AUV实时任务协调方法研究

自主地形勘察是AUV的一项重要使命,其使命控制过程是使命规划模块依据使命文本进行全局路径和任务规划,得到执行使命的任务序列.任务协调模块在预规划任务序列基础上,监控系统状态并触发事件,任务调度器根据事件消息对任务进行实时调度,发送行为控制指令驱动AUV动作来完成使命.给出了AUV任务协调模块Petri网模型,用来描述任务层离散事件间逻辑关系.在此基础上提出了基于改进RW理论的AUV实时任务协调方法进行任务间协调,实现AUV任务的实时调度.最后在虚拟仿真平台上结合地形勘察案例验证了任务调度算法,结果证明AUV能够在无人干预下自主地完成整个使命.     

一种移动机器人三维路径规划算法

研究移动机器人在三维工作环境中的全局路径规划问题,提出了一种基于神经网络结构能量函数的路径规划算法,可根据障碍物的形状设定不等的模拟退火初始温度.仿真结果表明,该算法计算简单,收敛速度快,是一种有效的移动机器人三维路径规划算法.     

强化学习方法在移动机器人导航中的应用

路径规划是智能机器人关键问题之一,它包括全局路径规划和局部路径规划.局部路径规划是路径规划的难点,当环境复杂时,很难得到好的路径规划结果.这里将强化学习方法用于自主机器人的局部路径规划,用以实现在复杂未知环境下的路径规划.为了克服标准Q 学习算法收敛速度慢等缺点,采用多步在策略SARSA(λ)强化学习算法,讨论了该算法在局部路径规划问题上的具体应用.采用CMAC神经网络实现了强化学习系统,完成了基于CMAC神经网络的SARSA(λ)算法.提出了路径规划和沿墙壁行走两个网络的互相转换的方法,成功解决了复杂障碍物环境下的自主机器人的局部路径规划问题.仿真结果表明了该算法的有效性,同传统方法相比该算法有较强的学习能力和适应能力.     

基于WDO的无人机全局路径规划方法

分别采用粒子群与WDO优化算法进行了三维无人机路径规划仿真,仿真结果表明,采用WDO算法容易找到更为合理有效的全局最优路径。     

基于ROS的移动机器人自主建图与路径规划

为了提高机器人的自主导航性能,设计了基于ROS的移动机器人自主建图与路径规划系统.通过2D激光雷达获取周围环境信息,利用姿态传感器(IMU)获取机器人的姿态和加速度信息,利用Gmapping算法实现机器人的自主定位与建图,利用基于头尾双向搜索的A~*算法进行全局路径规划,采用DWA算法完成局部避障工作.结果表明,所提算法可使机器人完成构建地图以及自主导航任务,提高导航系统的自主性能以及工作效率.     

一种基于可视图法的机器人全局路径规划算法

针对全局路径规划方法中基于自由空间的路径规划方法在环境发生变化时适应性不强、实时性较差和需要重新建立连通模型等问题,提出了一种基于可视图法的移动机器人路径规划算法,该算法比较好地弥补了自由空间法存在的缺陷.在实际建模期间,对于那些轮廓复杂的障碍物,可把它近似地看作矩形或多个矩形的组合体,以此来建立所描述障碍物的边界地图,并根据所得地图实现机器人的路径规划.仿真结果表明了该算法的有效性.     

海洋勘测水下无人航行器的自主控制技术研究

针对水下无人航行器的海洋勘测任务,提出了一种基于多智能体(MAS)的自主控制技术.自主控制结构采用分布式的智能体结构,智能体之间通过通信和协作来共同完成复杂的整体操作.海洋勘测使命要求航行器在动态不确定的环境中,利用不同的勘测传感器进行多个局部区域的勘测.引入基于多属性路径点的使命描述方法,方便使命描述和控制.使命控制过程采用离散事件驱动的Petri网形式建模.针对事件管理过程中并发事件缺乏中央控制的问题,离散事件被赋予优先级以消除冲突.通过湖海试验验证了所提自主控制技术的可行性和有效性.     

