《自动化学报》2024年50卷1期目录

重大装备制造多机器人任务分配与运动规划技术研究综述

张振国, 毛建旭, 谭浩然, 王耀南, 张雪波, 江一鸣

飞机蒙皮、船舶舱体、高铁车身等大型复杂部件高效高品质制造是航空航天、海洋舰船、轨道交通等领域重大装备发展的根基. 大型复杂部件具有尺寸超大、型面复杂等特点, 传统的人工、单机制造面临着效率低、一致性差、空间有限等问题, 多机器人具有高鲁棒性、高效性等优点, 为大型复杂部件制造提供了良好的制造基础. 任务分配与运动规划是多机器人制造系统的决策中枢, 其性能影响整个系统的运行效率. 考虑到重大装备部件制造任务分配与运动规划过程中任务工序多、冲突干涉多、精度需求高等挑战, 本文首先对复杂环境下多机器人任务分配与运动规划的重要性进行了说明; 然后阐述了目前主要的任务分配与运动规划方法, 包括其在智能制造领域下的应用; 在此基础上, 对现阶段复杂场景下任务分配和运动规划存在的问题进行了分析, 并使用强化学习与混合优化算法等方法提出了解决思路; 最后对重大装备大型复杂部件制造过程多机器人任务分配和动态规划技术及应用的发展进行了总结与展望.

张振国, 毛建旭, 谭浩然, 王耀南, 张雪波, 江一鸣. 重大装备制造多机器人任务分配与运动规划技术研究综述. 自动化学报, 2024, 50(1): 21−41

Zhang Zhen-Guo, Mao Jian-Xu, Tan Hao-Ran, Wang Yao-Nan, Zhang Xue-Bo, Jiang Yi-Ming. A review of task allocation and motion planning for multi-robot in major equipment manufacturing. Acta Automatica Sinica, 2024, 50(1): 21−41

航天器姿态受限的协同势函数族设计方法

岳程斐, 霍涛, 陈雪芹, 沈强, 曹喜滨

提出一种考虑航天器姿态约束的协同势函数设计方法, 在姿态全局收敛的同时, 保证姿态在机动过程中始终满足姿态约束. 首先, 建立航天器姿态指向约束模型, 并针对每一个指向约束设计软约束区域; 然后, 基于“角度扰动”方法设计协同势函数族; 接着, 通过设计协同势函数族内函数切换规律, 在软约束区域内构建满足姿态约束的势函数, 并给出区域内势函数临界点分布的调整方法; 最后, 将所得的势函数用于航天器的避障控制, 以比例−微分控制为例, 通过数值仿真, 验证该方法的有效性.

岳程斐, 霍涛, 陈雪芹, 沈强, 曹喜滨. 航天器姿态受限的协同势函数族设计方法. 自动化学报, 2024, 50(1): 54−65

Yue Cheng-Fei, Huo Tao, Chen Xue-Qin, Shen Qiang, Cao Xi-Bin. Synergistic potential functions for constrained attitude control of rigid spacecraft. Acta Automatica Sinica, 2024, 50(1): 54−65

基于有向图的分布式连续时间非光滑耦合约束凸优化分析

刘奕葶, 马铭莙, 付俊

研究一类分布式优化问题, 其目标是在满足耦合不等式约束和局部可行集约束的情况下使非光滑全局代价函数值最小. 首先, 对原有的分布式连续时间投影算法进行拓展, 结合线性代数理论分析, 设计一个适用于强连通加权平衡有向通信网络拓扑图的算法. 其次, 在局部代价函数和耦合不等式约束函数是非光滑凸函数的假设条件下, 利用Moreau-Yosida函数正则化使目标函数和约束函数近似光滑可微. 然后, 根据强连通加权平衡有向图的分布式连续时间投影算法构造李雅普诺夫函数, 证明该算法下的平衡解是分布式优化问题最优解, 并对算法进行收敛性分析. 最后, 通过数值仿真验证算法的有效性.

刘奕葶, 马铭莙, 付俊. 基于有向图的分布式连续时间非光滑耦合约束凸优化分析. 自动化学报, 2024, 50(1): 66−75

Liu Yi-Ting, Ma Ming-Jun, Fu Jun. Distributed continuous-time non-smooth convex optimization analysis with coupled constraints over directed graphs. Acta Automatica Sinica, 2024, 50(1): 66−75

基于时序图推理的设备剩余使用寿命预测

刘雨蒙, 郑旭, 田玲, 王宏安

剩余使用寿命(Remaining useful life, RUL)预测是大型设备故障预测与健康管理(Prognostics and health management, PHM)的重要环节, 对于降低设备维修成本和避免灾难性故障具有重要意义. 针对RUL预测, 首次提出一种基于多变量分析的时序图推理模型(Multivariate similarity temporal knowledge graph, MSTKG), 通过捕捉设备各部件的运行状态耦合关系及其变化趋势, 挖掘其中蕴含的设备性能退化信息, 为寿命预测提供有效依据. 首先, 设计时序图结构, 形式化表达各部件不同工作周期的关联关系. 其次, 提出联合图卷积神经网络(Convolutional neural network, CNN)和门控循环单元 (Gated recurrent unit, GRU)的深度推理网络, 建模并学习设备各部件工作状态的时空演化过程, 并结合回归分析, 得到剩余使用寿命预测结果. 最后, 与现有预测方法相比, 所提方法能够显式建模并利用设备部件耦合关系的变化信息, 仿真实验结果验证了该方法的优越性.

