2024年·第50卷·第1期

综 述

01

一元及多元旗子暗记分解发展进程与展望

陈启明, 文青松, 郎恂, 谢磊, 苏宏业

现实天下中, 所得到的旗子暗记大部分都是非平稳和非线性的, 将此类繁芜旗子暗记分解为多个大略的子旗子暗记是主要的旗子暗记处理方法. 1998年, 提出希尔伯特–黄变换(Hilbert-Huang transform, HHT)以来, 历经20余年的发展, 旗子暗记分解已经成为旗子暗记处理领域相对独立又具有创新性的主要内容. 特殊是近10年, 多元/多变量/多通道旗子暗记分解理论方法朝阳东升, 在诸多领域得到了成功运用, 但目前尚未见到干系综述宣布. 为补充这个空缺, 从单变量和多变量两个方面系统综述了海内/外学者对紧张旗子暗记分解方法的研究现状, 对这些方法的时频表达性能进行剖析和比较, 指出这些分解方法的上风和存在的问题. 末了, 对旗子暗记分解研究进行总结和展望.

陈启明, 文青松, 郎恂, 谢磊, 苏宏业. 一元及多元旗子暗记分解发展进程与展望. 自动化学报, 2024, 50(1): 1−20

Chen Qi-Ming, Wen Qing-Song, Lang Xun, Xie Lei, Su Hong-Ye. Univariate and multivariate signal decomposition: Review and future directions. Acta Automatica Sinica, 2024, 50(1): 1−20

02

重大装备制造多机器人任务分配与运动方案技能研究综述

张振国, 毛建旭, 谭浩然, 王耀南, 张雪波, 江一鸣

飞机蒙皮、船舶舱体、高铁车身等大型繁芜部件高效高品质制造是航空航天、海洋舰船、轨道交通等领域重大装备发展的根基. 大型繁芜部件具有尺寸超大、型脸庞杂等特点, 传统的人工、单机制造面临着效率低、同等性差、空间有限等问题, 多机器人具有高鲁棒性、高效性等优点, 为大型繁芜部件制造供应了良好的制造根本. 任务分配与运动方案是多机器人制造系统的决策中枢, 其性能影响全体系统的运行效率. 考虑到重大装备部件制造任务分配与运动方案过程中任务工序多、冲突干涉多、精度需求高档寻衅, 本文首先对繁芜环境下多机器人任务分配与运动方案的主要性进行相识释; 然后阐述了目前紧张的任务分配与运动方案方法, 包括其在智能制造领域下的运用; 在此根本上, 对现阶段繁芜场景下任务分配和运动方案存在的问题进行了剖析, 并利用强化学习与稠浊优化算法等方法提出理解决思路; 末了对重大装备大型繁芜部件制造过程多机器人任务分配和动态方案技能及运用的发展进行了总结与展望.

张振国, 毛建旭, 谭浩然, 王耀南, 张雪波, 江一鸣. 重大装备制造多机器人任务分配与运动方案技能研究综述. 自动化学报, 2024, 50(1): 21−41

Zhang Zhen-Guo, Mao Jian-Xu, Tan Hao-Ran, Wang Yao-Nan, Zhang Xue-Bo, Jiang Yi-Ming. A review of task allocation and motion planning for multi-robot in major equipment manufacturing. Acta Automatica Sinica, 2024, 50(1): 21−41

综 述

01

n比特随机量子系统实时状态估计及其反馈掌握

张骄阳, 丛爽, 匡森

研究了n比特随机量子系统实时状态估计及其反馈掌握的问题. 对付连续弱丈量(Continuous weak measurement, CWM)过程存在高斯噪声的情形, 基于在线交替方向乘子法(Online alternating direction multiplier method, OADM)推导出一种适用于n比特随机量子系统的实时量子状态估计算法, 即QSE-OADM (Quantum state estimation based on OADM). 利用李雅普诺夫方法设计掌握律, 实现基于实时量子状态估计的反馈掌握, 并证明所提掌握律的收敛性. 以2比特随机量子系统为例进行数值仿真实验, 通过与基于QST-OADM (Quantum state tomography based on OADM)算法和OPG-ADMM (Online proximal gradient-based alternating direction method of multipliers)算法的量子反馈掌握方案的性能比拟, 验证了所提掌握方案的优胜性.

