基于改进量子头脑风暴算法的UAV三维航迹规划

针对复杂环境中的无人飞行器航迹规划问题,提出了一种基于改进量子头脑风暴优化(QBSO)算法的UAV三维航迹规划方法．在进化前期,两个种群独立进化,从而提升算法的全局搜索能力．在进化后期,对每个种群中的个体进行排序,每个种群中较优的(排名前50%)个体形成一个新种群,该新种群按照QBSO的进化机制继续进行进化,从而加快算法收敛速度．此外,为进一步提升算法的全局搜索能力,提出了一种改进的待变异个体产生方式．实验结果表明：与基本BSO、QBSO、改进BSO及全局最优BSO算法相比,改进QBSO算法在解决航迹规划问题上具有更高的全局搜索能力、收敛精度和更强的稳定性．     

不同阶次下分数阶SIR传染病模型的稳定性分析

建立一类考虑Logistic增长与饱和传染率的不同阶次分数阶时滞传染病模型. 首先, 利用Jacobi矩阵和特征根轨迹法, 分析该模型的局部稳定性, 并给出基本再生数; 其次, 选取分岔参数作为时滞, 给出地方病平衡点发生Hopf分岔的充分条件; 最后, 利用数值仿真验证理论分析的正确性. 研究结果表明, 分数阶次的改变会影响系统的稳定性.     

DOS攻击下不确定双边遥操作系统的控制

研究了存在定常时延和模型参数不确定的双边遥操作系统在受到拒绝服务攻击（denial of service,DOS）时的稳定性问题。利用位置误差结构,设计了基于事件触发的控制器,并利用自适应律估计机械臂模型中的未知参数。通过Lyapunov函数理论证明了双边遥操作系统的稳定性,并证明了基于事件触发的控制器不存在Zeno行为。通过数值仿真验证了基于事件触发的自适应控制器能够使遥操作系统在DOS攻击下保持稳定。     

DOS攻击下不确定双边遥操作系统的控制

研究了存在定常时延和模型参数不确定的双边遥操作系统在受到拒绝服务攻击（denial of service,DOS）时的稳定性问题。利用位置误差结构,设计了基于事件触发的控制器,并利用自适应律估计机械臂模型中的未知参数。通过Lyapunov函数理论证明了双边遥操作系统的稳定性,并证明了基于事件触发的控制器不存在Zeno行为。通过数值仿真验证了基于事件触发的自适应控制器能够使遥操作系统在DOS攻击下保持稳定。     

融合空间相关性和局部特征转换器的遮挡行人重识别

遮挡的行人重识别是计算机视觉中的一个挑战性领域,它面临着特征表示效率低下和识别准确率低等问题。卷积神经网络方法更注重局部特征的提取,因此难以提取被遮挡行人的特征,效果也不尽如人意。最近,视觉转换器被引入到重识别领域,并通过构建图像块序列之间的全局特征联系取得了最先进的结果。然而,视觉转换器在提取局部特征方面的性能不如卷积神经网络。因此,设计了一个基于空间相关性和局部特征序列的行人重识别网络。所提出的网络利用3个模块来提高视觉转换器的效率：（1）图像块全维度增强模块。设计了一个与图像块序列大小相同的可学习张量,该张量是全维的,并可完全嵌入到图像块序列中,用以丰富训练样本的多样性;（2）图像块序列融合重构模块。提取已经获得的图像块序列中不太重要的部分,并将它们与原始的图像块序列融合以重构原始图像块序列;（3）空间切割模块。从空间方向上对图像块序列进行切片和分组,并引入身份损失,可以有效提高图像块序列的短程相关性。对遮挡和整体重识别数据集的实验结果表明,所提网络的性能优于其他先进方法。     

