平行系统和数字孪生的一种数据驱动形式表示及计算框架

旨在为平行系统及ACP方法建立一种数据驱动的数学形式和计算框架, 该形式与框架也适用于数字孪生系统.首先, 基于动态系统状态方程方法论, 给出了平行系统的虚实双系统表示方法, 基于此表示方法为平行系统问题提供了一种数学表示.围绕该表示, 讨论了虚实系统互动、平行系统与数字孪生系统异同等问题.然后, 为ACP方法提供了一种计算框架, 详细解释了人工系统(Artificial systems, A)、计算实验(Computational experiments, C)、平行执行(Parallel execution, P)的数学计算求解过程, 并讨论了“学习与训练”、“实验与评估”、“管理与控制”、灵捷–聚焦–收敛(AFC)、小数据-大数据-小智能等概念的相关数学表示, 并讨论了智能科学与平行系统数学架构的关系以及平行智能的内涵.最后, 以大学校园园区能源管理系统为案例, 为平行系统数学架构和方法提供一个直观的算例.     

平行矿山:从数字孪生到矿山智能

针对新时代下我国矿区智能化发展诉求与矿山无人化进程中遇到的复现难、协同难的技术问题,本文融合智慧矿山理念、ACP(Artificial societies+computational experiments+parallel execution)平行智能理论和新一代智能技术,设计并实现了智慧矿山操作系统(Intelli...     

基于虚拟现实与数字孪生技术的综采工作面直线度求解

直线度问题是综采工作面智能化建设的卡脖子问题之一,解决该问题的关键在于刮板输送机或者液压支架群的位姿获取。目前针对综采工作面直线度的研究大多是对液压支架和刮板输送机的直线度分别进行讨论,存在成本高、实现困难等问题。针对该问题,基于虚拟现实（VR）与数字孪生（DT）技术对综采工作面直线度求解方法进行探索,将液压支架、浮动连接机构、刮板输送机看作一个系统来进行整体考虑,搭建了综采工作面直线度求解框架,主要分为机理解析、模型构建、融合推演、重构监测、预测控制5个步骤。指出综采支运装备相对位置关系分析的关键在于连接液压支架底座与刮板输送机的浮动连接机构,根据浮动连接机构的运动特性将其简化为机器人模型,进行正逆向运动解析;依据真实的煤层环境,在Unity3D中建立基于关节的综采支运装备运动仿真模型,构建VR场景,实现虚实映射;通过非接触式视觉传感器、虚拟传感器、虚实融合等技术,融合传感器及点云信息进行支运装备位姿推演;利用虚实交互技术,联合真实物理场景构建DT系统,实现综采工作面虚拟监测;在虚拟场景中对保证直线度所需的推移行程进行预测,并将其反馈至物理场景中进行直线度控制。     

综采跟机工艺数字孪生系统架构与关键技术

针对综采自动化跟机工艺设计和参数调试成本高、周期长、过程繁琐的问题,提出了综采跟机工艺数字孪生系统架构,从物理设备、虚实交互、孪生数据、机理模型、仿真算法和工艺应用等层面进行分析,并对跟机工艺数据传输和存储、跟机工艺历史回放、实时跟机工艺孪生演绎、跟机工艺预演仿真、跟机工艺指令调度等关键技术进行了详细描述。提出了综采跟机工艺数字孪生系统技术路线：通过万兆光纤环网+5G通信将采煤机工艺动作数据汇集到采煤机主机,将串行支架控制器发出的支架工艺动作数据汇集到电液控主机,对工艺数据按动作时序进行收集、归类、编码,作为工艺过程回放的数据源;同时,主机将实时上报的跟机工艺数据转发给三维数字孪生系统,在三维虚拟场景中孪生演绎跟机过程;在人机交互界面完成跟机工艺参数配置后,可在三维场景中预演综采跟机工艺过程;在实时开采过程中,汇集各类传感数据,结合预演无误的跟机工艺,系统统筹下发工艺调度指令,将支架控制器从决策者转变为执行者,克服因井下空间不足导致控制器算力有限的局限性。现场应用结果表明,综采跟机工艺数字孪生系统可为综采跟机工艺设计、参数配置、仿真测试提供技术参考,使跟机工艺开发周期由14 d缩短至1 d,跟机工艺设计修改更加便捷,综采工作面跟机自动化率提高到90%以上。     

