基于改进A算法的无人机三维航迹规划

针对传统的A*算法在无人机航迹规划问题中的局限性,提出一种改进的A*算法,并结合无人机的性能约束直接对三维空间进行航迹搜索。算法有效的减少搜索空间,缩短搜索时间。仿真结果证明改进算法的有效性。     

基于A＊算法的实时航迹规划方法研究

根据巡航导弹实时航迹规划时效性强、弹载计算设备的运算速度和内存容量有限等特点，将巡航导弹的机动性能约束与规划空间的划分结合起来，构造了一个较小的搜索空间，然后在此缩小了的搜索空间内利用A＊算法具有的启发式特点，可在有效时间内搜索到满足要求的可行航迹．最后，通过一个例子对A＊算法进行了验证．     

均分点蚁群算法在群集机器人任务规划中的应用与研究

提出了一种求解群集机器人协作任务规划问题的均分点蚁群算法(EDPACA).通过多组蚂蚁群相互协作搜索,构架了一种新蚁群算法的解结构,并设计了更合理的评估函数,使其在评价时充分考虑均衡任务点探测,最后利用2-opt技术解决了各子周游路径的交叉问题,获得了总代价最优的解.该算法将蚁群技术首次应用于集群机器人的任务调度规划中,成功解决了中大规模任务规划问题.仿真实验结果表明,均分点蚁群算法能提高群集机器人执行任务的效率,同时也是解决多旅行商问题的另种新思路.     

基于航线规划任务的无人机数字界面布局设计

视觉显示界面中的信息布局方式作为界面构成要素之一,其设计会显著影响操作人员的判读绩效。以提高系统操作绩效为目的,从视觉流程角度探讨远程操控无人机数字界面布局设计,可为相关设计提供新的思路。研究针对某专业无人机数字界面进行界面功能模块构成解析,以无人机航线规划任务为例,以格式塔原则为指导,进行基于任务操作流程的信息布局设计,形成多个布局设计方案,并比较被试在不同方案下的任务完成时间等绩效指标。发现不同方案下被试的视觉动线流程不同,从而造成视线往复距离差异,是影响工作绩效的因素之一。基于任务操作流程的无人机数字界面布局设计,可将视觉动线流程、视线往复距离作为布局方案评价依据之一,为改进无人机数字界面设计提供新的思路。     

多移动机器人负载均衡任务规划算法

研究了多移动机器人探测多个目标位置的任务规划问题,提出了基于移动吸引子分组的任务规划算法.移动吸引子的数目等于机器人的数目,任务规划的目标是均衡各机器人的探测路径长度.该算法通过正交遗传算法确定移动吸引子的坐标,利用移动吸引子确定未探测任务的分组,将不同的任务组分配给不同的机器人.算法的计算时间复杂度低,适用于动态环境下多移动机器人系统的任务规划.对测试数据的实验证明了该规划算法能实现多个机器人的均衡规划,规划结果较四个代表性算法具有明显的优势.     

基于无人机航拍技术的新农村规划研究

无人机航拍技术已经广泛应用在军事、水利、农业、环境保护等领域,而在城乡规划方面的应用却是较少有人研究。本文以宁波象山县泅洲头镇东联村为例,通过无人机进行遥感航拍,结合研究区及周边地区的地形图,利用遥感专题信息提取技术对东联村进行用地类型现状提取。再通过实地调查研究,进行其新农村的规划,从而论证无人机航拍技术在新农村规划方面应用的可行性和实效性。     

无人机三维航路规划技术研究及发展趋势

由于搜索空间巨大,三维航迹规划一直是航迹规划中的难点,而无人机只有进行精确的三维航迹规划才能提高低空突防的成功率。本文描述了无人机在线航路规划的影响因素,分析了无人机动力学约束及威胁场约束,探讨了无人机航路几何建模方法及三维航路规划算法的研究概况,并着重分析了三维航路规划算法如禁忌搜索、人工势场法、粒子群优化算法、Dijkstra算法及A＊算法。最后,阐述了无人机三维航路规划面临的关键问题及发展趋势。     

