2017年 第43卷 第2期
2017, 43(2): 161-175.
doi: 10.16383/j.aas.2017.y000002
摘要:
本文将基于ACP（Artificial societies，computational experiments，parallel execution）的平行系统思想与机器人领域相结合，形成一种软硬件相结合的框架，为无人机、无人车、无人船在复杂环境中实验、学习与实际工作提供便捷、安全的平台，即平行无人系统.本文从平行机器人的基本概念出发，提出平行无人系统的基本框架，并介绍了各模块的基本功能与实现方法，探讨了其中的关键技术.然后本文围绕无人机、无人车、无人船三个方面展望了无人平行系统在实际中的应用和所面临的挑战，提出了平行无人系统的未来发展方向.
本文将基于ACP（Artificial societies，computational experiments，parallel execution）的平行系统思想与机器人领域相结合，形成一种软硬件相结合的框架，为无人机、无人车、无人船在复杂环境中实验、学习与实际工作提供便捷、安全的平台，即平行无人系统.本文从平行机器人的基本概念出发，提出平行无人系统的基本框架，并介绍了各模块的基本功能与实现方法，探讨了其中的关键技术.然后本文围绕无人机、无人车、无人船三个方面展望了无人平行系统在实际中的应用和所面临的挑战，提出了平行无人系统的未来发展方向.
2017, 43(2): 176-194.
doi: 10.16383/j.aas.2017.c160390
摘要:
能源互联网是以电力网络、热力网络及天然气网络等能源网络为对象，以分布式协同控制技术、智能优化控制技术以及先进的信息通讯技术等为实施手段，通过各能源网络集成交互形成的新型复杂能源系统，具有泛在互联、对等开放、低碳高效、多源协同、安全可靠等特点.本文根据能源互联网前期已开展学术研究展开讨论，剖析能源互联网的内涵，分类并简要分析能源互联网的系统结构，针对能源互联网的建设目标及工程需求层面，归纳并提炼了能源互联网未来发展中面临的若干控制科学问题，包括分布式协同控制、能量调度管理、能量转换、信息处理、故障诊断等关键技术，最后对能源互联网发展所面临的主要挑战及未来可能的研究方向进行了总结和展望.
能源互联网是以电力网络、热力网络及天然气网络等能源网络为对象，以分布式协同控制技术、智能优化控制技术以及先进的信息通讯技术等为实施手段，通过各能源网络集成交互形成的新型复杂能源系统，具有泛在互联、对等开放、低碳高效、多源协同、安全可靠等特点.本文根据能源互联网前期已开展学术研究展开讨论，剖析能源互联网的内涵，分类并简要分析能源互联网的系统结构，针对能源互联网的建设目标及工程需求层面，归纳并提炼了能源互联网未来发展中面临的若干控制科学问题，包括分布式协同控制、能量调度管理、能量转换、信息处理、故障诊断等关键技术，最后对能源互联网发展所面临的主要挑战及未来可能的研究方向进行了总结和展望.
2017, 43(2): 195-214.
doi: 10.16383/j.aas.2017.c160076
摘要:
应急资源分配（Emergency resource allocation，ERA）是灾害应急管理中的核心环节，主要研究如何高效合理地把各储备点的应急救援物资分配给各发放点.然而，在大规模突发灾害发生后，每个发放点极可能会同时向多个储备点请求多种救援物资，从而带来潜在的应急资源冲突.为此，本文首先构建了考虑应急资源冲突消解的多储备点、多发放点、多种救援物资的应急资源多目标优化模型，并提出了一种基于非支配排序差异演化和编码修正机制的应急资源多目标分配算法.对比实验结果表明，该算法在大规模样本下能够从全局角度同时给出多个发放点的应急资源分配方案，有效实现多个储备点同时为多个发放点协同配备应急资源，而且不会产生任何应急资源冲突，为解决应急资源受限情况下的大规模应急资源分配问题提供了一个有益的尝试.