基于数字孪生的虚拟仿真系统研究与应用

为解决全实物平台开发环境搭建困难、不便于测试与维护等问题,在研究PowerPC 处理器的实时嵌入式开发的基础上,采用数字孪生技术的设计思想,完成了一种拥有故障模拟与注入、协同仿真与模块化编程等功能的超实时虚拟仿真系统;提出了一种全数字仿真系统的设计与实现方法,基于数字孪生技术把硬件主板上的处理器以及外围设备虚拟化,集成到数字模型当中;各模型之间相互协同控制,实现CPU控制外部设备与动力学模型等设备之间的通信,以及数据收发、内存读写、串口输出等行为,最终实现与物理设备相同的功能;另外,采用了虚实结合的方法验证了运行结果的准确性,加快了软件执行效率,便于快速全面的系统开发与测试,从而更好地运用到各个领域当中。     

基于数字孪生系统的智能控制交互模型研究

随着数字化技术的迅速发展,数字孪生技术逐渐在工业、医疗、教育等多个领域崭露头角。为提高数字孪生系统中的智能控制交互模型的识别精度和稳定性,提出了一种基于You Only Look Once version 5和卡尔曼滤波器的目标检测算法,对手势进行实时识别和跟踪。实验结果表明,所提出的模型在精度和速度方面均优于传统模型。在图像识别测试中,所提出模型的识别准确率高达99.1%,识别时间仅为0.11 s,相比其他模型展现了更优异的性能。研究结果表明,所提出的基于数字孪生系统的智能控制交互模型不仅能有效提高手势识别精度,还能在动态场景中保持稳定性,具有广泛的应用潜力。     

数字孪生:连结现实与数字世界

未来,任何事物,包括人类、服务、全球企业、甚至各个城市等,都会有相应的数字孪生体。这种规模可能不会在接下来的18个月到24个月内出现,但数字孪生趋势在未来的数年里将不断发展壮大。试想一下,你拥有一个现实世界的完美数字副本:数字孪生。它可以帮助你开展虚拟协作,快速获取传感器数据并模拟条件,清楚地了解假设情景,更能精准地预测结果,并输出指令以操纵现实世界。     

面向智能矿山与新工科的数字孪生技术研究

将数字孪生与人工智能(AI)技术相结合,提出了基于数字孪生+AI的智能矿山建设新思路。探索了智能矿山技术发展路径,研究了数字孪生技术的特征、应用领域及发展趋势,指出数字孪生是数字化矿山发展的必然趋势。提出了基于数字孪生+AI的智能矿山理论架构,构建了矿山数字孪生模型,模型自下而上分别为矿山全要素物理实体、矿山信息物理融合层、矿山数字孪生模型、矿山孪生数据交互层、矿山应用智能服务层,据此实现智能矿山的泛在感知、协同控制和智能决策与优化。从应用实际需求出发,探讨了智能矿山模型构建技术、智能开采数字孪生体技术、矿山智能控制技术、矿山设备故障预测、基于数字孪生的人机交互等关键技术。通过研究数字孪生在智能矿山中的应用,为AI技术在智能矿山应用落地提供思路,为未来智能矿山新工科建设提供理论借鉴。     

基于生态演化的通用智能系统结构模型研究

从系统论、认知神经科学和生态演化的角度看,智能是指生物体根据环境、条件、目标,自适应地调整自身或调度各种资源实现目标的能力,智能起源于生命,智能是生物的基本特征.借助于脑神经系统演化的历史,展示了自然智能的演化过程,并由此构建了一个基于生态演化的通用智能系统结构模型,系统地分析了一般智能系统的普遍性、开放性、动态演化性、相对稳定性、功能性、结构性、依附性、相对独立性、可延续性等基本特征.论文根据智能演化进程将智能系统分为7级,利用智能系统结构模型分类探索专用人工智能和通用人工智能的发展方向以及有关智能系统的学习方法.这些工作对人工智能和智能科学基础理论研究与应用具有一定的启发意义.     

