多周期多产品批量问题在产量不确定性下的分布鲁棒优化研究 学术背景 在现代制造业中，生产过程中的产量不确定性（yield uncertainty）是一个普遍存在的问题，尤其是在农业、食品加工、纺织等行业中。这些行业的生产过程依赖于不可控的外部因素（如气候、原材料质量等），导致生产输出难以预测。产量不确定性不仅增加了生产成本，还可能导致库存不足或过剩，进而影响企业的利润和市场竞争力。 为了应对这一问题，学术界提出了多种优化方法，包括随机规划（stochastic programming, SP）和鲁棒优化（robust optimization, RO）。然而，这些方法各有局限性：随机规划依赖于对不确定性参数概率分布的准确估计，而这在实际生产中往往难以实现；鲁棒优化则倾向于过度保守，可能导致高成...

基于折扣价值迭代的自适应评判设计在零和游戏中的应用与验证 研究背景 在控制领域，最优控制（Optimal Control）是一个核心研究方向，旨在设计和分析控制系统以优化系统性能。随着系统复杂度的增加，传统的基于哈密顿-雅可比-贝尔曼方程（Hamilton-Jacobi-Bellman, HJB）的最优控制方法面临“维度灾难”（Curse of Dimensionality）问题。为了应对这一挑战，研究者们提出了自适应动态规划（Adaptive Dynamic Programming, ADP）方法，结合强化学习（Reinforcement Learning）和函数逼近（Function Approximation）等技术，有效提升了复杂系统的控制能力。 零和游戏（Zero-Sum Game...

基于测地距离场的五轴连续扫描方法用于多入口内壁表面检测 背景介绍 在工业应用中，多入口内壁（MEI, Multi-Entrance Inwall）表面因其复杂的拓扑结构和潜在的碰撞风险，精确检测这些表面一直是一个挑战。传统的点对点检测方法效率较低，而近年来开发的五轴连续扫描技术则显著提高了检测效率，为大面积、复杂表面的检测提供了新的可能性。然而，目前五轴连续扫描的路径规划仍然高度依赖人工干预，尤其是针对MEI表面时，由于复杂的碰撞场景和多入口结构，自动化路径生成尤为困难。为此，本文提出了一种基于测地距离场（GDF, Geodesic Distance Field）的新方法，旨在自动、高效地生成五轴连续扫描路径，解决MEI表面检测中的路径规划和碰撞规避问题。 论文来源 本论文由 Yuzhu D...

基于鲁棒模糊协作策略的随机多智能体系统全局一致性研究 学术背景 在自动化、机器人学、网络通信、智能交通系统及分布式决策等现代技术领域，多智能体系统（Multi-Agent Systems, MAS）扮演着至关重要的角色。MAS通过多个智能体的协同努力，能够高效执行复杂任务并优化资源分配。然而，在复杂且充满不确定性的环境中，实现全局一致性（global consensus）是一个巨大的挑战。这些不确定性包括智能体自身的不确定性以及外部扰动，特别是在随机环境中，智能体的行为模式和不断变化的环境条件使得全局一致性的实现更加复杂和困难。 现有的控制策略主要包括基于模型和无模型两种方法。基于模型的方法，如鲁棒控制，依赖于精确的模型，但在实际应用中面临不确定性问题的限制。而无模型方法，如模糊控制，虽能有...

基于状态自学习的分布式智能控制方法及其在级联过程中的应用研究 学术背景 在过程工业中，多反应器级联操作是一个显著的特征。然而，建立精确且全局的多反应器级联过程模型面临诸多挑战。反应器的复杂动态运行状态以及前后反应器之间的耦合关系，使得整个过程的精细控制难度极大。传统的PID控制（比例-积分-微分控制）和模糊控制等方法在单变量和单回路控制过程中表现良好，但在多反应器级联系统的协同控制中显得力不从心。模型预测控制（Model Predictive Control, MPC）虽然在过程工业中得到了广泛应用，但其在处理大规模和非线性级联过程时仍存在局限性，尤其是在实时控制和优化方面。 随着人工智能和大数据等新兴技术的发展，探索新的控制方法以实现对整个过程的精确控制成为迫切需求。本文提出了一种基于状态...