应急资源分配（Emergency resource allocation，ERA）是灾害应急管理中的核心环节，主要研究如何高效合理地把各储备点的应急救援物资分配给各发放点.然而，在大规模突发灾害发生后，每个发放点极可能会同时向多个储备点请求多种救援物资，从而带来潜在的应急资源冲突.为此，本文首先构建了考虑应急资源冲突消解的多储备点、多发放点、多种救援物资的应急资源多目标优化模型，并提出了一种基于非支配排序差异演化和编码修正机制的应急资源多目标分配算法.对比实验结果表明，该算法在大规模样本下能够从全局角度同时给出多个发放点的应急资源分配方案，有效实现多个储备点同时为多个发放点协同配备应急资源，而且不会产生任何应急资源冲突，为解决应急资源受限情况下的大规模应急资源分配问题提供了一个有益的尝试.
2017, 43(2): 215-226.
doi: 10.16383/j.aas.2017.c150660
摘要:
针对复杂场景的极化合成孔径雷达（Synthetic aperture radar，SAR）图像，堆叠自编码模型能够自动学习高层特性，有效表示城区、森林等复杂地物的结构，然而，却难以保持图像的边界和细节.为了克服该缺点，本文结合深度自编码器和极化层次语义模型（Polarimetric hierarchical semantic model，PHSM），提出了新的无监督的极化SAR图像分类算法.该方法根据极化层次语义模型，将复杂的极化SAR图像划分为聚集、匀质和结构三大区域.对聚集区域，采用堆叠自编码模型进行高层特征表示，并构造字典得到稀疏特征进行分类；对匀质区域，采用层次模型进行分类；对于结构区域，进行线目标保留和边界定位.实验结果表明，该算法通过不同的分类策略优势互补，能够得到区域一致性好且边界保持的分类结果.
针对复杂场景的极化合成孔径雷达（Synthetic aperture radar，SAR）图像，堆叠自编码模型能够自动学习高层特性，有效表示城区、森林等复杂地物的结构，然而，却难以保持图像的边界和细节.为了克服该缺点，本文结合深度自编码器和极化层次语义模型（Polarimetric hierarchical semantic model，PHSM），提出了新的无监督的极化SAR图像分类算法.该方法根据极化层次语义模型，将复杂的极化SAR图像划分为聚集、匀质和结构三大区域.对聚集区域，采用堆叠自编码模型进行高层特征表示，并构造字典得到稀疏特征进行分类；对匀质区域，采用层次模型进行分类；对于结构区域，进行线目标保留和边界定位.实验结果表明，该算法通过不同的分类策略优势互补，能够得到区域一致性好且边界保持的分类结果.
2017, 43(2): 227-237.
doi: 10.16383/j.aas.2017.c160088
摘要:
针对传感器网络融合估计中由能量受限引发的通信资源受限问题，提出了一种基于多通道解耦的事件触发量测传输机制.单独设计各传感器输出分量的事件触发条件并给出了估计算法误差有界性的条件，在保证融合估计精度的同时，可一定程度上降低传感器网络数据传输量.与现有三种方法的对比仿真结果以及火力控制系统中的光电传感网络实例，表明了所提算法的有效性和工程应用的可行性.
针对传感器网络融合估计中由能量受限引发的通信资源受限问题，提出了一种基于多通道解耦的事件触发量测传输机制.单独设计各传感器输出分量的事件触发条件并给出了估计算法误差有界性的条件，在保证融合估计精度的同时，可一定程度上降低传感器网络数据传输量.与现有三种方法的对比仿真结果以及火力控制系统中的光电传感网络实例，表明了所提算法的有效性和工程应用的可行性.
2017, 43(2): 238-247.
doi: 10.16383/j.aas.2017.c150881
摘要:
针对基于概率假设密度算法（Probability hypothesis density，PHD）的非线性多目标跟踪精度低、滤波发散等问题，提出了一种新的PHD算法——改进的均方根嵌入式容积粒子PHD算法（Advanced square-root imbedded cubature particle PHD，ASRICP-PHD）.新的算法在初始化采样时将整个采样区域等概率划分为若干个区域，然后利用既定的准则从每个区域抽取粒子，并利用均方根嵌入式容积滤波方法对每个粒子进行滤波，来拟合重要密度函数，预测和更新多目标状态的PHD.仿真结果表明该算法能对多目标进行有效跟踪，相比拟随机采样法和伪随机采样，等概率采样的方法在多目标位置估计和数目估计上有更高的精度.
