摘要：随着机器学习在社会各领域中自主决策场景的广泛应用,人们对机器学习框架中潜在漏洞的担忧也在日益增加.然而,由于其复杂的实现,针对框架的系统化、自动化测试成为一项艰巨的任务.现有对机器学习框架测试的研究在生成有效测试数据方面尚不成熟,导致测试数据无法通过合法性校验并因此无法检测到目标漏洞.本文提出了ConFL,一种基于约束的机器学习框架模糊测试工具.ConFL能够自动从框架源代码中提取约束而无需任何先验知识.在约束的指导下,ConFL可以生成能够通过校验的有效输入,并执行到框架更深层次的代码逻辑.此外,本文设计了一种算子分组调度技术来提高模糊测试的效率.为了证明ConFL的有效性,本文主要在Tensor-Flow框架上评估了其性能.测试发现,与现有的SOTA工具相比,ConFL能够覆盖更多的代码行,并生成更多有效的测试数据;在相同版本的TensorFlow框架上,ConFL能检测出更多的已知漏洞.此外,ConFL在不同版本的TensorFlow中发现了84个未知漏洞,这些漏洞全部被官方修复并被分配了CVE编号,其中包括3个严重漏洞,13个高危漏洞.最后,本文还在PyTorch和PaddlePaddle中进行了通用性测试,迄今为止发现了7个漏洞.

摘要：基于微波烧结的特点,设计了复杂刃形TiB_(2)基陶瓷刀具的结构参数。利用有限元仿真,研究了在车削球墨铸铁QT450时刀具结构参数对车削力和车削温度的影响。确定了复杂刃形TiB_(2)基陶瓷刀具的最优刀具前角为5°、后角为6°、刀尖圆弧半径为0.8 mm。采用微波烧结技术制备了复杂刃形TiB_(2)基陶瓷刀具,研究了压制压力和保压时间对复杂刃形TiB_(2)基陶瓷刀具的相对密度、力学性能和微观组织的影响。结果表明:压制压力对晶粒的异常生长影响较大,合理的压制压力可以抑制晶粒的异常长大,改善刀具断裂模式,进而提高刀具性能。合理的保压时间可以使刀具表面的白色相分布均匀,防止聚集,这有利于刀具断裂韧度的提高。在压制压力为200 MPa,保压时间为4 min时,刀具各部位尺寸收缩率较为平均,成形精度较高,致密度最高,微观组织更加均匀,晶粒排列更加紧密,综合力学性能最优。

摘要：针对微小软排线装配操作中器件体积小且存在视觉遮挡的问题,提出一种基于电容式阵列触觉传感器的机器人软排线装配状态感知技术。首先,对电容式三维触觉感知机理进行分析,并针对软排线装配的小尺寸空间感知需求,设计了一种基于垂直拓扑网状介质层的高灵敏阵列触觉传感器,实现微小软排线装配状态的高灵敏感知。其次,为突破布线复杂度与阵列扫描周期的限制,基于电容数字芯片拓展实现高动态三维阵列信息扫描系统的设计与微小软排线装配状态的高动态感知,并完成小型化电容式阵列触觉传感器的一体化制备。最后,搭建机器人软排线装配操作系统并实时采集和分析软排线装配过程中的阵列触觉信息特征,以验证所提出技术的准确性和有效性。

摘要：双碳背景下,零碳园区级综合能源系统(integrated energy system,IES)成为我国节能降碳、提质增效政策的重点。然而,园区级综合能源系统具有源-网-荷-储一体化、多能互补、供需方动态博弈等特点,其优化运行技术面临强不确定性和耦合机理不明等诸多挑战。为此,对零碳园区级IES优化运行的研究现状、关键技术与未来发展趋势等方面进行综述至关重要。该文首先聚焦于多类型能源耦合能效提升,系统阐述了零碳园区级综合能源系统架构;进一步,从零碳园区实施路径入手,对零碳园区级综合能源系统优化运行所涉及的多类型储能技术、碳捕集技术、多能协同规划设计、需求响应、能源监测与优化调度等关键技术进行了归纳分析;最后以实现园区零碳为主要目标,从全方位融入零碳理念、综合探索碳吸收/碳排放等方面分析零碳园区优化运行所面临的核心问题,并从数字化、社会环境因素一体化、全域综合能源化等方向指明零碳园区的发展趋势。

摘要：烟气含氧量的精准控制对城市固废焚烧处理厂的稳定高效运行具有重要意义.然而,由于固废焚烧过程固有的非线性和不确定性,难以实现烟气含氧量的有效控制.为此,文中提出一种数据驱动的城市固废焚烧过程烟气含氧量预测控制方法.首先,设计了一种基于自组织长短期记忆(SOLSTM)网络的预测模型,结合神经元活跃度与显著性动态调整隐含层结构,提高了烟气含氧量的预测精度.其次,为了保证优化效率,利用梯度下降法求解控制律.此外,基于李雅普诺夫理论分析了所提方法的稳定性,确保控制器在实际应用过程中的可靠性.最后,基于实际工业数据对所提出的控制方法进行了验证,结果表明,提出的数据驱动预测控制方法能实现对城市固废焚烧过程烟气含氧量的稳定高效控制.

