摘要：针对电动汽车充电路径规划问题,以行程时间为优化目标,以荷电状态作为硬性约束,基于预测交通状态标定的动态异构交通网及车辆动力学模型,构建最优控制问题。为了在线求解,基于模型预测控制和强化学习方法,构建混合学习优化算法(hybrid learning optimization algorithm, HLOA),依托竞争深度Q网络(Dueling deep Q-networks, Dueling DQN),设计离线、在线模块,来实现参数的混合多步训练,并结合预测交通状态、网络拓扑及车辆动力学模型,输出在线行驶策略。采用某市局部路网构建交通仿真实验,分析预测交通信息的价值、HLOA算法可行性及结构必要性。结果表明,预测信息存在价值,HLOA在线结果可拟合最优策略且较其他算法精度提高33.65%。该研究可协助电动汽车用户导航,为自动驾驶电动汽车提供技术支撑。

摘要：知识图谱问答(KBQA)旨在理解用户的自然语言问句,在结构化的知识图谱中通过检索、推理等手段来获取答案实体。近年来,多跳KBQA备受关注,然而,复杂问句中通常存在多个关系意图,已有KBQA方法大多忽视了推理关系链的关系顺序问题。为此,提出一种基于层次结构图的多跳知识图谱问答模型(HSG-KBQA),建模自然语言问句的关系层次顺序,指导模型在每个推理步选择合理的关系意图。设计一种层次结构图,显式地体现问句中关系的层次距离,利用LSTM-BiGCN编码层将词语间的依存信息编码到问句中;提出虚拟节点的概念,利用图池化技术过滤不重要的节点,学习推理过程中知识图谱的状态;设计基于注意力机制和层次权重的解码器来优化指令生成,使推理指令更匹配问句中的关系链顺序。实验结果表明,HSG-KBQA在WebQuestionsSP数据集上取得了71.3%的Hits@1分数,在PathQuestions数据集上取得了97.3%(PQ-2H)和89.7%(PQ-3H)的Hits@1分数,均优于对照基准模型,表明HSG-KBQA模型在KBQA任务中具有更好的性能。

摘要：液压管路在外界激励、流体脉动和水锤的作用下容易发生多维度振动,影响输送效率,导致事故发生.设计了一种新型的半主动磁流变阻尼管夹,以期对液压管路的低频振动进行控制.首先,为了研究该装置的力学性能,建立了减振系统的动力学模型.然后,采用PID控制方法进行数值仿真,证明了PID控制算法的有效性和稳定性;最后,进行了不同频率和幅值下的表征试验.结果表明,本文提出的磁流变阻尼管夹在激励频率1~10 Hz范围内,能有效抑制液压管路的轴向位移和加速度.该研究为液压管路的低频振动控制提供了新的技术途径.

摘要：为了减少混合谐振式无线充电系统的开关器件和无源元件数量,提高系统输出功率,同时简化原、副边的控制策略,提出一种基于LCL-LCL/S混合自切换谐振式无线充电系统,无需原、副边通信和增加任何无源元件,仅通过LCL结构的自投切操作更改拓扑网络来实现无线充电系统恒流恒压的切换。首先,依靠T型网络分析恒流或恒压输出与输入阻抗呈纯阻性的关系;然后,引入混合型补偿网络数学模型,分析实现系统输入电流和电压之间零相角(ZPA)与恒流或恒压输出特性的参数配置条件;接着,依据蓄电池充电曲线特征、谐振电流阈值、电压跳变阈值和耦合系数变化约束,进一步提出一种适用于混合谐振式拓扑网络参数优化的设计方法,在避免谐振网络参数经验选值的局限性导致参数不确定性问题的同时,也为参数选取提供了理论依据;最后,搭建实验平台验证该方案的可行性与有效性。实验结果表明,优化谐振网络参数的无线充电系统具有较好的恒流恒压输出特性,系统最大传输效率为81%,完全满足恒流恒压无线充电需求。

摘要：本文研究一类具有通信不确定的多智能体系统鲁棒一致性问题.本文提出基于标称通信拓扑有向生成树的线性变换方法,将线性多智能体系统的状态一致性问题转化为相应线性系统的鲁棒部分变元渐近稳定性问题.首先采用基于有向生成树关联矩阵的线性变换,将多智能体系统网络的全局状态方程转化为一个降阶子系统;其次,将拉普拉斯矩阵的摄动部分进行分解,利用降阶系统设计鲁棒二次镇定控制器,推导出所有智能体状态达到渐近一致的充分条件.在此基础上将控制协议的参数设计转化为求解线性矩阵不等式的可行解.最后,通过数值仿真验证了所提出的一致性协议分析与设计方法的可行性和有效性.

