2017年 第43卷 第10期
2017, 43(10): 1677-1686.
doi: 10.16383/j.aas.2017.c160720
摘要:
参数可辨识性研究在统计机器学习中具有重要的理论意义和应用价值.参数可辨识性是关于模型参数能否被惟一确定的性质.在包含物理参数的学习模型中，可辨识性不仅是物理参数获得正确估计的前提条件，更重要的是，它反映了学习机器中由参数决定的物理特征.为扩展到未来类人智能机器研究的考察视角，我们将学习模型纳入"知识与数据共同驱动模型"的框架中讨论.在此框架下，我们提出两个关键问题.第一是参数可辨识性准则问题.该问题考察与可辨识性密切相关的各种判断准则，其中知识驱动子模型与数据驱动子模型的耦合方式为参数可辨识性问题提供了新的研究空间.第二是参数可辨识性与机器学习理论和应用相关联的研究.该研究包括可辨识性对参数估计、模型选择、学习算法、学习动态过程、奇异学习理论、贝叶斯推断等内容的深刻影响.
参数可辨识性研究在统计机器学习中具有重要的理论意义和应用价值.参数可辨识性是关于模型参数能否被惟一确定的性质.在包含物理参数的学习模型中，可辨识性不仅是物理参数获得正确估计的前提条件，更重要的是，它反映了学习机器中由参数决定的物理特征.为扩展到未来类人智能机器研究的考察视角，我们将学习模型纳入"知识与数据共同驱动模型"的框架中讨论.在此框架下，我们提出两个关键问题.第一是参数可辨识性准则问题.该问题考察与可辨识性密切相关的各种判断准则，其中知识驱动子模型与数据驱动子模型的耦合方式为参数可辨识性问题提供了新的研究空间.第二是参数可辨识性与机器学习理论和应用相关联的研究.该研究包括可辨识性对参数估计、模型选择、学习算法、学习动态过程、奇异学习理论、贝叶斯推断等内容的深刻影响.
2017, 43(10): 1687-1702.
doi: 10.16383/j.aas.2017.c160700
摘要:
可重构性设计是提高航天器在轨运行质量的有效途径，可以从系统层面克服航天器控制系统固有可靠性不足、星上资源受限以及在轨故障不可维修等缺陷，目前已引起控制理论和航天器控制工程等领域的高度重视与广泛关注.本文首先结合航天器控制系统的固有特点，具体介绍可重构性的研究意义与概念内涵.然后从评价与设计两方面，详细梳理航天器控制系统可重构性的研究内容与研究现状.最后对目前可重构性研究领域中存在的一些问题以及未来可能的发展方向进行深入探讨.
可重构性设计是提高航天器在轨运行质量的有效途径，可以从系统层面克服航天器控制系统固有可靠性不足、星上资源受限以及在轨故障不可维修等缺陷，目前已引起控制理论和航天器控制工程等领域的高度重视与广泛关注.本文首先结合航天器控制系统的固有特点，具体介绍可重构性的研究意义与概念内涵.然后从评价与设计两方面，详细梳理航天器控制系统可重构性的研究内容与研究现状.最后对目前可重构性研究领域中存在的一些问题以及未来可能的发展方向进行深入探讨.
2017, 43(10): 1703-1712.
doi: 10.16383/j.aas.2017.c170543
摘要:
本文提出了平行区块链的概念框架、基础理论和研究方法体系，并探讨了平行区块链的内涵.平行区块链技术是平行智能理论方法与区块链技术的有机结合，致力于通过实际区块链系统与人工区块链系统的平行互动与协同演化，为目前的区块链技术增加计算实验与平行决策功能，实现描述、预测、引导相结合的区块链系统管理与决策.平行区块链这一新型研究范式可望为下一步区块链研究和未来产业应用提供有益的启发与借鉴.
本文提出了平行区块链的概念框架、基础理论和研究方法体系，并探讨了平行区块链的内涵.平行区块链技术是平行智能理论方法与区块链技术的有机结合，致力于通过实际区块链系统与人工区块链系统的平行互动与协同演化，为目前的区块链技术增加计算实验与平行决策功能，实现描述、预测、引导相结合的区块链系统管理与决策.平行区块链这一新型研究范式可望为下一步区块链研究和未来产业应用提供有益的启发与借鉴.
