- 陈琳;宁念文;田诗涵;周毅;
域内异构多智能体的轨迹预测对确保自动驾驶车辆的安全高效运行至关重要。然而，在城市复杂交通路口场景中，多样化的信息交互、行为意图的连续性和时间的一致性为轨迹预测带来了巨大挑战。现有无锚查询生成方法常面临模式崩塌与训练不稳定，且在复杂路口难以保持意图的连续性与时间的一致性。为此，文章提出了一种两阶段异构边增强图注意力网络（HEGANet）用于动态轨迹预测。第一阶段通过时空上下文编码提取智能体动态特征，结合有向边特征的异构图建模智能体间的时空交互，并通过异构图注意力网络和动态特征门控机制优化特征权重，同时利用多尺度动态交互图注意力网络进一步建模智能体之间及其内部的动态交互。第二阶段通过多层感知机（MLP）对第一阶段生成的预测嵌入进行解码，并通过迭代优化生成精细化的多智能体多模态未来轨迹预测结果。在INTERACTION和Argoverse数据集上的实验验证表明，本文所提动态轨迹预测方法在轨迹预测的准确性上显著优于现有方法。
2025年05期 No.497 15-23页 [查看摘要][在线阅读][下载 1847K] [下载次数：99 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：6 ] - 毕莹;张荣巧;常亚鑫;张拓;
电致发光图像能高灵敏度地反映太阳能电池内部缺陷，但其分析面临图像复杂度高、缺陷多样性以及数据量庞大等挑战。针对工业场景中模型选型依据缺失的问题，文章系统评估了5种经典卷积神经网络在3种缺陷分类任务中的性能表现，为电池缺陷的智能检测与分类提供理论依据和方法支持。首先，针对PVEL＿AD数据集类别分布严重不均衡的问题，通过分层抽样构建了4分类和7分类子数据集，结合原始ELPV数据集的2分类任务形成多层次实验框架。其次，采用平衡准确率、F1分数等指标，结合模型运行时间和收敛曲线分析，全面评估LeNet-5、AlexNet、VGG16、GoogLeNet和ResNet18在分类任务中的表现。实验结果表明，ResNet18在7分类任务中以93.70%的F1分数显著领先，其训练耗时仅为VGG16的47.5%，验证了残差结构在复杂分类任务中的优越性。本文通过系统性实验揭示了模型结构与分类性能的内在关联，为光伏产线检测系统的高效部署提供决策依据。
2025年05期 No.497 24-30页 [查看摘要][在线阅读][下载 1865K] [下载次数：239 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：7 ] - 周涛;杜可可;
随着风电在电力系统中渗透率的不断提高，其波动性与间歇性对电网频率的稳定性带来了严峻挑战。为了减少风电场内部尾流效应和时滞效应对风电场整体调频能力的影响，本文研究了计及尾流效应时滞影响的风电场频率响应建模方法与风电机组自适应综合惯性控制策略。首先详细分析了风电场尾流效应的时滞影响，建立了计及尾流效应的风电场频率响应模型，以准确描述其在电力系统中的动态特性；在此基础上，提出了基于风速和风电机组转速的模糊自适应综合惯性控制策略，通过动态调整控制系数，计及尾流效应时滞影响并充分利用风电机组的转子动能完成系统调频。仿真结果表明，所提策略在不同负荷扰动和风速条件下均能有效提升频率最低点，减少频率波动，展现出良好的适应性和稳定性，显著提高了风电场的调频性能和电力系统的频率稳定性。
2025年05期 No.497 31-39页 [查看摘要][在线阅读][下载 2260K] [下载次数：90 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：6 ] - 张超;孙启鸣;邱亚琴;
一般非线性离散系统存在高度非线性、模型不确定性和动态未知性特性，传统方法应对其控制一般用一个简化或线性化的模型来代表真实系统，会导致固有误差。为此，文章针对一般非线性离散系统，提出了一种基于多维泰勒网（multi-dimensional Taylor networks ,MTN）的近似最优迭代动态规划方法，其所有控制过程均在线进行，无须离线训练步骤。该方法采用actor-Critic框架，并引入3个MTN网络：效用MTN用于在不依赖系统内部动态信息的条件下确定性能指标；Critic MTN用于逼近性能函数；执行MTN则在动态规划框架下在线调整控制策略。整套控制系统采用双闭环控制结构，外环以主要反馈信号实现跟踪控制，内环通过辅助反馈信号进一步提升动态性能。本文充分利用MTN的结构特性，显著降低了控制器的计算复杂度，大幅提升了迭代自适应规划算法的动态响应速度；以液压伺服系统为对象，开展了阶跃信号与正弦信号的跟踪仿真实验。仿真结果表明，基于迭代学习的多维泰勒网离散自适应最优控制器具有良好的跟踪性能和动态响应特性，验证了本文所提方法的有效性与实用性。