张骄阳, 丛爽, 匡森. n比特随机量子系统实时状态估计及其反馈掌握. 自动化学报, 2024, 50(1): 42−53

Zhang Jiao-Yang, Cong Shuang, Kuang Sen. Real-time state estimation and feedback control for n-qubit stochastic quantum systems. Acta Automatica Sinica, 2024, 50(1): 42−53

02

航天器姿态受限的协同势函数族设计方法

岳程斐, 霍涛, 陈雪芹, 沈强, 曹喜滨

提出一种考虑航天器姿态约束的协同势函数设计方法, 在姿态全局收敛的同时, 担保姿态在机动过程中始终知足姿态约束. 首先, 建立航天器姿态指向约束模型, 并针对每一个指向约束设计软约束区域; 然后, 基于“角度扰动”方法设计协同势函数族; 接着, 通过设计协同势函数族内函数切换规律, 在软约束区域内构建知足姿态约束的势函数, 并给出区域内势函数临界点分布的调度方法; 末了, 将所得的势函数用于航天器的避障掌握, 以比例−微分掌握为例, 通过数值仿真, 验证该方法的有效性.

岳程斐, 霍涛, 陈雪芹, 沈强, 曹喜滨. 航天器姿态受限的协同势函数族设计方法. 自动化学报, 2024, 50(1): 54−65

Yue Cheng-Fei, Huo Tao, Chen Xue-Qin, Shen Qiang, Cao Xi-Bin. Synergistic potential functions for constrained attitude control of rigid spacecraft. Acta Automatica Sinica, 2024, 50(1): 54−65

03

基于有向图的分布式连续韶光非光滑耦合约束凸优化剖析

刘奕葶, 马铭莙, 付俊

研究一类分布式优化问题, 其目标是在知足耦合不等式约束和局部可行集约束的情形下使非光滑全局代价函数值最小. 首先, 对原有的分布式连续韶光投影算法进行拓展, 结合线性代数理论剖析, 设计一个适用于强连通加权平衡有向通信网络拓扑图的算法. 其次, 在局部代价函数和耦合不等式约束函数是非光滑凸函数的假设条件下, 利用Moreau-Yosida函数正则化使目标函数和约束函数近似光滑可微. 然后, 根据强连通加权平衡有向图的分布式连续韶光投影算法布局李雅普诺夫函数, 证明该算法下的平衡解是分布式优化问题最优解, 并对算法进行收敛性剖析. 末了, 通过数值仿真验证算法的有效性.

刘奕葶, 马铭莙, 付俊. 基于有向图的分布式连续韶光非光滑耦合约束凸优化剖析. 自动化学报, 2024, 50(1): 66−75

Liu Yi-Ting, Ma Ming-Jun, Fu Jun. Distributed continuous-time non-smooth convex optimization analysis with coupled constraints over directed graphs. Acta Automatica Sinica, 2024, 50(1): 66−75

