基于PSO的多机器人编队控制

提出了一种新的编队算法。该算法针对不同的编队形状,根据机器人的位置信息,构造不同的函数,利用群体智能优化算法中的微粒群算法进行函数优化,优化过程中的最优解作为机器人的运动方向。最后利用该算法实现了线形、三角形、六边形和圆形编队,仿真结果表明了该算法的有效性。     

国外空间非合作目标抓捕系统研究现状与关键技术分析

空间非合作目标抓捕系统能够完成在轨服务、空间垃圾清除以及一些军事任务,具有重要的军民两用价值。从基本情况、结构组成、抓捕方式、抓捕过程等方面对国外研究情况展开了论述与比较,并对抓捕需要解决的关键技术进行了分析。     

基于分解策略的多机器人编队控制方法

根据多机器人在不确定环境中编队智能行进控制的要求,以多移动机器人为对象,提出了一种基于分解策略的多机器人编队控制方法,将复杂的多机器人编队问题分解为若干组2个机器人之间的协调问题.建立了多机器人编队的基本队形模型,提出了基于主从方式的多机器人控制策略,根据基于行为的方法设计了机器人的基本子行为,通过带权值的各子行为的叠加合成得到机器人的最终行为,给出了机器人的速度调节方案.计算机仿真结果验证了该方法的有效性和可行性,具有较好的可扩展性.     

多机器人混合编队控制

提出一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法. 采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中,从而改善了基于反馈的跟随领航者方法不能快速适应大角度队形变换的问题. 在AmigoBot机器人平台上的实验证明,该方法具备一定的可行性.     

多机器人混合编队控制

提出了一种将行为控制和反馈控制相互融合的多机器人混合编队控制方法.采用基于行为的体系结构模型,将动态死区和动力学方程控制共同应用于多机器人编队控制中.改善了基于反馈的跟随领航者方法不能快速适应大角度的队形变换的问题.在AmigoBot机器人平台上的实验证明表明该方法具备一定的可行性.     

基于多智能体遗传算法的多机器人混合式编队控制

提出了一种基于多智能体遗传算法的多机器人混合式编队控制方法,将多智能体系统与传统遗传算法相结合,形成了一种新的在线优化算法(多智能体遗传算法),应用到多机器人编队控制中。同时将领航跟随法与人工势场法相结合,能更有效地保持队形的稳定性、增强抗干扰能力。采用该方法进行仿真实验,并与传统机器人编队控制方法相比较,实验结果验证了所提方法的可行性和有效性。     

基于相似接近度的切削参数多目标模糊优化

以切削用量的切削速度和进给量作为设计变量,以单件工时和单件生产成本为目标函数,在约束条件限定范围内,建立了工艺参数的两目标优化设计模型.应用模糊理论,结合海明距离、模糊贴近度和灰色关联度3项指标,构造了一个相似接近度的模糊评价函数.对实际算例进行了两目标模糊优化设计,验证了该方法的有效性.     

具有通信时延的多机器人编队控制

针对通信约束条件下的多机器人编队控制问题,基于群集运动思想和一致性理论,提出了一种包含时延的分布式协同控制算法.首先,通过编队图及其矩阵表示,结合稳定性理论,用频域方法分析编队系统的稳定性,得到多机器人能形成期望编队的条件;然后,通过实验分析得到了最大允许时延与控制参数和拉普拉斯矩阵特征值的关系;最后,利用一个4机器人编队实例,验证了编队控制策略的有效性和结论的正确性.     

种植业结构调度的多目标优化模型及PSO并行算法

针对农村种植业结构的调整优化问题,基于"以粮为本"的原则和充分应用农业大数据的考虑,研究建立了区域群种植业结构调度的多目标优化模型。采用基于Spark平台的PSO算法来求解模型,提高了程序的运行速率。     

基于非合作博弈的布谷鸟搜索算法在微电网多目标优化中的应用

在微电网多目标优化过程中,不同目标之间往往相互影响,相互制约。随着可再生能源的高比例接入,必然会对电网造成冲击,降低其稳定运行水平;同时联络线功率波动也会影响清洁能源的并网比重,从而无法保证可再生能源的充分利用。作为同时需要优化的主体,两者具有一定的效益冲突。为实现两者利益的最大化,采用一种基于二人零和博弈模型的线性加权法,得出Nash稳定策略下的最佳权重系数,并将该系数应用于风-光-储协调的混合发电系统多目标优化模型中,将多目标问题转化为单目标问题,再应用布谷鸟搜索算法（CS）对该模型进行求解。结果表明,较之传统多目标算法,该方法可以使微电网整体获得更大收益,既提高了可再生能源渗透率,又有效抑制了联络线随机功率波动。     

近距离跟踪指向空间非合作目标有限时间控制

追踪航天器在对空间非合作目标进行近距离跟踪与监视时,需要接近非合作目标并从特定方位保持对目标的指向与观测.针对非合作目标存在姿态翻滚以及未知轨道机动时追踪航天器保持近距离跟踪与指向的问题,在视线坐标系和体坐标系下分别建立了相对轨道和姿态的动力学方程,并构建了对轨道与姿态同步控制的六自由度模型,利用RBF神经网络对系统不确定性及未知的目标运动参数进行自适应估计和补偿,采用反步法思想设计控制器使追踪航天器在有限时间内收敛到期望的相对轨道和姿态并维持保持状态.进一步考虑控制输入饱和、死区等非线性特性,对控制律进行改进.改进后的控制算法可以有效地提高控制精度,仿真结果验证了控制对象模型和控制算法的有效性.     

