控制與決策最新期刊目錄

自動駕駛車輛軌跡跟蹤非線性魯棒控制方法研究————作者：李學鋆;汪怡平;蘇楚奇;張鎮濤;黃晉;

摘要：為了提高自動駕駛車輛軌跡跟蹤控制精度與魯棒性,提出了基于車輛誤差動力學模型的自動駕駛車輛軌跡跟蹤非線性魯棒控制方法.在車輛運動學模型和非線性車輛動力學模型的基礎上,構建車輛誤差動力學模型;從理論上推導二階系統的非線性魯棒控制器設計方法,并利用李亞普洛夫穩定性理論證明其正確性;以此為基礎,設計基于車輛誤差動力學模型的自動駕駛車輛軌跡跟蹤非線性魯棒控制器,并通過仿真驗證了所提方法的有效性.結果表明,非...

狀態約束非線性系統自適應有限時間命令濾波輸出反饋控制————作者：蘇航;杜宇航;

摘要：針對一類具有狀態約束和不可測狀態的非線性系統,提出了一種基于觀測器的自適應神經網絡有限時間命令濾波控制方案.首先,構造積分障礙李雅普諾夫函數來確保系統的狀態變量滿足時變約束條件.其次,考慮到大多數非線性系統的狀態是不可測的,設計了一個自適應神經網絡狀態觀測器對不可測狀態進行估計.然后,在控制器設計過程中采用有限時間命令濾波控制方法,避免了“微分爆炸”現象,并進一步引入了誤差補償機制消除了濾波誤差....

基于社會時間圖的行人軌跡預測————作者：張卿瑞;張旭秀;王琳;梁天添;

摘要：行人軌跡預測在智能交通,自動駕駛與視頻監控等應用領域當下有著廣泛的應用,對行人間復雜的交互關系進行全面建模是提升軌跡預測準確率的關鍵問題.已有的基于神經網絡的建模方式存在忽略行人間的持續影響,以及靜態的圖卷積算法無法適應動態變化的圖結構的問題.為此,本文提出了一種基于社會時間圖的軌跡預測模型STGCR(Social-Temporal Graph Cross-interaction Transfor...

空間分組內卷積輕量級目標檢測算法————作者：盧迪;趙慶;

摘要：針對現有輕量級目標檢測算法存在檢測精度不足、特征融合能力較弱及檢測速度較慢等問題,本文在YOLOv8n基礎上提出基于空間分組內卷積的輕量級目標檢測算法.首先,在內卷積基礎上提出一種新型空間分組內卷積(Spatial Group-Wise Involution, SGWInvo),克服內卷積空間信息建模方面的不足.基于SGWInvo進一步設計一種輕量化主干網絡SCNet替換YOLOv8n主干網絡.其...

深度立體匹配網絡的融合代價體及其代價聚合方法————作者：鄒正陽;伍云霞;徐倩;

摘要：深度立體匹配網絡使用代價體將三維場景結構編碼為雙目特征的對應關系,在機器人定位與避障等場景具有重要應用前景.然而,現有代價體方法不能為雙目特征建立全面且無冗余的相關信息,導致視差預測精度不足.針對該問題,首次將極線幾何約束引入代價體計算流程,通過多類型代價體優勢互補,提出一種即插即用的融合代價體及其代價聚合方法.首先,融合代價體同步計算極線共投影區域內特征向量的全局點積相關信息和局部分組點積相關信...

變負載條件下電機故障的Transformer-DANN診斷方法研究————作者：王嘉銘;蔡浩原;柳雅倩;鄧智瀚;陳駿彬;

摘要：針對深度學習中標準訓練集無法全面覆蓋實際工況中的故障特征,導致故障識別率急劇下降的問題,提出了一種融合一維卷積神經網絡(1DCNN)和Transformer層的域對抗神經網絡(Domain Adversarial Neural Network, DANN)遷移學習方法 Transformer-DANN.使用1DCNN和Transformer層,改進特征提取器的提取特征的能力,降低了計算復雜度;針對...

基于溫和泛化的不確定性離線強化學習————作者：王雪松;楊露;程玉虎;

摘要：離線強化學習(ORL)通過預先收集好的數據集解決動態決策問題,為強化學習在現實中的應用提供了極大的可能性.現有ORL多聚焦于對抗分布外動作,從而導致習得策略是次優的可能性增大.為此,本文研究了導致次優的認知誤差問題,提出一種基于溫和泛化的不確定性離線強化學習方法 (UAMG).首先,設計一種由習得策略和擾動模型組成的溫和泛化策略,以對未見過的動作具有一定的適應性.其次,在習得策略的更新網絡中引入退...