串行生产线中机器维修工人的任务分配问题研究

在串行生产线中, 机器会发生故障而且故障间隔时间随机, 因此需要维修工人及时维修, 使得故障的机器恢复加工能力, 否则就可能导致系统吞吐率降低. 如何在满足系统吞吐率的前提下, 使用尽可能少的维修工人来完成机器的维修任务, 本文称这样一个全新的问题为串行生产线中机器维修工人的任务分配问题. 针对该问题, 本文首先建立了问题的优化模型, 并将该优化问题转换为多个判定问题进行求解; 然后, 通过合理地定义机器的维修工作量, 使得判定问题可以类比为并行机调度问题; 最后, 采用了一种基于最长处理时间优先算法(Longest processing time, LPT)和回溯策略的启发式算法, 搜索最优的维修工人任务分配方式. 实验结果表明, 该方法能有效求解维修工人的任务分配问题.     

基于状态估计反馈的策略自适应差分进化算法

借鉴闭环控制思想, 提出基于状态估计反馈的策略自适应差分进化(Differential evolution, DE)算法, 通过设计状态评价因子自适应判定种群个体所处于的阶段, 实现变异策略的反馈调节, 达到平衡算法全局探测和局部搜索的目的.首先, 基于抽象凸理论对种群个体建立进化状态估计模型, 提取下界估计信息并结合进化知识设计状态评价因子, 以判定当前种群的进化状态; 其次, 利用状态评价因子的反馈信息, 实现不同进化状态下策略的自适应调整以指导种群进化, 达到提高算法搜索效率的目的.另外, 20个典型测试函数与CEC2013测试集的实验结果表明, 所提算法在计算代价、收敛速度和解的质量方面优于主流改进差分进化算法和非差分进化算法.     

基于自学习中枢模式发生器的仿人机器人适应性行走控制

为了克服传统中枢模式发生器(Central pattern generator, CPG)关节空间控制方法的复杂性和局限性, 本文基于自学习中枢模式发生器模型, 提出了一套在线调制和融合多传感器信息的仿人机器人环境自适应行走控制方法.算法难点在于如何在机器人的工作空间将自学习CPG用于工作空间轨迹生成, 并使CPG参数直接和步态模式相关联.本文提出了利用自学习CPG来学习和实时生成机器人质心轨迹和脚掌轨迹的方法, 在线调节机器人步长、抬腿高度和步行速度等关键参数.参考生物反射行为, 利用传感反馈信息激发CPG以产生具有环境适应性的工作空间轨迹, 提升行走质量. 控制系统的参数通过优化算法来进一步改善行走性能.相比于传统的CPG关节空间法, 本文所采用的自学习CPG工作空间法不仅极大简化了CPG网络结构而且提高了仿人机器人行走的适应性.最后, 通过仿人机器人坡面适应性行走的仿真和实验, 验证了所提出控制策略的可行性和有效性.     

复杂无向网络连通性的一种高效判定算法

通信网络的拓扑结构连通性是多智能体系统一致性控制或编队控制等的理论前提.以往, 各种多智能体系统一致性控制或编队控制方面的文献仅侧重于控制协议、智能体动力学模型和控制律设计, 而缺乏对多智能体通信网络拓扑结构的连通性研究.网络连通性高效判定算法不仅是大规模多智能体系统一致性控制或编队控制的保证, 而且在图论、现代移动通信、计算机与交通等各种网络中有着重要和广泛的应用.针对复杂无向网络的连通性问题, 本文给出了一种新的高效判定算法、以及该算法的时间复杂度和空间复杂度的上界.该算法具有非常低的时间复杂度和空间复杂度, 且便于计算机实现, 因而具有重要的理论意义和广泛的实用价值.     