针对基于概率假设密度算法（Probability hypothesis density，PHD）的非线性多目标跟踪精度低、滤波发散等问题，提出了一种新的PHD算法——改进的均方根嵌入式容积粒子PHD算法（Advanced square-root imbedded cubature particle PHD，ASRICP-PHD）.新的算法在初始化采样时将整个采样区域等概率划分为若干个区域，然后利用既定的准则从每个区域抽取粒子，并利用均方根嵌入式容积滤波方法对每个粒子进行滤波，来拟合重要密度函数，预测和更新多目标状态的PHD.仿真结果表明该算法能对多目标进行有效跟踪，相比拟随机采样法和伪随机采样，等概率采样的方法在多目标位置估计和数目估计上有更高的精度.
2017, 43(2): 248-258.
doi: 10.16383/j.aas.2017.c150719
摘要:
本文将心理声学掩蔽特性应用于基于深度神经网络（Deep neural network，DNN）的单通道语音增强任务中，提出了一种具有感知掩蔽特性的DNN结构.首先，提出的DNN对带噪语音幅度谱特征进行训练并分别得到纯净语音和噪声的幅度谱估计.其次，利用估计的纯净语音幅度谱计算噪声掩蔽阈值.然后，将噪声掩蔽阈值和估计的噪声幅度谱联合计算得到一个感知增益函数.最后，利用感知增益函数从带噪语音幅度谱中估计出增强语音幅度谱.在TIMIT数据库上，对不同信噪比下的20种噪声进行的仿真实验表明，无论噪声类型是否在语音的训练集中出现，所提出的感知掩蔽DNN都能够在有效去除噪声的同时保持较小的语音失真，增强效果明显优于常见的DNN增强方法以及NMF（Nonnegative matrix factorization）增强方法.
本文将心理声学掩蔽特性应用于基于深度神经网络（Deep neural network，DNN）的单通道语音增强任务中，提出了一种具有感知掩蔽特性的DNN结构.首先，提出的DNN对带噪语音幅度谱特征进行训练并分别得到纯净语音和噪声的幅度谱估计.其次，利用估计的纯净语音幅度谱计算噪声掩蔽阈值.然后，将噪声掩蔽阈值和估计的噪声幅度谱联合计算得到一个感知增益函数.最后，利用感知增益函数从带噪语音幅度谱中估计出增强语音幅度谱.在TIMIT数据库上，对不同信噪比下的20种噪声进行的仿真实验表明，无论噪声类型是否在语音的训练集中出现，所提出的感知掩蔽DNN都能够在有效去除噪声的同时保持较小的语音失真，增强效果明显优于常见的DNN增强方法以及NMF（Nonnegative matrix factorization）增强方法.
2017, 43(2): 259-270.
doi: 10.16383/j.aas.2017.c150775
摘要:
剩余寿命估计是预测与健康管理的基础，是降低系统运行风险、提高系统安全性与可靠性的有效途径.针对工程实际中大量存在的非线性随机性退化系统，现有方法仅单独考虑了不确定测量或系统间个体差异对剩余寿命的影响，尚未实现同时考虑不确定测量和个体差异的剩余寿命估计.因此，本文首先建立了一种基于扩散过程的非线性退化模型，进一步通过建立的状态空间模型和Kalman滤波实现了同时考虑不确定测量和个体差异下的随机退化系统剩余寿命自适应估计，同时对漂移系数进行自适应估计，以获取非线性退化系统更加精确的剩余寿命估计.最后，将所提方法应用于疲劳裂纹和陀螺仪的监测数据，结果表明本文方法显著优于仅考虑不确定测量或仅考虑个体差异的寿命估计方法，具有潜在的工程应用价值.
剩余寿命估计是预测与健康管理的基础，是降低系统运行风险、提高系统安全性与可靠性的有效途径.针对工程实际中大量存在的非线性随机性退化系统，现有方法仅单独考虑了不确定测量或系统间个体差异对剩余寿命的影响，尚未实现同时考虑不确定测量和个体差异的剩余寿命估计.因此，本文首先建立了一种基于扩散过程的非线性退化模型，进一步通过建立的状态空间模型和Kalman滤波实现了同时考虑不确定测量和个体差异下的随机退化系统剩余寿命自适应估计，同时对漂移系数进行自适应估计，以获取非线性退化系统更加精确的剩余寿命估计.最后，将所提方法应用于疲劳裂纹和陀螺仪的监测数据，结果表明本文方法显著优于仅考虑不确定测量或仅考虑个体差异的寿命估计方法，具有潜在的工程应用价值.
