博文
IEEE/CAA JAS专刊：基于物联网的智能复杂系统
|
导读：
工业革命约从1760年开始，到1840年左右已被视为第一次工业革命，其特点是蒸汽和机械动力代替人类和动物的肌肉力量。到19世纪初，人均收入用了800年时间翻了一番。自1760年以来，第一次工业革命只花了约150年的时间，就使人均收入增加了13倍。虽然历史学家仍在争论第二次工业革命是什么，但许多人认为是互联网革命，开始于约60年前，特点是计算、通信、网络和信息存储应用于人类生活的各个方面。这次革命带来了人均收入的更快增长和工业生产力的大幅提升。
下一次工业革命是什么？ 研究人员和工业工程师往往会给出不同的答案。例如，Rifkin提到了“能源互联网”，人们在住宅、办公室和工厂中生产并分享自己的绿色能源，就像通过互联网共享信息。 制造工程师会认为3D打印和数字化制造是下一次工业革命，人们用以设计、制造和回收他们独一无二的产品。对于计算机学家和工程师来说，可能会选择人工智能、大数据分析、云计算和雾/边缘计算。通用电气公司的Evans和Annunziata创造了“工业互联网”这一名称回答这个问题，也即通称的物联网。我们认同这一观点，下一个技术浪潮必将从现在通过智能终端连接人类之间的互联网转移到未来连接世界的物联网连接，从而连接世界上的一切。
因此，基于物联网的智能系统有望为人类和世界上所有机器和事物提供一个相比以往工业革命更能大幅提升生产力的机会。毫无疑问，基于物联网的系统将越来越受关注，同时在建模、设计、分析和控制方面也面临诸多挑战。系统能够智能地响应环境并为客户提供增值服务，它的离散事件本质和混合建模、控制、调度、模拟和安全管理给多个领域的研究者提出了具有重要理论和实际意义的问题，这就需要跨学科的努力及数学建模和优化方法来推动这一领域的发展。
IEEE/CAA Journal of Automatica Sinica 2018年第1期的专刊 “IoT-based Smart and Complex Systems” 收集了18篇报导基于物联网的智能复杂系统最新进展的原创论文，介绍了复杂系统建模和分析方法的研究成果，以及利用系统工程方法设计和评估基于物联网的智能复杂系统的进展。
专刊信息
客座编委
Naiqi Wu, Zhiwu Li, Macau University of Science and Technology, China
Kamel Barkaoui, CEDRIC, CNAM, France
Xiaoou Li, CINVESTAV-IPN, Mexico
Tadahiko Murata, Kansai University, Japan
MengChu Zhou, New Jersey Institute of Technology, USA
论文简介
无线传感器网络(WSN)是物联网的一个重要分支，主要功能之一是产生各种数据。Wenfeng Li教授等提出了一种在变化的工业环境中基于软件定义网络设计高性能可靠WSN的方法[1]，设计了一种改进的软件定义无线传感器网络框架，成功解决了大规模异构网络管理问题，通过解决由能耗造成的地址节点故障问题，确保高网络覆盖率和高网络性能。Xiaoxia Song教授等讨论了高效数据收集问题，构建了一类具有有限等距性质的确定性稀疏感知矩阵，降低了WSN的能耗[2]。
物联网安全是一个重要问题，入侵检测是网络安全的主要防御技术。Qinglai Zhou教授等提出了一种新的称为攻击特征描述语言（ASDL）的时序逻辑语言和基于ASDL的模型检测算法[3]，可以很好地描述攻击特征，并设计ASDL程序来创建监测日志。
Shaohua Teng博士、Naiqi Wu教授等给出了一种基于环境类、代理、角色、组和对象模型的自适应协作入侵检测方法，使用决策树和支持向量机设计对象、角色、代理和组，然后利用公共数据集验证方法的有效性。实验结果表明该方法相比使用单一类型的支持向量机的方法，具有更好的可行性及较高的检测精度[4]。
射频识别（RFID）技术在识别物联网对象方面发挥着关键作用，并广泛应用于制造业、仓库、港口、商场和物流领域。Haifeng Wu教授等讨论了无源RFID标签防碰撞问题，提出了一种新的捕获感知贝叶斯估计算法[5]，该算法采用贝叶斯准则进行精确估计。数值结果表明，该算法能较好地处理大规模RFID标签识别问题。
RFID技术如何应用于制造系统？ Pingyu Jiang教授等为这个问题提供了一个很好的答案。虽然RFID技术为生产控制和透明度带来了便利，但它也会产生不断增长的数据，这些数据是分散的、不相关的、而且很难使用。为了利用系统生成的数据，提出了一种创新的基于RFID的生产数据分析方法[6]，用于物联网智能加工中的生产控制，能够从历史生产数据中挖掘隐藏的信息和知识，帮助管理人员和生产工程师提高制造系统的性能。
复杂工程系统需要复杂的建模和生产调度。Jun Li教授等解决了多桥加工系统优化运行所面临的调度问题，其研究成果已成功应用于大型三桥水射流切割系统[7]。
多智能体系统及技术对于实现基于物联网的复杂系统非常重要。Huaxiang Zhang教授团队研究了一类多智能体系统的编队控制问题，提出了控制协议以保持均匀间隔的队形及其稳定性[8]。Guangping Zeng教授等的研究涉及在地震救援和野外探险等危险环境下工作的能源受限机器人，开发了基于基尼系数的新型任务分配方法[9]，充分利用多机器人系统有限的能源资源，最大限度地发挥其处理任务的能力。
YangYang博士和Dong Yue教授研究了网络多智能体系统的跟踪问题，提出利用反步法、图论、神经网络和动态面控制技术递归地构建分布式自适应跟踪控制方案[10]。Guangbin Liu教授团队研究了具有时变时滞的高维多智能体系统的保成本一致性分析和设计问题[11]。Rahman博士研究了机器人-虚拟人的双边信任模型和实时信任度量方法[12]，在适应性社会生态学的研究中取得重要进展，包括异构现实的智能体通过合作帮助人类完成各种任务。
通过自然语言理解人的情感对于智能来说是一个挑战性课题，主要困难来自对现实世界中的各种情感表达缺乏基本知识。Fuji Ren教授团队率先采用贝叶斯推理方法，探索将潜在的语义维度作为自然语言的语境信息，并根据这些语义维度学习情感表达的知识[13]。实验结果表明，该方法在字级和文档级的情感预测方面比几种常用的情感预测算法具有更高的准确性和更好的鲁棒性。
许多相同或相似的机器人可以形成一个群体，传统意义上，这些机器人在其整个生命周期中都具有相同或不变的控制器，因此无法处理随时间变化的复杂环境。Ligang Hou博士等利用可变控制器以适应变化的环境，为群体机器人系统带来了更多的选择[14]。Malik Loudini教授等利用TCP-IP网络中的速率信息进行主动队列管理，用于Internet端到端通信，可以更好地管理队列[15]。
Shicheng Wang教授团队研究了具有未知参数的非线性二阶系统及可作为机器人或智能体的多个静态/动态领导控制问题[16]。Shaoyuan Li教授等研究了分布式系统中的通信问题，建立事件触发的模型预测控制策略，以减少不必要的通信，同时保证所需的系统性能[17]。Changjun Jiang教授团队针对流程中的数据流问题，构建了Petri网模型，定义了基于Petri网的数据操作，提出了数据流错误的快速检测方法[18]。
注：论文介绍由JAS编辑整理摘译，如有疏漏欢迎指正。
[1] Y. Duan, W. F. Li, X. W. Fu, Y. Luo, and L. Yang, “A methodology for reliability of WSN based on software defined network in adaptive industrial environment,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 74-82, Jan. 2018.