摘要：针对模型不确定性多智能体系统的分布式鲁棒一致问题,提出了鲁棒部分变元稳定性方法,将连续时间多智能体不确定系统的状态一致性问题转化为相应线性系统的鲁棒部分变元渐近稳定性问题.首先根据有向图生成树建立关联矩阵,对原来的不确定系统进行线性变换,实现结构分解.其次根据得到的降阶系统设计鲁棒二次镇定控制器,推导出所有智能体状态达到渐近一致的充分条件,将控制协议的设计最终转化成求解线性矩阵不等式可行解的问题,使得所有的智能体能够在所设计的控制协议下不仅能保证不确定性闭环系统是渐进稳定的,而且实现了多智能体系统状态的一致性.最后通过数值仿真验证了所提出的一致性协议的可行性和有效性.

摘要：设计了一种基于折扣广义值迭代的智能算法,用于解决一类复杂非线性系统的最优跟踪控制问题.通过选取合适的初始值,值迭代过程中的代价函数将以单调递减的形式收敛到最优代价函数.基于单调递减的值迭代算法,在不同折扣因子的作用下,讨论了迭代跟踪控制律的可容许性和误差系统的渐近稳定性.为了促进算法的实现,建立一个数据驱动的模型网络用于学习系统动态信息,同时构造评判网络和执行网络用于近似迭代代价函数和计算迭代跟踪控制律.值得注意的是,我们提出了新颖的停止准则来保证迭代跟踪控制律的有效性.这种停止准则包含两个条件,一个条件用来保证迭代跟踪控制律的可用性,这有利于评估误差系统的渐近稳定性;而另一个条件用来确保跟踪控制律的近似最优性.最后,通过包括污水处理在内的两个应用实例验证了本文提出的近似最优跟踪控制方法的可行性和有效性.

摘要：提出一种基于预测控制的PHEV在线能源管理策略。它利用BP神经网络构建旅途预测模型,并采用遗传-粒子群混合优化算法提升预测模型的车速预测精度;在此基础上,为保证预测模型对工况的适应性和策略的实时性,设计了基于动态规划的预测控制策略;最后以实际工况数据对提出的策略进行了仿真验证。结果表明,设计的旅途预测模型可有效地进行车速预测,预测精度超过93%;同时,与现有的实时策略和全局优化策略相比,采用提出的策略时油耗、排放和实时性得到了改善。

摘要：文本指代实例分割(RIS)任务是解析文本描述所指代的实例,并在对应图像中分割出该实例,是计算机视觉与媒体领域中热门的研究课题。当前,大多数RIS方法基于单尺度文本/图像模态信息的融合,以感知指代实例的位置和语义信息。然而,单一尺度模态信息很难同时涵盖定位不同大小实例所需的语义和结构上下文信息,阻碍了模型对任意大小指代实例的感知,进而影响模型对不同大小指代实例的分割。对此,设计多尺度视觉-语言交互感知模块和多尺度掩膜预测模块:前者增强模型对不同尺度实例语义与文本语义之间的融合与感知;后者通过充分捕捉不同尺度实例的所需语义和结构信息提升指代实例分割的表现。由此,提出了多尺度模态感知的文本指代实例分割模型(MMPN-RIS)。实验结果表明,MMPN-RIS模型在RefCOCO,RefCOCO+和RefCOCOg3个公开数据集的oIoU指标上均达到了前沿性能;针对文本指代不同尺度实例的分割,MMPN-RIS模型有着较好的表现。

摘要：提出了一种新颖的摆脱锚框的椭圆模板检测器EllipseNet,其能够直接预测椭圆框的圆心,长短轴长以及旋转角度。由于椭圆模板检测网络能够自适应的调整旋转角度故能够更加精确的检测出物体的轮廓。另外,为了提高模型的检测精度,设计了一种高效的椭圆交并比损失函数。实验结果表明,由于没有引入复杂的锚框,该模型结构简单,且取得了和基于矩形框目标检测算法相近的性能。