2021年 第47卷 第2期
2021, 47(2): 235-251.
doi: 10.16383/j.aas.c190886
摘要:
水下目标跟踪在海洋资源的开发利用以及国家安全的防御等方面都具有广泛的应用价值和重要的战略意义. 基于水下传感器网络(Underwater sensor networks, USNs)的目标跟踪技术凭借其覆盖范围广、观测时间长和实时融合等优势已经成为一个新的研究热点. 本文针对基于USNs的目标跟踪关键技术的基本思想、研究进展、应用及局限性进行了综述, 主要从以下几个角度对其展开论述: USNs的建设现状、系统组成及其分类、目标跟踪系统模型、单目标跟踪技术、多目标跟踪技术以及能效优化措施. 最后, 本文不仅指出了基于USNs的目标跟踪研究目前存在的主要挑战, 并对该领域的未来发展方向进行了展望.
水下目标跟踪在海洋资源的开发利用以及国家安全的防御等方面都具有广泛的应用价值和重要的战略意义. 基于水下传感器网络(Underwater sensor networks, USNs)的目标跟踪技术凭借其覆盖范围广、观测时间长和实时融合等优势已经成为一个新的研究热点. 本文针对基于USNs的目标跟踪关键技术的基本思想、研究进展、应用及局限性进行了综述, 主要从以下几个角度对其展开论述: USNs的建设现状、系统组成及其分类、目标跟踪系统模型、单目标跟踪技术、多目标跟踪技术以及能效优化措施. 最后, 本文不仅指出了基于USNs的目标跟踪研究目前存在的主要挑战, 并对该领域的未来发展方向进行了展望.
2021, 47(2): 252-277.
doi: 10.16383/j.aas.c180844
摘要:
针对基于特征的视线跟踪方法进行了综述.首先对视线跟踪技术的发展、相关研究工作和研究现状进行了阐述; 然后将基于特征的视线跟踪方法分成了两大类:二维视线跟踪方法和三维视线跟踪方法, 从硬件系统配置、误差主要来源、头部运动影响、优缺点等多个方面重点分析了这两类视线跟踪方法, 对近五年现有的部分基于特征的视线跟踪方法进行了对比分析, 并对二维视线跟踪系统和三维视线跟踪系统中的几个关键问题进行了探讨; 此外, 介绍了视线跟踪技术在人机交互、医学、军事、智能交通等多个领域的应用; 最后对基于特征的视线跟踪方法的发展趋势和研究热点进行了总结与展望.
针对基于特征的视线跟踪方法进行了综述.首先对视线跟踪技术的发展、相关研究工作和研究现状进行了阐述; 然后将基于特征的视线跟踪方法分成了两大类:二维视线跟踪方法和三维视线跟踪方法, 从硬件系统配置、误差主要来源、头部运动影响、优缺点等多个方面重点分析了这两类视线跟踪方法, 对近五年现有的部分基于特征的视线跟踪方法进行了对比分析, 并对二维视线跟踪系统和三维视线跟踪系统中的几个关键问题进行了探讨; 此外, 介绍了视线跟踪技术在人机交互、医学、军事、智能交通等多个领域的应用; 最后对基于特征的视线跟踪方法的发展趋势和研究热点进行了总结与展望.
2021, 47(2): 278-296.
doi: 10.16383/j.aas.c190491
摘要:
人脑效应连接网络刻画了脑区间神经活动的因果效应. 对不同人群的脑效应连接网络进行研究不仅能为神经精神疾病病理机制的理解提供新视角, 而且能为疾病的早期诊断和治疗评价提供新的脑网络影像学标记, 具有十分重要的理论意义和应用价值. 利用计算方法从功能磁共振成像(Functional magnetic resonance imaging, fMRI)数据中识别脑效应连接网络是目前人脑连接组学中一项重要的研究课题. 本文首先概括了从fMRI数据中进行脑效应连接网络识别的主要流程, 说明了其中的主要步骤和方法; 然后, 给出了一种脑效应连接网络识别方法的分类体系, 并对其中一些代表性的识别算法进行了阐述; 最后, 通过对该领域挑战性问题的分析, 预测了脑效应连接网络识别未来的研究方向, 以期对相关研究提供一定的参考.
