工程科學學報

文本生成領域的深度強化學習研究進展

2020-04-01

谷歌的人工智能系統（AlphaGo）在圍棋領域取得了一系列成功，使得深度強化學習得到越來越多的關注。深度強化學習融合了深度學習對復雜環境的感知能力和強化學習對復雜情景的決策能力。而自然語言處理過程中有著數量巨大的詞匯或者語句需要表征，并且在對話系統、機器翻譯和圖像描述等文本生成任務中存在大量難以建模的決策問題。這使得深度強化學習在自然語言處理的文本生成任務中能夠發揮重要的作用，幫助改進現有的模型結構或者訓練機制，并且已經取得了很多顯著的成果。為此，本文系統闡述深度強化學習應用在不同的文本生成任務中的一些主要方法，梳理其發展的軌跡，分析算法特點。最后，展望深度強化學習與自然語言處理任務融合的前景和挑戰。

工程科學學報. 2020 42(4): 399-411. Published 2020-04-01

電動汽車集成熱管理研究進展

2020-04-01

電動汽車具有節能環保的優點，電池、乘員艙和電機驅動系統的熱管理是提高其運行安全性和司乘人員舒適性的關鍵技術。針對電動汽車集成熱管理系統構建過程中的關鍵問題，首先概述了電池、乘員艙和電機驅動系統的產熱模型；其次系統地總結了現有的電池、乘員艙和電機驅動系統的熱管理方法，重點分析了集成熱管理系統的研究現狀、運行控制和系統性能評價；最后總結了當前研究存在的不足并進行了研究展望，指出研究準確的產熱計算模型，發展緊湊高效的集成熱管理系統，在綜合性能評價體系下優化集成熱管理系統的運行控制是未來的主要研究方向。

工程科學學報. 2020 42(4): 412-422. Published 2020-04-01

協同式多目標自適應巡航控制

2020-04-01

針對自動化高速公路（Automated highway system，AHS）車隊穩定性問題，發展了一種多目標自適應巡航控制算法，根據李雅普諾夫（Lyapunov）穩定性理論對該問題進行了量化分析，并給出了同質與異質車隊穩定性的設計要求，基于模型預測控制（Model predictive control，MPC）理論，綜合協調駕駛員期望響應、跟馳安全性、車隊穩定性、車隊整體品質等控制目標，采用加權二次型性能泛函以及線性矩陣不等式約束的形式，將協同式多目標自適應巡航（Adaptive cruise control, ACC）設計問題最終轉化成帶約束的在線凸二次規劃問題。仿真結果表明，相比單車ACC而言，協同ACC的約束空間更為嚴苛，車隊互聯系統穩定性易受車間時距、車隊規模、多目標權重、瞬態工況、車輛異質性等因素的影響，建議在跟馳安全性、車隊穩定性良好的前提下尋求一定的駕乘舒適性與燃油經濟性，以確保車隊整體品質。

工程科學學報. 2020 42(4): 423-433. Published 2020-04-01

分布式一致性最優化的梯度算法與收斂分析

2020-04-01

研究了多智能體網絡中受集合約束的一致性最優化問題，提出了基于原始–對偶梯度的定步長分布式算法。算法中包括步長在內的參數會影響收斂性，需要先進行收斂分析，再根據收斂條件設置合適的參數。本文首先針對一般的定步長迭代格式，提出一種基于李雅普諾夫函數的收斂分析范式，它類似于一般微分方程關于李雅普諾夫穩定的分析方法。然后，針對所考慮的分布式梯度算法，構造了合適的李雅普諾夫函數，并根據收斂條件得到了算法參數設定范圍，避免了繁冗復雜的分析論證。本文提出的理論與方法也為其他類型的分布式算法提供了一個框架性、系統性的論證方法。

工程科學學報. 2020 42(4): 434-440. Published 2020-04-01

基于多目標支持向量機的ADHD分類

2020-04-01

注意力缺陷多動障礙（ADHD）是兒童期最常見的精神疾病之一，在大多數情況下持續到成年期。近年來，基于功能磁共振數據的ADHD分類成為了研究熱點。文獻中已有的大多數分類算法均假設樣本是均衡的，然而事實上，ADHD數據集通常是不平衡的。傳統的學習算法會使得分類器傾向于多數類樣本，從而導致性能下降。本文研究了基于不平衡神經影像數據的ADHD分類問題，即基于靜息狀態功能磁共振數據對ADHD進行分類。采用功能連接矩陣作為分類特征，提出了一種基于多目標支持向量機的ADHD數據分類方案。該方案將不均衡數據分類問題建模為具有三個目標的支持向量機模型，其中三個目標分別為最大化分類間隔、最小化正樣本誤差和最小化負樣本誤差，進而正負樣本經驗誤差可以被分開處理。然后采用多目標優化的法向量邊界交叉法對模型進行求解，并給出一組代表性的分類器供決策者進行選擇。該方案在ADHD-200競賽的五個數據集上進行測試評估，并與傳統分類方法進行對比。實驗結果表明本文提出的三個目標支持向量機分類方案比傳統的分類方法效果好，可以有效的從算法層面解決數據不平衡問題。該方案不僅可用于輔助ADHD診斷，還可用于阿爾茨海默病和自閉癥等疾病的輔助診斷。