考慮需風量不確定性的礦井通風網絡風量深度強化學習優化————作者：吳亮紅;張艷云;左詞立;王汐;譚偉華;

摘要：礦井通風網絡優化調節是礦井通風系統安全、穩定、經濟運行的重要保障.通風網絡結構和狀態參數隨機動態變化給礦井通風網絡優化求解和決策帶來了極大的挑戰.本文充分考慮礦井通風系統的隨機不確定性,提出了一種基于深度強化學習的礦井通風網絡魯棒優化調控方法.首先,對礦井通風網絡風量優化問題進行數學描述,將該風量優化問題建模為馬爾可夫決策過程模型,無需對系統不確定性進行建模和預測;然后,采用一種改進分布式近端策略...

基于自組織遞歸情感神經網絡的有源電力濾波器分數階快速終端滑模控制————作者：儲云迪;李海霞;羅序軍;侯世璽;

摘要：為了實現精確的電流跟蹤控制,提出一種基于自組織遞歸情感神經網絡(SORENN)的有源電力濾波器分數階快速終端滑模控制(FOFTSMC)方法.首先,針對有源電力濾波器系統,設計一種分數階快速終端滑模控制器,由于分數階的存在引入了更多的自由度,使得系統更具有適應性和魯棒性;其次,基于大腦情感學習模型和尖峰自組織機制構建并介紹一種新穎的類腦神經網絡SORENN,以此解決分數階快速終端滑模控制器依賴于精確...

基于A-T趨近律的非線性系統固定時間滑模控制————作者：鄭在弘;李丹;李平;陳明;

摘要：為解決現有滑模控制方法在不確定非線性系統中存在的收斂速度依賴初值、魯棒性差等問題,提出了一種新型全局固定時間滑模控制策略.首先,設計的固定時間擾動觀測器能有效消除系統中不確定性擾動的不利影響;其次,使用了一種新型非奇異快速終端滑模面,它不僅成功克服了奇異性問題,還顯著提升了系統的魯棒性,且其收斂時間與系統初始狀態無關.再次,通過結合反正切(arctan, A)函數和雙曲正切(tanh, T)函數設...

基于環境光感知和紅外特征分層引導的圖像融合網絡————作者：王愛俠;胡傲杰;閆愛云;高尚;金碩巍;龐永恒;

摘要：在紅外圖像中,目標物體的突出顯示與可見光圖像中豐富的紋理細節相結合,可以有效地增強融合圖像的信息熵,從而為夜間智能駕駛等下游視覺任務提供重要支持.然而,現有的主流融合算法對于可見光圖像在惡劣光照夜間道路環境下的信息熵低與像素強度高之間的矛盾,缺乏針對性的研究.因此,在正常環境下表現良好的融合算法,在強光干擾下往往只能生成與可見光圖像相似、信息熵較低的融合圖像.為解決這一問題,本文提出了一種能夠抵抗...

不同種類共享單車出行特征和訪問規律研究————作者：郭戈;明迪達;劉上;張忍永康;鄒陽;

摘要：共享單車的時空分布和使用模式對其系統的部署和運營至關重要.本文從動力、停靠方式出發,對不同種類共享單車的出行特征和訪問規律進行了深入研究,揭示了出行距離、回轉半徑、等待時間等空間、時間特征的分布規律,在此基礎上對共享單車出行范圍、使用突發性進行了分析.此外,采用Levenberg-Marquardt算法發現了特定位置共享單車流量與出行距離、頻率之間的高斯函數和指數函數關系.最后,提出了衡量聚散程度...

學習驅動的迭代局部搜索算法求解分布式流水車間魯棒調度問題————作者：郭恒偉;桑紅燕;潘全科;

摘要：針對分布式流水車間中加工時間不確定性與序列相關準備時間耦合的魯棒調度問題,提出一種強化學習驅動的迭代局部搜索算法(QILS).首先,構建以最大完工時間為目標的期望-風險魯棒調度模型,有效平衡調度方案的穩定性與最優性.其次,設計面向不確定環境的NEHUPT啟發式方法,基于場景分析確定工件的調度優先級,結合微調策略提升初始解的質量;另外,構建Q-learning與迭代局部搜索算法的協同優化框架,利用強...

基于分布式元強化學習的多敏捷衛星多目標調度算法————作者：張廣輝;魏晨軒;馮彥翔;李曉玲;

摘要：隨著地球觀測領域相關技術的高速發展,近年來具有先進姿態調整能力的敏捷地球觀測衛星已經引起了廣泛的關注.敏捷衛星任務調度具有時間依賴性切換時間,在多星、多軌道、多需求的衛星觀測場景下,產生了復雜的時間依賴性多敏捷衛星多目標調度問題.針對該問題,首先,基于問題特征和優化目標建立了問題的數學規劃模型.其次,提出一種分布式元Q學習協同進化框架,包括預訓練和進化搜索兩個階段,預訓練階段通過分布式Q學習提高訓...

軌跡數據驅動的新能源汽車充電站選址模型研究————作者：曹慕昆;王逸誠;劉新龍;戴維;

摘要：基于排隊論模型,提出充電樁利用率作為充電站選址規劃中的重要考慮因素,依此以用戶的充電拒絕率、充電樁利用率及運營商投資總成本為三個目標建立多目標充電站選址優化模型.進而,通過真實的車輛運動軌跡數據進行實驗分析,通過研究車輛在行駛過程中的駐留行為,分析用戶的實際充電需求.在候選點的選取規劃中,引入ArcGIS軟件,利用其優秀的空間計算能力,在地圖中選取出合適的候選充電站點.為求解模型,提出一種改進多目...