Research on the non-cooperative game strategy of suppressing IADS for multiple fighters cooperation

A distributed virtual learning game strategy is proposed for the problem on the offense and defensive game of the Suppression of Integrated Air Defense System (IADS) by multiple fighters cooperation. By modeling the combat resources as multi-agents networks nodes, a complicated operational process integrating kind of different combat resources and accompanying detecting, jamming and attacking is researched. Considering the evaluations of threats, the evaluations of the economic strategy value and the influence of the task payment on the whole system, a profit model is developed for both offense and defensive sides under the confrontation game, and the Mixed Strategy Nash Equilibrium (MSNE) with n-person and n-strategy in the system countermeasures is solved by using this model. In our designed approach, the problem of dynamic changing of the numbers and positions for the nodes in the operational process is overcome, and the appropriate strategy can be chosen from the large profit space. Simulation results demonstrate the advantages of the designed approach in the respects of self-optimizing and self-organizing on tactical re-planning in the real time, and it is also shown that the designed approach can achieve the maximum of expected payoffs and effectively solve the problem of suppressing IADS for multiple fighters cooperation.     

基于SAGA的协同多目标攻击决策

以超视距协同空战为背景,在对每个目标分配一枚导弹攻击的模式下,研究了协同多目标攻击空战决策问题.首先,基于对空战威胁态势的分析,将协同多目标攻击决策问题转化为导弹目标攻击分配的优化问题并建立其攻击效能评估模型.然后,提出将模拟退火遗传算法(SAGA)用于该问题的寻优,算法中个体采用整数编码,并采用非常规的交叉与变异操作产生新的个体.在进化结束后,通过最佳导弹目标分配个体求得最终协同攻击决策方案.仿真结果表明所提出的算法对最优分配方案的搜索效率明显优于单纯的遗传算法.     

基于多模型自适应估计的机动目标拦截

针对频率随机且初始相位未知的正弦机动目标,采用多模型自适应估计方法构建相应的成员滤波器,以实现对于机动频率的辨识和相关状态的估计.考虑到估计延迟等多种因素作用下,拦截导弹加速度无法达到最大容许值,从而不能充分发挥其性能,提出了一种有界控制修正增益制导策略.基于Monte Carlo试验法进行了仿真,结果表明,所给出的多模估计方法可以实现目标机动的有效辨识和状态估计,有界控制修正增益制导策略也具有较好的目标拦截性能.     

Novel weak target detection technique based on time-dimension reduced multiple frame detection in the Radon domain

Low-altitude slow-moving weak target detection in the heavy clutter is a challenging problem for low resolution radar. This paper proposes a time-dimension reduced multiple frame detection algorithm in the Radon domain to solve it. In our framework, adaptive moving target indication (AMTI) and the order statistic constant false alarm rate filter (OS-CFAR) are utilized to suppress the clutter primarily. After resampling and smoothing the combined time-range profiles in the time direction, the Radon transform is applied to this set of new time-range profiles. Then target detection is converted into a problem of feature extraction in the Radon domain, and the moving target can be figured out by two thresholds from the clutter in the parameter domain. Since the differences of skewing angles between the slow-moving targets and clutter in the Radon domain are amplified by time-dimension reduction operator, we can both detect the target and estimate its velocity. Real data demonstrate the effectiveness of the proposed algorithm.     

The collision-free trajectory planning for the space robot to capture a target based on the wavelet interpolation algorithm

In the research of path planning for manipulators with many DOF, generally there is a problem in most traditional methods, which is that their computational cost (time and memory space) increases exponentially as DOF or resolution of the discrete configuration space increases. So this paper presents the collision-free trajectory planning for the space robot to capture a target based on the wavelet interpolation algorithm. We made wavelet sample on the desired trajectory of the manipulator’s end-effector to do trajectory planning by use of the proposed wavelet interpolation formula, and then derived joint vectors from the trajectory information of the end-effector based on the fixed-attitude-restrained generalized Jacobian matrix of multi-arm coordinated motion, so as to control the manipulator to capture a static body along the desired collision-free trajectory. The method overcomes the shortcomings of the typical methods, and the desired trajectory of the end-effector can be any kind of complex nonlinear curve. The algorithm is simple and highly effective and the real trajectory is close to the desired trajectory. In simulation, the planar dual-arm three DOF space robot is used to demonstrate the proposed method, and it shows that the algorithm is feasible.     

应用PSO和SVM的水下航行器黑箱建模

随着新型水下航行器不断涌现,现有水下航行器数学模型已难以与实际模型吻合.为更好了解新型水下航行器实际模型以及预测新型水下航行器运动,提出应用粒子群(particle swarm optimization,PSO)参数寻优和支持向量机(support vector machine,SVM)的水下航行器黑箱建模方法.首先根据水下航行器的运动状态信息和推进器力,应用支持向量机构造出之间的非线性映射关系,然后通过粒子群智能优化算法获得支持向量机的最佳参数组合,进而实现水下航行器的黑箱建模,最后根据推进器力是否时变,分别以新型四旋翼水下航行器的两种空间运动进行实验验证,并以均方根误差作为空间运动预测结果的评价标准.试验结果表明,基于粒子群参数寻优和支持向量机所构建的水下航行器黑箱模型对空间运动预测具有较小的均方根误差,空间运动预测结果与实际运动基本一致,所建黑箱模型与实际模型基本吻合,能有效预测水下航行器运动状态.