哈尔滨工程大学博士研究生校长创新基金获资助者风采展示| 朱风弛

文摘   2024-12-29 19:51   黑龙江  

-朱风弛-


人物介绍

朱风弛,男,汉族,2000年1月出生于黑龙江齐齐哈尔,中共党员,智能科学与工程学院2022级博士研究生。2017年本科考入哈尔滨工程大学陈赓班,2021年以第1名成绩从陈赓班保研至智能科学与工程学院攻读硕士学位,2022年通过硕博连读选拔攻读博士学位,师从张勇刚教授、黄玉龙教授。

自本科二年级进入课题组以来,长期开展集群智能导航与状态估计研究。曾以(共同/学生)第一作者在IEEE顶级汇刊发表JCR一区论文4篇,其中A类期刊论文3篇、B类期刊论文1篇。第一作者论文曾获B类国际会议IEEE ICMA 2023最佳学生论文奖,曾获研究生国家奖学金、中国自动化学会博士学术交流会最佳报告奖(排名第一)。主持哈尔滨工程大学博士研究生校长创新基金(3万元),参研“国家自然科学基金”等项目5项。



追求卓越 探索前沿

朱风弛在本科阶段即展现出对学术研究的浓厚兴趣,在大二下学期通过与智能科学与工程学院黄玉龙教授交流,确定了自己感兴趣的科研方向,随即进入课题组,在张勇刚教授和黄玉龙教授的指导下开展智能导航与状态估计研究。自此,朱风弛每天都在学习新知识,与导师频繁地交流学术问题,很快他便掌握了导航与状态估计领域的基本知识,对知识的理解逐步深入,开始进行探索研究。多年来,朱风弛持之以恒地专注于智能导航与状态估计领域,取得了多项原创成果。
1.提出了高精度滑窗变分自适应卡尔曼滤波器,逼近自适应卡尔曼滤波理论精度极限,被国际多位著名学者广泛采用。
受建模不精确、环境动态变化等因素影响,在导航定位、目标跟踪等应用领域,广泛存在状态空间模型中过程噪声协方差矩阵和量测噪声协方差矩阵不精确的情况。不精确的噪声参数将导致状态估计精度严重下降甚至发散。如何设计有效的自适应滤波器,在状态估计的同时实现双噪声方差阵的精确在线估计是状态估计领域国际公认的理论难题。朱风弛发现,过程噪声方差阵主要影响量测序列的长期趋势变化程度,量测噪声方差阵主要影响量测序列的短期波动程度,传统方法同时利用的量测信息有限,导致无法区分两种噪声方差阵的影响。基于此发现,朱风弛提出在变分推断框架下同时利用连续多步量测序列学习双噪声方差阵的概率密度。仿真结果表明,该方法在状态估计精度和一致性方面均相比传统方法有明显改善,可逼近自适应卡尔曼滤波理论精度极限。
相关成果以学生一作身份发表于B类期刊IEEE TCSII,该论文提供了新的自适应状态估计理论框架,在导航与状态估计学术领域产生了较大影响。国际著名状态估计教材《Optimal State Estimation》作者、美国克利夫兰州立大学Dan Simon教授团队将该论文提出方法作为状态估计核心框架应用于DARPA地下挑战赛无人系统视觉惯性导航,结果表明与传统自适应滤波相比导航精度可获得明显改善。所提出方法也催生了多篇高水平论文,多位IEEE Fellow、国家杰青团队在该论文提出方法框架基础上设计滤波器,成果发表在Automatica、IEEE TIE等A类期刊,该论文提出方法的名称更是直接出现在了多篇IEEE顶级汇刊论文的标题中。

状态估计精度和一致性对比

DARPA地下挑战赛设备图和测试结果图

所发表论文的部分施引文献

2.提出了惯性基组合导航过程噪声方差在线估计方法,在公开报道文献中首次实现了惯性基组合导航弱可观过程噪声方差的在线精确估计。
惯性基组合导航技术广泛应用于海陆空天运载器的导航系统。然而,受外界环境变化、载体机动等因素影响,惯性传感器噪声特性将发生变化,造成惯性基组合导航过程噪声方差不精确,导致导航估计精度大幅下降。与推位组合导航等应用场景相比,惯性基组合导航过程噪声方差量级极小、可观测性弱,现有方法无法实现过程噪声方差的在线学习,甚至出现参数学习结果发散。针对这一理论难题,朱风弛深入分析了参数学习机理,提出了通过构造非邻接状态转移模型实现噪声方差累积,并提出通过样本筛选降低噪声样本误差,有效提升了小量级过程噪声方差可观测性,在公开报道的文献中首次实现了惯性基组合导航弱可观过程噪声方差的在线精确估计,在过程噪声方差不精确情况下将惯卫组合导航精度提升30%以上。
相关成果以第一作者身份发表于B类国际会议IEEE ICMA 2023,通过论文及答辩评审,该论文在会议收录的412篇论文中脱颖而出,作为两篇获奖论文之一获得该会议的最佳学生论文奖。