2017, 43(10): 1713-1725.
doi: 10.16383/j.aas.2017.c160274
摘要:
SAR图像舰船尾迹检测不仅可用于反演运动舰船的航速航向信息，也有助于发现弱小舰船目标.然而现有舰船尾迹检测方法一般仅适用于简单海况背景下的SAR图像，复杂海况背景下的检测效果难以满足应用需求.本文提出一种基于形态成分分析与多字典学习的复杂背景舰船尾迹检测方法.该方法针对海况背景的复杂多变性以及舰船尾迹类型的有限性，通过离线学习方式构建海面纹理字典，通过解析方式构建尾迹结构字典并迭代更新，将图像分解为包含舰船尾迹的结构成分与包含海面背景的纹理成分，利用剪切波变换对结构成分高频系数重构以增强结构成分，并通过Radon变换对增强后的结构成分进行尾迹线检测.实验结果表明，本文所提方法对于复杂背景SAR图像舰船尾迹检测的效果明显优于现有方法.
SAR图像舰船尾迹检测不仅可用于反演运动舰船的航速航向信息，也有助于发现弱小舰船目标.然而现有舰船尾迹检测方法一般仅适用于简单海况背景下的SAR图像，复杂海况背景下的检测效果难以满足应用需求.本文提出一种基于形态成分分析与多字典学习的复杂背景舰船尾迹检测方法.该方法针对海况背景的复杂多变性以及舰船尾迹类型的有限性，通过离线学习方式构建海面纹理字典，通过解析方式构建尾迹结构字典并迭代更新，将图像分解为包含舰船尾迹的结构成分与包含海面背景的纹理成分，利用剪切波变换对结构成分高频系数重构以增强结构成分，并通过Radon变换对增强后的结构成分进行尾迹线检测.实验结果表明，本文所提方法对于复杂背景SAR图像舰船尾迹检测的效果明显优于现有方法.
2017, 43(10): 1726-1735.
doi: 10.16383/j.aas.2017.c160191
摘要:
由眨眼和眼动产生的眼电伪迹（Electrooculography，EOG）信号是脑电信号（Electroencephalography，EEG）中的主要噪声信号之一.目前，多通道脑电信号中眼电伪迹的去除算法已经较为成熟.而在单通道脑电信号的眼电伪迹去除中，由于采集通道数量较少且缺乏参考眼电信号，目前尚无十分有效的去除方法.本文提出一种基于小波变换（Wavelet transform，WT）、集合经验模态分解（Ensemble empirical mode decomposition，EEMD）和独立成分分析（Independent component analysis，ICA）的WT-EEMD-ICA单通道脑电信号眼电伪迹去除算法.实验表明：WT-EEMD-ICA算法有效地解决了单通道WT-ICA算法中的超完备问题，能够有效去除单通道脑电信号中的眼电伪迹，并且分离出的眼电伪迹成分与参考通道采集的眼电信号相关性较强.
由眨眼和眼动产生的眼电伪迹（Electrooculography，EOG）信号是脑电信号（Electroencephalography，EEG）中的主要噪声信号之一.目前，多通道脑电信号中眼电伪迹的去除算法已经较为成熟.而在单通道脑电信号的眼电伪迹去除中，由于采集通道数量较少且缺乏参考眼电信号，目前尚无十分有效的去除方法.本文提出一种基于小波变换（Wavelet transform，WT）、集合经验模态分解（Ensemble empirical mode decomposition，EEMD）和独立成分分析（Independent component analysis，ICA）的WT-EEMD-ICA单通道脑电信号眼电伪迹去除算法.实验表明：WT-EEMD-ICA算法有效地解决了单通道WT-ICA算法中的超完备问题，能够有效去除单通道脑电信号中的眼电伪迹，并且分离出的眼电伪迹成分与参考通道采集的眼电信号相关性较强.
