基于自适应遗传学习粒子群算法的多无人机协同任务分配

研究救援场景下的多无人机协同任务分配问题,考虑幸存者所需援助类型的不同,建立更贴合实际的组合优化模型.针对该模型,提出一种自适应遗传学习粒子群算法(adaptive genetic learning particle swarm optimization, AGLPSO).首先,根据无人机与幸存者之间的救援关系,采用一种实向量编码机制处理决策变量约束,以简化模型求解.然后,通过两层级联结构提高算法搜索能力:第1层通过遗传学习策略生成高质量的精英粒子,并对进化停滞的粒子采用精英学习策略进行更新,以跳出局部最优;第2层利用精英粒子指导种群的搜索方向,并根据粒子群的进化速度和粒子的聚集程度,采用自适应进化策略提高算法在不同进化时期的寻优能力.仿真实验表明,所提出的AGLPSO算法能快速、有效地找到合理的救援分配方案.     

基于量子行为烟花算法的移动机器人路径规划及平滑

针对移动机器人全局路径规划问题,提出一种基于量子行为烟花算法(quantum-behaved fireworks algorithm,QFWA)的路径规划方法.改进算法在基本烟花算法(fireworks algorithm, FWA)的基础上增加了基于量子行为的烟花爆炸策略.该策略使得种群在接近全局最优时具有较强的局部搜索能力,同时在种群远离全局最优位置时具有较强的全局搜索能力.改进算法提高了烟花爆炸产生火花的多样性和算法的收敛速度.在Benchmark测试函数上将改进算法与其他几种优化算法进行了对比,结果表明改进算法的性能优于其他算法.将QFWA应用于求解移动机器人路径规划问题,并采用均值滤波结合人工势场法对规划出的路径进行路径平滑处理.仿真实验结果表明改进方法在移动机器人路径规划问题上的可行性和有效性.     

基于复合式协同策略的移动机器人自主探索

为了有效地解决机器人在空旷的厅堂环境下的探索难题以及RRT(快速扩展随机树)难以在含有狭窄入口的环境下快速扩展的问题,提出了一种将R RT与前沿法协同实施的复合式候选目标点检测策略;此外,提出一种有效的代价值计算方法,以代价值作为最优候选目标点的评价准则;并且设计了改进的TEB(时间弹性带)算法以实现机器人的局部路径规划,确保机器人顺利到达目标点.在同样的实验条件下,在实际环境下所提方法的探索时间、行驶距离、探索次数3个参数分别为1187.465 s、97.551 m、41,在仿真环境下分别为275.119 s、130.051 m、32,较GTM(栅格-拓扑地图)、RRT的探索性能均有所提升.结果表明该方法有效地解决了机器人在空旷的厅堂环境下的探索难题以及RRT难以在含有狭窄入口的环境下快速扩展的问题.     

室内场景下实时地三维语义地图构建

移动机器人自主建图是完成智能行为的前提。为提高机器人智能水平和直观的用户交互,地图需要扩展超出几何和外观信息的语义信息。研究了将基于深度残差网络(DRN)的像素级图像语义分割和三维同时定位与建图(SLAM)相融合的三维语义地图构建方法。首先,采用一种联合中值滤波算法进行深度图像的修复,使用改进的迭代最近点(ICP)算法得到相机估计位姿以及基于随机蕨类的闭环检测构建出三维环境地图;其次,采用优化的深度残差网络对输入的图像实现较精准的像素语义级别的预测与分割;最后,采用贝叶斯更新方法,渐进式的将图像分割获取的语义分类标签迁移到重建的室内三维模型中,获得完整的三维语义地图。实验表明,所设计的方法可以在实际的、复杂环境下实时地构建语义地图。     

基于RTM的自主服务机器人智能化分散控制

为提高智能服务机器人的服务质量及智能化水平,基于机器人技术中间件(robot technology middleware,RTM),对室内环境下的机器人定点物体传送任务及其相关技术进行了深入研究.首先,为了提高系统的稳定性及开发效率,建立功能模块集,并结合模糊树图与DS(Dempster-Shafer)证据理论实现模块的粒度划分;对于机器人定点物体传送过程中所面临的即时定位与地图创建问题,采用Rao-Blackwellized粒子滤波算法完成底层栅格地图的创建,进而构造动态精简式混合地图,并利用记忆循迹规则实现机器人定点导航;通过改进的显著性区域提取算法实现对空间物体坐标的提取,并利用智能机械臂平台完成对物体的抓取及传送任务.以机器人移动平台和UR5机械臂为基础对设计系统进行实际测试,结果验证了所提分散控制方法的有效性和可行性.     