人脑效应连接网络刻画了脑区间神经活动的因果效应. 对不同人群的脑效应连接网络进行研究不仅能为神经精神疾病病理机制的理解提供新视角, 而且能为疾病的早期诊断和治疗评价提供新的脑网络影像学标记, 具有十分重要的理论意义和应用价值. 利用计算方法从功能磁共振成像(Functional magnetic resonance imaging, fMRI)数据中识别脑效应连接网络是目前人脑连接组学中一项重要的研究课题. 本文首先概括了从fMRI数据中进行脑效应连接网络识别的主要流程, 说明了其中的主要步骤和方法; 然后, 给出了一种脑效应连接网络识别方法的分类体系, 并对其中一些代表性的识别算法进行了阐述; 最后, 通过对该领域挑战性问题的分析, 预测了脑效应连接网络识别未来的研究方向, 以期对相关研究提供一定的参考.
2021, 47(2): 297-315.
doi: 10.16383/j.aas.c190720
摘要:
图像分类的应用场景非常广泛, 很多场景下难以收集到足够多的数据来训练模型, 利用小样本学习进行图像分类可解决训练数据量小的问题. 本文对近年来的小样本图像分类算法进行了详细综述, 根据不同的建模方式, 将现有算法分为卷积神经网络模型和图神经网络模型两大类, 其中基于卷积神经网络模型的算法包括四种学习范式: 迁移学习、元学习、对偶学习和贝叶斯学习; 基于图神经网络模型的算法原本适用于非欧几里得结构数据, 但有部分学者将其应用于解决小样本下欧几里得数据的图像分类任务, 有关的研究成果目前相对较少. 此外, 本文汇总了现有文献中出现的数据集并通过实验结果对现有算法的性能进行了比较. 最后, 讨论了小样本图像分类技术的难点及未来研究趋势.
图像分类的应用场景非常广泛, 很多场景下难以收集到足够多的数据来训练模型, 利用小样本学习进行图像分类可解决训练数据量小的问题. 本文对近年来的小样本图像分类算法进行了详细综述, 根据不同的建模方式, 将现有算法分为卷积神经网络模型和图神经网络模型两大类, 其中基于卷积神经网络模型的算法包括四种学习范式: 迁移学习、元学习、对偶学习和贝叶斯学习; 基于图神经网络模型的算法原本适用于非欧几里得结构数据, 但有部分学者将其应用于解决小样本下欧几里得数据的图像分类任务, 有关的研究成果目前相对较少. 此外, 本文汇总了现有文献中出现的数据集并通过实验结果对现有算法的性能进行了比较. 最后, 讨论了小样本图像分类技术的难点及未来研究趋势.
2021, 47(2): 316-326.
doi: 10.16383/j.aas.c180753
摘要:
针对道路交通多车牌识别问题, 提出了一种快速鲁棒的多车牌检测识别方法, 包括多车牌检测和车牌字符识别两部分:构造BP (Back-Propagation)神经网络模型用于颜色识别, 结合图像形态学运算方法, 筛选候选车牌目标, 基于支持矢量机从候选车牌目标中判别真正的车牌目标; 通过轮廓尺寸判断, 并结合车牌尺寸特征, 依次分割提取城市代码字符块、省份代码字符块及5位机动车编码字符块, 最后基于BP神经网络识别字符块内容.基于上述原理, 开发了鲁棒的多机动车车牌自动检测识别系统, 并在真实场景中进行了实验测试, 结果表明: 1)车辆在正常速度行驶条件下, 系统依然可以保证90%以上的车牌检测识别正确率; 2)系统可实现同时多车牌检测识别; 3)文中实验硬件配置下, 系统单幅图像检测识别平均时间低于130 ms, 处理频率约8 Hz.