基于任务规划的机器人运动学分析与仿真研究

针对机器人在复杂任务场景中的运动学问题及工作可靠性的需求,提出一种基于任务规划的机器人运动学分析方法。首先,介绍了机器人的任务场景,阐述相应的机器人末端轨迹;其次,采用D-H参数法对机器人进行运动学建模,求解相应的正、逆运动学算法;最后,利用机器人操作系统(ROS)完成实体机器人任务规划工作。结果表明,该方法相较于用示教器控制机器人,更符合复杂任务需求,降低了机器人拖动示教的难度,具有较好的稳定性和准确性。     

基于无人机的大气污染物变步长溯源算法研究

目的:研究如何快速、精确定位大气污染源的位置。方法:以无人机作为大气环境移动监测平台,提出了变步长Z字形-浓度梯度大气污染物溯源算法,利用Fluent和Matlab件对大气污染物的扩散进行模拟计算,构建多种用于测试溯源算法的浓度场。结果:变步长Z字形-浓度梯度算法在仿真实验和实际测试环境下成功定位到污染源。结论:变步长Z字形-浓度梯度算法在烟羽发现过程中不仅全局搜索能力更高,而且在烟羽跟踪过程中局部搜索能力更细化,定位误差更小。     

机械协同设计的任务规划与体系结构研究

机械产品设计在产品全生命周期中的重要性是不言而喻的,在设计过程中应用协同技术可以缩短设计周期,提高产品的市场竞争能力。设计任务的规划是协同设计的关键技术,也是一项十分重要的技术,它直接影响到设计能否顺利地进行,特别是对于大型复杂产品的设计更是如此。     

机械协同设计任务的规划探讨

对于机械设计,实现某一功能的载体比较多,非标准件也很多,需要的人工干预较大,设计中涉及的知识范围很广,因此造成的协商活动复杂.而且协同设计过程中存在的迭代与反复现象造成了设计任务总量和设计过程的不确定性.另外任务之间存在串行、并行、并发等各种复杂的执行依赖关系,所以还需要对设计过程进行良好的规划.设计任务的规划是协同设计能够顺利进行的关键环节.     

几何规划的广义投影变尺度算法

将梯度投影算法与变尺度算法恰当结合,应用于求解几何规划,构造出求解正定式几何规划的一种新算法,该法不需要计算与跟踪主动约束集,保证了算法的稳定性;由于搜索方向含有目标函数的二阶信息,提高了算法的收敛速度。     

基于改进蚁群算法的船舶尾气监测无人机调度

目前通过无人机搭载监测设备飞抵船舶上空进行近距离监测已经成为一种十分有效的船舶尾气监测手段。在相关实际场景中,船舶处于移动状态,无人机有着续航能力的限制,且由于缺乏对应的调度算法,无人机存在着监测目标选择随机性高、飞行路径不精确、电量规划不合理等问题。现有的求解方法面向大量数据时存在求解效率低的问题。基于上述问题,针对面向船舶尾气监测的无人机调度问题展开了研究。将上述调度问题转化为一个可通过蚁群算法求解的模型,提出了基于信息素分级的蚁群算法对上述调度问题进行求解。通过实验验证与对比,证明了提出的基于信息素分级策略的蚁群算法能够取得良好的规划效果。     

机器人滚动路径规划的算法与仿真研究

借鉴预测控制滚动优化原理，研究了未知环境中移动机器人路径规划问题。文中提出的基于滚动窗口的移动机器人路径规划方法充分利用机器人实时测得的局部环境信息，以滚动方式进行在线规划。大量仿真结果表明，滚动规划使机器人对动态环境具有很好的适应性，但由于缺乏全局环境信息，在有些复杂情况下不能保证规划的顾利实施，需要进一步增加环境约束和对已探知信息的记忆。     

几何规划的广义梯度投影内点算法

本文首先利用对偶理论将正定式几何规划转化为带有非负约束和线性等式约束下的一般非线性规划问题;其次将广义梯度投影算法与内点算法相结合构造出了广义梯度投影内点算法来求解这个非线性规划问题;最后进一步证明了这种算法的收敛性质.此算法不需要计算与跟踪主动约束集,减少了计算量.     