04

基于时序图推理的设备剩余利用寿命预测

刘雨蒙, 郑旭, 田玲, 王宏安

剩余利用寿命(Remaining useful life, RUL)预测是大型设备故障预测与康健管理(Prognostics and health management, PHM)的主要环节, 对付降落设备维修本钱和避免灾害性故障具有主要意义. 针对RUL预测, 首次提出一种基于多变量剖析的时序图推理模型(Multivariate similarity temporal knowledge graph, MSTKG), 通过捕捉设备各部件的运行状态耦合关系及其变革趋势, 挖掘个中蕴含的设备性能退化信息, 为寿命预测供应有效依据. 首先, 设计时序图构造, 形式化表达各部件不同事情周期的关联关系. 其次, 提出联合图卷积神经网络(Convolutional neural network, CNN)和门控循环单元 (Gated recurrent unit, GRU)的深度推理网络, 建模并学习设备各部件事情状态的时空蜕变过程, 并结合回归剖析, 得到剩余利用寿命预测结果. 末了, 与现有预测方法比较, 所提方法能够显式建模并利用设备部件耦合关系的变革信息, 仿真实验结果验证了该方法的优胜性.

刘雨蒙, 郑旭, 田玲, 王宏安. 基于时序图推理的设备剩余利用寿命预测. 自动化学报, 2024, 50(1): 76−88

Liu Yu-Meng, Zheng Xu, Tian Ling, Wang Hong-An. Remaining useful life estimation of facilities based on reasoning over temporal graphs. Acta Automatica Sinica, 2024, 50(1): 76−88

05

基于深度置信网络的多模态过程故障评估方法及运用

张凯, 杨朋澄, 彭开喷鼻香, 陈志文

传统的多模态过程故障等级评估方法对模态之间的共性特色考虑较少, 导致当被评估模态故障信息不充分时, 评估的准确性较低. 针对此问题, 首先, 提出一种共性–个性深度置信网络 (Common and specific deep belief network, CS-DBN), 该网络充分利用深度置信网络 (Deep belief network, DBN) 的深度分层特色提取能力, 通过度量多模态数据间分布的相似性和差异性, 进一步得到能够反响多模态过程共有信息的共性特色以及反响每个模态独占信息的个性特色; 其次, 基于CS-DBN, 利用多模态过程的已知故障等级数据天生多模态共性–个性特色集, 通过加权逻辑回归构建故障等级评估模型; 末了, 将所提方法运用于带钢热连轧生产过程的故障等级评估中. 运用结果表明, 随着多模态故障等级数据的增加, 所提方法的评估准确率逐渐增加, 当故障信息充足时, 评估准确率可达98.75%; 故障信息不敷时, 与传统方法比较, 评估准确率提升近10%.

张凯, 杨朋澄, 彭开喷鼻香, 陈志文. 基于深度置信网络的多模态过程故障评估方法及运用. 自动化学报, 2024, 50(1): 89−102

Zhang Kai, Yang Peng-Cheng, Peng Kai-Xiang, Chen Zhi-Wen. A deep belief network-based fault evaluation method for multimode processes and its applications. Acta Automatica Sinica, 2024, 50(1): 89−102

06

针对***文本识别的黑盒攻击算法研究

徐昌凯, 冯卫栋, 张淳杰, 郑晓龙, 张辉, 王飞跃

***认证场景多采取文本识别模型对***图片的字段进行提取、识别和身份认证, 存在很大的隐私透露隐患. 并且, 当前基于文本识别模型的对抗攻击算法大多只考虑大略背景的数据(如印刷体)和白盒条件, 很难在物理天下达到空想的攻击效果, 不适用于繁芜背景、数据及黑盒条件. 为缓解上述问题, 本文提出针对***文本识别模型的黑盒攻击算法, 考虑较为繁芜的图像背景、更严苛的黑盒条件以及物理天下的攻击效果. 本算法在基于迁移的黑盒攻击算法的根本上引入二值化掩码和空间变换, 在担保攻击成功率的条件下提升了对抗样本的视觉效果和物理天下中的鲁棒性. 通过探索不同范数限定下基于迁移的黑盒攻击算法的性能上限和关键超参数的影响, 本算法在百度***识别模型上实现了100%的攻击成功率. ***数据集后续将开源.