基于多智能体系统的微电网安稳控制策略

随着新能源渗透率不断提高,微电网在分布式能源(distributed energy resources,DERs)运行控制中的作用日益凸显,但分布式能源的接入会给微电网的运行带来扰动.为此,提出了一种基于多智能体系统(multi-agent system,MAS)的两级分散协调控制方案来保证微电网的高安全性和稳定性.上层智能体基于Petri网(Petri-net,PN),针对各类能源的不同工作模式,构建DERs的PN模型,并以PN模型设计协调逻辑控制指令集,通过网格自适应直接搜索过滤算法(mesh adaptive direct search filter algorithm,MADSFA)选择最佳的协调逻辑控制指令.下层智能体负责局部连续控制,针对不同功率特性DERs的逆变器,分别采用不同的下垂控制策略.为保证暂稳态下微电网的稳定性,在逆变器和下垂控制器之间增设预设性能控制器,以确保逆变器的输出功率误差无论是在暂态还是稳态的情况下均能稳定在预设误差范围以内.同时为提高微电网系统的稳定性,两层之间的交互采用主从和无固定主从相结合的通信模式,这种交互机制提高了 MAS在系统的实时监控过程中的时效性和灵活性.最后,仿真结果验证了基于MAS两级分散协调控制策略的有效性.     

基于电池测试平台的系统辨识综合实验设计

随着发展新质生产力需求不断增加,传统研究生课程培养亟需升级换代。系统辨识作为研究生控制类专业的核心课程,其课内实验往往针对特定数据集或由特定系统模型生成的数据集,经计算机仿真模块,采用最小二乘算法等经典辨识算法以及神经网络辨识算法,进行系统模型和参数的辨识,传统实验教学过程中缺乏对真实控制系统的理解和应用。考虑新能源背景下的锂离子电池建模需求,结合江苏省机器人重点实验室的电池测试平台,设计了从电池建模、参数和状态联合估计的系统辨识综合实验,实现了控制理论和工程相结合的教学案例,对培养学生的工程科学思维、工程系统思维与工程创新思维具有深远意义。     

基于多角度学生子注意力网络的小样本学习

小样本图像分类的准确性取决于神经网络模型对样本数据提取图像表征的能力,为了挖掘出图像更多的细节信息,提出了一种基于多角度学生子注意力网络的小样本分类方法。首先将Conv64所提取的特征作为网络的基础特征,其次构建两个学生分支,使网络从图像位置和通道角度来提取图像的细节信息,最后融入互学习思想,促使两个学生子分支相互监督,相互学习,利用两个学生子分支网络分别对小样本任务进行分类。文中在Mini-ImageNet和Tiered-ImageNet两个数据集上验证了多角度学生子注意力网络有效性,在Mini-ImageNet数据集上,该方法5-way 1-shot准确率为56.54%,5-way 5-shot准确率为73.87%。在Tiered-ImageNet数据集上,该方法5-way 1-shot及5-way 5-shot准确率分别上升到59.62%及77.96%。实验结果表明,相较于只使用单一角度的注意力网络,基于多角度学生子注意力能够更加关注图像的全局信息,显著提高了小样本图像分类的准确性。     

基于复合加权人类学习网络的超超临界机组建模与仿真

中间点温度是超超临界（ultra supercritical, USC）机组的一个重要参数,其系统具有强非线性,常规方法很难对其进行建模。为了解决非线性问题,并获得良好的建模效果,提出了一种基于复合加权人类学习优化网络（composite weighted human learning optimization network,CWHLON）的建模方法,以动态线性模型的形式来模拟对象的非线性动态过程。在仿真实验部分,将CWHLON模型与传统的递推最小二乘法和其他三种元启发式方法得到的模型进行综合比较,数据显示本文提出的方法在模型精度方面平均提高了77.93%,最大提高了78.65%,实现了辨识精度的有效提升。     

面向内存受限设备的新型卷积计算方法

针对卷积神经网络预测过程中内存使用量大,难以部署在内存受限设备上的问题,提出一种面向内存受限设备的新型卷积计算方法。该方法对输入矩阵中部分数据进行卷积计算,并将计算结果存储在临时内存;然后,将临时内存中的计算结果复制到输入矩阵不再使用的内存并重复上述步骤,从而实现对输入矩阵的卷积计算;最后,对单个卷积计算和LeNet进行验证。实验结果表明,该方法计算速度较直接卷积方法更快,且相比im2col、MEC和直接卷积方法,单个卷积计算内存平均使用量分别下降89.29%、82.60%和57.15%,LeNet内存使用量分别下降89.90%、82.21%和28.07%,有效降低了卷积神经网络的内存使用量,有助于在内存受限设备上部署使用。