2025年05期 No.497 40-45页 [查看摘要][在线阅读][下载 1665K] [下载次数：12 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：6 ] - 杨智凯;郭少攀;刘淼;肖龙;
针对卡车队列协同控制中固定编队策略无法对车辆实时运行状态变化做出有效响应，导致燃料消耗不均和续航受限的问题，文章提出了一种基于深度强化学习的周期性重排序动态决策框架。该框架以深度Q网络（DQN）为核心，构建智能体与环境交互的动态学习机制，通过多维环境感知模型与弹性决策机制，使智能体能够根据车辆燃油状态自适应地决定队形重排时机，从而实现车队燃料消耗的动态平衡。该方法突破了传统固定编队策略在实时响应与能耗分配方面的技术瓶颈，有效延缓了单车燃料耗尽对整体车队续航的限制。实验结果表明：所提出的周期性重排序动态决策框架在相同运输场景下可使车队续航里程提升约5.2%，且周期参数变化对车队行驶里程影响较小。该研究成果为复杂交通环境下的节能型车队控制提供了一条新的技术路径，其核心思想可进一步拓展至多目标协同优化领域。
2025年05期 No.497 46-51页 [查看摘要][在线阅读][下载 1683K] [下载次数：8 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：7 ] - 张琪;刘宁;朱丽璇;
针对城市复杂环境下车载组合导航系统定位精度不足及传统滤波算法模型参数固定、难以适应动态变化噪声的问题，文章提出了一种基于Sage-Husa算法的自适应无迹卡尔曼滤波（SH-AUKF）方法，并将其应用于GNSS/INS组合导航系统。该方法利用新息序列对过程与量测噪声的协方差矩阵进行实时估计和修正，旨在解决车辆在强非线性及动态变化场景下（如卫星信号丢失）的滤波精度下降甚至发散的问题。为系统性地验证该方法的有效性，本文设计了包含高速路、城市道路和隧道的典型驾驶场景，开展了实车对比试验，并将所提算法与标准的卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）及无迹卡尔曼滤波（UKF）进行了性能对比评估。结果表明：本文提出的SH-AUKF算法在卫星信号丢失的隧道路段及连续转弯的城市道路等关键场景下，展现出了最优的鲁棒性与定位精度；与标准UKF相比，其位置均方根误差（RMSE）显著降低。该方法为解决高动态环境下的车载组合导航问题提供了一种更有效且可靠的方案，对提升智能驾驶系统的环境适应性具有重要的应用价值。
2025年05期 No.497 52-59页 [查看摘要][在线阅读][下载 2139K] [下载次数：108 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：10 ]
- 孙凯;刘良杰;刘旅帆;杨泽宇;
文章提出一种既定路径下的自动驾驶车辆速度规划方法，旨在解决动态环境中自动驾驶车辆的实时纵向运动规划问题。该方法以S-T图下的四次多项式曲线描述车辆纵向速度，以规划终点的路程、速度状态和时间为优化变量，设计了兼顾效率、舒适性与安全性的目标函数及约束条件，通过粒子群优化算法求解全局最优粒子，进而计算得到最优速度-时间曲线。为提升搜索速度，引入保守和激进两种速度决策以降低粒子维度；为提高规划质量，在目标函数和约束条件中考虑跟车目标，以维持稳定合理的跟车距离。仿真试验结果表明，该方法规划的速度曲线具有良好的舒适性、安全性和跟车效果，且规划过程耗时表现优异。
2025年05期 No.497 60-69页 [查看摘要][在线阅读][下载 2287K] [下载次数：20 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：11 ] - 张贵华;徐钦炜;肖涛古;黄子昊;尹啸威;
牵引网短路故障定位的现有研究旨在减小模型误差，但目前存在两大问题：一是模型求解方法缺乏统一标准，无法有效对比不同模型的误差；二是求解方法的鲁棒性不足，其采用的智能算法会增大求解误差。为解决上述问题，文章针对直流牵引网与交流直接供电牵引网的短路故障定位问题，在建立相应故障定位模型的基础上，引入序列二次规划（SQP）算法求解模型。仿真测试结果表明，采用SQP算法得到的测距结果不仅具有较高的测距精度，且鲁棒性更优；同时，该算法还可作为求解范式，衡量各模型的误差表现。
