联合波形设计

针对方位和多普勒信息均不确定条件下集中式MIMO雷达的稳健目标检测问题,基于最大化最差输出信干噪比(SINR)的波形设计准则,利用半定规划(SDP)优化来交替优化发射波形和接收滤波器.为进一步提升检测性能,采用脉内和脉间联合设计波形.最后分析了波形的峰均比约束对输出SINR性能的影响.仿真结果表明,与单纯脉内和单纯脉间波形相比,联合波形具有更加鲁棒的输出SINR性能.

基于多特征在线模板更新的鲁棒目标跟踪算法

在Mean-shift算法框架下提出一种基于多特征在线模板更新策略的鲁棒目标跟踪算法.首先,针对目标与背景色彩相似引发的跟踪漂移现象,提取照度不变性色彩特征与旋转不变性LBP纹理特征提取算法,并通过引入BWH算法实现多特征融合;其次,在传统的Mean-shift算法收敛条件上增加了直方图相似度校验,以避免陷入局部最优解.此外,还提出了基于直方图差异空间分布图的遮挡现象检测算法,从而提升了模板在线更新算法的准确性.实验结果表明,本文方法对于复杂动态场景、遮挡现象以及目标自身形变具有较强的鲁棒性和较高的准确性.

基于进化计算的多目标鲁棒优化方法

工程应用中求解多目标优化问题时,所求的解既要具有较高的质量,又要满足指定的鲁棒性要求。对已有的多目标优化解的鲁棒性度量方法进行了分析,基于用户提出的严格鲁棒性要求,给出了一种严格鲁棒性度量方法并建立了求多目标鲁棒Pareto最优解的数学模型。模型归结为一个嵌套的双重优化过程,外层优化过程用于搜索高质量的解,内层优化过程用于测量候选解的鲁棒性度量指标。以进化计算作为搜索引擎,给出了实施模型的算法,仿真结果表明了方法是有效的。

汽车主动悬架系统的鲁棒L1／H∞多目标控制

在分析汽车主动悬架的基本功能的基础上,将主动悬架的振动控制在数学上表述为一个凸多面体系统的多目标控制问题.鉴于系统模型中的车身质量参数可以实时测量,提出参数依赖状态反馈控制策略.将汽车主动悬架系统的鲁棒L1/H∞多目标控制器设计转化为受线性矩阵不等式约束的凸优化问题.仿真结果验证了设计方法的有效性.

基于鲁棒多目标优化方法的UCAV武器投放规划

研究了无人作战飞机(unmanned combat aerial vehicles,UCAV)对地攻击阶段的武器投放鲁棒性规划问题。针对现有规划方法在处理战场环境扰动、模型不准确、操作偏差等不确定性因素方面存在的不足,提出了一种鲁棒多目标优化求解策略。首先,建立了飞机机动性能、武器装备性能和战场环境等约束条件模型;其次,使用仿真近似法,建立了优化指标模型,并将武器投放规划问题转化为鲁棒多目标优化问题;然后,设计了一种结合蒙特卡罗方法的快速非支配排序遗传算法对问题进行求解,并采用基于基本轨迹片元的机动轨迹生成策略生成武器投放轨迹。仿真结果表明,该方法能够有效提高武器投放规划的鲁棒性。

相邻交叉口混合交通流鲁棒多目标信号优化控制

针对我国城市道路相邻交叉口混合交通流环境下智能信号控制中的不确定性和效率问题,提出一种基于鲁棒多目标优化算法的优化控制方法.设计了相邻交叉口的鲁棒多目标信号优化控制模型,并提出一种新的鲁棒多目标进化算法IDR-NSGA-Ⅱ,通过对自适应抽样技术、鲁棒度定义、鲁棒偏序关系定义等多项关键技术的综合改进,提升了算法的求解精度和运行速度.提出新的多属性决策方法 ELM-MADMA来选择配时方案.上海市相邻交叉口控制的仿真实验结果表明:IDR-NSGA-Ⅱ算法能够有效地实现周期时长扰动和交通流波动下机动车平均延误、道路通行能力、慢行交通平均延误、机动车平均停车率等多项性能指标的最优化控制;与其他决策方法相比,ELM-MADMA能够较好地进行决策,提升相邻交叉口智能信号控制的效率.

一种适用于分集MIMO雷达鲁棒的有源假目标鉴别方法

分集多输入多输出(MIMO)雷达在对抗欺骗式假目标干扰方面有着体制优势,已有文献在假设真实目标回波完全去相关的假设下,通过对目标慢时间复包络序列进行相关性检验来鉴别假目标。考虑到在真实目标回波不完全去相关条件下此有源假目标鉴别方法性能下降较严重,提出了一种鲁棒的有源假目标鉴别方法。仿真分析表明,在真实目标回波存在相关性的场景下,此方法有着较明显的性能优势。

热电联产与风电机组联合运行鲁棒多目标优化调度模型

提高风电消纳能力,需在电–热联合系统中加装储热设备,提高热电联产机组的调节能力,增强电力系统的灵活性,解决风电消纳问题。风电预测功率的随机性导致调度问题的不确定性,要求调度方案不仅能满足目标费用最优,而且希望目标费用受不确定性的影响在可接受范围之内。本文基于参数的敏感区域方法,建立含储热的热电联产与风电机组联合运行鲁棒多目标优化经济调度模型。模型包含极小化机组运行的煤耗成本,弃风惩罚费用两个目标,约束条件包括联合调度系统的常规约束、鲁棒约束。利用细菌群体趋药性算法和鲁棒条件检验方法求解模型。通过仿真计算,验证了所提模型和算法的鲁棒性,经济性和有效性,并通过三种模型对比说明本文模型费用最优,鲁棒性最好,风电消纳能力得到了提升。

