摘要：能源系统故障可能导致巨大的经济损失,因此,提升能源系统的运营弹性具有重要意义.为了提高区域综合能源系统在市场机制下的弹性,本文提出了一种基于博弈的能源竞标策略.首先,建立了区域综合能源系统模型,其中包括能源控制中心、能源枢纽、储能系统和用户聚合商.为了在市场环境下通过价格引导弹性增强,构建了基于Stackelberg博弈的能源竞标框架,通过调整能源零售价格和需求响应激励价格等策略,以减小能源缺口并降低价格波动.考虑到参与者间的隐私保护,设计了双层迭代定价算法.最后,通过仿真算例说明了所提策略在保证供需平衡的同时有效抑制价格波动,从而降低经济损失.

摘要：在流程工业关键变量预测领域,已有研究致力于将过程知识与大数据相结合,以实现更高的准确性,降低过拟合风险和提高可解释性.然而,现有工作存在准确的先验知识构建成本高、无法从丰富的数据中挖掘知识等问题,限制了这些方法在实际工业过程中的广泛应用.为了解决这些挑战,本文提出了一种基于知识协同进化的增强图卷积网络方法.首先,利用易获取的过程流图构建低成本的粗粒度流程知识.然后,在图卷积神经网络模型训练中引入图探索,实现知识更新.最后,为了降低知识复杂度并保持一致性,设计了一种知识过滤机制.所提出的方法在基准的脱丁烷塔工艺过程上进行了验证.实验结果表明,该方法具有出色的预测准确性,并获得高质量的新知识.

摘要：针对变结构多模型算法在机动目标跟踪中对目标机动不确定性、量测不确定性自适应能力不足的问题,提出一种基于模糊推理的机动自适应目标跟踪算法.设计一种基于模糊推理的双级机动判别模型,利用模型概率信息和主模型滤波残差加权范数进行主模型可信度和机动判别推理;并将双级机动判别引入基于可能模型集的期望模式扩增方法(EMA-LMS)框架,提出一种模糊推理EMA-LMS算法,实现对模型集自适应的参数和策略的在线调节,从而生成更加接近目标真实运动模式的期望模型,并更好地对模型进行取舍.仿真结果表明,本文算法能够有效增强算法对目标机动和量测不确定的自适应性,提高跟踪精度.

摘要：针对现有踝关节康复机器人存在的人机结构匹配度不高、柔顺性不足、适应性弱等问题,提出了一种新型绳驱动变刚度踝关节康复机器人。考虑到绳索的单向受力特性使得绳驱动机器人具有变刚度特性,基于柔性并联机构理论创新设计了一种结构简单紧凑、刚度―拉力线性度高的变刚度装置,以提高变刚度控制的范围和精度。通过康复机器人的运动静力学和刚度建模分析,揭示了调节绳索长度来调控机器人位姿,以及调节绳索张力来调控机器人刚度的规律。在此基础上,提出了面向刚度的绳索张力分配算法以实现刚度控制,并通过仿真案例验证了算法的可行性。最后,设计了绳驱动踝关节康复机器人的控制系统,研制了机器人样机,通过实验验证了机器人运动控制方法。研究结果表明所设计的绳驱动踝关节康复机器人具有人机结构匹配、刚度可调等优点。

摘要：针对远距离红外目标探测技术中存在的弱小目标特征信息提取困难、局部背景噪声干扰强导致检测算法虚警率和漏检率偏高的问题,提出了融合CNN-Transformer的单帧红外弱小目标检测算法。针对已有方法在提取红外弱小目标特征信息时感受野受限且易受到局部噪声干扰的问题,对Swin Transformer中的窗口自注意力计算模块进行改进,设计了基于可分离卷积的局部感知增强模块,兼顾对全局信息和局部信息的提取,提升骨干网络对弱小目标空间分布信息的提取能力。针对小目标特征难以在深层网络中保留的问题,设计了自下而上的多尺度特征融合模块,在不同层级的特征图之间利用注意力机制确保小目标的低层特征信息能够在高层特征图中得以保留。在公开数据集NUAA-SIRST上进行了测试,验证了本文所提算法相比已有算法取得了更佳的检测效果,同时能够兼顾对检测精度和召回率的优化。

摘要：针对机器人使用固定传感器容易丢失跟随目标的问题,提出基于自适应随动机构的行人跟随方法.基于任务需求设计随动式感知机构视野评价指标;在传统规划策略的基础上,提出结合底盘方向的改进策略和基于视野深度加权的自适应角度规划策略,改进随动机构的运动目标跟随效果.为了提高随动RGB-D传感器的行人位置跟踪效果,使用YOLOv3算法进行目标检测,结合三维坐标解算与位置度量匹配,实现多目标位置的实时跟踪.基于Gazebo仿真环境与RoboMaster机器人,实现机器人行人跟随功能.所提规划策略能够取得综合最优的评分指标,并实现机器人对运动行人目标稳定的轨迹跟随.实验结果证明了所提目标跟随方法的有效性.

