2021年 第47卷 第1期
对于复杂、可修复的工程系统, 设备维护是确保系统安全性、可靠性、可用性的重要手段之一. 系统维护策略已经历修复性维护、定时维护、视情维护等多种维护策略. 其中, 视情维护是目前最受关注的维护策略, 它通过收集和评估系统的实时状态信息进行维护决策, 具有全寿命周期内系统可靠性高、运营维护成本低等优点. 近年来, 随着物联网技术、信息技术和人工智能的快速发展, 一种更新颖的视情维护策略——预测性维护逐渐成为领域研究热点. 本文首先简要回顾了系统维护策略的发展历程; 然后, 重点介绍了视情维护的研究进展, 根据决策支持技术的不同, 将视情维护划分为基于随机退化模型的视情维护和基于数据驱动的预测性维护, 对每类技术的发展分支与研究现状进行了疏理、分析和总结; 最后, 探讨了当前复杂系统维护策略面临的挑战性问题和可能的未来研究方向.
意识问题是尚未解决的重大哲学问题与科学问题. 机器意识是人工智能最前沿的研究领域之一. 研发意识机器人对于人工智能与机器人学的发展具有重要科学意义与应用价值. 本文首先介绍了意识与感受性的相关概念和理论; 然后, 详细讨论了机器意识的概念与研究分类、实现方法与计算模型, 重点论述了实现机器意识的量子方法; 最后, 总结了机器意识目前面临的困境与未来可能的发展, 并给出了一套机器意识总体实现框架.
深度信念网络(Deep belief network, DBN)是一种基于深度学习的生成模型, 克服了传统梯度类学习算法在处理深层结构所面临的梯度消失问题, 近几年来已成为深度学习领域的研究热点之一.基于分阶段学习的思想, 人们设计了不同结构和学习算法的深度信念网络模型.本文在回顾总结深度信念网络的研究现状基础上, 给出了其发展趋势.首先, 给出深度信念网络的基本模型结构以及其标准的学习框架, 并分析了深度信念网络与其他深度结构的关系与区别; 其次, 回顾总结深度信念网络研究现状, 基于标准模型分析不同深度信念网络结构的性能; 第三, 给出深度信念网络的不同无监督预训练和有监督调优算法, 并分析其性能; 最后, 给出深度信念网络今后的发展趋势以及未来值得研究的方向.
采用科学知识图谱的方法系统梳理了信息能源系统研究的整体概况, 以数据和知识混合驱动的方式展现了信息能源系统专业领域的热点领域和学术链条, 并聚焦4个重点研究领域: 优化调度、一致控制、用户驱动的优化管理、信息能源深度融合系统. 在共被引分析基础上, 依据文献重要性和贡献度人工筛选出高影响力文献, 梳理了信息能源系统研究演化发展趋势. 分析表明, 当前信息技术作为有力的支撑驱动了能源系统的发展, 但信息与能源之间的联系仍不够紧密, 对能源数据价值的充分挖掘等问题亦需进一步研究.
多元时间序列的因果关系分析是数据挖掘领域的研究热点. 时间序列数据包含着与时间动态有关的、未知的、有价值的信息, 因此若能挖掘出这些知识进而对时间序列未来趋势进行预测或干预, 具有重要的现实意义. 为此, 本文综述了多元时间序列因果关系分析的研究进展、应用与展望. 首先, 本文归纳了主要的因果分析方法, 包括Granger因果关系分析、基于信息理论的因果分析和基于状态空间的因果分析; 然后, 总结了不同方法的优缺点、适用范围和发展方向, 并概述了其在不同领域的典型应用; 最后, 讨论了多元时间序列因果分析方法待解决的问题和未来研究趋势.
针对骨折固定的力学条件和组织内的氧气水平, 建立骨折愈合过程的动态仿真模型来描述二期骨折愈合中力学稳定性、组织内氧气水平和组织分化之间的关系.与以往仿真模型不同的是, 本文以三维模型为研究对象, 通过有限元法求解力刺激, 建立偏微分方程求解组织内氧气的时空变化, 采用模糊控制的方法将力和氧气作为主要输入描述组织分化过程, 模拟了骨折愈合过程中的骨折初期、膜内骨化、软骨生成、软骨钙化、骨化等阶段.在Eclipse环境下自主研发骨折愈合过程仿真程序, 通过将本文仿真结果与实验数据、其他模型仿真结果进行对比, 验证了本文的仿真模型和程序的正确性.利用所建立的模型仿真了组织内常氧、低氧、高氧环境下, 两种不同轴向稳定性的鼠横向骨折愈合过程, 得出结论:在低氧或骨间不稳定时, 出现延迟愈合或不愈合; 在常氧环境下, 骨组织正常愈合; 在高氧环境下, 骨折愈合加快.