工程科學學報. 2020 42(4): 441-447. Published 2020-04-01

賽博空間中的天線散射特性研究

2020-04-01

5G網絡技術可以滿足賽博空間（Cyberspace）發展對通信平臺性能提出的高要求，大規模MIMO（Multiple-input multiple-output）天線陣列是5G核心技術之一。實際中大規模MIMO天線陣列的互耦效應會大大降低香農容量，在未來5G天線系統中，面臨的最大挑戰是如何有效消除陣列中單元天線間的互耦。針對大規模陣列天線互耦問題，應進行天線單元的散射特性研究。本文在開路狀態下“不可見”的最小散射天線基礎上，推導了最小散射天線串聯四分之一波長透明網絡的散射矩陣，證明該狀態即為短路狀態下的最小散射天線。對一種X波段波紋喇叭天線分別進行短路、開路、匹配三種負載狀態下的散射測量，根據最小散射天線理論分離出了天線的額外散射、伴隨散射和失配散射。用分離獲得的散射分量，推算了波紋喇叭天線的散射最大值和最小值，其中推算出的最小值遠低于天線匹配時的散射。用滑動短路器作為可變負載，進行預設負載狀態下波紋喇叭天線的散射測量，實測獲得了推算出的散射最大值和最小值，驗證了單元天線散射特性研究的正確性。結果說明，在進行大規模陣列的單元天線設計時，除了考慮單元天線的輻射特性之外，也要考慮天線的散射特性，以降低天線的互耦效應。

工程科學學報. 2020 42(4): 448-454. Published 2020-04-01

基于強化學習的工控系統惡意軟件行為檢測方法

2020-04-01

網絡環境下的惡意軟件嚴重威脅著工控系統的安全，隨著目前惡意軟件變種的逐漸增多，給工控系統惡意軟件的檢測和安全防護帶來了巨大的挑戰。現有的檢測方法存在著自適應檢測識別的智能化程度不高等局限性。針對此問題，圍繞威脅工控系統網絡安全的惡意軟件對象，本文通過結合利用強化學習這一高級的機器學習算法，設計了一個檢測應用方法框架。在實現過程中，根據惡意軟件行為檢測的實際需求，充分結合強化學習的序列決策和動態反饋學習等智能特征，詳細討論并設計了其中的特征提取網絡、策略網絡和分類網絡等關鍵應用模塊。基于惡意軟件實際測試數據集進行的應用實驗驗證了本文方法的有效性，可為一般惡意軟件行為檢測提供一種智能化的決策輔助手段。

工程科學學報. 2020 42(4): 455-462. Published 2020-04-01

基于YOLOv3的無人機識別與定位追蹤

2020-04-01

近年來，無人機入侵的事件經常發生，無人機跌落碰撞的事件也屢見不鮮，在人群密集的地方容易引發安全事故，所以無人機監測是目前安防領域的研究熱點。雖然目前有很多種無人機監測方案，但大多成本高昂，實施困難。在5G背景下，針對此問題提出了一種利用城市已有的監控網絡去獲取數據的方法，基于深度學習的算法進行無人機目標檢測，進而識別無人機，并追蹤定位無人機。該方法采用改進的YOLOv3模型檢測視頻幀中是否存在無人機，YOLOv3算法是YOLO（You only look once，一次到位）系列的第三代版本，屬于one-stage目標檢測算法這一類，在速度上相對于two-stage類型的算法有著明顯的優勢。YOLOv3輸出視頻幀中存在的無人機的位置信息。根據位置信息用PID（Proportion integration differentiation，比例積分微分）算法調節攝像頭的中心朝向追蹤無人機，再由多個攝像頭的參數解算出無人機的實際坐標，從而實現定位。本文通過拍攝無人機飛行的照片、從互聯網上搜索下載等方式構建了數據集，并且使用labelImg工具對圖片中的無人機進行了標注，數據集按照無人機的旋翼數量進行了分類。實驗中采用按旋翼數量分類后的數據集對檢測模型進行訓練，訓練后的模型在測試集上能達到83.24%的準確率和88.15%的召回率，在配備NVIDIA GTX 1060的計算機上能達到每秒20幀的速度，可實現實時追蹤。