《控制與決策》征稿簡則

摘要：<正>《控制與決策》創刊于1986年,由教育部主管、東北大學主辦,月刊,A4開本,國內外發行.本刊面向國家戰略與經濟社會發展需求,聚焦基礎前沿和高新科技領域中的控制與決策相關理論與技術問題,報道具有高度學術價值和現實意義的研究成果與進展,致力服務和促進學科發展,推動面向未來的科技創新,為實現我國高水平科技自立自強,建設世界科技強國貢獻力量

《機器學習賦能的智能優化與調度專刊》征文通知

摘要：<正>專刊介紹：隨著新一代人工智能技術的發展,機器學習已成為破解復雜調度優化難題的新途徑.通過挖掘數據模式和深度解析特征,機器學習有助于構建靈活的優化策略,有助于提升智能優化算法的求解質量與速度,并改善面向不確定與動態場景的魯棒性與適應性.在深度學習、強化學習、遷移學習與聯邦學習等新方法的賦能下,智能優化與調度正邁向知識與群智協同、數據與模型融合的新范式

《控制與決策》期刊簡介

摘要：<正>《控制與決策》創刊于1986年,由教育部主管、東北大學主辦,是具有廣泛學術影響力的全國高水平學術期刊,月刊, A4開本, 352頁.期刊學術影響力評價指標位居學科前列,入選“中國科技期刊卓越行動計劃項目”,以及“自動化學科”“管理科學”“指揮與控制”等多領域高質量科技期刊分級目錄,曾獲“百種中國杰出學術期刊”“中國最具國際影響力/國際影響力優秀學術期刊”“中國高校杰出科技期刊”“RCCSE中...

低碳算法的發展及壓縮和加速技術的應用————作者：趙洪科;葉倩彤;張志勇;張凱;汪珂航;黃振亞;

摘要：探討低碳神經網絡算法的設計及其在工業界和大型模型中的應用.首先,介紹低碳算法的概念及碳足跡視角下的深度學習算法;隨后,深入研究多種設計策略,如剪枝、量化、低秩分解等,這些策略能顯著降低數據中心和網絡設備的資源消耗,推動綠色計算的發展.此外,關注了低碳算法的實際應用,包括低精度計算、高效硬件設計和硬件加速,展示了其在減少能源浪費和環境影響方面的潛力.對于大語言模型(LLMs),討論了訓練過程中的壓縮...

一類混合噪聲系統的重放攻擊檢測方法————作者：符莎;李平;趙民新;

摘要：工業現場普遍存在復雜的噪聲環境,其中非高斯噪聲和未知有界噪聲的混合干擾嚴重制約了傳統重放攻擊檢測技術的性能,為此,提出一種基于狀態估計的動態閾值檢測算法.根據線性系統中未知有界噪聲的幅值約束和非高斯噪聲的高階統計屬性,開發依托橢球理論和無偏有限脈沖響應濾波的新型狀態估計機制,解決現有算法在雙重噪聲環境下,因先驗統計模型失配而引發的估計性能劣化問題,然后利用系統實時數據設計動態閾值檢測策略,克服重放...

　　控制與決策來自網友的投稿評論：

• zhaohhhh

  1月18日投稿，1月25日收稿，2月15日外審，3月29日退修-修改后再審，4月6日修回，4月8日專家復審，4月15日專家復審審回，4月16日修改后發表(按期刊發表格式，latex排版) 整體速度非常快，只要有退修，好好改基本穩了

  2024-04-20 13:27
• 畫個圈圈兜住幸福

  今年5月份投稿，7月底外審審回，之前3個外審專家都感覺送好多，這次竟然送了4個專家，好在外審意見相對還可以，給了退修，8月初修回，9月初復審回來修改格式預錄用。整體感覺還挺好，審稿速度在同級別期刊算很快的了，控制與決策期刊論文的質量也感覺要求越來越高了，希望以后都能順利投稿-修改-錄用！

  2023-09-14 15:27
• 奔跑的辣椒醬

  速度快，審稿人很負責，兩人審稿，提了不少建議。投稿周期約半年

  2023-04-23 21:54
• zhaohhhh

  供應鏈方向文章，初審挺快的，一個月不到給了修改意見，一共三個審稿人，問題稍微有點犀利。復審的時間蠻久，每次主編復審都要一個月左右。經過兩次修改，歷時五個月。版面費也較貴，超出6個版面就是雙倍收費。

  2022-10-26 22:51
• 奔跑的辣椒醬

  投了五篇，中了兩篇，第一篇審稿6個月左右，第二篇3個月左右，如果能有機會修改，基本就穩了。

  2022-06-23 11:10

提交