基于智能搜索的坦克机动任务规划

在未来高技术局部战争条件下,坦克不得不面临一个动态复杂的战场环境,这就要求坦克能根据战场环境实时地进行任务规划。以单辆坦克在陆地上的自主机动为背景,提出了一种基于智能搜索的坦克机动任务规划方法。在机动任务规划的实施方面,重点描述了两个基本方面：坦克机动环境的评估及坦克机动任务规划的自主实现。构造了一种智能搜索方法,同时应用这种方法提出了实现坦克自主机动的基本思路,并编制应用程序,进行实例检验。结果表明,这种方法科学合理,为坦克机动任务的规划提供了新思路。神经网络评估方法具有普遍意义,能推广应用于坦克其它方面的任务规划。     

基于贝叶斯预测的自主车辆避障方法研究

针对在动态环境中自主车辆对于动态障碍物信息很难具有先验知识的问题,研究了动态贝叶斯网络模型对机动目标运动状态进行贝叶斯预测的推理机理,提出了一种基于贝叶斯预测进行自主车辆避障路径规划控制方法;该规划方法在VORONOI图法基础上,融合了对自主车辆和周围环境之间的位置荚系的贝叶斯预测,一旦预定任务的动态环境发生重大变化,它可以产生机动目标沿某方向前进信息的预测先验知识,通过局部多次重规划生成避障路径,直至自主车辆完成既定任务;仿真实验证明了该规划控制方法可有效帮助自主车辆在不确定环境中实施避障策略.     

坦克分队作战仿真系统中的坦克机动模型研究

根据坦克机动作战的一般原则,对影响坦克机动的因素进行了较为详细的描述,提出了坦克机动模型的基本框架,分析了坦克机动模型的运行流程,研究了坦克机动数学模型及其计算方法,并在此基础上,采用C+ +语言进行了实现.     

坦克分队作战仿真系统中的坦克机动模型研究

根据坦克机动作战的一般原则，对影响坦克机动的因素进行了较为详细的描述，提出了坦克机动模型的基本框架分析了坦克机动模型的运行流程，研究了坦克机动数学模型及其计算方法，并在此基础上，采用C 语言进行了实现。     

智能空间下基于分层任务网络的服务机器人任务规划

针对在复杂、动态的家庭环境下,如何让机器人获取足够多的环境信息并根据环境信息进行自主的任务规划,提出了智能空间技术支持下基于分层任务网络的服务机器人任务规划方案.利用智能空间技术为机器人提供充足的环境上下文信息,用基于分层任务网络设计的JSHOP2规划器执行机器人任务规划.为了提高机器人任务规划的自主性和智能性,在规划领域文件中加入不同的模板信息,使机器人具有根据环境的不同自动对任务进行调整的能力.仿真实验结果表明利用该方法能够有效地提高机器人任务规划的性能.     

基于神经网络的信息收集机器人导航界面

采用任务分派型策略远程导航一个坦克型救援机器人，为某化工厂在灾难发生时收集危险信息。远程人员用鼠标点击目标图像给出导航任务。系统自动计算目标方位，并规划路径，发出底层命令，将机器人移动到目标位置。系统采用BP神经网络技术，从被点击的目标图像在窗口中的位置求解目标的世界坐标。实验结果表明，基于神经网络的导航界面能够很好地实现远程人员分派的导航任务。     

不确定动态环境下移动机器人的完全遍历路径规划

基于生物激励神经网络、滚动窗口和启发式搜索，提出了一种新的完全遍历路径规划方法．该方法用Grossberg的生物神经网络实现移动机器人的局部环境建模，将滚动窗口的概念引入到局部路径规划，由启发式算法决定滚动窗口内的局域路径规划目标．该方法能在不确定动态环境中有效地实现机器人自主避障的完全遍历路径规划．仿真研究证明了该方法的可用性和有效性．     