徐昌凯, 冯卫栋, 张淳杰, 郑晓龙, 张辉, 王飞跃. 针对***文本识别的黑盒攻击算法研究. 自动化学报, 2024, 50(1): 103−120

Xu Chang-Kai, Feng Wei-Dong, Zhang Chun-Jie, Zheng Xiao-Long, Zhang Hui, Wang Fei-Yue. Research on black-box attack algorithm by targeting ID card text recognition. Acta Automatica Sinica, 2024, 50(1): 103−120

07

城市固体废物点火过程炉温的鲁棒加权异构特色集成预测模型

郭京承, 严爱军, 汤健

针对城市固体废物(Municipal solid waste, MSW)点火过程, 数据具有非常值和特色变量维度高时, 炉温预测模型的准确性和泛化能力欠缺的寻衅性问题, 提出一种鲁棒加权异构特色集成建模方法, 用于建立城市固体废物点火过程炉温预测模型. 首先, 依据点火过程机理将高维特色变量划分为异构特色凑集, 并采取互信息和干系系数综合评估每组异构特色凑集的贡献度; 其次, 采取基于稠浊t分布的鲁棒随机配置网络(Stochastic configuration network, SCN)构建基模型, 同时确定演习样本的惩罚权重; 末了, 设计一种鲁棒加权负干系学习(Negative correlation learning, NCL)策略, 实现基模型的鲁棒同步演习. 利用海内某城市固体废物点火厂的炉温历史数据, 对该方法进行测试. 测试结果表明, 该方法建立的炉温预测模型在准确性和泛化能力方面具有上风.

郭京承, 严爱军, 汤健. 城市固体废物点火过程炉温的鲁棒加权异构特色集成预测模型. 自动化学报, 2024, 50(1): 121−131

Guo Jing-Cheng, Yan Ai-Jun, Tang Jian. Robust weighted heterogeneous feature ensemble prediction model of temperature in municipal solid waste incineration process. Acta Automatica Sinica, 2024, 50(1): 121−131

08

基于粒度聚类的转炉炼钢氧气花费量预测

阳青锋, 赖旭芝, 杜胜, 胡杰, 陈略峰, 吴敏

转炉炼钢是钢铁企业的紧张耗氧工序, 预测转炉炼钢的氧气花费量对氧气系统合理调度、担保生产安全具有主要意义. 考虑到转炉冶炼工况多、钢种数据粒度分歧一, 提出一种基于粒度聚类的转炉炼钢氧气花费量预测方法. 首先, 利用伶仃森林非常检测法剔除历史数据库中的非常数据; 接着, 采取皮尔逊干系性剖析和互信息干系系数选取干系影响因子, 对不同钢种数据进行信息粒化, 实现数据特色提取和维度统一, 利用模糊C均值(Fuzzy C-means, FCM) 划分工况并建立不同工况下的氧气花费量预测子模型; 末了, 利用企业的实际生产数据进行实验, 验证所提方法的准确性和有效性.

阳青锋, 赖旭芝, 杜胜, 胡杰, 陈略峰, 吴敏. 基于粒度聚类的转炉炼钢氧气花费量预测. 自动化学报, 2024, 50(1): 132−142

Yang Qing-Feng, Lai Xu-Zhi, Du Sheng, Hu Jie, Chen Lue-Feng, Wu Min. Converter steelmaking oxygen consumption prediction based on granularity clustering. Acta Automatica Sinica, 2024, 50(1): 132−142

09

基于优先采样模型的离线强化学习

顾扬, 程玉虎, 王雪松

离线强化学习通过减小分布偏移实现了习得策略向行为策略的逼近, 但离线履历缓存的数据分布每每会直接影响习得策略的质量. 通过优化采样模型来改进强化学习智能体的演习效果, 提出两种离线优先采样模型: 基于时序差分偏差的采样模型和基于鞅的采样模型. 基于时序差分偏差的采样模型可以使智能体更多地学习值估计不准确的履历数据, 通过估计更准确的值函数来应对可能涌现的分布外状态. 基于鞅的采样模型可以使智能体更多地学习对策略优化有利的正样本, 减少负样本对值函数迭代的影响. 进一步, 将所提离线优先采样模型分别与批约束深度Q学习(Batch-constrained deep Q-learning, BCQ)相结合, 提出基于时序差分偏差的优先BCQ和基于鞅的优先BCQ. D4RL和Torcs数据集上的实验结果表明: 所提离线优先采样模型可以有针对性地选择有利于值函数估计或策略优化的履历数据, 得到更高的回报.

