基于拓扑路网的多挡无人履带平台路径重规划

针对越野环境中无人履带混合动力平台重规划鲁棒性差、场景适应性弱的问题,提出一种通过融入多目标函数模型进行规划路径重构,采用三次螺旋线对重构路径进行多阶段采样优化来生成重规划路径的方法。该方法主要研究无人履带平台运动过程中行驶路径出现局部动态无解、全局规划被动触发重规划功能、重新生成可达目标点的参考轨迹的策略,重点解决重规划时回退道路行驶的成本最优问题。平台搭载两挡行星自动机械变速器,无人平台在行进过程中可根据行驶速度切换到不同挡位,以应对不同路面条件下的速度需求,保证平台具有较强的可通过性。通过实车平台验证新方法针对不同越野场景,根据通行时间、能量消耗和换挡次数的三参数目标代价函数模型,得到最佳的重规划策略并生成一条最优可通行路径。研究结果表明：基于拓扑路网的多挡无人履带平台路径重规划方法降低了重规划过程的时间和能量成本,在兼备考虑时间、能量以及不同转弯半径和速度时选择适当的挡位,确保平台纵向运动动力性的同时,也充分考虑了时效性和经济性。     

在自主车辆路径规划中逆向D＊术算法的应用

针对自主车辆路径规划在大规模环境中存在执行效率低的问题,本文进行了逆向D＊路径规划算法的分析和验证。对自主车辆感知的环境信息建立局部栅格地图,在局部栅格地图中建立机器人距离,车辆在行驶过程中采用A＊启发方法搜索中问目标节点,以滚动方式规划出中间目标节点到达当前位置的局部路径。自主车辆沿着局部路径行驶到这个中间目标节点后,再搜索下1个中间目标节点,滚动进行规划。依此循环,直到车辆达到最终目标节点。Matlab仿真实验表明,该方法具有可行性、有效性和实时性。     

未知环境下基于控制障碍函数的无人车轨迹规划

无人车凭借其适应性强、成本低的优点，成为代替人类前往高风险、高污染区域执行任务的一种切实可行的方案。轨迹规划作为无人车任务系统的关键技术，其目的是根据任务目标制定满足约束条件的运动轨迹。然而，目前的导航控制器主要依赖于预先获取的地图和先验知识，对未知环境的应对能力有所欠缺，无法适应复杂多变的任务环境。为此，提出了一种基于控制障碍函数的轨迹规划方法，用于解决无人车在未知环境下的自主避障、轨迹规划问题。该方法前端利用激光雷达感知环境深度信息，后端采用最小二乘支持向量机拟合障碍物边界，以估计控制障碍函数，并对负样本错分类进行补偿，最终通过求解二次规划得到安全控制指令。针对无人车可能陷入停滞状态的死锁问题，提出一种分段式的检测与消除方法来避免。数值仿真实验和半实物实验结果表明，所提方法在多种障碍物环境下具备较好的避障避撞和轨迹规划能力，在路径长度等方面优于传统的控制方法。     

移动机器人路径规划技术

为使移动机器人在实际地图环境中自主根据算法规划行走最短路径,研究A*、蚁群和遗传算法的实际应用.通过仿真和控制变量方法,将3种算法在模拟地图环境中进行最短路径规划,对比不同算法在不同复杂程度地图上的规划效果,找出实际地图环境中算法应用的规律,并通过多次测试与仿真修改.仿真结果表明:A*算法在实际地图环境中应用效果最佳,移动机器人能够自主根据A*算法规划出最短路径.     

考虑平台特性的多层建筑物内履带式无人平台运动规划

针对在多层建筑物内无人平台的自主导航问题，提出一种考虑平台特性的运动规划框架。根据履带式平台的特点，采用零半径转向运动基元方案，并引入维诺路径，提高了全局规划在狭窄环境中的灵活性与安全性。经过分段三次Hermite插值得到平滑的全局路径。基于履带式平台运动模型，在轨迹预测的基础上，利用波阵值来提高局部规划算法在障碍物信息失准情况下的鲁棒性，并结合有限状态机决策模型，实现多楼层间的自主导航任务。对算法进行了仿真与实车实验验证。研究结果表明，新算法能够更好地适应室内环境空间狭窄的特点，同时也证明了在实际环境中的可行性。     