2017, 43(10): 1736-1748.
doi: 10.16383/j.aas.2017.c160431
摘要:
目前，显著性检测已成为国内外计算机视觉领域研究的一个热点，但现有的显著性检测算法大多无法有效检测出位于图像边缘的显著性物体.针对这一问题，本文提出了基于自适应背景模板与空间先验的显著性物体检测方法，共包含三个步骤：第一，根据显著性物体在颜色空间上具有稀有性，获取基于自适应背景模板的显著图.将图像分割为超像素块，提取原图的四周边界作为原始背景区域.利用设计的自适应背景选择策略移除原始背景区域中显著的超像素块，获取自适应背景模板.通过计算每个超像素块与自适应背景模板的相异度获取基于自适应背景模板的显著图.并采用基于K-means的传播机制对获取的显著图进行一致性优化；第二，根据显著性物体在空间分布上具有聚集性，利用基于目标中心优先与背景模板抑制的空间先验方法获得空间先验显著图.第三，将获得的两种显著图进行融合得到最终的显著图.在公开数据集MSRA-1000、SOD、ECSSD和新建复杂数据集CBD上进行实验验证，结果证明本文方法能够准确有效地检测出图像中的显著性物体.
目前，显著性检测已成为国内外计算机视觉领域研究的一个热点，但现有的显著性检测算法大多无法有效检测出位于图像边缘的显著性物体.针对这一问题，本文提出了基于自适应背景模板与空间先验的显著性物体检测方法，共包含三个步骤：第一，根据显著性物体在颜色空间上具有稀有性，获取基于自适应背景模板的显著图.将图像分割为超像素块，提取原图的四周边界作为原始背景区域.利用设计的自适应背景选择策略移除原始背景区域中显著的超像素块，获取自适应背景模板.通过计算每个超像素块与自适应背景模板的相异度获取基于自适应背景模板的显著图.并采用基于K-means的传播机制对获取的显著图进行一致性优化；第二，根据显著性物体在空间分布上具有聚集性，利用基于目标中心优先与背景模板抑制的空间先验方法获得空间先验显著图.第三，将获得的两种显著图进行融合得到最终的显著图.在公开数据集MSRA-1000、SOD、ECSSD和新建复杂数据集CBD上进行实验验证，结果证明本文方法能够准确有效地检测出图像中的显著性物体.
2017, 43(10): 1749-1758.
doi: 10.16383/j.aas.2017.c160302
摘要:
在基于地貌形状上下文的形状匹配方法中，计算地貌空间测地距离消耗时间较高，对应形状特征提取过程的效率较低.针对这一问题，本文提出了一种基于地貌模糊形状上下文的快速形状匹配方法.在形状特征提取过程中，通过引入最短路径算法对轮廓采样点间的测地距离进行快速计算.在此基础上结合对数极坐标模糊直方图构造地貌模糊形状上下文，其能够更好地描述轮廓点分布情况进而有效提升形状描述符的表达能力.考虑到轮廓点集顺序已知，进一步引入动态规划分析不同地貌空间下形状片段间的对应关系，以获取准确的形状匹配结果.通过对不同的数据集进行实验仿真分析，验证了本文方法能够有效地提升运算效率并取得较好形状检索精度.
在基于地貌形状上下文的形状匹配方法中，计算地貌空间测地距离消耗时间较高，对应形状特征提取过程的效率较低.针对这一问题，本文提出了一种基于地貌模糊形状上下文的快速形状匹配方法.在形状特征提取过程中，通过引入最短路径算法对轮廓采样点间的测地距离进行快速计算.在此基础上结合对数极坐标模糊直方图构造地貌模糊形状上下文，其能够更好地描述轮廓点分布情况进而有效提升形状描述符的表达能力.考虑到轮廓点集顺序已知，进一步引入动态规划分析不同地貌空间下形状片段间的对应关系，以获取准确的形状匹配结果.通过对不同的数据集进行实验仿真分析，验证了本文方法能够有效地提升运算效率并取得较好形状检索精度.