顾扬, 程玉虎, 王雪松. 基于优先采样模型的离线强化学习. 自动化学报, 2024, 50(1): 143−153

Gu Yang, Cheng Yu-Hu, Wang Xue-Song. Offline reinforcement learning based on prioritized sampling model. Acta Automatica Sinica, 2024, 50(1): 143−153

10

基于相对离群因子的标签噪声过滤方法

侯森寓, 姜高霞, 王文剑

分类任务中含有种别型标签噪声是传统数据挖掘中的常见问题, 目前还短缺针对性方法来专门检测种别型标签噪声. 离群点检测技能能用于噪声的识别与过滤, 但由于离群点与种别型标签噪声并不具有同等性, 使得离群点检测算法无法精确检测分类数据集中的标签噪声. 针对这些问题, 提出一种基于离群点检测技能、适用于过滤种别型标签噪声的方法 —— 基于相对离群因子(Relative outlier factor, ROF)的集成过滤方法(Label noise ensemble filtering method based on relative outlier factor, EROF). 首先, 通过相对离群因子对样本进行噪声概率估计; 然后, 再迭代联合多种离群点检测算法, 实现集成过滤. 实验结果表明, 该方法在大多数含有标签噪声的数据集上, 都能保持精良的噪声识别能力, 并显著提升各种分类模型的泛化能力.

侯森寓, 姜高霞, 王文剑. 基于相对离群因子的标签噪声过滤方法. 自动化学报, 2024, 50(1): 154−168

Hou Sen-Yu, Jiang Gao-Xia, Wang Wen-Jian. A label noise filtering method based on relative outlier factor. Acta Automatica Sinica, 2024, 50(1): 154−168

11

基于PCA和ICA模式领悟的非高斯特色检测识别

葛泉波, 程惠茹, 张明川, 郑瑞娟, 朱军龙, 吴庆涛

针对无人船(Unmanned surface vehicle, USV)航行位姿不雅观测数据的非高斯性/高斯性判别问题, 提出一种基于主身分剖析(Principal component analysis, PCA)和独立身分剖析(Independent component analysis, ICA) 模式领悟的非高斯特色检测识别方法. 首先, 采取基于标准化加权均匀和信息熵的数据预处理方法. 其次, 引入稠浊加权核函数并利用灰狼优化(Grey wolf optimization, GWO)算法进行参数优化, 以提高PCA方法的准确性. 同时, 该算法采取一种新的非线性掌握因子策略, 提高全局和局部搜索能力. 末了, 建立了一种基于ICA和PCA联合的干系性剖析方法来实现多维数据的降维, 在降维数据的根本上综合T型多维偏度峰度考验法和KS (Kolmogorov-Smirnov)考验法进行非高斯性/高斯性特色检测识别. 该方法考虑了非线性非高斯的噪声对降维结果精确度的影响, 有效降落了多维数据非高斯检测的繁芜度, 同时也为后续在实际USV位姿估计等运用中供应了保障. 实验表明, 该方法具有较高的准确性和稳定性, 可为 USV 航行位姿不雅观测数据处理供应支持.