基于人工势场法的无人机群航路自主规划

为实现无人机编队在指定空域完成从起始点到目标点间的自主路径规划,且机群在该过程中具有良好的 协同性和执行高效性,提出了一种无人机群航路自主规划的方法并进行仿真。分析了机群个体的规划路径点及其特 点,并通过建立的数学评价体系对以上路径进行优劣性评估。仿真及评估结果表明：该方案是正确和有效的,并能 对传统规划方案存在的固有缺陷进行较好的修正,更利于现实中无人机群的实现。     

基于人工势场法的无人机群航路自主规划

为实现无人机编队在指定空域完成从起始点到目标点间的自主路径规划,且机群在该过程中具有良好的 协同性和执行高效性,提出了一种无人机群航路自主规划的方法并进行仿真。分析了机群个体的规划路径点及其特 点,并通过建立的数学评价体系对以上路径进行优劣性评估。仿真及评估结果表明：该方案是正确和有效的,并能 对传统规划方案存在的固有缺陷进行较好的修正,更利于现实中无人机群的实现。     

莱茵金属公司展出多用途无人车

<正>在2017英国防务展上,莱茵金属公司展出了一款多用途无人车(MM UGV)的概念车。该无人车采用模块化设计,主要由三个部分组成:经过试验测试的多用途无人平台;集成到该车辆平台中的子系统;进行任务规划、控制、分析、评估的控制站。该无人车重约750kg,执行地面任务时的有效载荷为600kg,两栖作业有效载荷300kg。最大地面行驶速度为40km/h,水上最大行驶速度为5km/h。仅电池供电模式下,车辆可连续行驶8h,扩展行程连续行驶时间可超过24h。为提高越野能力,可在轮胎上安装链条。     

越野环境下高精地图关键技术和应用展望

随着人工智能等技术的发展，无人驾驶技术应运而生，越来越多的无人化装备也投入到作战应用中。面对复杂的越野环境，高精地图可以为无人车辆提供丰富的先验信息，辅助无人车辆进行环境感知、路径规划以及决策等，提升无人车辆越野机动能力。分析高精地图标准化、构建、应用等方面的研究现状，面向无人车辆越野环境下的自主机动任务需求，提出越野环境下高精地图的研究目标与技术体系，归纳总结越野环境下高精地图的基础理论与关键技术，并对越野环境下高精地图的应用发展进行了展望，为高精地图在无人驾驶方面的应用提供了参考。     

越野环境下基于势能场模型的智能车概率图路径规划方法

复杂越野环境下的路径规划是实现智能车无人驾驶的一项关键技术。越野环境中存在多种影响车辆运动的障碍物、环境威胁和越野道路,传统路径规划方法以路径长度或时间最短为优化目标,难以在复杂越野环境中正确规划安全可行的车辆行驶路径。针对该问题,提出了基于势能场模型的概率图（AFP-PRM）算法,采用人工势能场算法对越野环境建模,评估车辆通行风险。使用概率图算法以优化节点间多维度通行代价为目标进行路径规划;考虑车辆动力学特性,用动态曲率平滑法对行车轨迹优化;应用AFP-PRM算法在模拟越野环境下进行路径规划仿真实验。仿真结果表明：AFP-PRM算法在路径规划过程中采用人工势能场算法,综合了越野环境中障碍物、环境威胁和道路条件的耦合作用;使用概率图算法,建立采样点之间的多维度通行代价评估矩阵;在复杂的越野道路条件下生成可行、安全、高效的通行路径,为智能车提供了一种多目标优化路径规划算法。     

基于滚动预测原理的移动机器人路径规划

为解决全局静态未知环境以及动态未知环境下的移动机器人路径规划问题,借鉴预测控制优化原理,提出基于滚动窗口的移动机器人路径规划方法。利用机器人实时探测到的局部环境信息,通过有效的场景预测,以滚动方式进行在线规划。在局部路径规划中,借鉴墙壁跟踪的控制方法提高移动机器人的自主性。仿真结果表明,文中提出的方法计算量小、反应迅速,能很好的适应于未知环境中移动机器人的路径规划。     

改进蚁群融合DWA算法的移动机器人路径规划

为实现机器人在动态环境下的自主导航,基于蚁群算法规划出全局最优路径的情况下采用DWA算法进行局部避障。根据距离障碍栅格的远近计算邻接栅格的初始信息素,提出初始信息素不均匀分配原则;对启发式函数进行自适应调整的改进,提高算法的搜索速率;利用狼群法则改进信息素更新方式,对最优、最差和普通层蚂蚁进行分类更新,提高算法的寻优能力;使用二次路径优化的方法,有效减少路径长度,提高路径的平滑度;以蚁群算法全局规划路径的关键点为目标点,采用DWA算法进行局部路径规划。仿真结果表明：改进后的融合算法能减少最优路径长度,减少路径转弯次数且有效躲避障碍物。     

