领航者-跟随者集群系统的队形优化与控制

针对集群系统中领航者-跟随者的队形优化问题,基于分布式优化理论,将最优队形问题建模为在线聚合优化问题.跟随者有一个与自身位置和集群中心位置相关的目标函数,并通过衡量一段时间内所有目标函数和收益制定最优决策.基于梯度下降法和动态平均一致性方法,提出一种固定步长分布式离散时间算法.采用矩阵放缩理论,证明动态遗憾界与常数项和在线时间相关.仿真实验证明算法的有效性.

计及多元不确定性的综合能源系统优化配置

综合能源系统的优化配置关键在于设备选型与数量配置,而能源负荷负荷和可再生能源出力预测误差以及故障发生的不确定性将直接影响配置方案的合理性以及经济性.为此,本文提出一种考虑源–网–荷多元不确定性的综合能源系统多目标–机会约束规划方法.考虑可再生能源出力与负荷需求预测误差引起的不确定性,本文构建了满足置信概率的能量供需平衡约束;针对供能网络中设备N-1故障引起的不确定性,提出调整裕度模型,进而构建了调整裕度与N-1设备能量缺额的机会约束.对于获得的帕累托解集,采用信息熵与逼近理想排序法构建多准则评价模型,以确定最优的系统配置.将本文方法应用于某区域综合能源系统的最优结构设计,实验结果表明,本文方法的有效性与可靠性.

基于神经网络时延预测的航空发动机内模控制器设计

针对航空发动机分布式控制系统中时延不确定问题,提出了一种基于神经网络时延预测的航空发动机内模多变量控制设计方法。首先分析了分布式控制架构下网络时延产生的原因及影响因素。然后设计了内模控制器,包括基于神经网络的时延预测模块、内模主控制器模块、执行机构小闭环控制模块以及与发动机起动过程开环控制计划相结合的切换控制模块。在理想和扰动条件下,从理论上分析了基于预测时延的内模控制系统的稳定性能,并对所提控制策略下允许的最大时延进行了说明。最后进行了全数字仿真和硬件在环仿真试验。结果表明,所设计的神经网络时延预测模块具备高精度预测能力,内模控制器的稳态误差不超过0.5%,具有良好的抗干扰能力、并满足实时性要求,具有一定的工程应用价值。

基于知识蒸馏的钢铁高炉煤气系统建模方法

钢铁企业高炉煤气系统具有波动性大、时变性强、不确定性高等特点,对其未来产消趋势进行准确的建模预测有助于企业的高效决策与节能减排.文章提出了一种基于知识蒸馏的高炉煤气系统建模方法,为了提高训练过程中的拟合精度,在教师网络中建立了基于长短期记忆网络的序列到序列模型来提取样本的中间特征.进而,提出了融入教师模型中间特征的知识蒸馏策略,建立了考虑中间特征蒸馏损失与预测均方误差的损失函数,对知识蒸馏过程及预测偏差进行评估.通过国内大型钢铁企业高炉煤气系统实际运行数据的实验验证,表明了本文所提建模方法的有效性,可为后续的能源系统优化调度提供支撑.

基于GAF-DarkNet的滚动轴承故障诊断方法

针对深度诊断模型较难处理信号紧邻特征点以及变工况导致模型诊断精度和泛化性能不足的问题,提出基于格拉姆角场(GAF)和DarkNet-53图像识别算法的滚动轴承故障诊断方法。通过GAF编码将原始振动信号转换为具有时序相关性的二维特征图像,将特征图像输入DarkNet-53进行特征自提取和故障诊断。基于凯斯西储大学(CWRU)滚动轴承数据集和南京工业大学转盘轴承数据集并通过变载荷工况分析对所提算法进行验证,同时与目前流行的智能诊断方法及二维重构诊断方法进行对比,结果表明变工况下GAF-DarkNet算法具有更好的泛化能力和故障识别效果。

基于用户画像及多车协同的环岛车辆换道策略

基于智能网联汽车车-路-环境的协同策略已成为一种解决智能交通领域问题的有效方案。因此通过结合交通环岛的行车特点,提出了一种基于车辆用户画像的交通环岛换道策略。首先为了解决交通环岛中智能网联汽车多源异构数据的混杂问题,定义了车辆用户画像,对智能网联汽车多维数据进行表征。其次,基于随机森林算法对车辆用户画像中标签的权重进行实时更新。再次,根据车辆用户画像及动态权重设计收益函数针对环岛出口位置的内道车辆进行换道决策,实现了决策的场景自适应。最后,利用SUMO对本算法在交通拥堵、正常、稀疏等三种场景中进行仿真测试。实验结果表明本算法使得车辆在交通环岛的通行效率和舒适度均得到有效提升,以此验证了车辆用户画像对于优化决策的场景自适应效果的作用。