葛泉波, 程惠茹, 张明川, 郑瑞娟, 朱军龙, 吴庆涛. 基于PCA和ICA模式领悟的非高斯特色检测识别. 自动化学报, 2024, 50(1): 169−180

Ge Quan-Bo, Cheng Hui-Ru, Zhang Ming-Chuan, Zheng Rui-Juan, Zhu Jun-Long, Wu Qing-Tao. Non-Gaussian feature detection and recognition based on PCA and ICA pattern fusion. Acta Automatica Sinica, 2024, 50(1): 169−180

12

基于像素比拟学习的图像超分辨率算法

周登文, 刘子涵, 刘玉铠

目前, 深度卷积神经网络(Convolutional neural network, CNN)已主导了单图像超分辨率(Single image super-resolution, SISR)技能的研究, 并取得了很大进展. 但是, SISR仍是一个开放性问题, 重修的超分辨率(Super-resolution, SR)图像每每会涌现模糊、纹理细节丢失和失落真等问题. 提出一个新的逐像素比拟丢失, 在一个局部区域中, 使SR图像的像素尽可能靠近对应的原高分辨率(High-resolution, HR)图像的像素, 并阔别局部区域中的其他像素, 可改进SR图像的保真度和视觉质量. 提出一个组合比拟丢失的渐进残差特色领悟网络(Progressive residual feature fusion network, PRFFN). 紧张贡献有: 1)提出一个通用的基于比拟学习的逐像素丢失函数, 能够改进SR图像的保真度和视觉质量; 2)提出一个轻量的多尺度残差通道把稳力块(Multi-scale residual channel attention block, MRCAB), 可以更好地提取和利用多尺度特色信息; 3)提出一个空间把稳力领悟块(Spatial attention fuse block, SAFB), 可以更好地利用临近空间特色的干系性. 实验结果表明, PRFFN显著优于其他代表性方法.

周登文, 刘子涵, 刘玉铠. 基于像素比拟学习的图像超分辨率算法. 自动化学报, 2024, 50(1): 181−193

Zhou Deng-Wen, Liu Zi-Han, Liu Yu-Kai. Pixel-wise contrastive learning for single image super-resolution. Acta Automatica Sinica, 2024, 50(1): 181−193

13

高速动车组数据驱动无模型自适应积分滑模预测掌握

李中奇, 周靓, 杨辉

同许多繁芜系统一样, 动车组(Electric multiple unit, EMU) 运行过程也具有多变量、强耦合以及非线性等特性, 这严重影响着列控系统的性能. 针对包含外部扰动的动车组自动驾驶系统, 提出一种新型的多输入多输出(Multi-input-multi-output, MIMO) 数据驱动积分滑模预测掌握(Integral sliding mode predictive control, ISMPC)算法. 首先, 该算法基于与动车组运行过程等效的全格式动态线性化(Full format dynamic linearization, FFDL)数据模型, 设计一种离散积分滑模掌握(Integral sliding mode control, ISMC) 律. 为了使系统能够得到更高的输出跟踪偏差精度, 利用模型预测掌握(Model predictive control, MPC) 代替ISMC的切换掌握, 进一步推导出ISMPC算法. 同时, 通过对FFDL 数据模型的未知扰动、参数偏差等不愿定项进行延时估计, 提升了算法的掌握性能和对系统的等价描述程度. 在供应两种算法的稳定性证明剖析之后, 以实验室配备的 CRH380A 型动车组仿真实验台对提出的ISMC和ISMPC算法进行仿真测试, 并与其他方法进行比拟, 仿真结果表明ISMPC算法掌握性能较好, 动车组各动力单元速率跟踪偏差均在 ±0.132 km/h 以内, 知足列车的跟踪精度需求; 掌握力和加速度分别在[−52 kN, 42 kN] 和 ±0.9249 m/s2 以内且变革平稳.

李中奇, 周靓, 杨辉. 高速动车组数据驱动无模型自适应积分滑模预测掌握. 自动化学报, 2024, 50(1): 194−210

Li Zhong-Qi, Zhou Liang, Yang Hui. Data-driven model-free adaptive integral sliding mode predictive control for high-speed electric multiple unit. Acta Automatica Sinica, 2024, 50(1): 194−210