基于凸优化技术的多目标鲁棒滤波组合导航方法(英文)

Kalman滤波在组合导航中的应用已很广泛,但是,在系统不确定情况下,误差出现发散,精度下降,采用的基于Riccati方程的H∞滤波技术对系统噪声的不确定性则具有一定的鲁棒性,但性能参数选取仅能凭经验而无系统的方法,给工程实践带来一定困难。根据现代控制理论最优控制理论思想,使用凸优化技术设计鲁棒混合H2/H∞滤波器融合高精度的GPS和CNS量测信息,解决系统不确定性问题,通过在惯性/卫星/天文组合系统中的半物理数据仿真进一步对混合H2/H∞滤波和H∞滤波算法进行了比较。仿真结果表明,真实器件噪声情况下,鲁棒混合H2/H∞滤波算法明显具有良好的精度。

不确定多目标优化鲁棒真有效解的最优性与对偶

本文研究一类不确定性多目标优化问题鲁棒真有效解的最优性条件和对偶理论.首先,借助鲁棒真有效解的标量化定理,在鲁棒型闭凸锥约束品性下,建立了不确定多目标优化问题真有效解的最优性条件;其次,针对原不确定多目优化的Wolfe型对偶问题,得到关于鲁棒真有效解的强、弱对偶定理.

一种新的鲁棒无监督显著性目标检测方法

针对传统无监督图像显著性目标检测鲁棒性不强、学习算法复杂度高的问题,提出了一种新的鲁棒无监督显著性目标检测方法--三元结构化矩阵分解目标检测。该方法利用低秩矩阵三元分解降低奇异值分解(singular value decomposition)的算法复杂度,结合高层先验知识,提升复杂背景下的显著性目标检测性能。通过分层稀疏正则化和构造索引树,解决显著图的细节缺失问题。在3种标准多目标数据集上对主流无监督显著性目标检测方法进行了实验对比,结果表明,所提方法学习时间最多可以降低40%,并且F-measure指标在超过50%的阈值范围内鲁棒性优于当前最好的无监督检测算法。

应急物流车辆调度多目标鲁棒优化研究

针对应急物流车辆调度问题中对于经济性、时效性、可靠性和鲁棒性的多种要求,考虑了含有时间窗、不确定需求、不确定行驶时间,以及路段含有失效风险的多目标鲁棒车辆路径优化问题,通过定义新的成本函数、满意度函数、风险度函数和鲁棒度函数作为四个优化目标来构建模型,并基于鲁棒优化理论将不确定模型转化为确定性鲁棒对应模型求解,为解决不确定环境下优化问题提供了新的思路。算法方面,主要基于SPEA2算法框架求解该多目标模型,针对算法缺陷提出多种改进策略,并通过对比实验证明了改进策略的有效性。

鲁棒多目标优化问题的最优性和对偶性

针对非光滑、非凸实值函数的鲁棒多目标优化问题,建立鲁棒(弱)有效解的充分优化条件,并探索了对偶(鲁棒)多目标问题的强弱对偶关系;利用复合函数的极限次微分,凸性推广至(严格)广义伪凸的条件下仍能得到优化问题的最优性条件,并进一步通过对偶问题建立强弱鲁棒对偶性;最后在(严格)广义伪凸的条件之下,得到3个定理并加以证明。

圈养成年雄性山魈的串笼训练

天津市动物园现有珍稀野生动物200余种3000余只,集野生动物易地保护、科普教育、科学研究、休闲娱乐于一体,以生物多样性保护为宗旨开展各项工作。目前对圈养野生动物进行正强化行为训练已成为国内外动物园发展的大趋势。天津市动物园自2018年起将动物行为训练作为饲养管理的重要组成部分。灵长中心对圈养珍稀野生动物进行了正强化串笼训练,利用指令和响片的正向引导,加以食物作为奖励等培养期望行为,使其成功完成定位、跟随目标棒移位、蹲坐、进笼等训练项目。文章介绍了成年雄性山魈(Mandrillus sphinx)串笼训练的开展情况,总结了训练原理、训练项目、过程方法及所需时间,并对相关训练过程进行探讨,以期为业内相关工作提供一定参考。

鲁棒多目标优化问题的约束标量化方法

为了研究带约束鲁棒标量化问题的最优解与多目标优化问题的鲁棒有效解和鲁棒弱有效解之间的关系,获得鲁棒解的性质。利用鲁棒标量化方法将带约束的确定性多目标优化问题推广到鲁棒多目标优化问题,并在不同参数条件下,对鲁棒有效解和鲁棒弱有效解进行研究。建立了鲁棒有效解和鲁棒弱有效解的一些充分条件,并给出具体例子对主要结果进行解释。所得结果是对最近一些研究工作的改进与推广。

基于改进SOS算法的UCAV鲁棒机动决策研究

针对无人作战飞机自主空战机动决策问题,提出了一种鲁棒机动决策方法。设计了反映空战态势的鲁棒隶属函数,并基于此设计鲁棒多目标决策函数;针对动作库在机动决策中的不完备性与传统优化方法求解时效性缺陷,运用基于自适应和精英反向学习策略改进的共生生物算法,对控制量进行优化进而完成机动决策;仿真结果表明,鲁棒机动决策结果更具优势且改进算法求解具有实时性,满足机动决策需求。