作者: Yongkang Xu1;Zhihua Chen2;Chencheng Deng1;Shoukun Wang1;Junzheng Wang1; (1School of Automation, National Key Lab of Autonomous Intelligent Unmanned Systems, Beijing Institute of Technology, Beijing, China 2Key Laboratory of Jiangxi Province for Image Processing and Pattern Recognition and MOE Key Lab of Nondestructive Testing Technology, Nanchang Hangkong University, Nanchang, China)
出处: IEEE Sensors Journal 2024 P1
关键词: Location awareness;Autonomous aerial vehicles;Point cloud compression;Sensors;Cameras;Laser radar;Synchronization
摘要: The detection, localization, and tracking of unmanned aerial vehicles (UAVs) are pivotal for ensuring reliable decision-making and intelligent control ...
作者: 曹芳菲,朱怀石,杜长坤,路平立 (北京理工大学自动化学院)
出处: 工程科学学报 2024 第46卷 第9期 P1613-1622
关键词: 高超声速飞行器;故障识别;执行器故障;零样本;关系网络
摘要: 近年来,基于深度学习的故障诊断已经通过大量数据进行了深入的研究.然而,深度学习技术的巨大成功是基于可以获取大量带标签的训练样本的假设.在实际问题中,经常面临数据不平衡、标记的数据太少或没有数据的情况.基于此,本文研究了高超声速飞行器在零样本情况下的故障辨识问题.考虑飞控系统执行器故障,运用深度学习技 ...
作者: 贾之阳,倪泽军,王遵君,王钢 (北京理工大学自动化学院)
出处: 控制与决策 2024 第39卷 第8期 P2746-2754
关键词: 生产系统;返工生产;伯努利机器;瞬态分析
摘要: 随着智能制造和绿色制造战略的提出,实际生产对小批量定制化加工的需求日益增加,同时为了进一步提高生产制造的加工效率和产品质量,返工生产线在企业中的应用也日益频繁.基于小批量生产背景,针对应用随机故障机器和有限缓冲区的多返工生产系统,进行瞬态性能分析,并对多返工系统进行生产调度.为定量分析该生产系统的瞬 ...
作者: 张心骜,方浩,赵欣悦,陈仲瑶,柯唯翎 (北京理工大学自动化学院)
出处: 科技导报 2024 第42卷 第12期 P167-177
关键词: 人机融合;时序逻辑;异构多智能体;协同控制
摘要: 现有的基于时序逻辑任务的多体协同控制方法,通常采用将时序任务描述为形式化语言后,将其转化为自动机,并与环境模型做乘积,最后在乘积自动机中做图搜索等方式完成任务规划。对现有方法的优缺点进行了比对,从目前常用的结合时序逻辑语言的控制方法出发,梳理了人机融合异构团队控制方法、系统对任务违反程度鲁棒性控制和 ...
作者: 夏元清1,2;,王晁1;,高润泽1;,詹玉峰1;,孙中奇1;,戴荔1;,翟弟华1; (1北京理工大学自动化学院;2中原工学院)
出处: 信息与控制 2024 第53卷 第3期 P273-286
关键词: 云网边端协同云控制;云控制系统;云计算;动态云控制系统
摘要: 针对网络化控制系统通信与计算资源不足、云控制系统难以完全保证复杂任务实时控制的问题,在云控制系统研究基础上,云网边端协同云控制利用云控制平台层、网络传输层、边缘控制层、终端设备层各自优势,实现互联互通、相互协作、优化运行,是复杂智能系统控制问题的理想解决方案。鉴于此,本文详细阐述了云网边端协同云控制 ...