基于智能算法的无人集群防御作战方案优化方法

兵力部署与任务分配是无人集群防御作战的重要过程,有效利用集群中有限的兵力并发挥出最高的作战效能对提高无人集群的作战胜率至关重要,进行高效的作战任务分配能够协调集群一致性并更好完成作战任务。针对无人集群防御作战中的关键作战方案,研究无人集群防御作战的兵力部署及协同任务分配优化问题。构建基于智能体技术的无人集群防御作战模型,量化无人集群兵力部署所需的关键参数,对作战区域与兵力进行规划,设计目标函数。提出一种自适应遗传算法,解决无人集群的兵力部署问题。算法可根据实时运行情况动态调整目标函数、交叉率和变异率,保证适应度值较高个体的传承并避免算法出现局部最优。进行防御作战仿真,为验证无人集群兵力部署的效果,提出一种基于深度Q网络的深度强化学习改进算法,解决无人集群任务分配问题,对部署好的无人集群进行任务分配并作战。该算法能够自适应调整Q值,避免算法因过度估计造成无法收敛至最优解。防御作战实验结果表明,所提出的无人集群兵力部署及协同任务分配方法可有效提高防御作战的成功率,实现无人集群的自主协同及智能对抗。     

无人系统自主性技术研究现状与发展趋势

鉴于无人系统自主性技术影响未来战争的发展方向,对其研究现状及发展趋势进行分析。阐述无人系统 自主性的内涵,并以面向不同单一导航任务为例介绍无人系统自主性技术的框架,重点揭示内驱力和外驱力在环境 模型构建和行为决策中的作用;对无人系统自主性技术研究现状进行分析,包括态势感知、自动规划、策略学习和 环境模型学习4 方面,据此判定无人系统自主性技术的研究趋势;讨论无人系统自主性技术在实际应用中存在的问 题与面临的挑战。结果表明,该分析可为我国无人系统的发展提供参考。     

基于改进势场法的移动机器人路径规划

针对传统势场法存在的路径不被识别、局部极小陷阱、振荡问题,提出适用于复杂障碍环境情况下机器人路径规划、结合多行为策略与可变影响范围的势场法。通过对障碍物影响范围做可变处理,消除问题共同必要条件,提前规避路径不识别、多障碍区导致的振荡、多障碍区导致的局部极小陷阱3个问题;采取新的步进与振荡分类方式,设计多行为行动策略,并给出各行为的准确起止条件,通过预判问题的共同表现形式以及起止条件的衔接进行行为切换,提前规避单障碍区导致的局部极小陷阱和单障碍区导致的振荡2个问题;基于数学仿真软件MATLAB平台的仿真结果验证所提方法在战场复杂障碍环境下的有效性与稳定性,与传统势场法、动态窗口法、A星算法、快速随机树算法的对比结果更突出了该方法的可行性与优越性。     

动态环境下无人地面车辆点云地图快速重定位方法

无人地面车辆在战时全球定位系统定位信号缺失情况下,依靠车载传感器确定在已有地图中的位置是无人车辆发挥效能的关键。现有方法多基于二维栅格地图,难以适用于场景变化大的复杂环境,为此提出了一种动态环境下基于三维点云地图、采用聚类词带模型的快速定位算法。通过连续多帧激光雷达点云数据进行反向溯源,利用贝叶斯公式进行动态障碍物剔除,对点云进行聚类并提取各类的视点特征直方图描述子,进而构建词典与数据库并快速匹配,实现无人车点云地图中快速起始位置寻址;基于改进的实时激光定位与建图算法,完成了后续精准定位。实车实验结果表明：该算法在动态环境下能有效准确地在三维点云地图中精准定位,满足实时性需求。     

无人机编队Dubins 航路规划及编队控制器设计

为完成无人机编队任务并解决无人机在飞行中因干扰而造成编队任务失败的问题,设计一种无人机编队 任务的Dubins 航路规划算法及控制器。根据无人机编队同时到达集结点的时间一致性要求,利用解析几何方法进行 航路设计,通过分析无人机飞行状态,设计了能够进行速度调整的控制器,并使用六自由度无人机模型验证了航路 算法及控制器的性能。仿真结果表明：该航路算法能够解算出各种编队任务的飞行航路,在控制器作用下能够很好 地完成编队任务。