针对道路交通多车牌识别问题, 提出了一种快速鲁棒的多车牌检测识别方法, 包括多车牌检测和车牌字符识别两部分:构造BP (Back-Propagation)神经网络模型用于颜色识别, 结合图像形态学运算方法, 筛选候选车牌目标, 基于支持矢量机从候选车牌目标中判别真正的车牌目标; 通过轮廓尺寸判断, 并结合车牌尺寸特征, 依次分割提取城市代码字符块、省份代码字符块及5位机动车编码字符块, 最后基于BP神经网络识别字符块内容.基于上述原理, 开发了鲁棒的多机动车车牌自动检测识别系统, 并在真实场景中进行了实验测试, 结果表明: 1)车辆在正常速度行驶条件下, 系统依然可以保证90%以上的车牌检测识别正确率; 2)系统可实现同时多车牌检测识别; 3)文中实验硬件配置下, 系统单幅图像检测识别平均时间低于130 ms, 处理频率约8 Hz.
2021, 47(2): 327-337.
doi: 10.16383/j.aas.c180544
摘要:
肝脏分割是计算机辅助肝脏疾病诊断的重要前提和基础.本文提出了一种新的基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法.首先, 对原始腹部CT序列图像进行预处理, 去除与肝脏不相关的器官和组织.然后, 利用灰度偏移场, 结合周长项、距离正则项和相邻切片肝脏分割结果构建水平集能量函数, 实现CT序列肝脏自动分割.为避免分割误差累积, 提出一种基于形状描述符和瓶颈率的肝脏边缘优化方法, 在每张切片分割完毕后去除由于灰度重叠造成的过分割.通过对XHCSU14数据库和Sliver07数据库中腹部CT序列的肝脏分割实验, 以及与其他肝脏分割算法的比较, 表明了本文方法的有效性, 且分割精度高, 鲁棒性强.
肝脏分割是计算机辅助肝脏疾病诊断的重要前提和基础.本文提出了一种新的基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法.首先, 对原始腹部CT序列图像进行预处理, 去除与肝脏不相关的器官和组织.然后, 利用灰度偏移场, 结合周长项、距离正则项和相邻切片肝脏分割结果构建水平集能量函数, 实现CT序列肝脏自动分割.为避免分割误差累积, 提出一种基于形状描述符和瓶颈率的肝脏边缘优化方法, 在每张切片分割完毕后去除由于灰度重叠造成的过分割.通过对XHCSU14数据库和Sliver07数据库中腹部CT序列的肝脏分割实验, 以及与其他肝脏分割算法的比较, 表明了本文方法的有效性, 且分割精度高, 鲁棒性强.
2021, 47(2): 338-348.
doi: 10.16383/j.aas.c180138
摘要:
传统基于核主成分分析(Kernel principal component analysis, KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题, 本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel locality preserving projection, KLPP)的思想融入核主成分分析的目标函数中, 使样本投影后的特征空间不仅保持原始样本空间的整体结构, 还保持样本空间相似的局部近邻结构, 包含更丰富的特征信息.上述方法通过同时进行的正交化处理可避免局部子空间结构发生失真, 并能够直观显示出低维结果, 将低维数据输入最近邻分类器, 以识别率和聚类分析结果作为衡量指标, 同时将所提方法应用于故障诊断中.使用AVL Boost软件模拟的柴油机故障数据和田纳西(Tennessee Eastman, TE)化工数据仿真, 验证了所提方法的有效性.
传统基于核主成分分析(Kernel principal component analysis, KPCA)的数据降维方法在提取有效特征信息时只考虑全局结构保持而未考虑样本间的局部近邻结构保持问题, 本文提出一种改进全局结构保持算法的特征提取与降维方法.改进的特征提取与降维方法将流形学习中核局部保持投影(Kernel locality preserving projection, KLPP)的思想融入核主成分分析的目标函数中, 使样本投影后的特征空间不仅保持原始样本空间的整体结构, 还保持样本空间相似的局部近邻结构, 包含更丰富的特征信息.上述方法通过同时进行的正交化处理可避免局部子空间结构发生失真, 并能够直观显示出低维结果, 将低维数据输入最近邻分类器, 以识别率和聚类分析结果作为衡量指标, 同时将所提方法应用于故障诊断中.使用AVL Boost软件模拟的柴油机故障数据和田纳西(Tennessee Eastman, TE)化工数据仿真, 验证了所提方法的有效性.
