摘要：本文研究了严格反馈多智能体系统的最优一致性问题,旨在局部信息交互的条件下,使所有智能体收敛至全局代价函数的最优解.首先,针对权重非平衡有向图,提出一种新的分布式比例积分(Proportional-integral,PI)变量,将最优一致性问题转化为PI调节问题,使得经典的控制技术能够通过调节PI变量的方式来处理更加复杂的多智能体系统.然后,结合所提出的分布式PI变量和预设性能控制,设计一类基于PI调节的分布式控制算法,使得带有死区输入非线性和有界扰动的严格反馈多智能体系统实现近似最优一致性.最后,通过仿真实验验证了所设计算法的有效性.

摘要：针对传统图像信号处理(ISP)算法繁琐的问题,基于可取代ISP算法的PyNET网络模型,提出一种端到端的RAW图像重建方法Py-CBAM。通过引入高效的注意力机制,并利用该机制对原有网络的多层级多尺度结构进行重设计,实现不同尺度特征的自适应加权,以较大程度提升图像重建的性能。实验结果表明,所提方法在公开的ZRR数据集上获得的峰值信噪比(PSNR)与PyNET方法相比提升了0.37 dB,结构相似度(SSIM)提升了0.0018。将ZRR数据集和新构建的NRR数据集联合对Py-CBAM重新训练后,PSNR和SSIM分别达到25.73 dB和0.9654。视觉效果上,所提方法解决了RAW图像重建时的噪声高与色彩失真、畸变等问题,增强模型在多场景不同光照环境条件下的重建能力;重建结果较为真实,视觉质量最优,在图像过曝和过暗区域视觉提升效果较为明显。

摘要：为提升毛纺织品的分拣质量与效率,设计基于PLC控制的毛纺织品自动分拣线控制系统。依据毛纺织品分拣需求,划分4个自动分拣线控制区域,搭建毛纺织品自动分拣线架构;选取S7-1500PLC控制器,结合PLC控制器配置情况,设计PLC控制器接线及PLC控制信号表;引入修正因子,控制输送线的运行速度,制定自动分拣线计数程序,实现毛纺织品自动分拣线的设计与运行。实验数据显示:在不同实验工况背景下,应用自动分拣线后获得的毛纺织品分拣效率最大值为920 kg/h,毛纺织品分拣准确率最大值为94%,所设计的自动分拣线应用效果较好。

摘要：针对发动机导管无法通过垂直于轴线去除余量来实现精准装配的问题,提出了一种在装配阶段对发动机导管进行二次优化设计方法。首先,对导管模型进行简化处理,提出了用二次设计的导管与原导管对应关键点的距离均值与对应角度变化量均值两个参数表示导管相似度,通过实验证明了参数设置的正确性,确定了导管二次设计方法流程。然后,建立了导管二次设计的多目标优化数学模型,选用NSGA-Ⅱ求解模型的Pareto解。最后,用某导管的模型数据进行实例验证,结果表明模型求得的Pareto前沿上的每个解都小于CAD系统中手动寻优的最好解,证明了方法和数学模型的有效性,多目标优化的应用提高了该方法的准确度与效率。

摘要：针对应急状态下需要快速恢复通信能力的需求,文中设计了一种可重构液体天线模型,并以此为基础对液体天线的设计方法和智能化控制算法进行深入研究。首先利用神经网络算法建立液体天线电磁性能参数与物理参数之间的映射关系,预测在设计性能指标下液体天线应具有的液体温度、高度、横截面半径、电导率,以此为可重构物理参数设计仿真控制系统。通过分析系统的运行特点,说明了引入PID算法进行控制的可行性。引入粒子群算法整定PID参数。针对传统粒子群算法的不足,提出LAIPSO算法,该算法在传统粒子群算法的基础上融合ICMIC混沌映射并引入莱维飞行策略,实现了自动更新惯性权重和学习率的自适应。通过选取6个测试函数对LAIPSO算法进行对比实验,说明了此算法在解决单峰与多峰问题的优越性。最后以预测液体天线的物理参数为控制目标进行对比实验,证明了LAIPSO算法对PID参数具有好的整定效果。

