摘要：针对现有控制器中预见补偿器和重复控制器相对独立作用的最优跟踪问题,提出从信息融合的角度构造线性离散系统的最优预见重复控制器的设计方法。首先,在离散系统中引入L阶差分算子,将预见重复控制设计问题转化为调节稳定性问题;然后,使用协状态和信息量的概念获得控制软约束信息来描述最优融合的过程,得到控制增量信息和增广误差系统协状态的最优估计滤波;最后,将有关预见重复控制器控制律所有信息融合,得到由状态反馈、重复控制和预见补偿构成的最优预见重复控制器。数字仿真结果表明,与独立的最优预见重复控制器相比,基于信息融合的最优预见重复控制器在更少的周期内达到稳定,且在有限的步数下,更能有效利用系统的未来有效信息,从而大幅提高跟踪精度。

摘要：电–气区域综合能源系统电、气相互耦合与影响,使得其安全校正控制难度大且对快速性要求高,为此,提出一种基于深度确定性策略梯度(deepdeterministicpolicy gradient,DDPG)算法的安全校正控制决策方法。首先,进行系统多能流与变量分析,建立安全校正控制的目标与约束条件。然后,构建基于DDPG的安全校正控制模型,设计目标奖励和各种约束条件奖励,提出结合基于综合灵敏度的安全校正知识经验设计目标奖励函数,使调整具有方向性,且目标奖励考虑能量枢纽(energy hub,EH)的经济效益及其可再生能源消纳;通过智能体离线训练,使其能够在线做出实时最优的安全校正控制策略,预先产生专家经验数据集存放于经验回放池,提高训练速度和收敛性。最后,通过含EH电–气区域综合能源系统仿真算例验证了所提方法的有效性。

摘要：为了更有效地进行单幅图像去雨,提出一种群稀疏残差约束的引导字典学习算法.该算法特点在于利用混合高斯模型从自然图像中学习外部字典,面向有雨图像构建了基于外部字典引导的内部字典学习模型,并将内部字典的低秩性增加到字典学习目标函数中.该模型可以有效地利用自然图像与有雨图像先验知识之间的互补性,有助于同时恢复潜在稀疏的与稠密的图像细节.其次,基于图像的非局部自相似准则,利用群结构稀疏表示确保了相似图像块的编码系数尽可能接近,并对该模型引入残差约束,可有效地提高学习字典的重构能力与泛化能力.实验结果表明,在合成图像与真实图像上与其他算法相比,使用所提算法去雨后的图像具有更丰富的细节信息,图像更清晰,大大改善了整体视觉效果.

摘要：为了精准、高效求解动态无功优化这一强时空耦合的混合整数非线性规划问题,提出一种松弛–聚类–校正无功优化解耦策略。该策略首先松弛离散变量与电容器组全天投切次数约束,求得电容器组补偿节点24 h最优无功补偿值;其次,基于K-Means聚类划分时段并确定各时段电容器组实际补偿容量;最后,校正连续变量确定动态无功优化结果。该策略在求解动态无功优化过程中仅需求解非线性规划模型,降低求解规模的同时可获得满意度较高的无功调度结果。优化过程中,设计一种多机制自适应学习粒子群算法进行求解,该算法根据所建模型特点融合3种具有不同优势的粒子进化机制,迭代过程中动态调整3种机制的执行概率以充分发挥各机制的优势,从而克服传统粒子群算法收敛速度慢、易陷入局部最优的缺陷。算例采用IEEE-33节点系统验证所提解耦策略与求解算法的有效性。

摘要：胚胎植入前形态学特征是人类体外受精胚胎质量评估的重要依据.目前,胚胎学家主要利用胚胎时差成像(Time-Lapse Imaging,TLI)技术观察胚胎图像形态变化,从而筛选最有发育潜能的胚胎进行移植或冷冻保存.然而,人工评估不仅费时费力,且需要较强的专业知识,并存在一定的主观性等.针对这一问题,该文提出一种基于课程学习的胚胎图像语义分割方法,实现了胚胎细胞、细胞质与雌雄原核的分割,为后续胚胎质量评估提供定量的形态特征参数.首先,利用评估语义分割算法性能的IoU指标(Intersection over Union,IoU)构建课程学习的难度评分函数(Scoring Function,SF),根据SF评分将所有样本从易到难进行排序;再结合SF评分与目标类别数定义课程学习的步调函数(Pacing Functions,PF),构建了难易程度递增的样本子集;最后,设计多阶段渐进式U-net语义分割(Multi-Stage Progressive U-net,MSPU)模型,根据课程难度顺序依次训练不同阶段的网络,从而实现胚胎图像的语义分割.相关实验结果表明,本文提出的MSPU模型在胚胎图像语义分割任务上获得较好的性能,与基准模型相比,IoU值提高1.4%;特别是在较易与较难的分割任务上具有不错的表现,如细胞与雌雄原核的分割IoU值分别提升了4.6%与1.2%.