作者: Ljubo Vlacic1;Hailong Huang2;Mariagrazia Dotoli3;Yutong Wang4,5;Petros A. Ioannou6;Lili Fan7;Xingxia Wang4,8,9;Raffaele Carli3;Chen Lv10;Lingxi Li11;Xiaoxiang Na12;Qing-Long Han13;Fei-Yue Wang14,8,15; (1Institute of Intelligent and Integrated Systems and the School of Engineering and Built Environment, Griffith University, Nathan, OLD, Australia 2Department of Aeronautical and Aviation Engineering, The Hong Kong Polytechnic University, Hong Kong, China 3Department of Electrical and Information Engineering, Polytechnic of Bari, Bari, Italy 4State Key Laboratory of Multimodal Artificial Intelligence Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China 5Qingdao Academy of Intelligent Industries, Qingdao, China 6Department of Electrical Engineering-Systems, University of Southern California, Los Angeles, CA, USA 7School of Automation, Beijing Institute of Technology, Beijing, China 8School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing, China 9Beijing Huairou Academy of Parallel Sensing, Beijing, China 10School of Mechanical and Aerospace Engineering, Nanyang Technological University, Singapore, Singapore 11Department of Electrical and Computer Engineering, Purdue School of Engineering and Technology, Indiana University-Purdue University Indianapolis, Indianapolis, IN, USA 12Department of Engineering, University of Cambridge, Cambridge, U.K. 13School of Science, Computing and Engineering Technologies, Swinburne University of Technology, Melbourne, VIC, Australia 14State Key Laboratory for Management and Control of Complex Systems, Chinese Academy of Sciences, Beijing, China 15Dazhou Artificial Intelligence Institute, Dazhou, and the Faculty of Innovation Engineering, Macau University of Science and Technology, Macau, China)
出处: IEEE/CAA Journal of Automatica Sinica 2024 Vol.11 No.8 P1723-1727
关键词: Fifth Industrial Revolution;Automation;Sensor systems;Fourth Industrial Revolution;Machinery production industries;Artificial intelligence;Human-machine systems;Big Data;Autonomic System;Internet Of Things;Development Of Lines;Assembly Line;Power Development;Industrial Tools;Smartness;Water Steam;Programmable Logic Controllers;Internet Of Data;Interactive;Information Technology;Automatic System;Industrial Systems;Language Model;Physical World;Artificial Intelligence Technology;Recent Technologies;Vision Sensors;AlphaGo;Aforementioned Technologies;Social Standards
摘要: Automation has come a long way since the early days of mechanization, i.e., the process of working exclusively by hand or using animals to work with m ...
作者: 邓志红,张平,李哲,孟之栋,沈凯,尚克军 (北京理工大学自动化学院;北京自动化控制设备研究所)
出处: 导航定位与授时 2024 第4期
关键词: 行人自主导航;人体里程计;行人航位推算;零速修正;磁场匹配;视觉惯性里程计
摘要: 导航与位置服务是我国经济新增长点和战略性新兴产业。近年来,行人自主导航技术由于可为行人提供高自主、高智能、高可靠和低成本的位置服务而备受关注,成为了导航与位置服务赋能可穿戴设备的关键驱动力。针对惯性、磁场和视觉三大主流行人自主导航方法进行了调研分析,梳理了行人自主导航技术的研究进展,重点阐述了各类技 ...
作者: 史大威,李双汐,邹恒光,张磊,王军政 (北京理工大学自动化学院;中国空间技术研究院)
出处: 指挥与控制学报 2024 第10卷 第2期 P220-225
关键词: 航天器定轨;事件触发学习;状态估计;无迹卡尔曼滤波;自适应滤波
摘要: 针对通信和计算资源受限的航天器实时定轨问题,提出一种基于事件触发学习的无迹卡尔曼滤波航天器定轨算法。以无迹卡尔曼滤波方法为基础,设计随机事件触发机制驱动的自适应学习算法,实现有限系统动态学习频率下的实时定轨,在保证定轨精度的同时降低地面站与航天器双向通信次数,有效节省了航天器通信与计算资源。
作者: 吴美杰,张婷,刘瑞静 (北京理工大学自动化学院)
出处: 电气电子教学学报 2024 第3期
关键词: 课程思政;教学模式;电机实验教学
摘要: 发掘专业核心课程“电机实验”教学中蕴含的思政元素,坚持成果导向教育理念,构建包含导言、目标、前测、参与、后测与总结六环节的实践育人模式。“电机实验”课程思政建设贯穿于教学的目标、方法、途径与评价,提升学生的科学精神、团结协作意识和人文素养,培养自动化专业复合型人才。
作者: 刘瑞静,张婷,吴美杰 (北京理工大学自动化学院)
出处: 电气电子教学学报 2024 第3期
关键词: 成果导向教育;课程思政;电力电子实验
摘要: 以“成果导向教育+课程思政”两大理念为核心,对电力电子实验进行改革,构建蕴含思政的课程预期学习成果,改革教学内容,深入挖掘思政元素,使得育人与育才相统一;实施基于学生能力培养的多元化的教学模式,使知识传授与价值引领相统一;采用多元化的评价方式,科学合理地对学生进行评价,实现“价值塑造、情感激励、能力 ...