基于冲突分类与消解的多智能体路径规划算法设计

多智能体路径规划应用广泛但求解困难。为更好地处理多智能体路径规划中的路径冲突问题,提高求解效率,将冲突进一步分类为相向顶点冲突和交叉顶点冲突,并提出了对应的消解方式。相向顶点冲突的消解方法采用提前添加约束的方式,避免在消解其冲突的过程中产生另一个可预见的冲突;交叉顶点冲突的消解方法采用寻找最佳等待时间的方式,在消解其冲突的同时消解其他存在的冲突。两种冲突消解方法均可减小约束树的规模,在一定程度上减少算法的计算量。并提出了基于冲突搜索算法的高层节点冲突搜索算法。实验结果表明,所提出的冲突分类及消解方式有效地减小了算法高层中约束树的规模,降低了算法计算量,并在智能体密集的环境下表现出更大的优势。

基于双通道事件触发机制的水面无人艇同时故障检测与控制

本文研究双通道事件触发通讯机制下水面无人艇(USV)的同时故障检测和控制(SFDC)问题.考虑执行器故障和外部扰动,建立了SFDC框架以同时实现控制和故障检测目标.为了节约有限的通信资源和系统能源,在传感器–控制器通道和控制器–执行器通道分别部署了积分型事件触发器.在事件触发的通讯机制下,提出了故障检测器和控制器的联合设计准则.最后,USV的仿真结果验证了提出的基于事件触发的SFDC方法的有效性.

叶顶喷气对跨音速轴流压气机稳定裕度影响的数值研究

为了研究叶顶喷气机匣处理方式对轴流压气机稳定裕度的影响,针对Rotor37开展了叶顶喷气的定常数值研究。相关文献指出,喷嘴出口气流角、喷嘴轴向位置、喷嘴覆盖比率及喷嘴进口总压4个参数对稳定裕度的影响最为显著。因此,本文着重对这四个参数构建响应面,同时结合主流的单通道计算模型,详细分析了它们之间的交互关系及相应的参数变化对压气机稳定性的影响,并拟合出回归方程。结果显示,在最佳参数设置下,单通道计算模型中压气机的稳定裕度最大可以增加8%左右。在此基础上,又对四通道压气机计算模型进行了气动计算与分析,发现叶顶喷气射流会按照与压气机旋转相反的方向作用于相邻的叶片流道,抑制该流道泄漏涡的产生,进而改善该流道内的流动。研究表明,采用叶顶喷气方法可以降低叶片前缘载荷,改变压气机的失速类型,从而增加压气机的稳定裕度。

基于用户画像与Stackelberg博弈的交通环岛通行策略

现有的交通环岛通行优化研究多以无损通信为背景,结合车辆速度等基础数据设计协同策略,忽略了影响交通策略的外界环境等数据,无法满足实际应用的需要。为解决实际通信受限问题,根据智能网联汽车的车-路-环境协同特点,提出一种结合用户画像,基于车辆状态预测的环岛车辆协同换道策略。设计基于时空特征的车辆预测方法AP-LSTM,捕捉车辆关键时空特征以实现小样本轨迹预测,有效提高小样本车辆轨迹预测的准确性和实时性。同时,设计基于预测机制的车辆协同算法PMC,弥补车辆协同决策在实时通信受限的条件下所缺失的车辆状态信息,通过历史数据对车辆未来状态进行预测,在此基础上,结合Stackelberg博弈对交通环岛路口处的车辆进行协同控制。在SUMO平台上的实验结果表明,相比长短时记忆算法,所提AP-LSTM预测方法的均方根误差较低,相比SUMO算法,所提PMC协同算法的加速度标准差降低51.7%,且平均速度提高3.0%,有效提高交通环岛的通行效率和驾驶平稳性。

基于改进YOLOv5算法的管道漏磁信号识别方法

长输油气管道作为能源运输的主要方式,安全问题至关重要;管道漏磁内检测技术作为管道缺陷检测的重要方法之一,在管道安全保障中发挥着重要作用;人工智能技术可实现管道内检测数据的自动识别,对于减少人力工作量,减少人为误差,提升数据判读准确性具有重要意义;通过引入损失函数Distance-IoU对目标检测算法YOLOv5进行改进,利用改进YOLOv5算法对管道漏磁数据进行训练,使之具有对漏磁缺陷信号自动识别的能力;通过实验,对实际漏磁内检测数据进行识别;结果表明,改进的YOLOv5算法实现了管道缺陷漏磁信号的自动检测识别;并且在相同的训练条件下,改进的YOLOv5算法相较于原始算法准确率有明显的提升,在识别缺陷数量上其精度达到92.8%,比原算法提升了3.22%,改进后的模型损失函数平均损失率为3.6%,比原始YOLOv5模型降低了2.2%,表明该方法在管道缺陷漏磁数据自动识别检测方面具有较好的可行性。