工程科學學報. 2020 42(4): 463-468. Published 2020-04-01

基于領域詞典與CRF雙層標注的中文電子病歷實體識別

2020-04-01

醫療實體識別是電子病歷文本信息抽取的基本任務。針對中文電子病歷文本復合實體較多、實體長度較長、句子成分缺失嚴重、實體邊界不清的語言特點以及標注語料難以獲取的現狀，提出了一種基于領域詞典和條件隨機場（CRF）的雙層標注模型。該模型通過對外部資源的統計分析構建醫療領域詞典，再結合條件隨機場，進行了兩次不同粒度的標注，將領域詞典識別的準確性和機器學習的自動性融為一體，從中文電子病歷文本中識別出疾病、癥狀、藥品、操作四類醫療實體。該模型在測試數據中的宏精確率為96.7%、宏召回率為97.7%、宏F1值為97.2%。同時對比分析了采用注意力機制的深度神經網絡的識別效果，因受到領域數據集大小的限制，在該測試數據集中后者表現不佳。實驗結果表明了該雙層標注模型對中文醫療實體識別的高效性。

工程科學學報. 2020 42(4): 469-475. Published 2020-04-01

基于數控機床設備故障領域的命名實體識別

2020-04-01

為了給數控機床故障的精準診斷提供保障，延長數控機床使用周期，以數控機床歷史維修記錄為研究對象，對數控機床設備故障領域的命名實體識別進行了研究。在分析歷史維修記錄中的故障描述特點后，提出了一種基于雙向長短期記憶網絡（Bidirectional long short-term memory, BLSTM）與具有回路的條件隨機場（Conditional random field with loop, L-CRF）相結合的命名實體識別方法。首先，對輸入語句進行分詞和標注，使用Word2vec中的Skip-gram模型對標注語料進行預訓練，將其生成的字向量通過詞嵌入層轉化為字向量序列；然后，將字向量序列輸入BLSTM學習長期依賴信息；最后將句子表達輸入L-CRF獲取全局最優序列。實驗結果表明，該方法明顯優于其他命名實體識別方法，為數控機床設備的智能檢修與實時診斷任務打下了堅實的基礎。

工程科學學報. 2020 42(4): 476-482. Published 2020-04-01

面向物聯網業務綠色接入的異構蜂窩網絡優化

2020-04-01

物聯網是未來賽博使能業務的重要支撐平臺。蜂窩網絡則被認為是廣泛分布在部署區域中的物聯網終端數據接入的主要渠道，尤其在廣域覆蓋方面具有難以替代的價值。在滿足覆蓋要求的條件下，降低蜂窩網絡基站的下行發射功率在綠色通信方面具有重要的研究意義。由此提出了一種基于優化目標平滑近似和均方根傳播策略的梯度下降算法，在滿足物聯網業務覆蓋率的條件下最小化基站的總下行發射功率。首先，使用罰函數方法將復雜約束條件的異構蜂窩網絡優化問題轉化為簡單約束形式的優化問題；其次，將不可導的目標函數通過平滑近似轉化為可導形式，并給出其對天線下傾角和下行功率參數的梯度解析形式；最后，使用均方根傳播梯度下降算法進行轉化后的目標函數優化。仿真實驗結果表明該算法可以在滿足覆蓋率指標的條件下最小化基站的總下行發射功率，與現有元啟發算法和普通梯度下降算法相比，具有良好的收斂速度，并能更好地抑制優化過程中振蕩。

工程科學學報. 2020 42(4): 483-489. Published 2020-04-01

基于索引?存根表的云存儲數據完整性審計

2020-04-01

近年來研究人員提出了各種針對云存儲數據進行完整性審計的方案。其中，在一部分基于同態認證碼、數據塊隨機抽樣和隨機掩碼等技術提出的云存儲公共審計方案中，用戶需要存儲和維護一個與文件中數據塊的索引信息有關的二維表。當用戶的外包數據需要頻繁地進行更新時，為了防止因相同的塊索引值被重復使用而遭受偽造攻擊，使得設計和維護這個二維表變得繁瑣。針對此問題，本文首先提出了一個結構簡單且易于維護的索引–存根表結構，并基于該結構提出了一個具有隱私保護屬性的云存儲第三方審計方案，該方案能夠有效地支持對外包數據進行各種數據塊級的遠程動態操作。然后，在隨機預言機模型下，對方案提供的數據完整性保證給出了形式化的安全證明，對方案中審計協議的隱私保護屬性也給出了形式化的安全分析。最后，針對方案的性能進行了理論分析和相關的實驗比較，結果表明該方案是高效的。