分布式网络上的聚类、估计或推断具有广泛的应用, 因此引起了许多关注. 针对已有的分布式变分贝叶斯(Variational Bayesian, VB)算法效率低, 可扩展性差的问题, 本文借用扩散方法提出了一种新的分布式随机变分推断(Stochastic variational inference, SVI)算法, 其中我们选择自然梯度法进行参数本地更新并选择对称双随机矩阵作为节点间参数融合的系数矩阵. 此外, 我们还为所提出的分布式SVI算法提出了一种对异步网络的适应机制. 最后, 我们在伯努利混合模型(Bernoulli mixture model, BMM)和隐含狄利克雷分布(Latent Dirichlet allocation, LDA)模型上测试所提出的分布式SVI算法的可行性, 实验结果显示其在许多方面的性能优于集中式SVI算法.
针对大规模数据处理时Delaunay三角剖分过于耗时的问题, 本文提出了一种基于边指针搜索及区域划分的三角剖分算法.基于边指针设计了一种能够反映三角形之间位置关系的数据结构, 并优化了目标三角形的搜索路径.基于该数据结构, 利用区域划分进一步降低目标三角形的搜索深度.超级三角形所在的正方形被划分成具有相同尺寸的区域, 目标三角形的搜索从插入点所在的区域的入口三角形开始, 这大大缩小了目标三角形的搜索范围.实验证明, 与传统的Delaunay三角剖分算法相比, 该算法的效率显著提升.
高频地波雷达(High-frequency surface wave radar, HFSWR)在超视距舰船目标检测跟踪中有广泛应用.然而, HFSWR工作频段的电磁环境十分复杂, 舰船目标信号往往被淹没在各种噪声中.本文提出一种基于最优误差自校正极限学习机(Optimized error self-adjustment extreme learning machine, OES-ELM)的HFSWR海面目标识别算法.该算法利用二级级联分类策略, 可以显著提高目标的检测效率.首先利用灰度特征和线性分类器快速找出目标的潜在区域.然后利用Haar-like特征和OES-ELM分类器进一步辨识目标和海杂波.在OES-ELM中, 首先利用$L_{1/2}$正则算子裁剪隐层中的"微弱"神经元, 以得到隐层神经元的最优个数; 其次, 通过网络误差回传至隐含层使网络的隐层权值和输出层权值迭代更新至最优状态.实验结果表明:和标准ELM相比, 提出的OES-ELM网络具有更好的性能; 此外, 基于OES-ELM的HFSWR目标检测方法具有良好的实时性和目标检测性能.
深度神经网络(Deep neural network, DNN)作为最常用的深度学习方法之一, 广泛应用于各个领域. 然而, DNN容易受到对抗攻击的威胁, 因此通过对抗攻击来检测应用系统中DNN的漏洞至关重要. 针对车牌识别系统进行漏洞检测, 在完全未知模型内部结构信息的前提下展开黑盒攻击, 发现商用车牌识别系统存在安全漏洞. 提出基于精英策略的非支配排序遗传算法(NSGA-II)的车牌识别黑盒攻击方法, 仅获得输出类标及对应置信度, 即可产生对环境变化较为鲁棒的对抗样本, 而且该算法将扰动控制为纯黑色块, 可用淤泥块代替, 具有较强的迷惑性. 为验证本方法在真实场景的攻击可复现性, 分别在实验室和真实环境中对车牌识别系统展开攻击, 并且将对抗样本用于开源的商业软件中进行测试, 验证了攻击的迁移性.
视网膜血管的分割帮助医生对眼底疾病进行诊断有着重要的意义.但现有方法对视网膜血管的分割存在着各种问题, 例如对血管分割不足, 抗噪声干扰能力弱, 对病灶敏感等.针对现有血管分割方法的缺陷, 本文提出使用条件深度卷积生成对抗网络的方法对视网膜血管进行分割.我们主要对生成器的网络结构进行了改进，在卷积层引入残差模块进行差值学习使得网络结构对输出的改变变得敏感, 从而更好地对生成器的权重进行调整.为了降低参数数目和计算, 在使用大卷积核之前使用小卷积核对输入特征图的通道数进行减半处理.通过使用U型网络的思想将卷积层的输出与反卷积层的输出进行连接从而避免低级信息共享.通过在DRIVE和STARE数据集上对本文的方法进行了验证, 其分割准确率分别为96.08 %、97.71 %, 灵敏性分别达到了82.74 %、85.34 %, $F$度量分别达到了82.08 %和85.02 %, 灵敏度比R2U-Net的灵敏度分别高了4.82 %, 2.4 %.
环境和需求的改变导致软件演化发生, 并通常会使软件架构(Software architecture, SA)产生变化.现有的结构化软件可靠性模型对评价软件初始结构设计有不错的效果, 但在软件演化时的实时分析方面有局限性.从软件结构建模出发, 通过使用代数方法将软件演化描述为原子操作序列, 并跟踪分析序列中每一步操作对可靠性的影响, 从而建立基于过程的可靠性分析方法.方法可分析演化关键环节及整体趋势, 用以进一步反馈和约束演化方案设计, 最终达到提高软件产品质量的目的.通过对2个实际算例的深入分析与讨论, 方法的有效性与易用性得到验证.