2017, 43(10): 1759-1772.
doi: 10.16383/j.aas.2017.c160584
摘要:
提出一种利用运动目标三维轨迹重建的视频时域同步算法.待同步的视频序列由不同相机在同一场景中同时拍摄得到，对场景及相机运动不做限制性约束.假设每帧图像的相机投影矩阵已知，首先基于离散余弦变换基重建运动目标的三维轨迹.然后提出一种基于轨迹基系数矩阵的秩约束，用于衡量不同序列子段间的空间时间对准程度.最后构建代价矩阵，并利用基于图的方法实现视频间的非线性时域同步.我们不依赖已知的点对应关系，不同视频中的跟踪点甚至可以对应不同的三维点，只要它们之间满足以下假设：观测序列中跟踪点对应的三维点，其空间位置可以用参考序列中所有跟踪点对应的三维点集的子集的线性组合描述，且该线性关系维持不变.与多数现有方法要求特征点跟踪持续整个图像序列不同，本文方法可以利用长短不一的图像点轨迹.本文在仿真数据和真实数据集上验证了提出方法的鲁棒性和性能.
提出一种利用运动目标三维轨迹重建的视频时域同步算法.待同步的视频序列由不同相机在同一场景中同时拍摄得到，对场景及相机运动不做限制性约束.假设每帧图像的相机投影矩阵已知，首先基于离散余弦变换基重建运动目标的三维轨迹.然后提出一种基于轨迹基系数矩阵的秩约束，用于衡量不同序列子段间的空间时间对准程度.最后构建代价矩阵，并利用基于图的方法实现视频间的非线性时域同步.我们不依赖已知的点对应关系，不同视频中的跟踪点甚至可以对应不同的三维点，只要它们之间满足以下假设：观测序列中跟踪点对应的三维点，其空间位置可以用参考序列中所有跟踪点对应的三维点集的子集的线性组合描述，且该线性关系维持不变.与多数现有方法要求特征点跟踪持续整个图像序列不同，本文方法可以利用长短不一的图像点轨迹.本文在仿真数据和真实数据集上验证了提出方法的鲁棒性和性能.
2017, 43(10): 1773-1788.
doi: 10.16383/j.aas.2017.c160200
摘要:
处理不平衡数据分类时，传统模糊系统对少数类样本识别率较低.针对这一问题，首先，在前件参数学习上，提出了竞争贝叶斯模糊聚类（Bayesian fuzzy clustering based on competitive learning，BFCCL）算法，BFCCL算法考虑不同类别样本聚类中心间的排斥作用，采用交替迭代的执行方式并通过马尔科夫蒙特卡洛方法获得模型参数最优解.其次，在后件参数学习上，基于大间隔的策略并通过参数调节使得少数类到分类面的距离大于多数类到分类面的距离，该方法能有效纠正分类面的偏移.基于上述思想以0阶TSK型模糊系统为具体研究对象构造了适用于不平衡数据分类问题的0阶TSK型模糊系统（0-TSK-IDC）.人工和真实医学数据集实验结果表明，0-TSK-IDC在不平衡数据分类问题中对少数类和多数类均具有较高的识别率，且具有良好的鲁棒性和可解释性.
处理不平衡数据分类时，传统模糊系统对少数类样本识别率较低.针对这一问题，首先，在前件参数学习上，提出了竞争贝叶斯模糊聚类（Bayesian fuzzy clustering based on competitive learning，BFCCL）算法，BFCCL算法考虑不同类别样本聚类中心间的排斥作用，采用交替迭代的执行方式并通过马尔科夫蒙特卡洛方法获得模型参数最优解.其次，在后件参数学习上，基于大间隔的策略并通过参数调节使得少数类到分类面的距离大于多数类到分类面的距离，该方法能有效纠正分类面的偏移.基于上述思想以0阶TSK型模糊系统为具体研究对象构造了适用于不平衡数据分类问题的0阶TSK型模糊系统（0-TSK-IDC）.人工和真实医学数据集实验结果表明，0-TSK-IDC在不平衡数据分类问题中对少数类和多数类均具有较高的识别率，且具有良好的鲁棒性和可解释性.
2017, 43(10): 1789-1798.
doi: 10.16383/j.aas.2017.c160509
摘要:
基于退化建模的剩余寿命预测（Remaining useful life，RUL）是当前可靠性领域研究的热点.现有的退化模型都是针对单个时间尺度下的退化设备，缺少对设备性能变化与多个时间尺度相关的退化建模与剩余寿命预测方法.鉴于此，本文基于Wiener过程提出了一种双时间尺度随机退化建模与剩余寿命预测方法，用随机比例系数描述不同时间尺度之间的不确定关系，推导出丫首达时间意义下设备的双时间尺度剩余寿命分布，讨论了其与基于单时间尺度退化模型得到的剩余寿命分布之间的关系，并给出了基于历史退化数据的未知参数极大似然估计方法.最后，将所提方法应用到惯性平台关键器件陀螺仪的退化建模与剩余寿命预测中，验证了方法的有效性.