刘雨蒙, 郑旭, 田玲, 王宏安. 基于时序图推理的设备剩余使用寿命预测. 自动化学报, 2024, 50(1): 76−88

Liu Yu-Meng, Zheng Xu, Tian Ling, Wang Hong-An. Remaining useful life estimation of facilities based on reasoning over temporal graphs. Acta Automatica Sinica, 2024, 50(1): 76−88

针对身份证文本识别的黑盒攻击算法研究

徐昌凯, 冯卫栋, 张淳杰, 郑晓龙, 张辉, 王飞跃

身份证认证场景多采用文本识别模型对身份证图片的字段进行提取、识别和身份认证, 存在很大的隐私泄露隐患. 并且, 当前基于文本识别模型的对抗攻击算法大多只考虑简单背景的数据(如印刷体)和白盒条件, 很难在物理世界达到理想的攻击效果, 不适用于复杂背景、数据及黑盒条件. 为缓解上述问题, 本文提出针对身份证文本识别模型的黑盒攻击算法, 考虑较为复杂的图像背景、更严苛的黑盒条件以及物理世界的攻击效果. 本算法在基于迁移的黑盒攻击算法的基础上引入二值化掩码和空间变换, 在保证攻击成功率的前提下提升了对抗样本的视觉效果和物理世界中的鲁棒性. 通过探索不同范数限制下基于迁移的黑盒攻击算法的性能上限和关键超参数的影响, 本算法在百度身份证识别模型上实现了100%的攻击成功率. 身份证数据集后续将开源.

徐昌凯, 冯卫栋, 张淳杰, 郑晓龙, 张辉, 王飞跃. 针对身份证文本识别的黑盒攻击算法研究. 自动化学报, 2024, 50(1): 103−120

Xu Chang-Kai, Feng Wei-Dong, Zhang Chun-Jie, Zheng Xiao-Long, Zhang Hui, Wang Fei-Yue. Research on black-box attack algorithm by targeting ID card text recognition. Acta Automatica Sinica, 2024, 50(1): 103−120

基于粒度聚类的转炉炼钢氧气消耗量预测

阳青锋, 赖旭芝, 杜胜, 胡杰, 陈略峰, 吴敏

转炉炼钢是钢铁企业的主要耗氧工序, 预测转炉炼钢的氧气消耗量对氧气系统合理调度、保证生产安全具有重要意义. 考虑到转炉冶炼工况多、钢种数据粒度不统一, 提出一种基于粒度聚类的转炉炼钢氧气消耗量预测方法. 首先, 利用孤立森林异常检测法剔除历史数据库中的异常数据; 接着, 采用皮尔逊相关性分析和互信息相关系数选取相关影响因子, 对不同钢种数据进行信息粒化, 实现数据特征提取和维度统一, 使用模糊C均值(Fuzzy C-means, FCM) 划分工况并建立不同工况下的氧气消耗量预测子模型; 最后, 利用企业的实际生产数据进行实验, 验证所提方法的准确性和有效性.

阳青锋, 赖旭芝, 杜胜, 胡杰, 陈略峰, 吴敏. 基于粒度聚类的转炉炼钢氧气消耗量预测. 自动化学报, 2024, 50(1): 132−142

Yang Qing-Feng, Lai Xu-Zhi, Du Sheng, Hu Jie, Chen Lue-Feng, Wu Min. Converter steelmaking oxygen consumption prediction based on granularity clustering. Acta Automatica Sinica, 2024, 50(1): 132−142

基于优先采样模型的离线强化学习

顾扬, 程玉虎, 王雪松

离线强化学习通过减小分布偏移实现了习得策略向行为策略的逼近, 但离线经验缓存的数据分布往往会直接影响习得策略的质量. 通过优化采样模型来改善强化学习智能体的训练效果, 提出两种离线优先采样模型: 基于时序差分误差的采样模型和基于鞅的采样模型. 基于时序差分误差的采样模型可以使智能体更多地学习值估计不准确的经验数据, 通过估计更准确的值函数来应对可能出现的分布外状态. 基于鞅的采样模型可以使智能体更多地学习对策略优化有利的正样本, 减少负样本对值函数迭代的影响. 进一步, 将所提离线优先采样模型分别与批约束深度Q学习(Batch-constrained deep Q-learning, BCQ)相结合, 提出基于时序差分误差的优先BCQ和基于鞅的优先BCQ. D4RL和Torcs数据集上的实验结果表明: 所提离线优先采样模型可以有针对性地选择有利于值函数估计或策略优化的经验数据, 获得更高的回报.