基于事件触发的异构多智能体最优包含控制

针对异构多智能体系统的输出包含控制问题,提出一种基于边的事件触发最优控制协议,保证所有跟随者的输出能进入到由领航者的输出所形成的凸包中。同时,使系统达到最优性能,最小化控制代价。考虑到不是所有的跟随者都可获得领航者的信息,提出一种基于边的分布式事件触发观测器,估计领航者输出形成的凸包内点的轨迹。设计加权代价函数评价包含控制的性能,并将输出包含问题转化为最优状态反馈控制设计问题。利用贝尔曼方程和黎卡提方程,给出异构多智能体系统最优输出包含控制的参数设计。选择不同类型的机器人构成多智能体系统,验证算法的有效性。

智能网联汽车中联合驾驶风格的交通流数据有效性分析

在智能网联汽车(ICV)中,提高驾驶数据的有效性是提升车辆安全性的基石。只有准确的、可靠的驾驶数据才能为车辆的安全性提供可靠的依据和支持。与传统的异常分析相比,ICV数据有效性分析面临数据异常的多样性(传感器异常、驾驶行为、恶意篡改等)。如何将车辆自身数据特征、驾驶风格和交通流特征相结合,提供有效的数据异常检测方法,已成为智能网联汽车中新的问题。针对ICV系统,采用结合驾驶风格和交通流理论的方法,设计基于粒子群优化的TE-PSO-SVM数据有效性检测算法,实现驾驶数据的有效检测。首先定义驾驶风格识别系数Rad,设计驾驶风格量化模型;其次建立交通流模型,将车辆状态数据与驾驶风格和交通流理论相结合,通过长短期记忆(LSTM)网络对车辆速度预测;最后通过TE-PSO-SVM算法进行数据有效性检测。由于ICV数据的多样性,单一模型在多类型异常混合并存的场景中检测精度仍有局限,利用多个模型的优势构建模型池,并提出基于强化学习的模型选择(RLBMS)算法。在真实数据集highD上的实验结果表明,在不同噪声环境下,TE-PSO-SVM算法模型的F1值相比于传统SVM模型平均提升约8.1个百分点;RLBMS算法模型在不同噪声环境下的F1值相比于模型池中检测率最高的算法平均提高约1.7个百分点,明显提高了数据有效性检测的准确率。

基于模糊强化学习的空气压缩机群组协调预测控制

空气压缩机在提供动力的同时消耗着大量的电力能源,其节能增效备受关注.空气负荷需求受生产节奏、计划排程等影响呈现阶段性、间歇性的特点,导致空气压缩机组在大范围内变工况运行,人工调节速度慢,机组能耗高.针对此问题,以国内工业园区空气压缩机群组系统为背景,提出一种基于模糊强化学习的空气压缩机群组协调预测控制方法.首先利用工业现场的历史数据和设备运行机理建立基于模糊辨识的空气压缩机群组多工况模型;在此基础上,以最小化生产过程能耗为目标,结合生产工艺条件、设备安全等约束条件,建立基于模糊强化学习的空气压缩机组变负荷协调预测控制方法,保证系统在复杂工况下安全稳定运行;最后,将所提出方法应用于工业园区空气压缩仿真系统进行性能测试,取得较好的控制效果.

多元时间序列因果关系分析研究综述

多元时间序列的因果关系分析是数据挖掘领域的研究热点.时间序列数据包含着与时间动态有关的、未知的、有价值的信息,因此若能挖掘出这些知识进而对时间序列未来趋势进行预测或干预,具有重要的现实意义.为此,本文综述了多元时间序列因果关系分析的研究进展、应用与展望.首先,本文归纳了主要的因果分析方法,包括Granger因果关系分析、基于信息理论的因果分析和基于状态空间的因果分析;然后,总结了不同方法的优缺点、适用范围和发展方向,并概述了其在不同领域的典型应用;最后,讨论了多元时间序列因果分析方法待解决的问题和未来研究趋势.