评估指标的量化处理是目标威胁评估(Threat assessment, TA)算法应用的基础.本文针对地面作战目标威胁评估指标类型多样和难以量化的问题, 系统地提出了一种多属性威胁指标的量化方法, 并将指标量化结果转化为统一的直觉模糊集(Intuitionistic fuzzy set, IFS)表示形式.研究了地面作战目标威胁评估指标如目标距离、速度、攻击角度、类型、通视条件和作战环境等, 通过模糊评价语言、区间数、实数、三角模糊数等方式进行量化, 最大限度地保留指标不确定信息并降低实际应用的复杂度; 提出了不同表示形式的威胁指标数据与直觉模糊数的转化原则和转化方法, 并给出了理论可行性的数学证明.通过一个地面作战目标威胁评估的多属性指标处理实例, 验证了该方法在多属性指标量化和直觉模糊集表示中的合理性, 说明了该方法能够为目标威胁评估提供科学的评估数据.
多无人机协同目标分配最优问题(Multi-UAV cooperative target allocation optimal problem, MUCTAOP), 旨在求解组合分配问题的最小代价值, 是最具有挑战性的多约束组合优化问题之一. 结合进化算法解决MUCTAOP需要考虑两个关键因素: 1) 在进化过程中保持覆盖问题空间的“探索性”和“开发性”平衡; 2) 建立符合实际战场复杂环境的多约束条件. 为解决这两个关键因素, 本文提出一种新的近似聚类混合双策略差分进化算法(Approximate clustering dual-strategy differential evolution algorithm, AC-DSDE). 首先, 根据父代种群适应度值将个体分成“探索类个体”与“开发类个体”; 然后根据混合双策略变异方案平衡后代多样性与收敛性; 最后, 结合无人机自身性能约束、协同约束和实际三维复杂环境构建约束函数. 实验结果表明, 本文所提出的AC-DSDE算法能够快速地找到合理的分配方案.
针对存在大量不规则斑点噪声、目标边缘弱化的超声医学图像分割中较难识别目标的问题, 提出了一种复小波域中混合概率图模型的超声医学图像分割算法.采用具有近似平移不变性和良好方向选择性的双树复小波变换(Dual tree-complex wavelet transform, DT-CWT)提取超声医学图像6个方向的高频特征信息; 其次, 为关联目标的弱特征信息并抑制统计独立的高频噪声, 构建了复小波域混合概率图模型; 尺度间"父—子"节点间标记采用贝叶斯网络进行建模, 尺度内邻域间标记采用马尔科夫随机场(Markov random field, MRF)无向图建模, 对复小波域中同尺度的特征系数采用高斯混合模型建模, 尺度内同标记的观测特征采用高斯模型建模; 最后, 用迭代条件模式(Iterated conditional mode, ICM)实现MRF中误分割率最小的能量函数最优解, 获取标记场, 实现超声医学图像分割.实验结果从视觉效果和定量分析两方面验证表明, 本文算法能有效地提取超声图像的弱目标信息, 较好地定位目标区域, 具有较高的分割精度和鲁棒性.
在贝叶斯网络(Bayesian network, BN)参数学习中, 如果数据不够充分, 将无法建立准确的BN模型来分析和解决问题. 针对电熔镁炉熔炼过程的异常工况识别建模, 提出一种新的BN参数迁移学习方法来改进异常工况识别精度. 该方法可以解决源域BN与目标域BN在结构不一致情况下的参数迁移学习问题. 在实验部分, 首先在著名的Asia网络上对该方法进行了验证, 然后将其应用于电熔镁炉熔炼过程排气异常工况识别BN模型的参数学习. 实验结果表明, 与小数据下建立的目标域BN模型相比, 该方法较大地提高了异常工况识别的准确性.
仿射类抠像方法主要分为KNN (K-nearest neighbor)类和Matting Laplacian类方法, 本文结合这2种方法的优点提出了一种基于仿射类的双层次抠像方法.其中, 第一层为绝对像素的划分层次或预处理层次, 采用了基于KNN类简单权重与相对远距离的搜索方法, 并结合初始Trimap未知区域大小无关的方式; 第二层为混合像素的计算层次或最终抠像层次, 充分利用了第一层计算获得的剩余混合像素的宽度, 自适应地调整Matting Laplacian中的颜色线性模型所构成颜色近邻的核宽度.每个层次均按图像的全局颜色重叠程度相应调整合理的搜索范围.本文的实验具备以下特点: 1)预处理层次之后采用了若干典型的后续抠像方法, 以展现本文方法相比于其他预处理方法对后续抠像操作步骤的优越性和兼容性; 2)最终抠像层次引入了若干其他抠像方法, 以验证本文抠像方法的优越性.实验表明, 相比于其他单层次的仿射类方法, 无论对于计算绝对像素还是混合像素, 本文方法都可以大幅提升计算结果的准确率.
本文研究二维Fornasini-Marchesini (FM)系统的同时故障检测与控制问题.针对故障和干扰的有限频特性, 设计满足有限频性能指标的故障检测滤波器/控制器, 在实现故障检测目标的同时兼顾控制性能.借助于二维广义KYP引理, 将有限频性能指标转化为矩阵不等式条件.在此基础上, 采用构造切平面的方法以及两步算法解决设计过程中出现的非凸问题.最后, 将所提出的方法应用于带钢轧制过程以验证其有效性.