基于退化建模的剩余寿命预测（Remaining useful life，RUL）是当前可靠性领域研究的热点.现有的退化模型都是针对单个时间尺度下的退化设备，缺少对设备性能变化与多个时间尺度相关的退化建模与剩余寿命预测方法.鉴于此，本文基于Wiener过程提出了一种双时间尺度随机退化建模与剩余寿命预测方法，用随机比例系数描述不同时间尺度之间的不确定关系，推导出丫首达时间意义下设备的双时间尺度剩余寿命分布，讨论了其与基于单时间尺度退化模型得到的剩余寿命分布之间的关系，并给出了基于历史退化数据的未知参数极大似然估计方法.最后，将所提方法应用到惯性平台关键器件陀螺仪的退化建模与剩余寿命预测中，验证了方法的有效性.
2017, 43(10): 1799-1809.
doi: 10.16383/j.aas.2017.c150841
摘要:
提出了一种旋转与尺度不变的人身体部位所在区域的视频分割方法.方法中不仅考虑到躯干与四肢之间的关系，还考虑到四肢之间的相互关系，通过空间与时间的连续性约束对每帧中各个可能的身体部位进行优化组合，并巧妙地用动态规划对非线性图模型进行优化，且不受运动目标尺度变化与各种翻转运动的影响.该方法首先用动态规划的优化方法得到每一帧中最优的N个身体部位组合，将每一个组合作为图模型中的一个节点，并用动态规划对所有帧中的各个组合所构成的网格状图结构进行优化，最终得到每一帧中最优的身体部位组合.实验结果表明，该视频分割方法不仅适用于行人视频，还适用于具有各种姿势的运动视频，且具有较好的鲁棒性.
提出了一种旋转与尺度不变的人身体部位所在区域的视频分割方法.方法中不仅考虑到躯干与四肢之间的关系，还考虑到四肢之间的相互关系，通过空间与时间的连续性约束对每帧中各个可能的身体部位进行优化组合，并巧妙地用动态规划对非线性图模型进行优化，且不受运动目标尺度变化与各种翻转运动的影响.该方法首先用动态规划的优化方法得到每一帧中最优的N个身体部位组合，将每一个组合作为图模型中的一个节点，并用动态规划对所有帧中的各个组合所构成的网格状图结构进行优化，最终得到每一帧中最优的身体部位组合.实验结果表明，该视频分割方法不仅适用于行人视频，还适用于具有各种姿势的运动视频，且具有较好的鲁棒性.
2017, 43(10): 1810-1828.
doi: 10.16383/j.aas.2017.e160141
摘要:
In this paper, we propose a saliency detection model for RGB-D images based on the contrasting features of color and depth within a Bayesian framework. The depth feature map is extracted based on superpixel contrast computation with spatial priors. We model the depth saliency map by approximating the density of depth-based contrast features using a Gaussian distribution. Similar to the depth saliency computation, the color saliency map is computed using a Gaussian distribution based on multi-scale contrasts in superpixels by exploiting low-level cues. By assuming that color-and depth-based contrast features are conditionally independent, given the classes, a discriminative mixed-membership naive Bayes (DMNB) model is used to calculate the final saliency map from the depth saliency and color saliency probabilities by applying Bayes' theorem. The Gaussian distribution parameter can be estimated in the DMNB model by using a variational inference-based expectation maximization algorithm. The experimental results on a recent eye tracking database show that the proposed model performs better than other existing models.
