路径导引的四波横向剪切干涉波前重构方法

为了解决区域法在四波横向剪切干涉波前重构过程中噪声误差沿积分路径累积影响波前重构精度的问题，本文提出了一种路径导引的四波横向剪切干涉波前重构方法。首先分析了噪声环境下无积分路径导引的区域法波前重构存在噪声误差累积的缺陷，然后在此基础上建立了基于差分相位导数偏差的积分路径评价图模型，并给出了基于积分路径导引的波前重构算法流程。为了验证所提方法的有效性，本文进行了理论仿真研究，结果表明在不同信噪比噪声下所提方法能有效地阻止噪声误差的传播和累积。搭建了基于纯相位型液晶空间光调制器的实验验证装置，实验结果表明：所提方法重构波前与理论波前残差的RMS相比无积分路径导引区域法重构波前与理论波前残差的RMS降低了39.7%，且所提方法重构波前PV值与理论波前PV值的偏差相对无积分路径导引区域法重构波前PV值与理论波前PV值的偏差减小了1.6943λ。所提方法可为提高噪声环境下四波横向剪切干涉波前重构精度提供一种有效方法。     

基于梯度优化的移动机器人路径规划算法

针对目前移动机器人全局路径规划算法中存在规划效率低、路径质量低等问题,提出一种新的基于梯度优化的路径规划算法。首先使用欧氏符号距离场方法表示已知的二维地图环境,构建从障碍物中心向外梯度下降的距离场,以获得机器人到障碍物中心的距离信息来进行碰撞惩罚代价的计算;其次将路径规划问题描述为优化问题,通过引入目标距离信息和障碍物距离信息,设计了一个新的路径规划代价函数,并使用梯度下降方法优化该函数得到一条最优路径;最后通过仿真对比实验表明,所提算法在规划时间、路径长度和最大转向角方面均具有一定的优越性,并通过搭建基于ROS的移动机器人实验平台进行实际环境中的路径规划实验,验证了所提算法的有效性和可行性。     

基于多目标粒子群-人工势场法的无人艇局部航路规划

针对无人艇在执行作战任务过程中,需要临机调整局部航路以实现紧急避障的需求,提出一种基于多目标粒子群-人工势场法的无人艇局部航路规划方法,首先针对传统人工势场法极小值问题,提出一种目标平移法进行改进,能够引导无人艇跳出局部极小值区域,并采用多目标粒子群算法对改进后的人工势场法参数进行优化,设计出基于航路危险系数、路径长度系数、路径转向角系数的多目标代价函数,实现了人工势场法参数快速、自主、最优调整。最后,通过不同工况下的仿真试验,验证了所提算法的有效性。     

基于多智能体强化学习的无人车分布式路径规划方法

在危险系数较高的救援、勘察或补给等重要任务中,为避免人员伤亡,需要无人车具备自主探索并协同到达多个目标位置的能力.基于此,提出一种基于多智能体强化学习的无人车分布式路径规划模型,通过集中训练方式生成无人车的行驶策略.仿真结果证明了该方法的有效性.     

融合生物信息素的改进稀疏A*探索航迹规划

针对已知起点和终点、而环境信息未知情况下的探索航迹规划问题,提出了融合生物信息素的改进稀疏A*无人机探索航迹规划算法.以激光雷达获取的局部地图信息为基础,通过引入生物信息素,对稀疏A*算法中的代价函数进行优化,实现未知环境下自主规避障碍物,并避免环境重复探索.在此基础上,提出了基于机器人操作系统(ROS)的物理实施途径.通过"回"字形场景下的仿真实验对比,验证了所提算法可避免环境重复探索的有效性.此外,在"回"字形基础上,将所提算法推广应用于柱状障碍物场景.实验结果表明:所提出的融合生物信息素的改进稀疏A*探索航迹规划算法能有效实现未知环境探索航迹规划.     

基于无人车传感器系统的加权平均数据融合算法研究

无人车在运行过程中,需要利用多传感器系统对周围道路环境进行观测,但这些传感器获取的数据信息存在着超载,丢失或不精确等问题,则需采用数据融合技术对所获数据加以优化处理。本文基于无人车的多传感器系统,对加权平均数据融合算法进行了研究,符合无人车运行环境下融合层次的要求,在实际的数据融合处理中具有很高的可行性。     

改进Ａ∗算法与人工势场算法移动机器人路径规划

针对复杂环境下移动机器人路径规划问题,提出了将局部路径规划与全局路径规划相混合的路径规划方法。首先,对全局规划A*算法进行改进。改进后的A*算法路径转折点减少,总转折角度减小并删除冗余节点,缩短了路径长度;其次,综合环境和路径的情况以全局路径的拐点为局部目标点,采用改进的人工势场法进行局部路径规划,通过加入机器人与目标点的相对位置和改变合力角度的方法来解决目标不可达问题和局部极小值问题;最后对所提算法进行仿真,仿真结果表明该算法可以有效解决复杂环境下移动机器人路径规划的问题,提高规划效率。     

