大规模无人系统集群智能控制方法综述

围绕大规模无人系统的集群智能控制问题,阐述了集群智能对于大规模无人系统控制的意义,综述了各类集群智能控制方法的基本思想及相关研究工作.基于局部规则的控制方法是集群智能涌现控制的基础方法,其重点在于集群内部局部规则的设计与描述;软控制方法在不破坏系统局部规则的基础上,在群中加入可控个体实现外部控制干预以达到控制集群智能涌现的目的;领航控制方法是利用群中富有信息个体或者智能发达个体的引导作用实现集群智能涌现控制的;人工势场控制法用势函数来描述集群内部相互作用及个体与环境的相互作用,通过设计合理的势函数实现对集群系统的控制.最后指出各种控制方法的应用趋势及需进一步研究的问题.     

“集群智能与协同控制”专刊前言

正当前集群智能(swarm intelligence)与协同控制(cooperative control)理论与技术蓬勃发展,也是新一代人工智能的重要研究领域.集群智能涉及群智涌现机理机制、动态自组网、协同感知定位、协同决策规划、协同制导控制、试验验证与综合效能评估等关键技术.协同控制可为集群智能涌现提供有利的时空协调保障,是集群智能涌现的核心关键技术和制高点技术.集群智能与协同控制充分融合人工智能、系统工程、协同控制、指挥与控制、导航制导与控制、通信与探测等多个学科的理论与技术,     

一种Web集群系统下的QoS控制策略

本文提出了一种在Web集群环境下的QoS控制策略。集群前端分配器以会话单位来分配访问请求,保证后端服务器间负载的合理均衡分配,同时后端服务器采用基于会话的QoS控制策略,实现对集群系统的服务质量控制。     

智能集群系统的强化学习方法综述

智能集群系统是人工智能的重要分支，所涌现出的智能形态被称为集群智能，具有个体激发时的自组织性和群体汇聚时的强鲁棒性等特征.智能集群系统的协同决策过程是融合人-机-物，覆盖多元空间，囊括感知-决策-反馈-优化的复杂非线性问题，具有开放的决策模型和庞大的解空间.然而，传统的算法依赖大量的知识与经验，使其难以支持系统的持续演化.强化学习是一类兼具感知决策的端到端方法，其通过试错的方式不断迭代优化，具有强大的自主学习能力.近些年来，受生物群体和人工智能的启发，强化学习算法已由求解个体的决策问题，向优化集群的联合协同问题演进，为增强集群智能的汇聚和涌现注入了新动能.但是，强化学习在处理集群任务时面临感知环境时空敏感、群内个体高度自治、群间关系复杂多变、任务目标多维等挑战.本文立足于智能集群系统的协同决策过程与强化学习运行机理，从联合通信、协同决策、奖励反馈与策略优化四个方面梳理了强化学习算法应对挑战的方法，论述了面向智能集群系统的强化学习算法的典型应用，列举了相关开源平台及其适用算法.最后，从实际需求出发，讨论总结了今后的研究方向.     

群智能自组织劳动分工研究进展

群智能是指众多行为简单的个体在相互作用过程中涌现产生的整体智能行为,劳动分工是其最重要特征之一.本文首先根据个体与个体、个体与环境的交互模式,给出群智能劳动分工的一个框架描述,分析其个体专职化、角色可塑性和自组织等特性.然后从自组织的角度对激发-抑制、刺激-响应、个体排序和寻觅工作等四类劳动分工模型进行对比分析,旨在归纳提炼群智能自组织劳动分工模型的构建规律.进而结合群智能自组织劳动分工的应用情况,针对其适用范围和求解思路进行了评述和讨论.最后从劳动分工机制、劳动分工模型、分配问题求解和优化问题求解四个方面展望了群智能自组织劳动分工的发展前景.     

基于自触发的异构多智能体协同输出调节

本文针对线性异构多智能体系统,基于自适应自触发条件,分别设计了状态和输出反馈协同控制器.其中自适应控制策略可以避免使用多智能体系统的全局信息,从而实现分布式控制;自触发控制不仅可以避免对触发条件进行连续监测,还可以有效地降低网络的通信负载和控制器的更新次数,且不存在芝诺现象.最后通过4个跟随智能体和一个领导智能体进行了协同输出直角编队仿真实验,实现了多智能体系统对外部系统的渐近跟踪和干扰抑制,验证了结果的有效性.     