In this paper, we propose a saliency detection model for RGB-D images based on the contrasting features of color and depth within a Bayesian framework. The depth feature map is extracted based on superpixel contrast computation with spatial priors. We model the depth saliency map by approximating the density of depth-based contrast features using a Gaussian distribution. Similar to the depth saliency computation, the color saliency map is computed using a Gaussian distribution based on multi-scale contrasts in superpixels by exploiting low-level cues. By assuming that color-and depth-based contrast features are conditionally independent, given the classes, a discriminative mixed-membership naive Bayes (DMNB) model is used to calculate the final saliency map from the depth saliency and color saliency probabilities by applying Bayes' theorem. The Gaussian distribution parameter can be estimated in the DMNB model by using a variational inference-based expectation maximization algorithm. The experimental results on a recent eye tracking database show that the proposed model performs better than other existing models.
2017, 43(10): 1829-1840.
doi: 10.16383/j.aas.2017.e160186
摘要:
Interactive segmentation is useful for selecting object of interest in an image and it continues to be a popular topic. It plays an increasingly important role in image processing and has a wide range of applications. However, performing interactive segmentation pixel by pixel is normally time consuming. This paper presents a new method to improve the segmentation efficiency. The proposed method improves the growcut algorithm by utilizing the super-pixel-level tumors automata (TA), since the super-pixels can supply powerful boundary clues to guide segmentation and can be gathered easily by over-segmentation algorithm. The TA has the similar principle as cellular automata. Given a small number of user-tagged super-pixels, the rest of the image can be automatically segmented by TA. Due to the iterative strategy, user can observe that the processing is faster than the growcut. To obtain the best result, both level set and multi-layer TA approaches are applied. Experiments carried out on the VOC challenge segmentation dataset show that the proposed method achieves state-of-the-art performance.
Interactive segmentation is useful for selecting object of interest in an image and it continues to be a popular topic. It plays an increasingly important role in image processing and has a wide range of applications. However, performing interactive segmentation pixel by pixel is normally time consuming. This paper presents a new method to improve the segmentation efficiency. The proposed method improves the growcut algorithm by utilizing the super-pixel-level tumors automata (TA), since the super-pixels can supply powerful boundary clues to guide segmentation and can be gathered easily by over-segmentation algorithm. The TA has the similar principle as cellular automata. Given a small number of user-tagged super-pixels, the rest of the image can be automatically segmented by TA. Due to the iterative strategy, user can observe that the processing is faster than the growcut. To obtain the best result, both level set and multi-layer TA approaches are applied. Experiments carried out on the VOC challenge segmentation dataset show that the proposed method achieves state-of-the-art performance.
2017, 43(10): 1841-1849.
doi: 10.16383/j.aas.2017.e160135
摘要:
Magnetic resonance imaging (MRI) reconstruction from undersampled data has always been a challenging and fascinating task due to its implicit ill-posed nature and its significance accompanied with the emerging compressed sensing (CS) theory. Most state-of-the-art sparse representation based CS approaches partition the image into overlapped patches, and process each patch separately. These methods, however, lose important spatial structures of the signal of interest, and ignore the consistency of pixels, which is a strong constraint for MR image. In this paper, we propose a new reconstruction method, which builds on recently introduced ideas of convolutional sparse coding in gradient domain (GradCSC) to address above mentioned issue. As opposed to patch-based methods, GradCSC directly operates on the whole gradient image to capture the correlation between local neighborhoods and exploits the gradient image global correlation to produce better edges and sharp features of gradient image. It enables local features implicitly existed in the gradient images to be captured effectively. Extensive experimental results demonstrate that the proposed algorithm achieves higher quality reconstructions than alternative methods and converges quickly at various sampling schemes and k-space acceleration factors.
Magnetic resonance imaging (MRI) reconstruction from undersampled data has always been a challenging and fascinating task due to its implicit ill-posed nature and its significance accompanied with the emerging compressed sensing (CS) theory. Most state-of-the-art sparse representation based CS approaches partition the image into overlapped patches, and process each patch separately. These methods, however, lose important spatial structures of the signal of interest, and ignore the consistency of pixels, which is a strong constraint for MR image. In this paper, we propose a new reconstruction method, which builds on recently introduced ideas of convolutional sparse coding in gradient domain (GradCSC) to address above mentioned issue. As opposed to patch-based methods, GradCSC directly operates on the whole gradient image to capture the correlation between local neighborhoods and exploits the gradient image global correlation to produce better edges and sharp features of gradient image. It enables local features implicitly existed in the gradient images to be captured effectively. Extensive experimental results demonstrate that the proposed algorithm achieves higher quality reconstructions than alternative methods and converges quickly at various sampling schemes and k-space acceleration factors.