摘要：编码视频数据流中的运动矢量和残差等语法元素可用于替代光流进行运动表示,但其固有的像素噪声和特征稀疏性会影响精细动作的识别精度。对此,在对编码视频语法元素进行数据优化的基础上,设计了一个高精度、低复杂度的动态手势识别框架。首先,提出了关键P帧选择方法,通过选择信息量更高的编码帧解决了特征稀疏性问题;其次,提出了联合残差特征表示方法,利用残差得到精细的手势轮廓图,去除了运动矢量中手部以外的像素噪声;最后,设计了一种轻量而高效的动态手势识别模型,利用优化后的运动矢量和残差获得了类似于光流的计算效果。在viva,sheffield klnect gesture,NvGesture和EgoGesture等数据集上对所提方法进行了验证,实验结果显示,所提方法中仅使用RGB数据模式可达到的识别精度分别为82.94%、99.72%、81.12%和90.48%,降低了89%的存储开销,并且以4.7倍的运行速度获得了与先进方法相近的结果。

摘要：自适应评判技术已经广泛应用于求解复杂非线性系统的最优控制问题,但利用其求解离散时间非线性随机系统的无限时域最优控制问题还存在一定局限性.本文融合自适应评判技术,建立一种数据驱动的离散随机系统折扣最优调节方法.首先,针对宽松假设下的非线性随机系统,研究带有折扣因子的无限时域最优控制问题.所提的随机系统Q-learning算法能够将初始的容许策略单调不增地优化至最优策略.基于数据驱动思想,随机系统Q-learning算法在不建立模型的情况下直接利用数据进行策略优化.其次,利用执行−评判神经网络方案,实现了随机系统Q-learning算法.最后,通过两个基准系统,验证本文提出的随机系统Q-learning算法的有效性.

摘要：无人异构集群相较于单一类型、单一个体的无人平台,能够完成更为复杂的任务,同时对严苛战场环境有着更高的适应度.在无人异构集群协同执行任务时,任务分配是至关重要的环节,需要考虑异构无人平台和任务的多种约束和目标.传统的任务分配方法分配效率低且难以处理大规模复杂任务.联盟博弈通过形成由若干参与者组成的联盟,根据个体的属性、偏好对群体进行划分,从而实现个体以及群体利益的最大化.本文以无人异构集群任务分配为背景,研究了基于改进联盟博弈算法的最优分配策略,基于可能的战场环境设计了模拟任务场景并完成实验验证.首先,考虑异构平台在任务中的初始位置、速度、携带资源以及个体声誉等因素,建立了基于空间自适应博弈(Spatial adaptive play algorithm, SAP)的联盟博弈的任务分配算法模型.其次,基于任务场景,搭建了任务所需的软件与硬件平台.最后,针对模拟的战场环境,对所提算法及搭建的异构无人集群平台进行了实验验证.验证结果表明,在异构无人集群平台重分配的任务背景下,本平台能综合考虑战场态势,寻找最优的任务分配方式,协调各作战单位完成任务目标.

摘要：针对多无人机对抗问题,本文提出了一种三维空间中仿鹰鸽捕食逃逸行为的多无人机分组对抗博弈方法.在分析鹰鸽捕食逃逸行为的基础上,文章构建了多无人机博弈对抗系统模型,并定义了微分博弈中的连续可微值函数,证明了值函数满足Hamilton-Jacobi-Isaacs(HJI)方程,从而保证鞍点策略存在.使用最优分配方法,为仿鹰无人机一方设计了分组对抗分配策略,以解决多无人机追逃场景中的任务分配问题.本文对比仿真实验结果验证了所提出方法的有效性.

摘要：无人机集群在各个领域中扮演着重要角色,具有丰富的应用场景.然而,将深度强化学习方法应用于自主无人机面临着诸多严峻挑战.本文基于多智能体深度强化学习,通过使用局部信息建立单个无人机的状态空间,并使用多智能体近端策略优化(Multi-agent proximal policy optimization,MAPPO)的在线策略算法来训练策略网络,从而克服了环境的不确定性和对全局信息的依赖.同时,引入了数字孪生的概念,为资源紧张型算法提供了新思路.为了解决采样困难和资源紧张的问题,基于数字孪生技术,构建了一个用于无人机编队避障策略模型训练的架构.首先,构建了多个数字孪生环境,用于强化学习算法在任务开始之前进行交互采样的预训练,以使集群具备基本的任务能力.然后,使用在真实环境中采集的数据进行补充训练,使得集群能够更好地完成任务.对采用这种两阶段训练架构的效果进行了对比,同时与其他策略算法进行比较,验证了MAPPO的样本效率性能.最后,设计了实际飞行验证测试,验证了从孪生环境中获得的策略模型的实用性和可靠性.