[2] X. X. Song and Y. Li, “Data gathering in wireless sensor networks via regular low density parity check matrix,” IEEE/CAA J. of Autom. Sinica, vol.5, no.1, pp. 83-91, Jan. 2018.
[3] W. J. Zhu, M. L. Deng, and Q. L. Zhou, “An intrusion detection algorithm for wireless networks based on ASDL,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 92-107, Jan. 2018.
[4] S. H. Teng, N. Q. Wu, H. B. Zhu, L. Y. Teng, and W. Zhang, “SVM-DT-based adaptive and collaborative intrusion detection,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 108-118, Jan. 2018.
[5] H. F. Wu, Y. Wang, and Y. Zeng, “Capture-aware Bayesian RFID tag estimate for large-scale identification,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 119-127, Jan. 2018.
[6] K. Ding and P. Y. Jiang, “RFID-based production data analysis in an IoT-enabled smart job-shop,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 128-138, Jan. 2018.
[7] J. Li, X. H. Meng, and X. Dai, “Collision-free scheduling of multi-bridge machining systems: a colored traveling salesman problem-based approach,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 139-147, Jan.2018.
[8] Q. Wang, Y. Z. Wang, and H. X. Zhang, “The formation control of multi-agent systems on a circle,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 148-154, Jan. 2018.
[9] D. F. Wu, G. P. Zeng, L. G. Meng, W. J. Zhou, and L. M. Li, “Gini coefficient-based task allocation for multi-robot systems with limited energy resources,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 155-168, Jan.2018.
[10] Y. Yang and D. Yue, “Distributed tracking control of a class of multi-agent systems in non-affine pure-feedback form under a directed topology,” IEEE/CAA J. of Autom. Sinica, vol. 5, no.1, pp. 169-180, Jan.2018.
[11] Z. Wang, M. He, T. Zheng, Z. L. Fan, and G. B. Liu, “Guaranteed cost consensus for high-dimensional multi-agent systems with time-varying delays,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 181-189, Jan. 2018.
[12] S. M. M. Rahman, “Cyber-physical-social system between a humanoid robot and a virtual human through a shared platform for adaptive agent ecology,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 190-203, Jan. 2018.
[13] X. Kang, F. J. Ren, and Y. N. Wu, “Exploring latent semantic information for textual emotion recognition in blog articles,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 204-216, Jan. 2018.
[14] L. G. Hou, F. W. Fan, J. Y. Fu, and J. H. Wang, “Time-varying algorithm for swarm robotics,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 217-222, Jan. 2018.
[15] A. Boudi and M. Loudini, “Active queue management exploiting the rate information in TCP-IP networks,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 223-231, Jan. 2018.
[16] L. Ma, H. B. Min, S. C. Wang, Y. Liu, and Z. G. Liu, “Distributed containment control of networked nonlinear second-order systems with unknown parameters,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 232-239, Jan. 2018.
[17] X. X. Mi and S. Y. Li, “Event-triggered MPC design for distributed systems with network communications,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 240-250, Jan. 2018.
[18] D. M. Xiang, G. J. Liu, C. G. Yan, and C. J. Jiang, “Detecting data-flow errors based on Petri nets with data operations,” IEEE/CAA J. of Autom. Sinica, vol. 5, no. 1, pp. 251−260, Jan. 2018.
https://blog.sciencenet.cn/blog-3291369-1107327.html
上一篇：加拿大滑铁卢大学沈学民教授：车联网大数据：发展、支撑与应用
下一篇：《自动化学报》44卷3期网刊已经发布, 敬请关注, 谢谢