摘要：综合考虑受控制方向未知、输入受限和状态时延影响的有领导者多智能体系统的编队控制问题,设计基于模糊逻辑系统的预设时间一致性控制策略.为了保证编队输出误差在预设时间内满足预定的约束范围要求,引入预设时间性能函数,构造Lyapunov-Krasovskii(L-K)泛函解决状态时延问题,将外界干扰和L-K泛函的导数中的部分项定义为未知非线性函数,并利用模糊逻辑系统对其进行估计,利用Nussbaum函数和均值定理分别处理控制方向未知和输入受限问题,基于以上设计,提出预设时间模糊控制策略,并通过Lyapunov稳定性理论,分析闭环系统的有界稳定性,数值对比仿真和两级化学反应器应用仿真说明控制方法的有效性.

摘要：针对由外生系统描述的扰动的抗扰控制方法一直是研究热点。本文针对一类含有非线性扰动的非线性系统,利用径向基函数模糊逻辑系统逼近系统及外生系统中的未知非线性函数,设计了一种新型的模糊干扰观测器(FDO)估计非线性扰动。构造了一种新颖的干扰估计误差观测器来逼近自适应更新律中的干扰估计误差。在此基础上,结合线性矩阵不等式(LMI)提出了一种基于FDO的自适应模糊控制方法,并利用李雅普诺夫方法分析了闭环系统的稳定性。最后,采用仿真实验验证了所设计的控制方法。实验结果表明,所提出的方法在控制精度及干扰估计精度上均优于传统的抗扰控制方法。

摘要：针对差分麦克风阵列的白噪声放大问题,提出了一种参数化差分波束形成器的设计方法。通过理论推导,证明了延迟求和波束形成器能最大化白噪声增益,超指向波束形成器能最大化指向性增益。利用酉对角化方法处理转向向量与白噪声增益的伪相关矩阵,得到正交特征向量,并以此为基础设计波束形成器的参数。通过仿真实验,分析了参数化差分波束形成器在不同参数设置下的性能表现。实验结果表明,通过调整参数,所提方法能够在白噪声增益和指向性增益之间实现灵活的权衡与调节。

摘要：在目前对人工智能题材科幻电影的研究中,尽管已有学者把人工智能的形态分成具身与去身两类,然而对二者之间的差异与各自特性的深入探讨仍然较为欠缺。以“具身性”作为核心切入点,探究具身智能与去身智能在身体机制、人机界限、与人类权力关系、审美呈现以及观众对于两种智能体的心理契约等维度上的不同表现,在梳理人工智能形象叙事与美学特征的同时,为科幻电影的人工智能伦理研究打开新的视角,反思人类中心主义的局限性。

摘要：显著目标检测(SOD)旨在模仿人类视觉系统注意力机制和认知机制来自动提取场景中的显著物体。虽然现有基于卷积神经网络(CNN)或Transformer的模型不断刷新该领域方法的性能,但较少研究关注以下两个问题:(1)此领域多数方法常采用逐像素点的密集预测方式以获取像素显著值,然而该方式不符合基于人类视觉系统的场景解析机制,即人眼通常对语义区域进行整体分析而非关注像素级信息;(2)增强上下文信息关联在SOD任务中受到广泛关注,但通过Transformer主干结构获取长程关联特征不一定具有优势。SOD应更关注目标在适当区域内其中心-邻域差异性而非全局长程依赖。针对上述问题,该文提出一种新的显著目标检测模型,将CNN形式的自适应注意力和掩码注意力集成到网络中,以提高显著目标检测的性能。该算法设计了基于掩码感知的解码模块,通过将交叉注意力限制在预测的掩码区域来感知图像特征,有助于网络更好地聚焦于显著目标的整体区域。同时,该文设计了基于卷积注意力的上下文特征增强模块,与Transformer逐层建立长程关系不同,该模块仅捕获最高层特征中的适当上下文关联,避免引入无关的全局信息。该文在4个广泛使用的数据集上进行了实验评估,结果表明,该文提出的方法在不同场景下均取得了显著的性能提升,具有良好的泛化能力和稳定性。