基于虚拟现实技术的无人机转角控制仿真

无人机飞行状态具有较强的非线性特征,机体绕X轴的转动惯量较小,副翼的舵效相对较高,受到扰动后滚转角速率变化很快,使得无人机的横侧向控制成为转角控制的难点问题.传统采用转角跟踪器的无人机转角控制方法中,反馈线性化过程较为繁琐,对于模型精度要求较高,无法适应不断变化的无人机飞行状态.提出一种应用虚拟现实技术的无人机转角控制方法,用三维实景仿真塑造虚拟的无人机飞行区域实景,在无人机运动过程中,辅助操纵手在目视距离内,由增稳控制或人工遥控方式对飞机转角进行操作,并通过三维建模来对无人机机体模型和舵面模型进行构建,并导人到相应的环境中,再通过相应程序对无人机的运动和舵面的转角进行有效的控制,从而实现无人机转角的准确控制.仿真结果表明,相比传统控制方法,所提方法控制下的无人机转角的响应速度更快,具有高的控制效率,在各种扰动的情况下,均可以实现无差的控制跟踪.     

动态环境中多帧点云融合算法及三维目标检测算法研究

低线束激光雷达扫描的点云数据较为稀疏,导致无人驾驶环境感知系统中三维目标检测效果欠佳,通过多帧点云配准可实现稀疏点云稠密化,但动态环境中的行人与移动车辆会降低激光雷达的定位精度,也会造成融合帧中运动目标上的点云偏移较大。针对上述问题,提出了一种动态环境中多帧点云融合算法,利用该算法在园区道路实况下进行三维目标检测,提高了低线束激光雷达的三维目标检测精度。利用16线和40线激光雷达采集的行驶路况数据进行实验,结果表明该算法能够增强稀疏点云密度,改善低成本激光雷达的环境感知能力。     

自动驾驶车辆在无信号交叉口右转驾驶决策技术研究

利用深度强化学习（deep reinforcement learning,DRL）技术实现自动驾驶决策已成为国内外研究热点,现有研究中的车辆交通流缺乏随机性与真实性,同时自动驾驶车辆在环境中的有效探索具有局限性。因此利用TD3算法进行自动驾驶车辆在无信号交叉口下的右转驾驶决策研究,首先在Carla仿真平台中开发无信号交叉口的训练与测试场景,并添加交通流管理功能,提高系统训练和测试随机性。其次,为了提高自动驾驶车辆的探索性,对TD3算法中的Actor网络进行改进,为目标动作添加OU噪声。最后使用通行成功率和平均通行时间评估指标评价自动驾驶行为决策。结果表明,在不同交通流场景下,改进后的TD3算法通行成功率与基于DDPG算法控制的车辆相比平均提升6.2%,与基于规则的AEB模型相比平均提升23%。改进后的TD3算法不仅能够探索更多可能,而且其通行决策表现更加突出。     

Hierarchical inversion‐based output tracking control for uncertain autonomous underwater vehicles using extended Kalman filter

In this study, a hierarchical inversion‐based output tracking controller (HIOTC) is developed for an autonomous underwater vehicle (AUV) subject to random uncertainties (e.g., current disturbances, unmodeled dynamics, and parameter variations) and noises (e.g., process and measurement noises). The proposed HIOTC respectively utilizes a combination of feedforward and feedback controls in a hierarchical structure based on the kinematic and dynamic models of the system. Moreover, to obtain uncontaminated or unavailable states for implementing the proposed control law, the extended Kalman filter (EKF) is employed to estimate the system states. Then, the position outputs, orientation, and velocity of the AUV are reached with guaranteed asymptotic stability. The robustness of the proposed HIOTC is verified through injection of random uncertainties into the system model. The closed‐loop stability of the proposed individual subsystems is respectively guaranteed to have uniformly ultimately bounded (UUB) performance based on the Lyapunov stability criteria. In addition, the asymptotic tracking of the overall system is demonstrated using Barbalat's lemma. Finally, the feasibility and effectiveness of the proposed control scheme are evaluated through computer simulations and it is shown that the overall system achieves good asymptotic tracking performance.     

多时空配送任务驱动的无人车队车辆数优化方法

为解决快递终端配送多时空任务驱动下的最小无人车队车辆数配置问题,提出一种随机优化方法。首先,分析服务时长和等待时长对无人车队行驶路线规划的影响,从而构建最短路径模型;然后,基于二维时空网络构造服务序列网络;其次,通过网络转换将最小无人车队车辆数配置问题转化为网络最大流问题,并建立以车队车辆数最小为目标的最小车队模型;最后,针对模型特征设计一种融合Dijkstra算法和Dinic算法的Dijkstra-Dinic算法来对最小无人车队车辆数配置问题进行求解。在四种不同规模的服务网络中进行仿真实验,实验结果表明：在不同成功服务率下,最小无人车队车辆数与服务网络规模呈正相关,但随等待时长的增加而减少并趋向于稳定;所提算法中所引入的One-stop算子大大提高了搜索效率,所提模型和算法适用于大规模服务网络中的最小车队计算。     

