谢祖浩

个人信息

参与实验室科研项目

基于数据驱动和联合设计的无线网络化控制系统的使能建模和设计

复杂环境下非完全信息博弈决策的智能基础模型研究

研究课题

基于共享控制的驾驶权限接管方法研究

学术成果

共撰写/参与撰写专利 5 项，录用/发表论文 1 篇，投出待录用论文0篇。

patent

1. 基于多分支融合自编码器的印刷电路板功能异常检测方法 赵云波, 李佳玉, 谢祖浩, 陈龙鑫, and 董少杰 2025 [Abs] [pdf]

   本发明涉及印刷电路板生产加工技术领域，公开了一种基于多分支融合自编码器的印刷电路板功能异常检测方法，包括：采集印刷电路板的锡膏检测数据，为每个锡膏添加所属元件的极差特征；基于访问路径对锡膏检测数据进行统一重排；对重排后的锡膏检测数据提取空间特征；捕捉重排的锡膏检测数据中的电气特征；使用跨结构特征融合模块融合空间特征与电气特征，得到融合特征；对融合特征进行重构，得到重构数据；计算锡膏检测数据与重构数据的均方误差，并转换为异常概率，结合设定阈值判定对应的印刷电路板是否功能异常。本发明通过空间和电气双维度特征融合、多尺度动态建模及掩码引导的精准分析，实现了对印刷电路板功能异常的高精度、高效率检测。

2. 基于改进PatchTST模型的印刷电路板功能测项良率预测方法 赵云波, 李佳玉, 谢祖浩, 陈龙鑫, and 董少杰 2025 [Abs] [pdf]

   本发明涉及功能测项良率预测技术领域，公开了一种基于改进PatchTST模型的印刷电路板功能测项良率预测方法，包括：收集印刷电路板测项结果数据，并计算对应的测项良率数据；通过移动平均将测项良率数据分解为趋势项和残差项，并分别进行多尺度时间片段划分，划分后的各分支时间片段序列经Transformer编码器提取特征，通过动态加权机制实现分支内特征聚合与分支间融合，输出趋势项和残差项的预测结果，并进行线性融合，生成最终的测项良率预测值。本发明通过不同尺度的时间片段划分，实现局部波动细节捕捉与长期趋势建模；利用加权融合模块，平衡趋势与残差预测结果，从而提升模型预测的准确性与可靠性。

3. 一种基于对抗虚拟离群点的鲁棒分布外检测方法 赵云波, 王中月, 谢祖浩, and 梁秀华 2025 [Abs] [pdf]

   本发明公开了一种基于对抗虚拟离群点的鲁棒分布外检测方法，收集分布内数据并进行预处理，获得可靠的分布内数据集；采用对抗训练获取鲁棒特征提取器，将所有分布内数据集经过对抗性传播后，输入鲁棒特征提取器获得分布内鲁棒特征集合；获取分布内数据的边界点，利用边界点在其周围的低似然区域采样获取虚拟分布外数据点；logit归一化神经ODE模块并训练；将输入的数据经过鲁棒特征提取器、神经ODE模块与分布外检测模块，将得到的最大softmax置信度作为分布外检测分数，以区分分布内样本和分布外样本。上述方法能够解决现有方案在无额外数据场景下生成虚拟分布外数据时未考虑鲁棒性因素且依赖强假设的问题。

4. 一种基于检测分数的分布外检测自适应攻击方法 赵云波, 王中月, 谢祖浩, and 梁秀华 2025 [Abs] [pdf]

   本发明公开了一种基于检测分数的分布外检测自适应攻击方法，收集分布内检测器数据与分布外检测器数据作为原始样本，并根据分布外检测器的输入分辨率进行标注；根据分布外检测器所依赖的检测分数，自适应调整攻击目标；根据输入的不同样本类型自适应调整攻击方向；根据迭代步数和迭代步长对攻击强度的影响，设定最优的迭代步数和迭代步长参数；根据设定的攻击目标与攻击方向，使用对抗优化算法迭代生成自适应攻击对抗样本。该方法能解决现有技术在评估分布外检测器的鲁棒性时，所产生的对抗样本不够全面和强力的问题。

5. 一种基于有效点选取的鲁棒分布外检测方法 赵云波, 王中月, 谢祖浩, and 梁秀华 2025 [Abs] [pdf]

   本发明公开了一种基于有效点选取的鲁棒分布外检测方法，收集分布内数据与额外分布外数据；采用对抗训练获取鲁棒特征提取器，将分布内数据和辅助分布外数据输入鲁棒特征提取器；将分布内特征在超球面空间按照类别进行汇聚，产生类间离散类内聚集的效果，基于马氏距离进行辅助分布外数据的有效点选取；对神经ODE模块进行训练；以两层全连接作为分布外检测模块，并对分布外检测模块进行训练；将输入数据经过鲁棒特征提取器、神经ODE模块与分布外检测模块处理后，采用输出向量的最大softmax置信度作为分布外检测分数。该方法解决了现有方案在利用额外数据集时引入大量无用信息的问题，以及对抗训练方法在分布外检测中不够鲁棒的问题。

Conference Articles

1. A Novel Haptic Takeover Method Based on Human-Machine Collaboration States Yunbo Zhao, Zuhao Xie, Chang Xu, Xiuhua Liang, Ruiyu Xia, and Jiayu Li In 2024 14th Asian Control Conference (ASCC) 2024 [Abs] [pdf]

   The current stage of autonomous driving calls for drivers to remain actively engaged within the control loop in anticipation of the need for takeover operations. However, regaining control of the vehicle from a state of low situation awareness (SA) poses a challenge. To address this issue, this research introduces a novel takeover method based on haptic shared control, ensuring a smooth and safe takeover process. A symmetric softmax function is formulated to evaluate muscle state, taking into account the varying torque thresholds associated with different vehicle speeds, as well as utilizing the driver’s cognitive state to characterize their SA. Within the takeover process, a coordinator leverages the driver’s SA and human-machine intention similarity to determine the current state of human-machine collaboration. Subsequently, different control allocation strategies are then adopted for different states, and the driver is guided through force feedback. Experiment results demonstrate the effectiveness of the proposed method, showcasing its ability to facilitate a smooth and safe transfer of control, regardless of the presence of conflicts or the harmonious state existing between the human driver and the automated system.

博客文章

学位论文

Theses

1. 人机共驾中的共享型人类安全接管方法研究 谢祖浩 中国科学技术大学, 合肥 2025 [pdf]