车载惯性稳定平台的神经网络滑模控制

三轴车载惯性稳定平台为复杂的MIMO非线性系统,针对其在不确定扰动下的伺服控制问题,本文设计了一种神经网络反演滑模控制器(NNBSMC).首先,选用反演法对其解耦,同时引入滑模控制律增加系统的抗干扰性;其次针对框架间的非线性摩擦力与系统耦合选用RBF神经网络作为扰动估计器,以便实时估计与补偿;然后采用前向增稳通道应对建模参数不精确以保证系统的稳定性.最后,利用Lyapunov定理分析了闭环系统的稳定性,在伺服控制与姿态锁定的仿真实验中分别与双环PID、滑模控制和反演滑模控制作对比,结果验证了提出的控制算法的有效性和鲁棒性.     

4WD-4WS型床椅一体化机器人室内定位与点镇定控制研究

以床椅一体化机器人为研究对象,通过设计相应的运动控制器,并结合所搭建的组合导航定位测控系统,实现了室内环境下的点镇定控制;首先,设计了一种四轮转向-四轮驱动模式的全向床椅机器人样机,并对其运动学进行分析;其次,通过不连续坐标变换,用极坐标形式表示当前位姿与目标位姿间的全局控制误差,并选取合适的位姿误差变量对系统模型进行描述,设计出一种基于位置闭环的全局反馈控制器;继而,根据控制器的需要,设计搭建基于卡尔曼滤波的IMU/UWB组合导航定位系统,实现床椅一体化机器人的全局实时精确定位;最后,采用Lyapunov函数法,对所设计控制器中的控制律进行稳定性分析;MATLAB仿真实验与现场实验均表明所设计的点镇定方法控制效果良好。     

一种室内移动机器人自主探索方法

研究室内未知环境下的移动机器人自主探索问题,并提出改进策略.首先,提出一种基于可通行区域的探索目标点快速提取方法,以补充原有方法在特殊环境结构下出现的提取探索目标点失败的缺陷;然后,提出一种基于激光数据和栅格地图信息的实时拓扑地图构建与优化方法,使得探索地图更加精简,探索过程更加高效;最后,通过改进的避障模块实现机器人的运动控制,以到达机器人安全探索的目标.同时,该系统采取机器人操作系统(Robot operating system, ROS)下的分布式结构,将整体算法合理分配到客户端和服务器,降低系统实现的硬件要求.现场实验表明,所提出方法具有良好的自主导航性能,在较复杂的室内未知环境下,仍能保持良好的地图构建能力和避障能力.     

采用自适应变异粒子群优化SVM的行为识别

为了提高对视频序列中人体行为的识别能力,建立了基于局部特征的动作识别框架。通过时空特征提取及编码和SVM分类器参数优化两部分对该框架所涉及算法进行了研究。首先,采用Harris3D检测器获取时空兴趣点(STIP),以方向梯度直方图(HOG)和光流方向直方图(HOF)对STIP进行描述,并引入Fisher向量实现对特征描述子的编码;由于固定参数下SVM动作分类模型存在泛化能力不足的问题,将粒子群算法应用于各动作分类器参数寻优过程中,针对种群多样性逐代变化的特点,构建粒子聚集度模型,并利用其动态调节各代粒子的变异概率;最后,利用KTH和HMDB51数据集对所提方法进行验证。结果表明,所提自适应变异粒子群算法(AMPSO)能够有效避免种群陷入局部最优,具备较强的全局寻优能力;在KTH和HMDB51数据集上的识别准确率分别为87.50%和26.41%,优于其余2种识别方法。实验证明,AMPSO算法收敛性能良好且整体识别框架具有较高的实用性和准确性。     

基于全局注意力动态联合增强的图像超分重建

针对注意力机制的移位窗口建立的长程依赖不能使全局信息得到充分交互以及多层级特征如何有效融合问题，提出一种全局动态联合增强注意力算法(global dynamic union enhances attention, GDUEA)。首先，使用叠加卷积聚合模块用于在网络的浅层聚合图像局部低频特征；其次，提出的深层全局注意力算法将注意力机制只用于进行全局信息的获取；最后，使用动态联合增强模块对不同层级的特征进行动态联合均衡以及深层特征增强。通过在Urban100、B100、Set5、Set14测试集上对比SwinIR网络，GDUEA获得了更快更稳定的训练并使得网络的性能在峰值信噪比(peak signal-to-noise ratio, PSNR)上显著提高了0.075～0.32 dB。