多飞行机器人吊运系统研究进展及挑战

多飞行机器人吊运系统是指由多个旋翼飞行机器人、吊绳及单个悬挂负载共同构成的具有空中操作能力的一类新型机电系统,具有灵活性强、地域可达性好、运输便捷、载荷能力强等显著优点.多飞行机器人吊运系统应用广泛,但是其建模与控制还存在诸多挑战.旋翼飞行机器人自身是一种复杂的欠驱动非线性系统,随着吊绳和负载的引入,系统的耦合性、欠驱动特性和非线性也会随之增加.为了全面对多飞行机器人吊运系统的研究进行综述,首先介绍了多飞行机器人吊运系统的常见构型,并对比分析了其优缺点;其次,从动力学建模、协调控制、实验三个方面介绍了多飞行机器人吊运系统的研究现状与挑战;最后,凝练了现存的关键科学问题,对其潜在的应用领域和未来的研究工作进行了探讨与展望.     

自动驾驶汽车虚拟测试中的树木点云生成方法

自动驾驶汽车虚拟测试已成为自动驾驶或车路协同测试评价的一个重要手段,三维激光雷达数据模拟生成是自动驾驶汽车虚拟测试中的重要任务之一,目前多采用基于飞行时间原理的几何模型方法生成激光雷达三维点云数据,该方法生成点云实时性较差。布告牌是虚拟场景中常采用的树木建模方法,由于布告牌仅由两个矩形面片即八个三角形面片组成,直接采用布告牌方法生成的三维点云数据难以反映树木的真实空间信息。针对上述问题,提出了一种基于布告牌空间变换的快速树木三维点云生成方法。以布告牌的纹理图像为依据,根据纹理透明度获取树木二维平面点云分布,经二维树木点云的轮廓提取,结合树木结构的先验知识进行旋转、随机偏移和尺度变换,以更少的三角形面片数和更小的计算代价获得树木的三维点云数据。提出了一种空间直方图三维点云相似度评价方法,将三维点云空间量化为若干个子空间,获得三维点云的投影空间直方图,采用巴氏系数计算投影空间直方图相似度,以投影空间直方图加权相似度作为点云相似度评价值。实验结果表明,基于布告牌空间变换方法和几何模型方法生成的云杉等三种树木的三维点云数据的平均相似度在90%以上,且该方法生成树木点云的时间仅是几何模型法的1%,因此布告牌空间变换树木三维点云生成方法快速且准确,可以满足自动驾驶汽车虚拟测试的性能要求。     

改进TD3算法在四旋翼无人机避障中的应用

为了提高无人机（Unmanned Aerial Vehicle,UAV）系统的智能避障性能,提出了一种基于双延迟深度确定性策略梯度（Twin Delayed Deep Deterministic Policy Gradient,TD3）的改进算法（Improved Twin Delayed Deep Deterministic Policy Gradient,I-TD3）。该算法通过设置两个经验缓存池分离成功飞行经验和失败飞行经验,并根据两个经验缓存池的不同使用目的分别结合优先经验回放（Prioritized Experience Replay）方法和经验回放（Experience Replay）方法,提高有效经验的采样效率,缓解因无效经验过高导致的训练效率低问题。改进奖励函数,解决因奖励设置不合理导致的训练效果差问题。在AirSim平台上实现仿真实验,结果表明在四旋翼无人机的避障问题上,I-TD3算法的避障效果优于TD3算法和深度确定性策略梯度（Deep Deterministic Policy Gradient,DDPG）算法。     

改进Mask R-CNN在航空影像目标检测的研究应用

针对通用目标检测算法在检测航空影像目标所表现的性能缺陷,提出一种改进Mask R-CNN算法用于航空影像的目标检测。该算法增加图像融合网络,将可见光图像与红外图像进行融合,消除目标被阴影遮蔽对检测造成的影响;同时改进了特征金字塔结构,使特征提取过程中的高层语义特征和低层定位信息得到充分融合,各尺度目标的检测精度得到提升;为解决小目标检测精度低和定位难度高的问题,该算法采用新型区域建议网络SD-RPN,在不同深度的卷积层设置合理大小的滑动窗口,用以检测不同尺度类型目标,使建议区域更加精准。实验结果表明,相比较主流检测算法,该算法在VEDAI数据集上表现出色,检测精度提升较大,尤其是小目标检测的精度提升显著。     

基于无人机-配送车联合配送的优化算法研究

针对物流配送领域的一种新型交付方式--无人机联合配送车协同配送包裹,研究无人机与配送车联合路径以最小化交付时间的问题,提出了一种新型优化迭代算法。该算法将问题分为两步,首先确定配送车路线及客户节点分配,然后固定配送车路线及无人机节点,确定二者汇合节点生成无人机配送路线。算法最后保留满足约束条件的无人机路线及对应配送车路线,得到联合配送总耗时。以此方式从最少的配送车节点开始迭代,通过更新全局上界得到最优解。通过对10、11节点的示例验证,表明该算法能够有效缩小搜索范围,提高运行效率,在合理时间内求解中小规模示例。