多无人机协同搜索的模糊认知决策方法研究

搜索决策方法是影响多无人机协同搜索效能的关键.传统的搜索决策方法关注于使多架无人机形成对任务区域的协同全覆盖,采用基于概率搜索图和滚动时域控制的搜索决策方法,对复杂搜索任务的适应性有限.本文借鉴人类实施搜索行为的认知决策方式,提出面向多无人机协同搜索的三层结构的认知控制模型.基于该模型和模糊聚类思想对任务区进行认知匹配和约简划分;之后,应用二次模糊聚类对各架无人机进行面向协同搜索的任务区域分配,在此基础上,再应用滚动时域控制方法完成对无人机的搜索控制.从任务区域覆盖模式和目标发现能力两个方面,通过仿真实验分析了本文提出的协同搜索模糊认知决策方法的性能.     

箍筋约束混凝土方柱轴压破坏尺寸效应细观数值研究

钢筋混凝土构件尺寸效应行为源于混凝土材料的非均质性及钢筋/混凝土复杂的非线性相互作用.通过建立反映上述特征的约束混凝土方柱3D细观数值模型,开展轴心受压破坏行为及尺寸效应数值研究,探讨体积配箍率对箍筋约束混凝土方柱轴心受压力学行为及尺寸效应的影响机理,并与试验结果进行对比分析.基于Baznt尺寸效应律,开展约束混凝土轴心抗压强度尺寸效应理论分析.研究结果表明:数值模拟与试验结果吻合良好,构建的钢筋混凝土柱细观力学模型能够准确地描述箍筋约束混凝土构件的破坏行为及尺寸效应规律;体积配箍率增加,约束混凝土柱的名义强度增大、破坏呈现更少的脆性,尺寸效应现象减弱;Baznt尺寸效应理论能够对约束混凝土柱轴心加载下的尺寸效应行为做出合理解释.     

基于深度强化学习的不完美信息群智夺旗博弈

复杂环境中群智博弈问题是近年来的研究热点之一.为解决不完美信息条件下多智能体夺旗博弈问题,本文提出了一种基于多智能体双重决斗深度Q网络(multi-agent dueling double deep Q-network, MAD3QN)以及图注意力网络(graph attention network, GAT)的多智能体夺旗博弈深度强化学习算法(G-MAD3QN).该算法在实现多智能体在迷宫地图中路径规划的同时,建模不完美信息条件下多智能体合作与竞争关系,从而确定夺旗博弈策略.在实验中,本文基于二维迷宫环境,考虑智能体观测信息不完美条件,将G-MAD3QN算法与多智能体深度Q网络(multi-agent deep Q-network, MADQN)、MAD3QN等多智能体深度强化学习的基线算法进行对比,从而验证了在二对二夺旗博弈中本文G-MAD3QN算法的有效性.     

基于深度强化学习与演化计算的风-水-火混合增强智能调度

火电、水电和风电是我国电力工业系统的三大能源主体,根据风-水-火发电互补特性,建立联合优化调度模型对于降低电力系统运行成本以及促进新能源消纳具有重要意义.然而梯级水电站间的时空耦合性、风电的不确定性以及风-水-火多能源相互关联的复杂约束使得联合调度模型求解较为困难.因此,本文提出了一种基于深度强化学习(deep reinforcement learning, DRL)与演化计算的混合增强智能优化框架.该框架首先利用深度强化学习与风-水-火联合调度模型进行交互,并根据交互数据对联合调度模型复杂规律进行持续学习,优化自身控制策略,提高智能体泛化能力.此后,在解决实际调度问题时,为进一步提升算法的个性化能力,利用演化计算算法(particle swarm optimization, PSO)在经过训练的DRL上进一步优化调度方案,实现风-水-火联合调度的快速决策.算例分析表明,所提出的混合增强智能优化框架求解速度快、寻优能力强,提升了DRL优化性能的鲁棒性,提高了风-水-火系统运行的经济性及风电消纳能力.     