基于区块自适应特征融合的图像实时语义分割

近年来结合深度学习的图像语义分割方法日益发展, 并在机器人、自动驾驶等领域中得到应用. 本文提出一种基于区块自适应特征融合(Block adaptive feature fusion, BAFF) 的实时语义分割算法, 该算法在轻量卷积网络架构上, 对前后文特征进行分区块自适应加权融合, 有效提高了实时语义分割精度. 首先, 分析卷积网络层间分割特征的感受野对分割结果的影响, 并在跳跃连接结构(SkipNet) 上提出一种特征分区块加权融合机制; 然后, 采用三维卷积进行层间特征整合, 建立基于深度可分离的特征权重计算网络. 最终, 在自适应加权作用下实现区块特征融合. 实验结果表明, 本文算法能够在图像分割的快速性和准确性之间做到很好的平衡, 在复杂场景分割上具有较好的鲁棒性.     

平行智能与CPSS: 三十年发展的回顾与展望

社会物理信息系统 (Cyber-physical-social systems, CPSS)在传统物理信息系统 (Cyber-physical systems, CPS)的基础上纳入对社会信号及社会关系的考虑, 利用网络世界近乎无限的人力、数据和信息资源, 突破物理世界有限的资源约束以及时空的限制. 然而, CPSS中人类和社会行为的复杂性加剧了实际系统和其模型之间的建模鸿沟, 使得系统的形态演变为“默顿系统”. 对此, 以ACP方法为核心的平行智能 (Parallel intelligence, PI) 框架通过组合人工系统 (Artificial systems, A)、计算实验 (Computational experiments, C)、平行执行 (Parallel execution, P)三个过程, 为跨越这一鸿沟提供了可行的路径. 具体而言, ACP将模型从系统解析器转变为数据生成器, 使原本难以控制的“默顿系统”可测试、可计算、可验证, 为复杂系统中“涌现”和“收敛”的对立统一确立了方法基础. 本文从平行控制与智能控制、平行机器人与平行制造、平行管理与智能交通、平行医学与智慧健康、平行生态与平行社会、平行经济系统与社会计算、平行军事系统以及平行认知与平行哲学这八个方面阐述面向CPSS的平行智能应用成果. 最后, 对CPSS未来的发展方向和技术趋势进行了讨论与展望.     

基于FlowS-Unet的遥感图像建筑物变化检测

针对目前人为探察土地资源利用情况的任务繁重、办事效率低下等问题, 提出了一种基于深度卷积神经网络的建筑物变化检测方法, 利用高分辨率遥感图像实时检测每个区域新建与扩建的建筑物, 以方便对土地资源进行有效管理.本文受超列(Hypercolumn)和FlowNet中的细化(Refinement)结构启发, 将细化和其他改进应用到U-Net, 提出FlowS-Unet网络.首先对遥感图像裁剪、去噪、标注语义制作数据集, 将该数据集划分为训练集和测试集, 对训练集进行数据增强, 并根据训练集图像的均值和方差对所有图像进行归一化; 然后将训练集输入集成了多尺度交叉训练、多重损失计算、Adam优化的全卷积神经网络FlowS-Unet中进行训练; 最后对网络模型的预测结果进行膨胀、腐蚀以及孔洞填充等后处理得到最终的分割结果.本文以人工分割结果为参考标准进行对比测试, 用FlowS-Unet检测得到的F1分数高达0.943, 明显优于FCN和U-Net的预测结果.实验结果表明, FlowS-Unet能够实时准确地将新建与扩建的建筑物变化检测出来, 并且该模型也可扩展到其他类似的图像检测问题中.     

多Agent深度强化学习综述

近年来,深度强化学习(Deep reinforcement learning,DRL)在诸多复杂序贯决策问题中取得巨大突破.由于融合了深度学习强大的表征能力和强化学习有效的策略搜索能力,深度强化学习已经成为实现人工智能颇有前景的学习范式.然而,深度强化学习在多Agent系统的研究与应用中,仍存在诸多困难和挑战,以Sta...