单预警机静态航迹规划建模与仿真

预警机作为空军预警探测的重要组成部分,飞行前对其进行航迹规划是至关重要的.在分析预警机航迹规划与目前已研究的飞行器航迹规划区别的基础上,研究了单架预警机静态航迹规划问题.首先,结合当前预警机的作战运用模式,综合考虑对预警机跟踪监视目标性能有影响的各种主要因素,将预警机航迹规划划分为2个阶段;然后,对影响各阶段航迹规划的主要因素分别进行数学建模并得出代价函数,设计了各阶段具体的航迹规划步骤,并基于改进的粒子群算法对飞行段航迹进行搜索.通过Matlab仿真证明了所设计的方法能够根据目标分布情况自动生成质量优越的航迹.     

无人机倾斜摄影测量技术在规划竣工测量中的有效应用

随着科学技术的不断发展,以无人机为载体的航空摄影技术也得到了极大发展,倾斜摄影测量技术在测绘领域得到了广泛应用,无人机航测技术具有高分辨率、高几何精度、操作灵活、低成本的特点,已成为传统航空摄影测量技术的有效补充和延伸。该文结合工程实例,阐述了无人机倾斜摄影测量技术与传统测量技术相比的优势,分析了无人机倾斜摄影测量技术的操作原理以及应用,并对这项技术的未来发展进行展望。     

基于Dijkstra-蚁群算法的泊车系统路径规划研究

针对智能停车库中自动导引运输车(automated guided vehicle,AGV)存取车路径规划问题,提出了一种基于Dijkstra-蚁群算法(Dijkstra-ACO)的泊车系统路径规划方法.首先利用链接可视图法建立环境模型,并在此环境模型下,采用Dijkstra算法规划出AGV的初始路径;其次,通过引入节点随机选择机制、调整信息素更新方式和限定信息素阈值策略等对基本蚁群算法进行优化改进;最后,选用改进的蚁群算法对初始路径进行优化.结果显示:Dijkstra算法和混合算法均能使AGV有效避开障碍物,然后搜索到一条从起点到终点的无碰优化路径;与Dijkstra算法相比,混合算法能有效提高路径搜索效率,缩短搜索路径长度,改善搜索路径质量,表明该算法正确、可行及有效,且具有较强的全局搜索能力和较好的收敛性能,能够满足AGV存取车路径规划的要求.     

基于误差修正 NLSTM 神经网络的无人机航迹预测

无人机产业近年来发展迅猛,在军用和民用方面都拥有广泛的应用前景。无人机的航迹记录在其航行过程中发挥着重要作用,无人机的航迹预测也成为当前世界研究的热点,使用神经网络进行航迹预测更可以充分发挥其优势。首先对国内外学者关于航迹预测的文献进行了梳理,根据航迹预测的原理对目前飞行器航迹预测算法进行了总结和分类,针对利用神经网络模型预测无人机航迹并逐步改进模型以提高预测精度的问题进行了研究。接着对于传统神经网络模型预测精度不够高的问题,提出一种带误差修正的嵌套长短期记忆 (ENLSTM) 神经网络预测模型。ENLSTM 在嵌套长短期记忆网络模型的基础上引入了误差修正项,从而使得预测精度更高。最后使用 BP、RNN、LSTM 和 ENLSTM 四种神经网络模型分别对无人机的真实航迹数据和模拟航迹数据进行仿真实验,得出结论：循环神经网络相对 BP 神经网络在无人机航迹的预测上更具有优势,基于基础循环神经网络的逐步改进提升了模型的预测能力,ENLSTM 模型对于无人机的航迹预测具有更好的效果。