需求-服务匹配视角下的技术型知识员工任务指派问题研究

基于服务系统中需求-服务匹配视角对具有多种能力、异质效率的技术型知识员工任务指派问题进行分析,提出任务执行窗和可并行任务组概念,建立多阶段的员工分配决策路径图;然后,以任务-员工效率匹配度为目标建立优化模型,并运用动态规划法进行模型求解,确定员工任务指派最优路径,实现员工最优配置;最后,通过算例进行验证。     

热力系统整体分析和优化的热量流法

热力系统的性能优化对提高能源利用效率具有重要意义,但传统分析方法难以满足复杂系统高效分析的需求.近年来基于理论发展的热量流法及相应的求解算法为热力系统的分析与优化提供了一种新的解决方案.本文首先介绍热力系统热量流模型的规范化构建方法,并以余热回收朗肯循环为例说明了模型构建的具体流程.随后,结合系统中工质的流动约束及物性,提出了热力系统整体数学模型的规范化构建方法,能够分离系统约束中线性、非线性显式和非线性隐式约束,最少化需要迭代求解约束的数量.利用上述约束分离特性提出了热力系统整体数学模型的分层-分治求解算法,能够大幅降低计算复杂度,并显著提高计算鲁棒性.最后,以三压蒸汽发电系统为例,阐明了热量流模型及分层-分治算法与传统求解方法相比在求解时间、所需初值数量等方面的优势.     

考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度

针对多产品混合加工车间中有限夹具-托盘资源引发的生产力制约问题,提出了考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度方法.首先,以最小化最大完工时间为目标建立了基于设备-夹具-托盘三资源约束的混合整数规划模型.其次,设计了基于可行性修复和自学习型变邻域搜索的改良遗传算法并进行求解,提出了种群染色体初始化、交叉、变异过程中的可行性修复策略,在算法迭代中后期引入三种变邻域搜索方法并构建搜索策略知识库,自学习地求得最优解.最后,基于工业大数据生成算例,并通过数值实验证明了该算法具备求解精度和求解时间上的双重优越性,可有效解决设备-夹具-托盘约束下的柔性作业车间调度问题,为加工车间的生产排产智能化转型提供有力支持.     

基于时空图注意力模型的动态软测量建模方法

近年来深度学习由于其特征提取和非线性拟合等方面的优势,在软测量建模中得到了广泛的研究.而深度学习模型是一种黑箱模型,其预测结果难以解释,而且很难将关于过程的先验知识引入模型,这些缺点阻碍了它在实际工业过程中的应用.另外,工业过程数据是具有高度非线性和动态性的时间序列,其本质上反映的是过程随机变量随时间不断变化的趋势,其包含了重要的流程信息,因此在软测量建模过程中引入过程的动态信息是十分必要的.本文提出了一种时空图注意力模型(temporal-spatial graph attention networks, TSGAT),并将其应用在复杂动态工业过程的软测量建模.该方法通过给定变量间结构图来为模型引入先验知识,利用图注意力网络构建变量间的显式的非线性关系,并利用图注意力网络信息聚合的能力对每个时间步的数据完成图上的特征提取,再使用长短期记忆人工神经网络提取时序特征,进而完成对质量变量的预测.为了验证所提方法的有效性和优越性,将该方法应用在实际工业案例合成氨过程中的高低温转换器单元一氧化碳含量的软测量建模,实验结果表明,该模型不仅能够引入先验知识,而且具有较高的预测精度.     

基于效用的云计算容错策略和模型

云计算近年来已成为一种被广泛接受的计算模式.随着云计算在商业、交通、卫生等领域应用的不断推进,云应用系统的可靠性问题引起了人们的特别关注.然而,云应用系统的结构和行为特征复杂,如何保障系统的可靠性是一项极具挑战性的课题.本文研究云计算的容错模型和策略,通过构建可扩展的云计算容错模型,以刻画云计算的运行机理、组件故障行为、云应用间合作和竞争特性.依据云计算的故障及资源服务特征,提出云计算的故障迁移和恢复方案.围绕容错涉及的时间和价格,依次计算云计算组件和云应用的效用,进一步分析各云应用的利益.通过求解模型的Nash均衡,以优化整体云计算的容错效用.最后,利用模型检查技术验证容错模型和容错处理的正确性.本文研究对于揭示云计算的结构和行为特征、建立云计算容错设计理论、提高云计算容错的效用具有理论意义和应用价值.     