2021, 47(2): 349-362.
doi: 10.16383/j.aas.c180298
摘要:
传统Takagi-Sugeno-Kang (TSK)模糊系统的结构辨识和参数优化往往分阶段进行, 同时模糊规则数需要预先设定, 因此TSK模糊系统的逼近性能和解释性往往不理想.针对此问题, 提出了一种结构辨识和参数优化协同学习的概率TSK模糊系统(Probabilistic TSK fuzzy system, PTSK).首先, PTSK使用概率模型表示模糊回归系统, 将结构辨识和参数优化作为一个整体来考虑.其次, PTSK不借助于专家经验, 使用粒子滤波方法对规则数和前后件参数协同学习, 得到系统全部参数的最优解.实验结果表明, PTSK具有良好的逼近性能, 同时能获得较少的模糊规则数.
传统Takagi-Sugeno-Kang (TSK)模糊系统的结构辨识和参数优化往往分阶段进行, 同时模糊规则数需要预先设定, 因此TSK模糊系统的逼近性能和解释性往往不理想.针对此问题, 提出了一种结构辨识和参数优化协同学习的概率TSK模糊系统(Probabilistic TSK fuzzy system, PTSK).首先, PTSK使用概率模型表示模糊回归系统, 将结构辨识和参数优化作为一个整体来考虑.其次, PTSK不借助于专家经验, 使用粒子滤波方法对规则数和前后件参数协同学习, 得到系统全部参数的最优解.实验结果表明, PTSK具有良好的逼近性能, 同时能获得较少的模糊规则数.
2021, 47(2): 363-377.
doi: 10.16383/j.aas.c180140
摘要:
针对Otsu算法用于多阈值图像分割中存在运算时间长和精度低的不足, 利用群智能优化算法对图像分割算法进行优化.本文首先应用莱维飞行算法对樽海鞘群优化算法进行改进, 将多阈值Otsu函数作为优化算法的适应度函数, 利用改进后的LSSA寻找适应度函数的最大值, 同时获得相对应的多阈值.其次, 通过对几幅基本图像、伯克利大学图像分割库中的图像和实际污油图像进行多阈值Otsu分割研究, 在最佳适应度值、PSNR、SSIM指标以及算法耗时方面进行对比分析.实验结果表明本文提出的算法可以获得更为准确的分割阈值和更高的分割效率.
针对Otsu算法用于多阈值图像分割中存在运算时间长和精度低的不足, 利用群智能优化算法对图像分割算法进行优化.本文首先应用莱维飞行算法对樽海鞘群优化算法进行改进, 将多阈值Otsu函数作为优化算法的适应度函数, 利用改进后的LSSA寻找适应度函数的最大值, 同时获得相对应的多阈值.其次, 通过对几幅基本图像、伯克利大学图像分割库中的图像和实际污油图像进行多阈值Otsu分割研究, 在最佳适应度值、PSNR、SSIM指标以及算法耗时方面进行对比分析.实验结果表明本文提出的算法可以获得更为准确的分割阈值和更高的分割效率.