高速漏磁检测过程中管道内外壁缺陷定位方法研究

管道内外壁缺陷的有效区分是对缺陷进行有效量化的前提,提出一种基于动生涡流的高速漏磁检测过程中管道内外壁缺陷的定位区分方法,利用涡流磁场与外磁场的耦合作用时内外壁磁场信号的变化差异特征区分缺陷位置。首先建立高速漏磁检测数学模型,分析了涡流分布特点以及涡流磁场与外磁场耦合作用规律,利用有限元方法计算分析不同位置时,耦合作用规律对管道内外壁磁化状态影响及内外壁缺陷漏磁场信号差异特征;设计高速漏磁检测实验平台,对不同运行速度、不同检测位置处钢管内外壁缺陷区分效果进行实验研究。结果表明,接近磁化线圈位置时,管壁内产生的涡流磁场方向与管道外壁磁场方向相同、与管道内壁磁场方向相反,在离开磁化线圈位置时,涡流磁场方向与管道外壁磁场方向相反、与管道内壁磁场方向相同;不同检测位置处,管壁磁场变化规律相反,且速度越快,磁化状态影响受影响程度越大,内外壁漏磁场信号差异特征越明显,高速检测时可有效对管道内外壁缺陷进行定位区分,实验结果和理论分析具有很好的一致性。

多能流系统合作协同的不确定多目标决策

多能流工业生产过程具有多目标、强耦合、时变、不确定性等特点,针对此类系统的平衡调度问题,本文提出一种基于合作协同优化的不确定多目标决策方法.以钢铁企业副产煤气系统为例,针对系统未来状态的不确定性,本文在优化决策的过程中结合卡尔曼滤波方法和贝叶斯定理,提出一种考虑条件预期的不确定决策模型.该模型能够同时分析当前目标和预期目标,从而消除未来状态不确定性带来的影响.针对副产煤气系统多能流强耦合的特点,本文在优化决策过程中综合考虑单能流系统特性以及多能流系统的协同关系,基于图模型原理提出基于双向权重的协同进化方法,从"总体"–"局部"相结合的角度给出最优的决策策略.通过实际钢铁企业数据的仿真实验表明,该方法能够充分考虑未来的不确定性,同时兼顾单能流系统性能和多能流耦合关系,给出合理的调度决策方案.该方法可用于具有多目标、强耦合以及不确定性的复杂多能流系统,为其调度决策问题提供支持.

基于全基因组选择的长牡蛎肥满度分布参数预测方法

全基因组选择是一种用于改良动植物育种群体中数量性状的方法,通过使用覆盖整个基因组的分子标记信息对复杂性状进行预测,从而帮助筛选出更适合培育的亲本.基于长牡蛎的单核苷酸多态性(SNP)位点信息,提出了一种预测长牡蛎肥满度分布参数的全基因组选择的新方法.首先,采用一种基于不同评价准则的二次特征选择方法,挑选与肥满度相关性较高的SNP位点;其次,利用所挑选的SNP位点信息构建具有正则化项的高斯通用加性模型对每个长牡蛎样本肥满度分布参数进行预测;最后,在长牡蛎数据上将所提方法和一些现有方法进行了验证比较.实验结果表明,所提方法具有更好的拟合精度和更低的均方误差,并能对样本性状稳定性进行有效的评估.

管道漏磁内检测矩形缺陷解析方法的分析

针对现有漏磁场解析时假设磁荷均匀分布的计算结果与工程结果误差较大的问题,对管道缺陷磁化后磁荷的不均匀分布规律进行研究,得到了管道缺陷侧壁和棱线上的磁荷分布特征。基于磁偶极子理论建立了管道缺陷的三维磁偶极子解析模型,对缺陷棱线磁荷和侧壁非均匀面磁荷产生的漏磁场进行解算,并进行了试验研究。结果表明,计算结果与实际管道缺陷漏磁场的分布特征具有很好的一致性,误差小于假设磁荷均匀分布得到的漏磁场,说明所建模型可有效描述管道矩形缺陷漏磁场的分布特征。

基于集成局部费舍尔判别分析的故障分类

实际工业过程数据的局部特性一般都较为复杂,不利于样本特征的提取和故障分类精度的提高.针对此问题,本文提出一种集成的局部费舍尔判别分析(ILFDA)模型,可以同时从变量和样本两个维度挖掘数据的局部结构特征,提高故障分类的性能并降低建模的难度.首先,根据过程的结构原理对复杂系统进行分块,从而可以有效获取变量维度的数据局部信息,并排除无关变量的影响.其次,针对样本维度的数据局部信息,在每个变量子块中分别建立局部费舍尔判别分析(LFDA)模型,并为每个局部模型分配相应的权值,从而可以更准确地衡量不同子块对当前故障的影响程度.最后,利用分类性能加权策略将各个子块的分类结果进行融合.田纳西–伊斯曼(TE)过程中的仿真结果验证本文所提的ILFDA方法具有更好的故障分类效果.