基于自适应蜣螂算法的无人机三维路径规划方法

山区地势具有陡峭、沟深壑大的环境特点,导致基于启发式算法的山区无人机路径规划速度慢、质量差,针对该问题提出了基于自适应动作策略蜣螂算法的路径规划方法。以路径长度、飞行安全性以及路径平滑度构建路径规划目标函数;在蜣螂算法中引入种群相似性动作变异策略和反向学习策略,平衡局部优化和全局优化能力;通过对比麻雀算法、蜣螂算法和灰狼算法在12个基准函数上的算法性能,结果表明所提方法具有更快的收敛速度、不易陷入局部最优。山区路径规划仿真实验表明,所提方法比蜣螂算法的路径规划质量提高了37.66%。     

未知环境下改进DDQN的无人机探索航迹规划研究

对未知环境的探索,如搜救、追逃等场景,无人机需要一边探索(感知)环境一边完成当前的航迹规划(动作选择)。针对上述场景,为了提高无人机对未知环境的探索范围,提出了结合长短期记忆的改进深度双Q网络探索航迹规划方法：搭建仿真地图,以无人机视野内的环境信息作为输入,引入长短期记忆网络,输出动作方向的选择;设置探索经验样本优先级,提高训练效率;加入飞行动力学约束,设计合理的状态、动作空间及单步奖励函数。运用所提算法,无人机可以自主规划出一条无碰撞且对环境探索范围大的航迹。仿真实验结果表明：在未知环境下,所提算法得到的探索面积比、单步探索平均奖励值等指标均优于传统的DDQN算法。     

基于改进RRT算法的柔性机械臂路径规划技术研究

针对传统机械臂路径规划算法RRT存在的搜索效率低、规划路径较长等问题,文中提出了一种结合RRT*与启发代价函数的路径规划算法。该算法使用启发代价函数,利用引力势能公式对节点生成方向进行引导,既避免了重复性采样,又提升了算法的空间扩展能力。同时,针对因路径转折角度过大而造成的机械臂运行精度下降问题,采用三阶?样条函数在不增加点数的情况下对路径进行平滑。实验仿真中,本算法相较其他算法的路径选择更优,平滑度也较好。且通过FRANKA柔性机械臂实验平台验证算法可知,所提算法的路径规划用时更少,规划的路径长度也为最短,表明了本算法的性能较优。     

基于蚁群算法的无人船平滑路径规划

为解决无人驾驶船舶在复杂环境中规划路径时存在的转向角度大、路径拐点多、航行能耗高等问题,文中提出一种基于改进蚁群算法的平滑路径规划方法。该方法采用栅格法进行环境建模,通过在启发函数中引入路径平滑度、距离启发因子以及在路径转移概率中引入障碍物启发因素,提高路径寻优和静态避障能力。结合启发因素改进信息素更新标准,设置可调节信息素挥发因子增加算法的自适应性。提取输出的最优路径关键节点并对其进行平滑处理,进一步保证路径平滑度和安全性。根据不同栅格环境下的避障仿真结果可知,与传统算法相比,文中改进蚁群算法的路径寻优速度提高了45%～62%,转向次数减少了25%～44%,平滑处理后的路径安全性和可行性得到了提升,较好地实现了不同环境下无人船自主路径规划。     

物联网数据收集中基于负载均衡的无人机-车联合轨迹规划

为了提升大规模物联网数据收集的效率,提出了一种基于负载均衡区域划分的多无人机-车联合轨迹规划算法,其中,无人机作为空中基站收集物联网设备的数据,地面无人车作为移动电池更换站以弥补无人机能量的不足。为了缩短整体任务完成时间,优化目标为最小化所有无人机-车中最长的任务完成时间,将该问题建模为多站点车辆路由问题的一个变种,并从负载均衡的角度对其进行求解。具体来说,首先通过负载均衡区域划分算法将物联网设备分配到无人机-车的服务区,在此基础上,多站点无人机-车的轨迹规划问题退化为多个独立的单站点单组无人机-车的轨迹规划问题,进而设计联合轨迹规划策略优化各个服务区中的路径。数值结果验证了所提算法在任务完成时间和负载均衡度方面优于对比算法。     

动态环境下的多UCAV协同任务分配研究

战场环境的动态性和不确定性以及协同控制的复杂性,使得预先制定的无人作战飞机任务分配方案不能满足动态战场环境中的实时性要求。考虑到无人作战飞机的差异、目标的差异及战场态势对目标分配的影响,建立了多无人作战飞机协同目标分配问题的数学模型。针对多无人作战飞机协同控制中的动态任务分配问题,提出一种改进的混合重分配策略,从任务层次上解决了多无人作战飞机的动态任务分配问题,在此基础上提出了混合细菌觅食算法,并用该算法在动态环境中为无人作战飞机进行合理的任务分配,通过仿真实验和分析表明混合重分配策略和混合细菌觅食算法的有效性。     