面向装配的复杂模型几何及结构轻量化技术研究

复杂三维模型轻量化是节约存储空间、加快处理速度和实现信息隐藏的有效途径.为了快速有效地生成装配体的轻量化模型,提出了一套面向装配的复杂模型轻量化算法框架及处理流程,以零部件抑制、基于特征缝合的模型表面处理和模型整体抽壳等关键技术为手段,实现了复杂装配模型几何与结构的简化表示.该算法已顺利地运用到相关企业的装配设计,模型轻量化效率比较高,为复杂装配模型的网络协同设计和运动仿真等后续应用提供了一种有益的途径.     

载人登月定点返回轨道设计与特性分析

载人登月定点返回要求既满足月球停泊轨道约束,又要满足大气再入走廊和再入点位置约束,同时还需节省能量和时间.本文首先推导了适用于描述定点返回轨道的拼接模型圆锥曲线方程,通过选择物理意义明显的轨道参数作为设计变量,建立了包含转移时间和速度增量约束的定点返回轨道设计模型,然后将解析模型和数值算法有效结合起来设计初始轨道,采用了一种从初步设计到精确设计的串行策略来设计高精度轨道,仿真结果表明此方法具有求解精度高,计算速度快的特点.以上述方法为基础,对定点返回轨道的月心轨道参数、地心轨道参数、转移速度和时间等轨道特性做出了分析,为载人登月任务轨道方案的制定提供参考.     

基于证据理论的结构非概率可靠性拓扑优化设计

考虑数据信息较少以及认知水平有限情况下的不确定性对于结构拓扑优化具有重要意义.本文引入证据理论处理不精确的数据信息,采用证据理论的不确定测度克服精确概率约束模型建立的困难,并结合拓扑优化策略,形成了基于证据理论的可靠性拓扑优化设计模型.为了提高不确定测度的计算效率,提出了仿生智能优化算法和不精确极值思想相结合的改进优化算法来降低焦元数目和极限状态函数极值求解所导致的计算量.通过两个桁架算例对所提方法进行验证,结果表明,确定性优化结果可能是不确定情况下的失效解,虽然基于证据理论的最优设计在重量和拓扑形式上相对于确定性优化结果偏保守,但具备抵抗不确定波动的能力.     

月面巡视器遥操作中的任务规划技术研究

任务规划技术是嫦娥三号任务中月面巡视器遥操作中的一项关键技术.本文首先分析了各种月面环境因素对巡视器月面工作过程的影响机制,综合考虑月面地形因素、太阳能量、光照阴影以及对地通信条件等,建立了面向任务规划的综合月面环境.在该环境模型基础上,提出了一种月面巡视器遥操作中的任务规划方法.通过定期更新环境模型,将动态环境模型下的路径规划问题转换为一系列静态环境模型下的路径规划问题,实现任务层的动态路径规划;在路径规划过程中进行实时约束检查,实现行为规划并将其影响效果迭代入动态路径规划过程中,最终实现巡视器任务规划.针对不确定性,本文引入弹性计划提高任务规划输出结果在实际工程中的可行性.仿真实验结果表明:月面综合环境模型全面描述了影响巡视器任务规划的各种环境因素及其影响;任务规划方法可生成全局最优路径,以及沿路径安排的满足约束条件的巡视器行为序列,最终生成巡视器的月面工作序列,作为地面遥操作实施的依据.     

基于微分进化的多UAV紧密编队滚动时域控制

多无人机(UAV)协同控制可在一定程度上提高单UAV执行任务的效率,而多UAV紧密编队是多UAV协同控制中的一个关键性技术难题.在构建多UAV紧密编队非线性模型的基础上,利用滚动时域控制方法,将UAV紧密编队问题转化为滚动时域内的一系列在线优化问题,然后采用微分进化策略在每个滚动时域内进行控制量的优化求解.此外,还给出了基于Markov链的微分进化算法数学描述及收敛性证明,且从理论角度分析了所设计多UAV滚动时域控制器的稳定性.仿真实验结果验证了文中所提出方法的可行性和有效性.     