2017, 43(10): 1850-1857.
doi: 10.16383/j.aas.2017.e160115
摘要:
The robust H∞ consensus control problem of highorder discrete-time multi-agent systems with parameter uncertainties and external disturbances is studied, and a linear distributed consensus protocol is designed in this paper. Firstly, the robust H∞ consensus control problem of high-order discrete-time multi-agent systems with parameter uncertainties and external disturbances is transformed to a robust H∞ control problem of a set of independent uncertain systems. Secondly, a sufficient linear matrix inequality (LMI) condition is derived to insure that high-order discrete-time multi-agent systems with parameter uncertainties and external disturbances achieve robust consensus with a H∞ performance level γ. Thirdly, convergence results are given as final consensus values of high-order discrete-time linear multi-agent systems with parameter uncertainties and without external disturbances. Finally, a contrast numerical experiment with and without parameter uncertainties is provided to demonstrate the correctness and effectiveness of the theoretical results.
The robust H∞ consensus control problem of highorder discrete-time multi-agent systems with parameter uncertainties and external disturbances is studied, and a linear distributed consensus protocol is designed in this paper. Firstly, the robust H∞ consensus control problem of high-order discrete-time multi-agent systems with parameter uncertainties and external disturbances is transformed to a robust H∞ control problem of a set of independent uncertain systems. Secondly, a sufficient linear matrix inequality (LMI) condition is derived to insure that high-order discrete-time multi-agent systems with parameter uncertainties and external disturbances achieve robust consensus with a H∞ performance level γ. Thirdly, convergence results are given as final consensus values of high-order discrete-time linear multi-agent systems with parameter uncertainties and without external disturbances. Finally, a contrast numerical experiment with and without parameter uncertainties is provided to demonstrate the correctness and effectiveness of the theoretical results.
2017, 43(10): 1858-1868.
doi: 10.16383/j.aas.2017.c160579
摘要:
为满足新颖成像模式对卫星姿态快速机动或对规划姿态的高精度跟踪控制需求，本文针对金字塔构型控制力矩陀螺（Control moment gyroscopes，CMG）群与反作用飞轮为联合执行机构的挠性敏捷卫星，提出一种融合以Legendre伪谱法实现卫星姿态及CMG群框架角速度最优规划的前馈控制、以非线性模型预测控制（Nonlinear model predictive control，NMPC）实现最优轨迹反馈跟踪的复合控制方法.在前馈控制律设计中，充分考虑了CMG群的力矩输出能力、奇异性及振动抑制性能等约束，规划获得了最优的CMG群框架角速度、卫星的姿态角及角速度.在反馈控制律设计中，以飞轮输出力矩能力、姿态机动快速性及能量为约束，设计了具有滚动优化思想的跟踪算法，补偿由于初始状态及转动惯量偏差等带来的控制误差.研究结果表明，在转动惯量存在偏差情况下，本文的控制方法仍是有效的，且表现出较强的鲁棒性.
为满足新颖成像模式对卫星姿态快速机动或对规划姿态的高精度跟踪控制需求，本文针对金字塔构型控制力矩陀螺（Control moment gyroscopes，CMG）群与反作用飞轮为联合执行机构的挠性敏捷卫星，提出一种融合以Legendre伪谱法实现卫星姿态及CMG群框架角速度最优规划的前馈控制、以非线性模型预测控制（Nonlinear model predictive control，NMPC）实现最优轨迹反馈跟踪的复合控制方法.在前馈控制律设计中，充分考虑了CMG群的力矩输出能力、奇异性及振动抑制性能等约束，规划获得了最优的CMG群框架角速度、卫星的姿态角及角速度.在反馈控制律设计中，以飞轮输出力矩能力、姿态机动快速性及能量为约束，设计了具有滚动优化思想的跟踪算法，补偿由于初始状态及转动惯量偏差等带来的控制误差.研究结果表明，在转动惯量存在偏差情况下，本文的控制方法仍是有效的，且表现出较强的鲁棒性.