2025年05期 No.497 70-78页 [查看摘要][在线阅读][下载 2661K] [下载次数：10 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：6 ] - 陈炳煌;黄海滨;陈敏龙;庄琛;康孝种;
灰尘在光伏组件表面的大量积累会导致电站发电效率和收益的降低，严重时甚至会引发安全事故，因此一个合理可靠的清洁决策非常重要。本文提出一种基于改进网格搜索（grid search,GS）优化支持向量回归（support vector regression,SVR）的算法，通过分析电站历史最优清洁周期数据构建无积灰理想功率预测模型，准确预测电站无灰尘状态下的理想发电量，从而量化实际发电量与理想值之间的发电损耗，通过将计算的发电量损失与清洁成本进行综合分析，实现清洁周期动态优化，以达到收益与成本的最优平衡。该算法通过参数搜索空间的二分查找操作以及步长的放缩操作对传统GS进行改进，大幅提升SVR模型中惩罚系数c和核参数g的寻优效率，减少SVR的整体运行时间，算法的平均绝对误差达到0.944，均方根误差达到1.213，表现出良好的预测精度，不仅能够高效、准确地预测光伏电站的发电损失，而且为实现电站清洁运维的智能化、精细化决策提供了可靠的技术支持，有效保障了电站的发电收益与运行安全。
2025年05期 No.497 79-86页 [查看摘要][在线阅读][下载 1930K] [下载次数：90 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：1 ] - 秦建楠;金慧萍;张静;
针对锂离子电池采用极限学习机（extreme learning machine, ELM）进行剩余使用寿命预测时，存在预测结果不稳定和预测准确度不高等问题，文章提出一种基于改进的麻雀搜索优化的极限学习机预测算法（Cubic sine-cosine firefly-enhanced sparrow search algorithm-ELM,CSFSSA-ELM）。该方法基于ELM并引入改进的麻雀搜索算法（CSFSSA）优化ELM。优化改进策略包含采用Cubic映射初始化优化麻雀群体、运用正余弦算法更新发现者位置，以及通过萤火虫扰动策略优化麻雀的位置3个部分。首先从锂离子电池的数据集中提取等压升充电时间（HI1）、等压降放电时间（HI2）、最低放电电压时间（HI3）、最高放电温度时间（HI4）及平均放电电压（HI5） 5个间接健康因子（HI）作为评估电池健康状态的指标；然后，使用NASA研究中心及CALCE的公开数据集对CSFSSA-ELM模型进行测试，证明了所提算法的有效性；最后分别与基于ELM、麻雀搜索算法优化的极限学习机（sparrow search algorithm-ELM,SSA-ELM）和基于Cubic映射的麻雀算法优化的极限学习机（Cubic-enhanced sparrow search algorithm-ELM,CSSA-ELM）模型针对2类数据集进行了预测结果对比。实验结果显示，所提CSFSSA-ELM模型对比ELM、SSA-ELM及CSSA-ELM模型在预测精度上有所提高，同时降低了预测误差，其中模型预测的均方根误差RMSE均在0.03以内，平均绝对误差MAE均在0.02以内，决定系数R~2均在0.98以上，证实了所提算法的有效性。
2025年05期 No.497 87-94页 [查看摘要][在线阅读][下载 2289K] [下载次数：16 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：1 ] - 胡亮;闫吉涛;黄梦莹;王品;
超声波探轮作为大型钢轨探伤车前端数据采集的关键部件，其性能优劣直接影响后续的数据质量，因此需定期对其进行标定校准。为解决探轮静态标定结果与车载系统难以匹配、无法对所有探轮进行动态标定的问题，文章提出了一种适用于大型钢轨探伤车的多功能探轮标定系统，通过对人工伤损进行测试，实现了探轮晶片信噪比及灵敏度测试。试验结果表明，标定系统的静态标定信噪比与车载系统的平均误差在10%以内，能匹配大型钢轨探伤车车载端的超声激励与接收机制。同时，通过对不同通道的灵敏度测试结果进行不同数值的补偿，可模拟大型钢轨探伤车的探轮高速动态标定，为实际检测提供灵敏度基准参考。
2025年05期 No.497 95-101页 [查看摘要][在线阅读][下载 1928K] [下载次数：15 ] |[网刊下载次数：0 ] |[引用频次：0 ] |[阅读次数：1 ]