基于多无人机的高效分散式时序规划器用于时空野火防控 学术背景 野火是全球范围内对生物多样性和资源可持续性的重大威胁，尤其是在初期阶段。若未能及时控制，野火的规模可能会迅速扩大，导致严重的生态破坏。近年来，多无人机系统（Unmanned Aerial Vehicles, UAVs）在野火防控中的应用逐渐增多，主要是为了减少人类在危险环境中的暴露，并提高应急响应的效率。然而，现有的研究大多局限于搜索、监测或灭火等单一环节，缺乏对多无人机协同任务的综合研究。尤其在资源有限、无人机数量不足、野火动态变化的部分可观测环境中，如何高效分配无人机任务以进行早期野火防控仍是一个复杂且具有挑战性的问题。 本文提出了一种冲突感知的高效分散式时序规划器（Conflict-aware Resource-effici...

多阶段不等长过程的投影加权动态时间规整监控方法 学术背景 在现代制造业中，多阶段过程（如批处理和过渡过程）的在线监控对于提高产品质量和降低故障风险至关重要。然而，由于操作条件的变化，这些过程的操作时长常常不等，这给监控带来了巨大的挑战。传统的动态时间规整（Dynamic Time Warping, DTW）方法虽然可用于离线同步，但在处理在线数据时，无法有效对齐正在进行的批次与已完成的历史批次，因为它们的进展存在固有差异。此外，传统方法通常忽略操作过程中的时间尺度故障，这会削弱整体监控性能。为了解决这些问题，本文提出了一种新颖的投影加权动态时间规整（Projective Weighted DTW, PWDTW）方法，用于监控不等长时间的多阶段过程。 本文的研究旨在从幅值和时间两个方面解决多阶...

基于显微操作系统的微管-图像校准方法在体细胞显微注射中的应用 研究背景 显微注射技术是一种通过精细的微管将特定量的遗传物质、药物或其他外源物质直接注入细胞或组织的技术。该技术在生物医学研究中发挥着重要作用，尤其是在转基因、基因靶向、动物克隆、人类不孕症治疗以及核酸引导的基因工程等领域。随着自动化技术的发展，传统的手动显微注射逐渐演变为自动化操作模式。然而，在自动显微注射系统中，如何准确地将显微镜视野中观察到的微管尖端的二维坐标与外部控制器获得的三维位置数据进行映射，仍然是一个技术难题。现有的校准方法通常依赖于电机驱动的物镜或复杂的显微视觉系统，这些方法在实际应用中往往不够快速和实用。 为了应对这一挑战，Fei Pan及其团队提出了一种实用的微管-图像校准方法，旨在实现显微镜视野中微管尖端的二...

无人水面车辆（USV）的模型预测控制新方法：基于概率神经网络的MBRL框架 学术背景 无人水面车辆（Unmanned Surface Vehicles, USV）近年来在海洋科学领域迅速发展，广泛应用于海洋运输、环境监测、灾害救援等场景。然而，USV的控制系统仍然面临诸多挑战，尤其是在复杂海洋环境中应对外部干扰的能力。传统的模型自由强化学习（Model-Free Reinforcement Learning, MFRL）方法虽然在某些任务中表现良好，但其依赖大量数据和模拟训练，且缺乏对不确定环境的鲁棒性。为了解决这些问题，模型基础强化学习（Model-Based Reinforcement Learning, MBRL）方法应运而生。MBRL通过同时学习环境模型和优化控制策略，能够更高效地应...

一种基于观测可信度推断的受限学习网络用于少样本退化建模 学术背景 在复杂工程系统中，多传感器广泛应用于监控设备的退化过程并预测其剩余使用寿命（Remaining Useful Life, RUL）。然而，在仅有少量样本的情况下，确保预测性能仍然具有挑战性。少样本场景下，传感器数据中的不一致观测（discordant observations）会引入大量不确定性，导致经验损失与预期损失相差甚远。此外，学习到的退化模型往往会在有限的可用样本上过拟合，导致模型参数分布偏差，从而限制模型在未见样本上的泛化能力。为了解决这些问题，本论文提出了一种基于观测可信度推断（Observation Credibility Inference, OCI）的受限学习网络，用于少样本退化建模。 该研究旨在开发一种适用...