基于时刻表的城市地铁客流均衡分配模型及方法

运用网络扩展技术,结合城市地铁线网结构和列车时刻表信息,对空间网络的物理站点和区段在时间维度上进行扩展,同时,考虑了乘客在不同线路之间换乘的实际约束,构造了城市地铁的时空网络拓扑结构,并给出了针对地铁时空扩展网络的改进最短路搜索算法.在此基础上,分析和研究了地铁乘客路径选择行为的时效性,考虑了乘车时间、换乘因素以及车内拥挤因素,构建了基于地铁时空扩展网络的路径广义费用模型,提出了基于时刻表的地铁网络客流平衡分配模型,并给出了求解算法.最后,通过一个简单算例对模型及算法的可行性和有效性进行了分析和验证.     

嫦娥四号巡视器天地一体化安全操控设计

嫦娥四号实现了人类首次月背着陆巡视探测,中继通信支持的任务约束以及复杂月背地形给巡视器的月面工作带来了挑战.针对控制结果延时反馈、月背崎岖地形、月背地形遮挡、月面环境不确定性等任务特点,从器上自主控制和地面智能操控两方面构建安全操控架构,着重解决了机构安全控制、可靠释放分离、安全移动、自主热控、休眠唤醒、高效安全工作等关键难题,保障巡视器成功完成了月背巡视探测任务.     

交通限行下多级配送网络节点划分与车辆路径优化

针对车载限行政策对城市物流配送的制约和经验主义节点布局导致派送盲点等问题,建立城市多级配送网络模型,并设计节点划分方法。采用区域覆盖法对配送终端服务区域进行划分,确定其服务能力需求;结合城市区域划分,自下而上对配送中心、中转站和配送终端的配送任务进行匹配,构建符合约束条件的配送网络。根据网络层级选择车型完成配送任务,实现总成本最优。最后通过仿真算例验证了模型和算法的有效性。     

航空集群构型控制及其演化方法

基于交感网络的适应性能力涌现是航空集群的基本特征,其构型控制与演化是产生适应性能力涌现的关键.根据航空集群构型演化与控制的基本原则和需求,将航空集群构型控制组织结构分为任务层、决策层、执行层,提出基于事件触发-规则驱动的构型演化机制;针对航空集群以实现面向任务的适应性能力涌现为目标的构型设计准则,提出将复杂任务按照能力需求分解为原子任务;以航空集群协同反隐身、无源定位、空战攻击为例,分析航空集群典型能力-构型的映射关系,结果表明,不同的构型将涌现出不同类型和层次的能力;基于多智能体系统一致性理论设计了航空集群构型生成与保持控制协议.最后,通过仿真和搭建航空集群作战演示验证系统,对所提出的理论结果进行了验证.     

基于特殊个体的网络进化博弈群智合作激发调控

引导群体中智能行为的产生与传播是群体智能领域的重要研究方向.相互合作是自然界中常见的群体智能行为.本文建立了一种基于特殊个体的网络进化博弈模型,分析了群体激发合作水平的进化特性以及调控手段.首先通过在规则网络进化博弈模型中建立有效的干预控制体系结构,实现对群集系统的调控作用;然后通过设计基于群体智能的特殊个体控制规则,特殊个体能起到促进合作行为涌现的群智激发作用;最后利用蒙特卡罗仿真方法分析了特殊个体对群体进化特性的影响,并讨论了不同参数条件对合作水平的影响.     

孪生数据与特征增强融合驱动的装备小样本诊断方法

近年来,得益于新一代信息技术的快速发展,智能故障诊断技术在航空航天、海洋工程、汽车工业等领域得到了广泛的关注与应用.然而,一方面,智能故障诊断模型在实际应用部署时,面临着故障样本不足的难题,导致所构建的模型诊断可靠性较低;另一方面,现有面向小样本问题的智能诊断方法往往需要相关性较强的实测数据作为支撑,这极大限制了该方法的实用性.基于此,本文提出了一种孪生数据与特征增强融合驱动的机械装备小样本故障诊断方法.首先,构建机械装备的虚拟模型,并结合装备的运行机理知识和健康状态的实测数据对模型进行优化修正,以获取高保真模型,进而基于该模型获取高质量的孪生故障数据;其次,以孪生故障数据为输入,利用生成对抗网络进行装备孪生故障数据的特征增强,并将增强后的数据用于卷积神经网络模型的训练,从而实现装备的智能故障诊断;最后,以某汽车用变速器为研究对象,验证所提方法的可行性.该方法丰富了新一代工业人工智能与大数据分析理论,为现代装备的小样本智能故障诊断提供了一种新的解决思路.