复杂工业过程智能建模与控制方法及应用专题序言

<正>随着人工智能、大数据和云计算等新一代信息技术的快速发展,全球范围内新一轮科技革命和产业变革蓬勃兴起。我国十九大报告提出了要大力推动互联网、大数据、人工智能和实体经济深度融合。正如《中国制造2025》所指出的,我们要以促进制造业创新发展为主题,以提质增效为中心,以加快新一代信息技术与制造业深度融合为主线,以满足经济社会发展和国防建设对重大技术装备的需求为目标,强化工业基础能力,推进智能制造发展,     

负压型微流控葡萄糖生物传感在线检测系统的研制

葡萄糖是发酵过程中菌体生长和产物合成的主要碳源。为了稳定产物产量与质量,必须控制葡萄糖在发酵液中的浓度。由于第一代酶注射式葡萄糖在线分析仪响应速度慢,流路结构复杂且易受噪声干扰,不利于在线检测。因此,文中设计了一种结合了Y型和S型混合流道的微流控芯片,作为葡萄糖生物传感器的核心部件。应用负压抽取液体的方式抽取微流控芯片中的反应液体,来保证分析系统流路中的液体流转。经实验对比和测试,蠕动泵在5 mL/h的抽取速度下,液体混合和反应效果较好,所研制的葡萄糖生物分析系统基本满足了发酵过程葡萄糖在线测量的要求。     

室内场景下实时地三维语义地图构建

移动机器人自主建图是完成智能行为的前提。为提高机器人智能水平和直观的用户交互,地图需要扩展超出几何和外观信息的语义信息。研究了将基于深度残差网络(DRN)的像素级图像语义分割和三维同时定位与建图(SLAM)相融合的三维语义地图构建方法。首先,采用一种联合中值滤波算法进行深度图像的修复,使用改进的迭代最近点(ICP)算法得到相机估计位姿以及基于随机蕨类的闭环检测构建出三维环境地图;其次,采用优化的深度残差网络对输入的图像实现较精准的像素语义级别的预测与分割;最后,采用贝叶斯更新方法,渐进式的将图像分割获取的语义分类标签迁移到重建的室内三维模型中,获得完整的三维语义地图。实验表明,所设计的方法可以在实际的、复杂环境下实时地构建语义地图。     

基于LMD和MSEE的滚动轴承复合故障特征提取方法

针对滚动轴承复合故障特征相近、不易区分的问题,提出了一种基于局域均值分解和多尺度熵能量的滚动轴承复合故障特征提取方法。首先,将信号进行LMD处理,得到一系列PF分量;然后,通过相关系数选择合适的PF分量计算能量并获得新的时间序列;最后,计算新时间序列的多尺度熵,与能量结合构建MSEE进行故障特征提取。机械故障模拟试验台的结果表明:该方法不仅降低了噪声干扰,而且提升了特征提取的精度,可以定量表征滚动轴承复合故障信号的特征,在滚动轴承复合故障信号中有良好的特征提取效果,与单独使用MSE和能量的特征提取方法相比,故障诊断率分别提升了8. 33%和11. 29%。     

基于递归聚类与相似性的模糊神经网络结构设计

针对模糊神经网络结构设计问题,提出一种基于递归聚类与相似性的结构设计方法.首先,提出以输出变化强度为导向、以结构细分为手段的递归聚类方法对网络初始结构进行设计.其次,通过计算模糊规则的相似性,将高度相似的规则进行合并,在保持良好精度的前提下,对网络初始结构进行简化.最后,通过函数逼近、非线性系统辨识仿真实验验证了方法的可行性和有效性.     

基于域自适应残差收缩网络的滚动轴承故障诊断

针对滚动轴承在新工况下无标记数据且存在噪声干扰问题,提出一种具备抗噪能力的滚动轴承故障诊断领域自适应深度残差收缩网络(DADRSN)。首先,采用深度残差收缩网络(DRSN)去除已知工况和新工况数据噪声冗余并充分提取数据特征;其次,应用迁移学习中的领域自适应(DA)方法,计算已知工况和新工况数据的局部最大均值差异(LMMD),以对齐两种工况数据之间的分布;最后,对新工况下故障样本进行分类。实验结果表明,该模型在噪声干扰、缺少标记数据、工况变化的情况下仍能保持较高的故障诊断精度。     

基于AHMRRT的移动机器人路径规划算法

为解决单向快速探索随机树(rapid exploring random tree,RRT)算法路径规划效率低且易陷入局部极小点的问题,提出了一种自适应启发式多快速探索随机树(adaptive heuristic multiple rapid exploring random tree,AHMRRT)路径规划算法.一方面,基于多随机树构建策略的AHMRRT算法可以在起始点、目标点、子目标点生成4棵随机树,同时进行扩展搜索,从而提高路径规划效率;另一方面,通过在单棵随机树生长过程中添加自适应启发式偏置因子,AHMRRT算法可以根据环境中障碍物的情况自适应地改变新节点的生成策略.探索自由空间时,该算法可以在偏置因子的作用下迅速向目标点扩展以提高搜索效率;探索多障碍物空间时,该算法将调用随机采样函数以防止落入局部最优.在仿真实验中,设计了4种环境下AHMRRT算法与随机概率目标快速探索随机树(probability goal RRT,PGRRT)、双向快速探索随机树(bidirectional RRT,BRRT)算法的对比实验,仿真实验结果证明了该算法的可行性和高效性.     

深度森林研究综述

深度森林算法首次开启了非神经网络结构的深度学习模式,并因具有非微分形式基学习器和无须大量训练数据的优良特性,已经成为工业界和学术界的重要研究方向,因此,对现有深度森林算法进行归纳和总结,综述了其主要结构及特点.首先,介绍深度森林结构及其性质;接着,将目前深度森林的研究分为引入特征工程、改进表征学习、修改基学习器、修改层级结构和引入权重配置等5个方向进行分析和总结;然后,介绍深度森林算法在不同领域中的最新应用现状,并给出深度森林算法所面临的挑战及未来研究方向;最后,对本文工作进行总结.     

微粉生产过程中磨机进出口温度多目标优化

微粉是钢铁废渣经过研磨后所形成的一种粉末,是一种高效且环保的建筑材料添加剂.在微粉生产过程中磨机进出口温度之间存在正相关的关系,但在正常工况下进口温度的升高将有助于提高产量,而出口温度的降低却有利于保证生产的安全性,因此温度设定值的求解将是一个多目标优化问题,较难获得最优值.从实际生产工况出发,采用非支配排序遗传算法II、多目标粒子群优化算法和多目标灰狼优化算法多种多目标优化算法求解此问题,并进行对比分析获得最优可行解集.优化后得到的解集能更好的为温度的设定提供参考,从而提升产量与生产的安全.     

基于高斯混合模型最大期望聚类的同时定位与地图构建数据关联

数据关联是移动机器人同时定位与地图构建(SLAM)中状态估计的前提和基础,针对当前联合兼容分支定界算法存在计算复杂度高、耗时长的问题,提出了基于高斯混合模型(GMM)最大期望聚类分组的SLAM数据关联算法.首先,为减少同一时刻参与关联的观测值数目,在局部区域内采用GMM最大期望聚类算法对当前时刻的观测值进行分组;其次,在各观测小组中采用联合兼容分支定界算法进行数据关联;最后,综合各观测小组的观测值同局部地图特征得到的关联解,得到最优的关联结果.仿真实验结果表明,基于高斯混合模型最大期望聚类分组的SLAM数据关联算法在保证数据关联准确度的前提下,计算复杂度得到了降低,缩短了运行时间.