2021, 47(2): 378-390.
doi: 10.16383/j.aas.c190672
摘要:
数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义, 其中细胞核的形态测量是病理量化分析的关键. 然而, 由于病理图像背景复杂, 细胞核高密度分布、细胞粘连等, 个体细胞核精准分割是一个挑战性问题. 本文提出一个级联稀疏卷积与决策树集成学习的细胞核分割模型. 该模型由稀疏可分离卷积模块和集成决策树学习的正则化回归模块堆叠级联组成, 其中: 前者采取秩-1张量分解学习机制, 可分层抽取细胞核的多尺度方向分布式抽象特征; 而后者采取随机采样、树剪枝以及正则化回归机制提升逐像素回归分类能力. 相比于现有深度学习模型, 该模型无需非线性激活和后向传播计算, 参数规模较小, 可实现端到端的学习. 通过乳腺、前列腺、肾脏、胃和膀胱等多组病理图像的分割实验表明: 该模型能够实现复杂数字病理图像中的高密度细胞核的快速个体目标检测和分割, 在Jaccard相似性系数、F1分数和平均边缘距离三个指标上均优于目前CNN2、CNN3和U-Net等深度学习方法, 具有较好应用前景.
数字病理图像分析对于乳腺癌、肾癌等良恶性分级诊断具有重要意义, 其中细胞核的形态测量是病理量化分析的关键. 然而, 由于病理图像背景复杂, 细胞核高密度分布、细胞粘连等, 个体细胞核精准分割是一个挑战性问题. 本文提出一个级联稀疏卷积与决策树集成学习的细胞核分割模型. 该模型由稀疏可分离卷积模块和集成决策树学习的正则化回归模块堆叠级联组成, 其中: 前者采取秩-1张量分解学习机制, 可分层抽取细胞核的多尺度方向分布式抽象特征; 而后者采取随机采样、树剪枝以及正则化回归机制提升逐像素回归分类能力. 相比于现有深度学习模型, 该模型无需非线性激活和后向传播计算, 参数规模较小, 可实现端到端的学习. 通过乳腺、前列腺、肾脏、胃和膀胱等多组病理图像的分割实验表明: 该模型能够实现复杂数字病理图像中的高密度细胞核的快速个体目标检测和分割, 在Jaccard相似性系数、F1分数和平均边缘距离三个指标上均优于目前CNN2、CNN3和U-Net等深度学习方法, 具有较好应用前景.
2021, 47(2): 391-403.
doi: 10.16383/j.aas.c180750
摘要:
针对结构固定认知模型中存在的学习浪费与计算浪费问题, 在具有内发动机机制的感知行动认知模型基础上, 根据操作条件反射学习特性, 借鉴潜在动作原理, 建立起一种具有发育机制的感知行动认知模型D-SSCM (Development-sensorimotor cognitive model), 具体为一个14元组, 包含离散学习时间集、内部可感知离散状态集、可输出动作集、有效输出动作空间集、潜在动作关系集、可输出动作空间探索率集及发育算法等.针对模型发育过程, 分别设计了模型结构扩展式发育方法和算法以及缩减式发育方法和算法, 定义了模型的发育式学习过程.使用两轮机器人自平衡任务对设计的学习模型进行验证, 实验结果表明, 发育机制下的感知行动认知模型D-SSCM具有更快的学习速度及更稳定的学习效果.
针对结构固定认知模型中存在的学习浪费与计算浪费问题, 在具有内发动机机制的感知行动认知模型基础上, 根据操作条件反射学习特性, 借鉴潜在动作原理, 建立起一种具有发育机制的感知行动认知模型D-SSCM (Development-sensorimotor cognitive model), 具体为一个14元组, 包含离散学习时间集、内部可感知离散状态集、可输出动作集、有效输出动作空间集、潜在动作关系集、可输出动作空间探索率集及发育算法等.针对模型发育过程, 分别设计了模型结构扩展式发育方法和算法以及缩减式发育方法和算法, 定义了模型的发育式学习过程.使用两轮机器人自平衡任务对设计的学习模型进行验证, 实验结果表明, 发育机制下的感知行动认知模型D-SSCM具有更快的学习速度及更稳定的学习效果.