2017, 43(2): 271-279.
doi: 10.16383/j.aas.2017.c150782
摘要:
针对传统基于输出协方差矩阵的性能监控方法未充分考虑过程变量与输出变量之间的相关性问题，提出一种基于偏最小二乘（Partial least squares，PLS）交叉积矩阵非相似度分析的性能监控与诊断方法，用于多变量模型预测控制（Model predictive control，MPC）系统.首先，考虑模型预测控制系统的控制结构，构造包含预测误差的增广过程变量与输出变量相关性的PLS交叉积矩阵，通过非相似度分析方法将交叉积矩阵的非相似度比较转化为转换矩阵特征值的比较.然后提取转换矩阵中表征最大非相似度的l个特征值构造实时性能指标，对MPC系统进行性能监控.检测到性能下降后，进一步利用转换矩阵的特征值诊断性能恶化源.Wood-Berry二元精馏塔上的仿真结果表明，所提方法能够有效地提高监控性能，并准确地定位性能恶化源.
针对传统基于输出协方差矩阵的性能监控方法未充分考虑过程变量与输出变量之间的相关性问题，提出一种基于偏最小二乘（Partial least squares，PLS）交叉积矩阵非相似度分析的性能监控与诊断方法，用于多变量模型预测控制（Model predictive control，MPC）系统.首先，考虑模型预测控制系统的控制结构，构造包含预测误差的增广过程变量与输出变量相关性的PLS交叉积矩阵，通过非相似度分析方法将交叉积矩阵的非相似度比较转化为转换矩阵特征值的比较.然后提取转换矩阵中表征最大非相似度的l个特征值构造实时性能指标，对MPC系统进行性能监控.检测到性能下降后，进一步利用转换矩阵的特征值诊断性能恶化源.Wood-Berry二元精馏塔上的仿真结果表明，所提方法能够有效地提高监控性能，并准确地定位性能恶化源.
2017, 43(2): 280-293.
doi: 10.16383/j.aas.2017.c150873
摘要:
针对最小化最大完工时间的柔性流水车间调度，利用事件建模思想，线性化0-1混合整数规划模型，使得小规模调度问题通过Cplex可以准确求解，同时设计了高效分布估算算法来求解大规模调度问题.该算法采用的是一种新颖的随机规则解码方式，工件排序按选定的规则安排而机器按概率随机分配.针对分布估算算法中的概率模型不能随种群中个体各位置上工件的更新而自动调整的缺点，提出了自适应调整概率模型，该概率模型能提高分布估算算法的收敛质量和速度.同时为提高算法局部搜索能力和防止算法陷入局部最优，设计了局部搜索和重启机制.最后，采用实验设计方法校验了高效分布估算算法参数的最佳组合.算例和实例测试结果都表明本文提出的高效分布估算算法在求解质量和稳定性上均优于遗传算法、引力搜索算法和经典分布估算算法.
针对最小化最大完工时间的柔性流水车间调度，利用事件建模思想，线性化0-1混合整数规划模型，使得小规模调度问题通过Cplex可以准确求解，同时设计了高效分布估算算法来求解大规模调度问题.该算法采用的是一种新颖的随机规则解码方式，工件排序按选定的规则安排而机器按概率随机分配.针对分布估算算法中的概率模型不能随种群中个体各位置上工件的更新而自动调整的缺点，提出了自适应调整概率模型，该概率模型能提高分布估算算法的收敛质量和速度.同时为提高算法局部搜索能力和防止算法陷入局部最优，设计了局部搜索和重启机制.最后，采用实验设计方法校验了高效分布估算算法参数的最佳组合.算例和实例测试结果都表明本文提出的高效分布估算算法在求解质量和稳定性上均优于遗传算法、引力搜索算法和经典分布估算算法.
2017, 43(2): 294-301.
doi: 10.16383/j.aas.2017.c150877
摘要:
为提高在决策空间运用最近邻方法预测多目标优化Pareto支配性的精度，提出一种基于决策空间变换的最近邻预测方法.在分析目标函数与决策分量相关性的基础上，提出属性变化趋势模型的构造方法，建立低计算成本的属性趋势代理模型.通过属性趋势模型引入决策空间到目标空间的映射知识，对多目标问题的决策空间进行变换，使决策空间的最近邻更有效反映目标空间的最近邻.选取具有不同相关系数特征的典型多目标优化问题，进行Pareto支配性预测的可对比实验，结果表明在新空间中运用最近邻方法可显著提高分类准确性.
