2024年第9期封面文章介绍

文摘   2024-08-31 06:30   辽宁  

欢迎关注《控制与决策》




01

柔索驱动机器人运动规划与控制方法研究综述
钱森,李长奇,周斌,訾斌

介绍

近期,合肥工业大学訾斌教授团队在回顾现有柔索驱动机器人运动规划与控制方法的基础上,根据系统动力学特性,对近年来柔索驱动机器人在运动规划、轨迹跟踪、索力分配、振动抑制及容错控制五个方向的研究进展进行了归纳总结,为柔索驱动机器人的后续理论研究和进一步实践应用提供了参考。
柔索驱动机器人通过柔性索替代传统刚性连杆,显著降低了机构的重量及运动部件的惯性,从而在工作空间、负载自重比及适应性等方面展现出明显的优势。初期的研究多集中在运动规划和轨迹跟踪控制上,利用传统的PID控制和滑模控制等方法实现柔索机器人的基本运动控制。然而,随着应用需求的增长,研究逐渐扩展到更复杂的控制方法,如自适应控制和模糊控制,以应对非线性、高维数的复杂系统动力学特性。同时,在索力分配与振动抑制方面,提出了正张力控制和鲁棒振动补偿器等新方法,以提升机器人在复杂任务中的性能和稳定性。
值得注意的是,柔索驱动机器人独特的非线性、强耦合特性使得其控制方法的设计面临诸多挑战。该综述通过对现有研究的深入分析,总结了柔索驱动机器人在复杂动力学系统中的优化控制策略,并对未来在自主重构、变刚度控制及人机协同控制等方向的发展前景进行了展望。这些研究成果为柔索驱动机器人在高精度和复杂任务中的应用奠定了理论基础,并指出了未来的研究方向。


本文引用格式

钱森, 李长奇, 周斌, 等柔索驱动机器人运动规划与控制方法研究综述[J]. 控制与决策, 2024, 39(9): 2817-2832.

扫描二维码|阅读原文


02

于轻量化卷积神经网络的金属断口图像识别

闫涵,卢伟,吴玉虎

介绍

大连理工大学卢伟教授团队对近年来微观金属断口图像识别方法的最新成果及其在工业生产领域的应用进行了归纳总结,并分析出现有研究存在的相关不足,为金属断口图像识别的模型设计、轻量化模型在嵌入式设备下的部署应用提供解决方案。

金属材料是航空航天、交通运输、冶金制造等领域的重大工程、大型设备主要用材。在复杂环境作用下,金属材料会发生腐蚀、疲劳、断裂等各种模式的失效事故,进而造成重大经济损失与人员伤亡。因此,对金属断口的高效智能识别成为保障金属材料生产及安全使用的关键环节。
卷积神经网络(convolutional neural networks, CNN)已被证实在通用图像识别任务中是有效的,但是在工业环境下的金属断口图像识别任务中仍面临以下问题:一是金属断口图像具有较强的类内复杂性与类间相似性,导致模型识别性能有限;二是现有CNN网络结构复杂、参数较多,很难部署在工业场景下的小型计算设备上。因此,如何设计准确、轻量化的CNN模型,并实现嵌入式设备上的部署应用是金属材料智能诊断领域的重要问题。
基于此,卢伟教授团队分析了现有的基于图像处理及机器学习技术的金属断口识别方法,总结出现有方法存在的特征提取问题、模型冗余问题以及模型部署问题,并进行针对性改进。首先,使用基于迁移学习的VGGNet-16与ResNet-50作为特征提取基模型,通过设计自适应加权特征拼接方式增强特征提取能力。其次,设计了一种混合剪枝算法,对模型进行高效压缩,降低参数量。最后,给出了两种基于嵌入式系统的金属断口图像识别模型部署方案,以适应不同现场需求。实验结果表明,所提出方法在金属断口图像识别任务上取得了显著的成果。此外,通过模型部署实验验证了算法实际应用的可行性。
卢伟教授团队设计了基于轻量化卷积神经网络的金属断口识别算法,上述研究得到了国家自然科学基金项目、辽宁省应用基础研究计划项目、大连市重点领域创新团队项目以及新疆维吾尔族自治区科技重大专项项目的资助。


本文引用格式

闫涵, 卢伟, 吴玉虎. 基于轻量化卷积神经网络的金属断口图像识别[J]. 控制与决策, 2024, 39(9): 2858-2866.

扫描二维码|阅读原文


03

数据驱动下应急医疗物资需求预测及物流选址-分配优化

罗治洪,李婷

介绍

近期,昆明理工大学管理与经济学院的罗治洪副教授团队对应急医疗物资需求预测和物流选址-分配的联合优化问题进行了研究,该研究的成果能为突发疫情初期物资供不应求背景下,应急医疗物资调度方案的制定提供依据。

近年来,大规模的突发性疫情时有爆发,2003年的SARS,2009年的甲型H1N1流感,2019年的新型冠状病毒肺炎等,对人们的生命安全、社会的经济发展构成严重威胁。疫情初期应急物流存在需求难确定、效率低下等问题,因此,对该背景下需求点的需求量进行预测,并以此对应急医疗物资分配方案进行优化具有重要意义。
基于此,罗治洪副教授团队结合传染病的特征以及政府隔离措施对传染病传播的影响,建立改进易感-潜伏-感染-康复(SEIR)模型,基于数据驱动的思想对模型中的部分参数进行周期性更新,从而刻画疫情的扩散演化规律,将需求量构建为感染规模的函数,实现应急医疗物资需求量的预测。在此基础上,建立以加权运输距离最小化为目标,公平分配等为约束的选址-分配模型,并设计自适应混合遗传禁忌算法进行求解。实例测算结果表明:数据驱动的参数更新方法保证了改进SEIR模型预测的精度,平均相对误差为3.8%;所提出选址-分配模型在对配送时效性进行优化的同时能够兼顾物资分配的公平性。不同规模算例求解结果表明:所提出算法的收敛性和解的质量优于标准遗传算法。
上述研究得到了国家自然科学基金项目、昆明理工大学哲学社会科学科研创新团队项目的资助。


本文引用格式

罗治洪, 李婷数据驱动下应急医疗物资需求预测及物流选址-分配优化[J]. 控制与决策, 2024, 39(9): 3117-3125.

扫描二维码|阅读原文



控制与决策
该服务号旨在发布期刊、网刊动态和征文通知等内容
 最新文章