摘要：家庭能源系统需求响应(demand response,DR)能够有效促进节能减排。家庭能源系统具有强不确定性,要求DR优化策略具备自动、快速调适能力。该文研究知识与强化学习融合的DR优化方法。首先,建立两者融合的优化框架,形成知识与强化学习互补机制;然后,对家庭设备建模并建立其DR优化知识规则集;进而,以知识转化为学习样本为核心,设计了知识融入强化学习的模型,重点研究知识样本作用概率动态调节、多样化知识、随机探索概率动态调节等问题,并设计知识与DQN融合的算法和网络。算例表明:该文方法能够自动适应家庭的不确定性,用能成本比知识规则法降低11.1%;与标准DQN相比,在同等的收敛标准下,该文方法能源成本低3.3%,且收敛时间仅需标准DQN的1/6。

摘要：在中大规模无人机干扰资源调度中,针对现有模型约束条件简单、调度算法适用规模较小的问题,该文提出了带最少任务数约束的资源调度模型,以最大化干扰效益和最小化成本为目标,用层次分析法对效益与成本指标赋权,并设计了一种用精英集加快收敛的改进并行遗传算法。在中等规模和500:500(干扰资源数:目标数)的更大规模仿真实验中,所提算法与遗传算法、非支配排序遗传算法II、修复遗传算法、基于岛屿模型的并行遗传算法和自适应模拟退火遗传禁忌搜索算法的性能相比,能在更短的时长内达到较优的目标函数值。

摘要：针对永磁同步电机(PMSM)滑模控制系统具有的系统抖振和相位延迟等问题,提出在速度环设计全局快速终端滑模控制器(GFTSMC)。其中,滑模面结合了线性滑动模态和快速终端模态,并且设计了不含有切换项的连续控制律,能够在一定程度上削弱抖振,提高系统鲁棒性,通过Lyapunov函数证明了其稳定性。采用模糊滑模观测器实现了PMSM无位置传感器控制,利用双曲正切函数替换符号函数进行滑模观测,通过模糊控制规则自适应调节滑模增益大小,省掉低通滤波器,简化了系统,可削弱抖振,提高系统稳定性及跟踪准确性。通过MATLAB仿真验证了所提方法的可行性。

摘要：现有的智能电网身份认证方案大多存在计算成本高和认证流程复杂的问题,不适用于智能电网中资源受限的智能设备。而一些轻量级的方案却存在多种安全漏洞,这些方案都无法在效率和安全性之间实现所需的权衡。针对上述问题,基于椭圆曲线加密算法设计了一个增强的可证明安全的智能电网轻量级匿名认证方案。引入辅助验证器,摆脱在认证阶段对于电力供应商的依赖,在保护智能电表真实身份的条件下实现网关和智能电表之间的相互认证。同时,可以通过伪身份对恶意智能电表进行身份的溯源和撤销。通过在随机预言模型下的安全性分析和仿真工具ProVerif证明了方案具备较高的安全属性。性能分析表明,所提方案能够满足智能电网环境下对于安全性和高效性的要求。

摘要：针对四旋翼无人机空气动力学复杂、高度不稳定、在飞行过程中易受到外部干扰的问题,提出了一种改进的线性自抗扰控制(LADRC)方法。将浸入与不变(I&I)技术和传统的线性自抗扰控制技术相结合,利用浸入与不变控制的目标系统映射方法来改进自抗扰控制结构中的线性误差反馈控制律,对线性自抗扰控制系统进行重新设计,并通过Lyapunov稳定性定理证明了所设计控制系统的稳定性。仿真结果表明,相比传统的线性自抗扰控制,改进的线性自抗扰控制方法在四旋翼无人机的姿态控制中有更快的响应速度、更强的抗干扰能力和鲁棒性。