克服V型障碍陷阱的激光雷达机器人分层避撞方法

激光雷达以其高的角度和距离分辨率被广泛地应用于移动机器人的障碍规避,但其固有的探测特性易使机器人陷入V型障碍陷阱,并增大路径代价.为此,通过深入分析激光雷达精度与距离的特性关系,提出按照探测精度将探测区域划分为模糊规避区、精确规避区和应急规避区,进而建立一种分层障碍规避方法.为模糊规避区设计神经网络障碍规避算法,同时在精确规避区采用边界点追踪法避撞.仿真实验表明,所提出方法相较于传统的激光雷达避撞方法,不仅能够使机器人避免误入V型陷阱,而且可以产生更小的路径代价.     

类脑发育无人机防碰撞控制

城市无人机的大量普及,对无人机在密集动态环境中的防碰撞问题提出了严峻挑战.论文针对密集动态环境中碰撞威胁模式复杂多变的特点,设计了无人机的自主心智发育型防碰撞控制架构,建立了可自主发育的威胁–规避映射关系,构建了威胁模式知识库和规避策略知识库,进而提出了基于自主心智发育的无人机防碰撞控制方法.通过将有效可信的知识不断导入发育器进行发育,可以持续提高无人机应对密集动态障碍的防碰撞能力.仿真对比实验表明,本文方法不仅能快速构建安全避障航路,而且算法效率随知识库的扩充而提高,能够极大提高无人机在密集动态障碍环境中飞行安全性.     

城市环境背景下多无人机快速任务规划算法

伴随着城市化进程的迅速发展, 无论在作战中还是民用, 都对无人机自主协同能力提出了新的要求。以城市环境为背景, 以无人机任务规划为研究对象, 针对目前无人机任务规划算法普遍较为复杂、实时性较差的问题, 提出一种新颖的任务规划算法。首先对城市中的建筑物建立简单的数学模型, 针对模型的特点使用了改进通视图法计算出所有最短路径, 然后使用背包算法完成任务分配。仿真结果表明该算法规划准确, 满足实时性要求。     

基于改进微分进化的无人机编队重构安全控制

无人机编队在环境或任务发生变化时,需要进行编队重构。在对无人机编队重构安全控制问题进行分析的基础上,采用分布式模型预测控制(DMPC)的思想,将重构问题转化为一系列在线优化问题。结合安全性约束条件建立其重构代价函数,提出一种基于改进微分进化的分布式模型预测控制算法(DE DMPC）求解每个时域内的代价函数优化问题。通过仿真证明,该算法能够实现编队重构安全控制,且较标准微分进化算法性能更好。     

无人机认知防碰撞系统安全边界研究

无人机认知防碰撞控制是借鉴人类认知智能,建立复杂动态环境无人机防碰撞控制的新思路,其认知决策的安全边界是系统设计的重要问题.本文整体考虑环境威胁与无人机的相互作用关系,建立了“认知无人机-环境系统”模型.进而定义了系统的防碰撞稳定性,并导出了认知无人机-环境系统的防碰撞稳定条件.在此基础上,通过分析防碰撞稳定的安全特征量,解算出面向动态正向碰撞的无人机认知防碰撞系统的安全边界.仿真实验分析了“云雀”无人机的安全边界特性和防碰撞控制要求,并与其他方法进行了对比.