顾扬, 程玉虎, 王雪松. 基于优先采样模型的离线强化学习. 自动化学报, 2024, 50(1): 143−153

Gu Yang, Cheng Yu-Hu, Wang Xue-Song. Offline reinforcement learning based on prioritized sampling model. Acta Automatica Sinica, 2024, 50(1): 143−153

基于相对离群因子的标签噪声过滤方法

侯森寓, 姜高霞, 王文剑

分类任务中含有类别型标签噪声是传统数据挖掘中的常见问题, 目前还缺少针对性方法来专门检测类别型标签噪声. 离群点检测技术能用于噪声的识别与过滤, 但由于离群点与类别型标签噪声并不具有一致性, 使得离群点检测算法无法精确检测分类数据集中的标签噪声. 针对这些问题, 提出一种基于离群点检测技术、适用于过滤类别型标签噪声的方法 —— 基于相对离群因子(Relative outlier factor, ROF)的集成过滤方法(Label noise ensemble filtering method based on relative outlier factor, EROF). 首先, 通过相对离群因子对样本进行噪声概率估计; 然后, 再迭代联合多种离群点检测算法, 实现集成过滤. 实验结果表明, 该方法在大多数含有标签噪声的数据集上, 都能保持优秀的噪声识别能力, 并显著提升各种分类模型的泛化能力.

侯森寓, 姜高霞, 王文剑. 基于相对离群因子的标签噪声过滤方法. 自动化学报, 2024, 50(1): 154−168

Hou Sen-Yu, Jiang Gao-Xia, Wang Wen-Jian. A label noise filtering method based on relative outlier factor. Acta Automatica Sinica, 2024, 50(1): 154−168

基于像素对比学习的图像超分辨率算法

周登文, 刘子涵, 刘玉铠

目前, 深度卷积神经网络(Convolutional neural network, CNN)已主导了单图像超分辨率(Single image super-resolution, SISR)技术的研究, 并取得了很大进展. 但是, SISR仍是一个开放性问题, 重建的超分辨率(Super-resolution, SR)图像往往会出现模糊、纹理细节丢失和失真等问题. 提出一个新的逐像素对比损失, 在一个局部区域中, 使SR图像的像素尽可能靠近对应的原高分辨率(High-resolution, HR)图像的像素, 并远离局部区域中的其他像素, 可改进SR图像的保真度和视觉质量. 提出一个组合对比损失的渐进残差特征融合网络(Progressive residual feature fusion network, PRFFN). 主要贡献有: 1)提出一个通用的基于对比学习的逐像素损失函数, 能够改进SR图像的保真度和视觉质量; 2)提出一个轻量的多尺度残差通道注意力块(Multi-scale residual channel attention block, MRCAB), 可以更好地提取和利用多尺度特征信息; 3)提出一个空间注意力融合块(Spatial attention fuse block, SAFB), 可以更好地利用邻近空间特征的相关性. 实验结果表明, PRFFN显著优于其他代表性方法.

周登文, 刘子涵, 刘玉铠. 基于像素对比学习的图像超分辨率算法. 自动化学报, 2024, 50(1): 181−193

Zhou Deng-Wen, Liu Zi-Han, Liu Yu-Kai. Pixel-wise contrastive learning for single image super-resolution. Acta Automatica Sinica, 2024, 50(1): 181−193

高速动车组数据驱动无模型自适应积分滑模预测控制

李中奇, 周靓, 杨辉

同许多复杂系统一样, 动车组(Electric multiple unit, EMU) 运行过程也具有多变量、强耦合以及非线性等特性, 这严重影响着列控系统的性能. 针对包含外部扰动的动车组自动驾驶系统, 提出一种新型的多输入多输出(Multi-input-multi-output, MIMO) 数据驱动积分滑模预测控制(Integral sliding mode predictive control, ISMPC)算法. 首先, 该算法基于与动车组运行过程等效的全格式动态线性化(Full format dynamic linearization, FFDL)数据模型, 设计一种离散积分滑模控制(Integral sliding mode control, ISMC) 律. 为了使系统能够获得更高的输出跟踪误差精度, 利用模型预测控制(Model predictive control, MPC) 代替ISMC的切换控制, 进一步推导出ISMPC算法. 同时, 通过对FFDL 数据模型的未知扰动、参数误差等不确定项进行延时估计, 提升了算法的控制性能和对系统的等价描述程度. 在提供两种算法的稳定性证明分析之后, 以实验室配备的 CRH380A 型动车组仿真实验台对提出的ISMC和ISMPC算法进行仿真测试, 并与其他方法进行对比, 仿真结果表明ISMPC算法控制性能较好, 动车组各动力单元速度跟踪误差均在 ±0.132 km/h 以内, 满足列车的跟踪精度需求; 控制力和加速度分别在[−52 kN, 42 kN] 和 ±0.9249 m/s2 以内且变化平稳.

李中奇, 周靓, 杨辉. 高速动车组数据驱动无模型自适应积分滑模预测控制. 自动化学报, 2024, 50(1): 194−210

Li Zhong-Qi, Zhou Liang, Yang Hui. Data-driven model-free adaptive integral sliding mode predictive control for high-speed electric multiple unit. Acta Automatica Sinica, 2024, 50(1): 194−210