一种智能计算单元的设计与实现

在嵌入式计算环境中，人工智能技术的应用越来越广泛，传统的人工智能技术更注重于计算力的提升，不能全面满足嵌入式环境小体积、高集成、低功耗的要求。因此提出了一种基于SoC处理器+FPGA系统架构智能计算单元的设计方法，以多核智能处理器为核心构成高性能计算单元，实现系统配置管理、图像处理及智能计算加速，FPGA用于实现与外部光电传感器的高速数据通信以及视频的预处理。详细介绍了智能计算单元的系统结构和功能电路组成与设计，并对功耗进行计算。结果表明，该智能计算单元在满足计算力的基础上兼顾体积及功耗要求，能够满足嵌入式人工智能平台需求，实现了图像降噪滤波、 ROI区域提取、图像目标检测与提取、目标特征统计及基于深度学习的目标识别功能。     

医院耗材智能柜在科室耗材精细化管理中的应用研究

为了解决医院耗材数量多、种类复杂导致的科室耗材管理琐碎繁杂问题.本文提出基于人工智能调度及智能柜分类管理的医院科室耗材精细化管理方法.利用大数据方法建立医院科室耗材数据库,分段拟合控制数据库信息,通过空间资源优化分配方法重组数据,构造医院科室耗材的智能柜,智能分类识别医院科室耗材,提取医院科室耗材信息的统计特征量,规则...     

智能系统智能特性的定性评价

专门讨论对智能系统的智能特性进行评价的问题。为此,提出一种评价系统的评价模型及评价方法。力求排除其它影响因素,只关注系统的自识别等智能特性。采用广义算子模型对评价过程进行描述。并运用仿真和实验室实验的手段,以智能移动机器人对特定对象自识别智能特性的评价为例,给出实施测试时解决几个关键问题的解决方法和算法。结果表明：拥有人工智能的机器或系统的智能特性是可评价的,通过描述、测试和评价得出的定性评价结论可用于判断系统“智能特性”的有无,这是对系统进行智能水平的定量评价的前提。     

非连续混合自时延多智能体系统的饱和分布式控制

研究一类非连续混合自时延多智能体系统的全局指数一致性问题.首先,利用具有时变控制增益的分布式负反馈控制器实现智能体之间状态信息交互.考虑到实际系统运行环境与节省控制成本,增设外部饱和环节将控制信号幅值限制在一个合理的范围内,从而提出利用高斯误差函数以及微分中值定理来近似模拟饱和效应,以此降低控制信号的不平滑度.随后,利用Filippov微分包含理论和测度选择定理将多智能体系统的非线性动力学函数映射为Filippov集值函数,再通过广义Halanay不等式和Lyapunov稳定性定理给出该多智能体系统的指数一致性判定条件及其最大容许时延.最后,通过数值仿真验证所提出控制策略的有效性.     

一种陆地车辆对抗演示系统设计

设计一种陆地车辆对抗演示系统,该系统主要包括图像采集单元、上位机控制处理平台单元、无线传输单元、驱动控制单元、对抗判决系统单元和敌我识别系统单元;设计中采用4辆车辆(2对2模式)进行对抗实验,实验表明设计的陆地车辆对抗演示系统可以实现对前方环境和对方对阵情况的实时图像获取和处理、显示、无线收发控制、计算、轨迹控制、特征识别、定位、文件管理、数据传输、生命值显示以及声音报警等功能;实验对抗结果:乙方两辆车4个生命值显示灯全部熄灭,甲方对抗胜利.     

带强连通分支的多智能体系统可控包含控制

研究有强连通子图拓扑结构的有向多智能体系统领导者选择及可控包含控制问题.根据网络拓扑结构,智能体被分为两类:单元智能体和一般智能体.首先设计强连通子图中个体组成的单元智能体的一致性协议实现各个单元的一致;后由单元智能体和一般智能体构成新的拓扑结构,结合复杂网络可控性理论与二分图最大匹配算法确定满足网络可控的最少领导者集合,并为所有智能个体设计相应的控制协议,驱使跟随者渐近收敛到多个领导者组成的动态凸包中,从而实现网络的可控包含控制.仿真结果验证了理论分析的正确性.     

混杂系统的虚拟对象实验室平台建设

通过对混杂系统典型实例即三水箱系统特性的分析,从系统安全的角度讨论了用于控制该系统离散状态切换序列的基于混杂自动机描述的贪婪型与周期型控制策略.依据此控制策略,利用VC＋＋与Matlab的混合编程技术开发了该混杂系统的虚拟对象实验室平台.通过对三水箱系统及仿真环境参数的设置,此平台不仅可以形象地演示虚拟对象在不同初始条件下的混杂特性,而且可以实现预定的控制策略并进行仿真研究,从而为具有此类混杂特性的混杂系统的深入研究,提供了一个虚拟的实验环境.     

一类具有群体LEADER的多智能体系统的聚集行为

针对目前关于群体聚集的稳定性研究中仅考虑同类智能体的问题,提出了一类由lea der和follower 两种个体组成的多智能体系统聚集模型.在该模型中,只有leader智能体具有关于环境和目标点的信息,并且当个体间距离较远时互相吸引,距离较近时互相排斥.当表示环境信息的势能场函数梯度有界时,证明了系统的聚集稳定性并确定了表示群体大小的一个上界,从而保证了所有leader和follower个体最终聚集在群体中心周围并一起沿着该函数的负梯度方向运动.仿真结果验证了方法有效性.     