基于双指标并行A*算法的自动航线规划仿真

研究导航线路优化问题,针对现实战场环境错乱复杂,飞行员要担负飞行规划和战斗规划双重任务,为了让飞行员航线规划中释放出来,需要实现自动航线规划技术为飞行任务提供辅助决策.为了准确快速自动地规划出从起点到终点之间的“最优”航线,提出采用双指标并行A*算法的自动航线规划算法,将三维地形、雷达探测范围和飞机性能约束结合到A*算法中,并使用并行程序设计思想解决了常规A*在搜索路径时耗时长的问题.在实现算法的基础上,编写程序进行仿真,多组仿真对比,结果验证了并行A*算法在解决自动航线规划问题时的有效性和高效性.     

基于一种蚁群算法的多机器人动态感知任务分配

多机器人系统在具有任务聚集特征的动态感知任务环境下执行搜集任务时,存在着由于任务分配不当而引起的冲突加剧问题.针对这一问题,提出了一种基于排斥信息素型蚁群算法的多机器人任务自主分配方法.进行了未知非结构化环境下的多机器人协作搜集仿真实验.仿真结果表明,采用本文所提方法可以实现多机器人搜集任务的自主分配,有效减少机器人的空间冲突,尤其在机器人数量较多的情况下,更能显示出该方法的优势.     

自行高炮CGF实体智能机动行为仿真

CGF系统是未来作战仿真所必备的技术支持,在介绍CGF系统的基础上,提出了以智能仿真为依托,兼顾底层机动自主和高层决策可控的设计思路。研究了自行高炮连CGF实体在机动性能方面的仿真,通过对高炮机动性能中物理行为和认知行为的研究,运用BP神经网络实现CGF实体智能机动行为的建模,并建立了动态障碍的规避模块。较好解决了中各车行进中出现的实体碰撞问题,结合实际应用对模型进行了可行性验证。     

基于宏行为的侦察机器人事务执行机制研究

为了便于操作员在侦察现场进行事务规划，提出了基于宏行为的事务描述方法和事务执行机制．按照机器人对环境变化的响应方式的不同，将机器人的行为分成基本行为、组合行为和宏行为，给出了描述这些行为的方法和一个宏行为的设计实例．引入了基于RS模型的行为合成运算符合成机器人行为的方法，从而可以形式化地构建侦察机器人的事务描述．实现了能够解释和执行事务描述的、基于宏行为的事务执行器．仿真和实验结果表明提出的任务描述方法可行，事务执行器能够可靠地完成事务描述所规定的任务．     

Punctual versus continuous auction coordination for multi-robot and multi-task topological navigation

This paper addresses the interest of using punctual versus continuous coordination for mobile multi-robot systems where robots use auction sales to allocate tasks between them and to compute their policies in a distributed way. In continuous coordination, one task at a time is assigned and performed per robot. In punctual coordination, all the tasks are distributed in Rendezvous phases during the mission execution. However, tasks allocation problem grows exponentially with the number of tasks. The proposed approach consists in two aspects: (1) a control architecture based on topological representation of the environment which reduces the planning complexity and (2) a protocol based on sequential simultaneous auctions (SSA) to coordinate Robots’ policies. The policies are individually computed using Markov Decision Processes oriented by several goal-task positions to reach. Experimental results on both real robots and simulation describe an evaluation of the proposed robot architecture coupled wih the SSA protocol. The efficiency of missions’ execution is empirically evaluated regarding continuous planning.     

未知环境下移动机器人遍历路径规划

为提高未知环境下移动机器人遍历路径规划的效率,提出了一种可动态调节启发式规则的滚动路径规划算法.该算法以生物激励神经网络为环境模型,通过在线识别环境信息特征,动态调用静态搜索算法和环绕障碍搜索算法,有效减少了路径的转弯次数.引入虚拟障碍和直接填充算法,解决了u型障碍区域的连续遍历问题.最后通过仿真实验表明了该方法在未知复杂环境下的有效性.     