摘要：目的视频动作检测是视频理解领域的重要问题,该任务旨在定位视频中动作片段的起止时刻并预测动作类别。动作检测的关键环节包括动作模式的识别和视频内部时序关联的建立。目前主流方法往往试图设计一种普适的检测算法以定位所有类别的动作,忽略了不同类别间动作模式的巨大差异,限制了检测精度。此外,视频内部时序关联的建立对于检测精度至关重要,图卷积常用于全局时序建模,但其计算量较大。针对当前方法的不足,本文提出动作片段的逐类检测方法,并借助门控循环单元以较低的计算代价有效建立了视频内部的全局时序关联。方法动作模式识别方面,首先对视频动作进行粗略分类,然后借助多分支的逐类检测机制对每类动作进行针对性检测,通过识别视频局部特征的边界模式来定位动作边界,通过识别动作模式来评估锚框包含完整动作的概率;时序建模方面,构建了一个简洁有效的时序关联模块,利用门控循环单元建立了当前时刻与过去、未来时刻间的全局时序关联。上述创新点整合为类别敏感的全局时序关联视频动作检测方法。结果为验证本文方法的有效性,使用多种视频特征在两个公开数据集上进行实验,并与其他先进方法进行比较。在ActivityNet-1.3数据集中,该方法在双流特征下的平均mAP(mean average precision)达到35.58%,优于其他现有方法;在THUMOS-14数据集中,该方法在多种特征下的指标均取得了最佳性能。实验结果表明,类别敏感的逐类检测思路和借助门控循环单元的时序建模方法有效提升了视频动作检测精度。此外,提出的时序关联模块计算量低于使用图卷积建模的其他主流模型,且具备一定的泛化能力。结论提出了类别敏感的全局时序关联视频动作检测模型,实现了更为细化的逐类动作检测,同时借助门控循环单元设计了时序关联模块,提升了视频动作检测的精度。

摘要：为有效缓解深度神经网络因其庞大的计算资源消耗而产生的实际应用受限的问题,研究人员设计包括剪枝在内的多种压缩策略.基于贪心思想的网络剪枝算法大都包含训练、剪枝、微调三部分,无法求得最优的剪枝结构.因此,文中结合人工规则和自动搜索方法,提出基于自动修补策略的网络剪枝.整体剪枝流程包括训练、预剪枝、修补和微调四个阶段,增加的修补阶段可调整预剪枝模型的结构.具体方法是使用神经架构搜索实现修补操作,设计搜索空间和搜索策略,并基于预剪枝阶段的卷积核排序加速评估过程.实验表明文中方法在剪枝率较高时仍能保持网络的准确率.

摘要：机器人定位即需根据传感器测量对自身位置进行估计.由于机器人系统模型的复杂非线性,工况环境中的不确定干扰,定位结果不可避免地会受到系统内外扰动的影响.现有的定位算法往往仅能依赖模型或传感配置以及算法自身的鲁棒性被动抗扰,这使得定位系统的抗扰能力有限、应用场景受限.本文基于自抗扰控制思想提出一种能够主动补偿系统内外扰动的机器人定位策略.该策略将系统中所有能够影响最终定位结果的不确定因素统一视为总扰动,并设计扩张状态观测器实现对总扰动的观测,在此基础上构建控制器补偿总扰动影响,以使定位结果更加准确.与传统的定位抗扰策略相比,本文所提出的抗扰定位策略并不依赖于模型或特定的传感配置,能够处理任意有界的扰动类型,理论上能够成为定位抗干扰的终极解决路径.最后,基于李雅普诺夫理论证明了系统的稳定性.仿真和实车实验验证了本文提出的基于自抗扰控制的机器人定位策略能够有效地观测系统总扰动,并补偿扰动影响,提高定位结果的准确度.

摘要：概率密度函数不仅包含了一阶、二阶统计量信息,还包含高阶统计量及更为复杂的特征信息。多传感器的概率密度函数信息融合是信号处理领域一个复杂待解决的难题,尤其是随着自动驾驶、无人系统等领域对于多传感器多尺度信息融合的需求,该问题的重要性逐渐凸显,如何设计融合准则、如何形成统一的融合框架是科学家和工程师们一直致力于解决的课题。本文针对随机变量的多传感器获得的多概率密度函数融合问题,调研了现有的融合理论和方法,提供了一些融合设计规则、准则、原理和定理等,如公理化方法、优化方法和超贝叶斯方法,期望能够为该问题的有效解决提供一定的方向性指导。