2021, 47(2): 404-422.
doi: 10.16383/j.aas.c180290
摘要:
针对比例—积分—微分(Proportional-integral-differential, PID)控制器的整定问题, 提出了自耦PID (Self-coupling PID, SC-PID)控制方法.该方法将系统动态和内外不确定性定义为总和扰动, 从而将非线性不确定系统变换为线性不确定系统, 进而构建了总和扰动反相激励下的误差动态系统, 据此设计了SC-PID控制律模型和整定规则, 进而设计了自适应速度因子(Adaptive speed factor, ASF)模型.数值仿真结果表明, SC-PID具有快的响应速度、高的控制精度、良好的抗总和扰动鲁棒性等诸多优点. SC-PID整定规则为现有PID整定结果的技术评估与技术升级提供了科学的理论依据, 在国防和工业控制领域具有广泛的应用价值.
针对比例—积分—微分(Proportional-integral-differential, PID)控制器的整定问题, 提出了自耦PID (Self-coupling PID, SC-PID)控制方法.该方法将系统动态和内外不确定性定义为总和扰动, 从而将非线性不确定系统变换为线性不确定系统, 进而构建了总和扰动反相激励下的误差动态系统, 据此设计了SC-PID控制律模型和整定规则, 进而设计了自适应速度因子(Adaptive speed factor, ASF)模型.数值仿真结果表明, SC-PID具有快的响应速度、高的控制精度、良好的抗总和扰动鲁棒性等诸多优点. SC-PID整定规则为现有PID整定结果的技术评估与技术升级提供了科学的理论依据, 在国防和工业控制领域具有广泛的应用价值.
2021, 47(2): 423-431.
doi: 10.16383/j.aas.c180270
摘要:
研究了带未知模型参数和衰减观测率多传感器线性离散随机系统的信息融合估计问题.在模型参数和衰减观测率未知的情形下, 应用递推增广最小二乘(Recursive extend least squares, RELS)算法和加权融合估计算法提出了分布式融合未知模型参数辨识器; 应用相关函数对描述衰减观测现象的随机变量的数学期望和方差进行在线辨识.将辨识后的模型参数、数学期望和方差代入到最优分布式融合状态滤波器中, 获得了相应的自校正融合状态滤波算法.应用动态误差系统分析(Dynamic error system analysis, DESA)方法证明了算法的收敛性.仿真例子验证了算法的有效性.
研究了带未知模型参数和衰减观测率多传感器线性离散随机系统的信息融合估计问题.在模型参数和衰减观测率未知的情形下, 应用递推增广最小二乘(Recursive extend least squares, RELS)算法和加权融合估计算法提出了分布式融合未知模型参数辨识器; 应用相关函数对描述衰减观测现象的随机变量的数学期望和方差进行在线辨识.将辨识后的模型参数、数学期望和方差代入到最优分布式融合状态滤波器中, 获得了相应的自校正融合状态滤波算法.应用动态误差系统分析(Dynamic error system analysis, DESA)方法证明了算法的收敛性.仿真例子验证了算法的有效性.
2021, 47(2): 432-441.
doi: 10.16383/j.aas.c180142
摘要:
随着云计算、物联网等信息通信技术与数据采集与监控系统的整合, 工业控制系统面临新的安全问题, 其中数据的完整性、机密性保护和有效的身份认证问题受到了关注.为了在这样一个多功能、分布式的环境中解决这些问题, 该文利用基于属性的加密方法, 构建访问控制策略, 为用户提供身份认证和授权服务, 保护用户与工业控制系统间的数据通信安全并实时检查存储数据的完整性.方案从正确性、安全性及系统性能等方面做出分析, 并与常用的认证方法进行了对比.
随着云计算、物联网等信息通信技术与数据采集与监控系统的整合, 工业控制系统面临新的安全问题, 其中数据的完整性、机密性保护和有效的身份认证问题受到了关注.为了在这样一个多功能、分布式的环境中解决这些问题, 该文利用基于属性的加密方法, 构建访问控制策略, 为用户提供身份认证和授权服务, 保护用户与工业控制系统间的数据通信安全并实时检查存储数据的完整性.方案从正确性、安全性及系统性能等方面做出分析, 并与常用的认证方法进行了对比.