Planetary exploration by a mobile robot: Mission teleprogramming and autonomous navigation

Sending mobile robots to accomplish planet exploration missions is scientifically promising and technologically challenging. We present in this paper a complete approach that encompasses the major aspects involved in the design of a robotic system for planetary exploration. It includes mission teleprogramming and supervision at a ground station, and autonomous mission execution by the remote mobile robot. We have partially implemented and validated these concepts. Experimental results illustrate the approach and the results.     

基于ACP方法的载人登月中止规划的计算实验研究

针对载人登月中止规划存在的不确定性因素, 提出了基于ACP (Artificial systems, computational experiments, parallel execution)方法的载人登月中止规划框架, 论述了该框架下人工系统和平行执行的初步设计, 主要讨论了计算实验设计、分析和验证过程. 针对中止规划时中止点状态误差的不确定性, 提出利用短时间的累积观测值确定中止点状态误差的计算实验方法, 并应用模拟退火单纯形混合算法求解从载人登月轨道上任一点返回地球的中止机动方案. 最后给出基于正交实验设计的计算实验示例性算例, 验证本文提出方法的有效性.     

基于模糊神经网络算法的智能轮椅沿墙走行为研究

为了解决移动机器人在户外自主导航移动过程中的局部路径规划问题,提出了一种更为实用的模糊神经网络算法来进行局部路径规划。利用多个声纳和一个摄像头来采集外部环境信息,使智能轮椅在移动过程中可以得到较全面的外部环境信息,使用模糊神经网络算法来对得到的环境信息进行融合,应用的神经网络模型为Takagi-Sugeno(T-S)型,通过融合的结果来控制轮椅的沿墙走行为。通过计算机仿真和实验,验证了该方法的可行性和有效性,轮椅沿墙行走的路径得到了优化。     

基于突发事件的任务计划动态调整模型及算法

由于战场环境的复杂多变,在作战过程中会产生一些突发事件,这些事件主要包括新任务出现和平台实体失效.为应对作战中的突发事件,战前制定的任务计划在作战过程中需作出适应性调整,战时任务计划的调整是作战指挥控制领域的难点问题.首先,描述指挥控制组织的组成要素,分析在突发事件下任务计划调整的约束条件,建立以得到最小使命完成时间为目标函数,以任务完成质量、任务插入顺序和调整稳定性为约束的数学模型;其次,提出一种基于可行任务执行序列和贪婪算法(greedy strategy, GS)的任务计划调整方法,给出任务计划调整方法的设计思路和详细步骤;最后,结合联合登陆作战的案例进行仿真,仿真实验验证了所提出方法应对突发事件的可行性和有效性.     

基于自适应动态窗口改进细菌算法与移动机器人路径规划

针对移动机器人在复杂环境下的路径规划问题,提出一种新的自适应动态窗口改进细菌算法,并将新算法应用于移动机器人路径规划。改进细菌算法继承了细菌算法与动态窗口算法（dynamic window algorithm, DWA）在避障时的优点,能较好实现复杂环境中移动机器人静态和动态避障。该改进算法主要分三步完成移动机器人路径规划。首先,利用改进细菌趋化算法在静态环境中得到初始参考规划路径。接着,基于参考路径,机器人通过自身携带的传感器感知动态障碍物进行动态避障并利用自适应DWA完成局部动态避障路径规划。最后,根据移动机器人局部动态避障完成情况选择算法执行步骤,如果移动机器人能达到最终目标点,结束该算法,否则移动机器人再重回初始路径,直至到达最终目标点。仿真比较实验证明,改进算法无论在收敛速度还是路径规划精确度方面都有明显提升。     

一种不确定环境下移动机器人的避障规划算法

本文提出了在不确定的环境中，移动机器人的一种全局路径规划算法．将全局路径 规划分解为局部路径规划的组合．为提高规划的效率，在局部规划中，采用了基于案例的学 习方法．以ART-2神经网络实现案例的匹配、学习和扩充，满足了规划的实时性要求，仿真 结果说明了本算法的有效性．