工程科學學報. 2020 42(4): 490-499. Published 2020-04-01

基于文本語料的涉恐事件實體屬性抽取

2020-04-01

基于語義角色分析，提出了一種三元組涉恐事件實體屬性抽取方法，為網絡空間涉恐活動的監測及預警提供技術支持。首先，基于西北政法大學“反恐怖主義信息網”文本語料數據進行數據采集和清洗等預處理工作，采用樸素貝葉斯文本分類算法識別涉恐事件文本，并采用關鍵詞提取算法TF-IDF（Term frequency-inverse document frequency，詞頻-逆文檔頻率）構建涉恐專有詞庫，結合自然語言處理技術構建帶詞性的涉恐專有詞庫。然后通過語義角色分析、句法依存分析，提取了主語謂語賓語關系、定語后置動賓關系、人名//地名//機構和介賓關系主謂動補4類涉恐三元組結構。最后，利用正則表達式及帶詞性的涉恐專有名詞分析，在4類三元組短文本中提取出恐怖事件發生時間、發生地點、傷亡情況、攻擊方式、武器類型和恐怖組織6類實體屬性。對采集的4221篇文章數據進行實驗分析，6類實體屬性抽取的測評結果F1值均超過80%，對網絡空間的涉恐事件監測及預警，維護社會公共安全具有重要現實意義。

工程科學學報. 2020 42(4): 500-508. Published 2020-04-01

基于TATLNet的輸電場景威脅檢測

2020-04-01

在輸電場景中，吊車等大型機械的運作會威脅到輸電線路的安全。針對此問題，從訓練數據、網絡結構和算法超參數的角度進行研究，設計了一種新的端到端的輸電線路威脅檢測網絡結構TATLNet，其中包括可疑區域生成網絡VRGNet和威脅判別網絡VTCNet，VRGNet與VTCNet共享部分卷積網絡以實現特征共享，并利用模型壓縮的方式壓縮模型體積，提升檢測效率，從計算機視覺和系統工程的角度對入侵輸電場景的大型機械進行精確預警。針對訓練數據偏少的問題，利用多種數據增強技術相結合的方式對數據集進行擴充。通過充分的試驗對本方法的多個超參數進行探究，綜合檢測準確率和推理速度來研究其最優配置。研究結果表明，隨著網格數目的增加，準確率也隨之增加，而召回率有先增加后降低的趨勢，檢測效率則隨著網格的增加迅速降低。綜合檢測準確率與推理速度，確定9×9為最優網格劃分方案；隨著輸入圖像尺寸的增加，檢測準確率穩步上升而檢測效率逐漸下降，綜合檢測準確率和效率，選擇480×480像素作為最終的圖像輸入尺寸。輸入實驗以及現場部署表明，相對于其他的輕量級目標檢測算法，該方法對輸電現場入侵的吊車等大型機械的檢測具有更優秀的準確性和效率，滿足實際應用的需要。

工程科學學報. 2020 42(4): 509-515. Published 2020-04-01

結晶器旋轉數值模擬及對高速鋼電渣錠碳化物的影響

2020-04-01

為了改善M2高速鋼中的碳化物分布，通過數值模擬詳細分析了結晶器旋轉對M2高速鋼電渣重熔過程溫度場、金屬熔池形狀的影響，并進一步通過實驗室雙極串聯結晶器旋轉電渣爐研究了旋轉速率對M2高速鋼電渣重熔過程的影響。采用掃描電鏡觀察并分析了結晶器旋轉對電渣錠中碳化物形貌、分布的影響；采用小樣電解萃取實驗，分析了結晶器旋轉速率對碳化物組成的影響。結果發現，隨著結晶器旋轉速率的增加，渣池的高溫區從芯部向邊部遷移，溫度分布更加均勻；金屬熔池的深度變淺，兩相區的寬度收窄，從而導致局部凝固時間降低、二次枝晶間距減小。與此相對應，隨著結晶器旋轉速率的增加，M2電渣錠的渣皮更薄、更加均勻，結晶器對電渣錠的冷卻強度更大，碳化物網格開始破碎、變薄，碳化物由片狀改變為細小的棒狀。X射線衍射分析表明，不論結晶器是否旋轉，碳化物的類型始終不變，由M<sub<2</sub<C、MC和M<sub<6</sub<C組成，但是隨旋轉速率增加M<sub<2</sub<C含量增加，MC和M<sub<6</sub<C含量降低。碳化物組織得以改善的主要原因在于，結晶器旋轉導致金屬熔池深度降低、兩相區寬度收窄，改善了凝固條件，減輕了元素偏析。

工程科學學報. 2020 42(4): 516-526. Published 2020-04-01