2021, 47(2): 442-452.
doi: 10.16383/j.aas.c180098
摘要:
利用猕猴运动皮层神经元峰电位数信号估计其手指移动位置是一神经解码问题, 通常采用时不变线性模型(Time-invariant linear model, TILM)来解决.本文分析了传统TILM模型的时间相关性问题, 依据猕猴手指移动位置的连续性特点, 采用一种新的模型去解码其手指移动位置, 称之为卷积空间模型(Convolution space model, CSM).与传统的模型相比, 卷积空间模型不但将当前时刻的状态与前一个时刻建立了相关, 而且与前多个时刻的状态也有相关.在实验中, 利用公开数据来评判本文方法的解码性能, 实验结果表明, 传统方法的解码误差要大于CSM模型的方法, 因此CSM模型具有更好的解码准确性.
利用猕猴运动皮层神经元峰电位数信号估计其手指移动位置是一神经解码问题, 通常采用时不变线性模型(Time-invariant linear model, TILM)来解决.本文分析了传统TILM模型的时间相关性问题, 依据猕猴手指移动位置的连续性特点, 采用一种新的模型去解码其手指移动位置, 称之为卷积空间模型(Convolution space model, CSM).与传统的模型相比, 卷积空间模型不但将当前时刻的状态与前一个时刻建立了相关, 而且与前多个时刻的状态也有相关.在实验中, 利用公开数据来评判本文方法的解码性能, 实验结果表明, 传统方法的解码误差要大于CSM模型的方法, 因此CSM模型具有更好的解码准确性.
2021, 47(2): 453-463.
doi: 10.16383/j.aas.c180124
摘要:
锂离子电池的健康状态(State of health, SOH)是决定电池使用寿命的关键因素.由于锂电池生产工艺、工作环境和使用习惯等的差异性导致其衰退特性具有较大差异, 因此锂电池SOH难以精确估算.本文采用数据驱动的方式通过对采集的电压数据进行特征提取, 使用贝叶斯正则化神经网络对锂电池SOH进行预测, 同时引入KNN-马尔科夫修正策略对预测结果进行修正.实验结果证明, 贝叶斯正则化算法对锂电池SOH的预测准确度较高, KNN-马尔科夫修正策略提高了预测的精确度和鲁棒性, 组合预测模型对锂电池SOH的平均预测误差小于\begin{document}$1\,\%$\end{document} \begin{document}$33.3\,\%$\end{document} \begin{document}$48.7\,\%$\end{document} \begin{document}$53.1\,\%$\end{document}
锂离子电池的健康状态(State of health, SOH)是决定电池使用寿命的关键因素.由于锂电池生产工艺、工作环境和使用习惯等的差异性导致其衰退特性具有较大差异, 因此锂电池SOH难以精确估算.本文采用数据驱动的方式通过对采集的电压数据进行特征提取, 使用贝叶斯正则化神经网络对锂电池SOH进行预测, 同时引入KNN-马尔科夫修正策略对预测结果进行修正.实验结果证明, 贝叶斯正则化算法对锂电池SOH的预测准确度较高, KNN-马尔科夫修正策略提高了预测的精确度和鲁棒性, 组合预测模型对锂电池SOH的平均预测误差小于
2021, 47(2): 464-474.
doi: 10.16383/j.aas.c200904
摘要:
本文分析了控制理论与应用、模式识别与智能系统、导航制导与控制、系统科学与工程、人工智能与自动化交叉等领域的发展现状. 结合科技发展、国内国际研究前沿和新兴领域对自动化科学技术的需求, 提出重点发展智能控制理论和方法、高性能作业机器人、信息物理系统、导航与控制技术、重大装备自动化技术、自主智能系统和人工智能驱动的自动化技术优先领域, 加强数据驱动控制理论、人工智能基础理论研究, 进一步发展人机协同、跨域融合的智能自动化, 为实现国家社会的全面信息化智能化提供理论和技术保障.