面向多类型目标的多无人机协同搜索

搜索环境的复杂化使得多无人机(UAV)协同搜索需要面对各种类型的目标。针对各类型目标的运动特征,采用目标存在概率密度相关的搜索图方法,在考虑协同搜索问题特性基础上,建立合理的目标收益函数。采用集中式与分布式相结合的集散式控制框架,结合对搜索图的探测更新,通过预测控制及改进匈牙利算法进行多UAV的协同搜索决策。所用决策方法可在提高搜索效率的同时,有效避免多UAV间可能发生碰撞的问题。最后,通过与传统搜索方法进行仿真对比分析,验证了所提方法的有效性。     

不确定环境下基于改进萤火虫算法的地面自主车辆全局路径规划方法

针对地面自主车辆的特点,提出了一种基于改进萤火虫算法(Glowworm Swarm Optimization,GSO)的路径规划方法.首先利用GSO覆盖多个局部最优解的能力,一次生成多条规划路径;然后提出两种路径切换算法,分别用于调优和脱困.在通过路径交叉点时,调优切换算法对交叉路径进行重新评估并切换到较优路径,最终达到实际行驶路径的最优化.在遇到环境发生改变时,脱困切换算法通过启发式搜索快速切换到适当路径,重用了原搜索结果,避免了二次规划.通过大量的仿真实验及实际试用,证明了所提方法的可行性和有效性.     

距离相关噪声AOA协同定位下无人机路径优化方法

该文研究到达角度(AOA)协同定位下无人机路径优化问题.考虑实际AOA量测噪声方差是目标-传感器距离的函数,距离相关噪声特性使得AOA定位难度增加.为了更好地适应量测噪声随距离变化特性,该文提出一种变增益无迹卡尔曼滤波算法.随后,给出了距离相关噪声AOA定位下广义克劳美罗下界(GCRLB).在此基础上理论分析了无约束最优传感器位置分布和约束条件下最优传感器位置分布.以GCRLB的迹最小化为目标函数建立AOA协同定位下多无人机路径规划问题,采用罚函数和LM算法优化求解,仿真验证了所提算法的有效性.     

距离相关噪声AOA协同定位下无人机路径优化方法

该文研究到达角度(AOA)协同定位下无人机路径优化问题。考虑实际AOA量测噪声方差是目标-传感器距离的函数,距离相关噪声特性使得AOA定位难度增加。为了更好地适应量测噪声随距离变化特性,该文提出一种变增益无迹卡尔曼滤波算法。随后,给出了距离相关噪声AOA定位下广义克劳美罗下界(GCRLB)。在此基础上理论分析了无约束最优传感器位置分布和约束条件下最优传感器位置分布。以GCRLB的迹最小化为目标函数建立AOA协同定位下多无人机路径规划问题,采用罚函数和LM算法优化求解,仿真验证了所提算法的有效性。     

基于蚁群四次贝塞尔曲线的无人车路径规划

为了实现在障碍物环境下规划出符合无人车行驶曲率并安全避障的路径,提出一种蚁群算法与四次贝塞尔曲线融合的路径规划方法。首先在栅格地图下利用蚁群算法规划出从起始点到目标点的全局最短路径;然后将路径分割成有限个位置点,在每两个点之间生成具有行驶曲率、避障安全距离的贝塞尔曲线;最后形成一条连续的无人车行驶路径。经过仿真验证,证明了此方法的有效性和可行性。     

有人无人网络化信息系统动态协同技术研究

为满足有人无人编队信息安全共享和体系化动态协同需求,构建动态通信网络,首先设计网络化高精度系统时间同步方案,利用网络链路综合管理策略和无线信道按需优选算法,时间同步精度可达百纳秒级;其次构建适用于机载网络的数据隐私保护和安全共享方案,实现有人无人编队通信数据安全防护,并对性能和安全性进行分析讨论,证明所提方案具有可证明的高安全强度;同时设计有人无人编队动态协同模型,对各节点进行实时发现、认证和撤销,并进行合法性身份验证,通过多机协同构建多目标信息获取最优化分配方案,利用差异化数据传输同步数据,节省网络资源,提升数据传输效率,满足有人无人分布式动态协同需求。     

多无人机协同多任务分配研究

对多无人机协同多任务分配优化问题的目标函数构建进行研究。多无人机协同多任务分配模型的两个主要目标函数(无人机团队总飞行航程最小化和执行完所有任务时间最小化)都有各自的局限性,且两个指标函数存在利益冲突。通过为两个指标函数分配权重,建立融合两个指标函数的新指标函数,采用离散粒子群算法对协同多任务分配模型进行求解。通过调节权重的大小,可以适应不同的战场环境,使得两个指标函数都得到优化。仿真结果验证了所提方法的有效性。