惯卫组合导航位置估计和过程噪声方差学习结果

IEEE ICMA 2023最佳学生论文奖

3.提出了滑窗变分野值鲁棒卡尔曼滤波器,为解决厚尾过程噪声与量测噪声干扰下鲁棒状态估计问题提供了新思路。
在目标跟踪、推位组合导航等应用中,受模型不确定、量测野值的影响,状态空间模型中过程噪声与量测噪声可能呈现厚尾特性,造成状态估计精度下降甚至发散。传统抗干扰滤波器在过程噪声与量测噪声同时厚尾情况下状态估计精度和一致性较差。针对这一问题,朱风弛揭示了传统方法精度和一致性差的原因在于当前时刻量测不足以区分两种异常野值的影响,并设计出了新型滑窗变分野值鲁棒状态估计方法,通过充分利用多步量测信息,有效提升了厚尾噪声干扰下状态野值与量测野值的辨识精度和状态估计精度。推位组合导航实验表明所提出方法能够在复杂场景中有效应对在卫星导航测量野值、载体大机动的影响,将组合导航精度提升40%。
相关成果以第一作者身份发表于A类期刊IEEE TAES,多位IEEE Fellow、状态估计领域知名学者将该论文作为非高斯滤波领域的代表性文献引用。

目标跟踪与推位组合导航实验验证结果


攻坚克难 勇担使命

研究生阶段,朱风弛接触到了导师承担的无人集群智能导航项目。高精度时间同步和相对定位是无人集群协同作业的基础前提。传统时空信息获取方式依赖卫星导航系统,卫导拒止下传统时空信息获取方式失效,群体智能导航技术是实现集群局部时空统一的有效手段。卫星导航拒止条件下,群体智能导航的精度和可靠性将直接影响到无人集群的协同作业能力和智能化水平。他和导师开始夜以继日地讨论方案,经常连续加班到深夜。在科研攻关中,他攻克了集群智能导航多项关键难点,为项目推进贡献了核心力量。随着研究的不断深入,他逐渐成长为组内无人集群导航项目中理论方案的总体设计者,带领10余位组员攻克了多个难点,所设计的集群导航方案受到合作单位的好评。
群体智能是国家未来的发展战略,国务院发布的《新一代人工智能发展规划》将群体智能列为重点发展方向。为了进一步提升无人集群导航的精度和可靠性,保障卫导拒止下无人集群协同作业能力和智能化水平,朱风弛选择将其作为博士课题和校长创新基金项目的研究方向。未来,他将进一步面向实际中广泛存在的相对方位约束缺失场景下,群体导航模型准确建立、参数在线学习、状态精确估计等一系列难点开展研究,探索无人区,为进一步保障无人集群智能化水平提供导航支撑。

典型无人集群场景


先锋引领 协作共进

在平时的科研和生活中,朱风弛始终以党员标准严格要求自己,发扬先锋模范作用。他在课题组中带领10余人的小组开展无人集群智能导航研究,这些人中包括低年级博士、硕士和本科生。他曾指导多位硕士生和本科生的毕业设计,并与低年级博士讨论课题方向。他会经常和同学们开展学术讨论,迸发出创新的火花。一次与他在深夜中的讨论帮助组内一位博士师弟明确了开展研究的动机,催生该生发表了一篇A类期刊论文。在另一位博士的研究中,与他的不断讨论帮助该生完成了一个关键性定理的证明,该论文目前已投稿至A类期刊。他希望通过他的努力能够帮助更多的同学在科研中积累起信心。
在实验室外,朱风弛曾担任未来技术学院《自主导航原理与实践》课程助教,多次带领未来学院的本科生开展研讨。他还曾担任智能科学与工程学院研究生课程《最优估计》和《最优估计理论与应用》课程助教。曾在学院优秀学生党员事迹分享会上同发展对象同志分享科研心得。在100余人的思政课上,他曾组织小组复现钱学森与陈赓院长的经典问答、演唱红色歌曲《飞翔的路》,带领大家走进“两弹一星”元勋钱学森。

在学院优秀学生党员事迹分享会上分享科研心得

朱风弛深知学术交流的重要性。自加入课题组以来,他已作为审稿人或协助导师审稿A类期刊论文30余篇。曾在第2届中国自动化学会博士学术交流会、IEEE ICMA 2023、CCC 2021等学术会议上做口头报告,曾担任IPIN 2024国际会议专题论坛主持人。

论文审稿邀请

IPIN 2024会议上与技术程序委员会主席文伟松教授合影



寄语学弟学妹



“志存高远,勇担使命”——科研的道路注定不会一帆风顺,我辈哈军工人当坚守科研初心,勇于攻坚克难,面向世界科技前沿,面向国家重大需求,在推进民族复兴的伟业中绽放青春光彩。


           编辑:宁孟潇  崔文迪

责编:鲁丹丹

审核:苏   屹



哈尔滨工程大学研究生院
问题解答、常用信息查询、发布通知公告、宣传最新文件
 最新文章