为提高在决策空间运用最近邻方法预测多目标优化Pareto支配性的精度，提出一种基于决策空间变换的最近邻预测方法.在分析目标函数与决策分量相关性的基础上，提出属性变化趋势模型的构造方法，建立低计算成本的属性趋势代理模型.通过属性趋势模型引入决策空间到目标空间的映射知识，对多目标问题的决策空间进行变换，使决策空间的最近邻更有效反映目标空间的最近邻.选取具有不同相关系数特征的典型多目标优化问题，进行Pareto支配性预测的可对比实验，结果表明在新空间中运用最近邻方法可显著提高分类准确性.
2017, 43(2): 302-312.
doi: 10.16383/j.aas.2017.c160065
摘要:
如何通过猕猴运动皮层的神经元锋电位信号估计其手指移动位置是一神经解码问题，现存方法解决该问题大多采用有监督训练，需要通过训练数据得到神经元锋电位信号与手指移动位置的关系，因此其估计性能依赖于训练数据.本文提出了一种无监督解码方法，该方法基于状态空间模型（State space model，SSM），利用神经网络得到神经元锋电位数与手指移动位置的关系权值，再用逐次状态估计方法去估计手指移动的位置.为减少训练的复杂度和提高估计准确度，采用一种非线性的积分卡尔曼滤波（Cubature Kalman filtering，CKF）来完成神经网络的训练和手指位置的逐次状态估计.与传统方法相比，该方法的最大特点是无监督，可以由神经元锋电位簇向量直接估计手指移动位置，而无需有监督训练.实验结果显示，当采用较少的有监督数据，现存方法与本文方法相比有较大的估计误差；当采用较多的有监督数据，现存方法才具有与本文方法相近似的估计误差.
如何通过猕猴运动皮层的神经元锋电位信号估计其手指移动位置是一神经解码问题，现存方法解决该问题大多采用有监督训练，需要通过训练数据得到神经元锋电位信号与手指移动位置的关系，因此其估计性能依赖于训练数据.本文提出了一种无监督解码方法，该方法基于状态空间模型（State space model，SSM），利用神经网络得到神经元锋电位数与手指移动位置的关系权值，再用逐次状态估计方法去估计手指移动的位置.为减少训练的复杂度和提高估计准确度，采用一种非线性的积分卡尔曼滤波（Cubature Kalman filtering，CKF）来完成神经网络的训练和手指位置的逐次状态估计.与传统方法相比，该方法的最大特点是无监督，可以由神经元锋电位簇向量直接估计手指移动位置，而无需有监督训练.实验结果显示，当采用较少的有监督数据，现存方法与本文方法相比有较大的估计误差；当采用较多的有监督数据，现存方法才具有与本文方法相近似的估计误差.
2017, 43(2): 313-320.
doi: 10.16383/j.aas.2017.c150811
摘要:
为了快速跟踪动态多目标优化问题变化的Pareto前沿，本文提出一种基于参考点预测策略的动态多目标优化算法（PDMOP）.该算法对关联到相同参考点的个体建立时间序列，并对这些时间序列通过线性回归模型预测新环境下种群.同时，将历史时刻的预测误差反馈到当前预测中来提高预测的准确性，并在每个预测的个体上加入扰动来增加初始种群多样性，从而能够加快算法在新环境下的收敛速度.通过4个标准测试函数对该算法测试，并和两个现有算法对比分析，结果表明所提算法在处理动态多目标优化问题时能够保持良好的性能.
为了快速跟踪动态多目标优化问题变化的Pareto前沿，本文提出一种基于参考点预测策略的动态多目标优化算法（PDMOP）.该算法对关联到相同参考点的个体建立时间序列，并对这些时间序列通过线性回归模型预测新环境下种群.同时，将历史时刻的预测误差反馈到当前预测中来提高预测的准确性，并在每个预测的个体上加入扰动来增加初始种群多样性，从而能够加快算法在新环境下的收敛速度.通过4个标准测试函数对该算法测试，并和两个现有算法对比分析，结果表明所提算法在处理动态多目标优化问题时能够保持良好的性能.