智能助手系统在ATE中的应用

自动测试技术广泛应用于国防领域中,可以快速诊断出被测单元的故障信息并准确定位。在测试被测单元之前,首先要进行系统自检保证测试不会出现错误。ATE智能助手的提出,可用于实时监测ATE各模块工作状态,其中视频监控器用于实现对ATE工作状态的实时监控;电子标签阅读器用于读取所监测的ATE的数字化标识;语音识别模块用于智能识别测试人员语音;语音播报模块用于提示ATE正常工作;主控计算机根据状态检测结果驱动语音播报模块,根据识别出的语音信号作出相应的回答或操作,根据电子标签阅读器所读取的标识进行ATE及其包装、履历本等的信息管理,根据ATE各仪器资源自检上报状态数据信息,对ATE进行维护。本发明用以提高自动测试系统自检诊断效率和自动测试系统的智能化程度。     

基于AI+IOT的智慧家居系统

利用人工智能技术和深度学习算法,设计开发了基于AI+IOT的智慧家居系统。基于百度提供的免费的语音识别云平台,该系统使用ZigBee网络,对家居环境数据进行采集、分析,并通过物联网技术和人工智能技术实现远程语音控制各种家电的功能。基于深度学习,系统通过百度语音识别技术对自然语言进行语音识别,通过搭建系统编译环境成功融合了AI技术和IOT技术实现了具有语音控制功能的智能家居系统,致力于为人们提供更加便捷智能的生活。     

基于粒子滤波的物联网通信终端信息智能监测系统设计

传统通信终端信息智能监测系统在信息监测过程中,未考虑节点信息遗漏问题,导致监测精准率低。提出基于粒子滤波的物联网通信终端信息智能监测系统设计。依据物联网环境特征,将系统整体架构划分为终端感知单元、监控开关单元和客户端单元,对各单元组成硬件进行改进;采用粒子滤波算法,对协调器中节点信息进行PAN标识。智能扫描节点信息是否有遗漏,在扫描限制范围内对遗漏信标进行统计,获取信标相应协调器信息,并发出连接请求,对节点地址进行重新分配,在新地址上添加连接成功状态指令,优化开发软件监测功能,完成系统设计。实验结果表明,该系统对节点中的遗漏信息进行充分处理,实时显示波长稳定,显示结果清晰度好,有效提高了监测精准度。     

基于多自主体的智能分布式控制系统的研究

本文详细分析了介绍智能分布式控制系统的发展和面临的问题,在传统集散控制系统、现场总线技术的基础上,参考CSCW、CMMS-IAMS,提出了一个基于多自主体的分布式智能控制系统框架.利用分布式人工智能原理,建立一种没有中心控制器的智能控制环境,控制系统中的各功能子系统通过智能自主体连接到智能控制网络上,通过消息机制进行交流,使得信息、知识、控制设备以及人的智能都成为网络上的共享资源.     

考虑合作博弈的风–光–液态空气储能集群日前市场不确定性优化方法研究

风光储集群既可以发挥风光发电时空互补性,同时,储能又能平抑系统波动,这些优势使得风光储集群越来越多的集成到电网中.然而,集群内风光的波动性,集群外市场电价、系统负荷的不确定性,都给集群可靠和经济运行带来了挑战.针对这些问题,本文提出了一种考虑多重不确定性,基于合作博弈的风–光–液态空气储能集群优化方法.首先,文章建立了基于合作博弈的集群分配模型,设计了集群各参与者的多种合作方式和收益分配方案;其次,针对风、光、日前市场电价以及负荷不确定性风险约束,本文建立了基于信息间隙决策理论的风险规避型和机会寻求型两类集群运营商的优化运行模型.最后,仿真结果表明,相较于独立运行,基于合作博弈的集群运行增加了总收益和个体收益.构建的可适应两种偏好的最优购电及能源调度方案兼顾鲁棒性和经济性,可为集群运营商进行集群能量管理提供参考依据.     

微电网孤岛运行模式下改进下垂控制策略研究

传统下垂控制在微电网孤岛模式下,由于受线路阻抗影响,难以有效保证功率合理分配和系统运行频率在有效范围,造成微电网运行不稳。针对上述问题,提出了一种改进的下垂控制策略。在功率分配环节采用考虑阻感比的功率控制器,改善系统功率分配;引入了自恢复控制环节,通过PI调节,使系统具有较好的动态性能,保证了系统运行频率在合理范围。首先对该控制策略的原理进行分析,然后在MATLAB/SIMULINK平台进行仿真分析,结果验证所提方法能更好地保证功率分配及系统运行频率稳定,为低压微电网在孤岛模式下控制方法提供了参考。