基于案例的自主式水下机器人全局路径规划的学习算法

首次讨论了基于案例的学习方法在自主式水下机器人全局路径规划中的应用问题,基于案例的学习方法是一种增量式的学习过程,它根据过去的经验进行学习及问题求解。本文对基于案例的学习方法在自主式水下机器人的全局路径规划中的应用框架进行了初步研究,对案例属性的提取、案例的匹配和择优以及案例库的更新等问题提出了相应的算法,最后给出了几组仿真结果。     

动态环境下基于蚁群算法的机器人路径规划

提出了在动态环境中移动机器人的一种路径规划方法,适用于环境中同时存在已知和未知、静止和运动障碍物的复杂情况.采用栅格法建立了机器人工作空间模型,整个系统由全局路径规划和局部避碰规划两部分组成.在全局路径规划中,用改进蚁群算法规划出初步全局优化路径;局部避碰规划主要是在跟踪全局优化路径的过程中,通过基于滚动窗口的环境探测和碰撞预测,对动态障碍物实施有效的局部避碰策略,从而使机器人能够安全顺利地到达目的地.仿真实验的结果表明所述方法具有可行性.     

基于改进蚁群算法的三维路径规划

基于蚁群算法的三维路径规划大多存在规划速度慢、准确度不高等问题,提出了一种基于改进启发函数和自适应修正挥发系数的蚁群算法,设计了一种新的启发函数,提高了三维路径规划的准确度;提出自适应调整挥发系数,避免搜索陷入局部最优,同时加快了算法收敛速度。最后进行了仿真实验,结果证明了该方法的可行性和有效性。     

一种无人机路径规划的混沌遗传算法

提出采用基于混沌的遗传算法进行无人机路径优化问题的求解。算法利用极坐标描述战场中的威胁位置和航路点,缩短了路径编码长度,提高了搜索效率,并在遗传算法操作时加入混沌操作,扩大了搜索范围,提高了优化速度,有效地解决了解空间巨大带来遗传算法收敛速度慢和容易陷入局部最优的局限。实例仿真结果表明,文中的算法与标准遗传算法相比,优化效率显著提高,得到的优化解即优化航路更好地规避了威胁。     

基于遗传模拟退火算法的水下机器人路径规划

全局路径规划是智能水下机器人(AUV)研究领域中的一个重要课题,在一定程度上它标志着水下机器人智能水平的高低,它的目标是在已知障碍物的环境中为水下机器人寻找一条从起始状态到达目标状态的无碰路径.文中提出一种基于区域分层模型的遗传模拟退火算法的全局路径规划方法,解决了在大范围海洋环境下水下机器人的路径规划问题,详细介绍了区域分层模型和遗传模拟退火算法的实现,仿真的结果证明了该算法的有效性.     

多重威胁下的无人机自主避障航迹规划

无人机作为一种新兴的无人作战力量和不可或缺的民用设备,现已渐渐融入到国家安全和社会发展中的各个方面,航迹规划是保障无人机顺利完成既定任务的核心环节.为解决规划空间存在诸多静态和动态威胁的实时航迹规划问题,提出了一种基于滚动时域的无人机自主避障航迹规划方法.首先将航迹规划模型构建为单目标函数优化问题,根据无人机简化运动学模型和约束条件,采用滚动优化策略生成最优航迹序列;然后对最优航迹序列之间的航迹再一次采用滚动优化策略产生子序列,综合考虑威胁和飞行约束,利用负梯度下降法搜索航路点,采用遗传算法对子序列进行规划;最后经反复滚动迭代优化可得近似全局最优航迹,同时利用贝塞尔曲线对航迹进行处理,使其表征实际的飞行航迹.实验仿真结果表明:验证了模型的合理性和方法的有效性;具有良好的威胁规避能力并能规划出一条光滑航迹;与全局规划方法相比,该方法减少了收敛时间,实时性更强,能够快速、鲁棒地收敛到近似全局最优解.     

Grid-Based Path Planner Using Multivariant Optimization Algorithm

To solve the shortest path planning problems on grid-based map efficiently, a novel heuristic path planning approach based on an intelligent swarm optimization method called Multivariant Optimization Algorithm (MOA) and a modified indirect encoding scheme are proposed. In MOA, the solution space is iteratively searched through global exploration and local exploitation by intelligent searching individuals, who are named as atoms. MOA is employed to locate the shortest path through iterations of global path planning and local path refinements in the proposed path planning approach. In each iteration, a group of global atoms are employed to perform the global path planning aiming at finding some candidate paths rapidly and then a group of local atoms are allotted to each candidate path for refinement. Further, the traditional indirect encoding scheme is modified to reduce the possibility of constructing an infeasible path from an array. Comparative experiments against two other frequently use intelligent optimization approaches: Genetic Algorithm (GA) and Particle Swarm Optimization (PSO) are conducted on benchmark test problems of varying complexity to evaluate the performance of MOA. The results demonstrate that MOA outperforms GA and PSO in terms of optimality indicated by the length of the located path.     

基于GA-PSO算法焊接机器人路径规划研究

焊接机器人在制造业中有广泛的应用。在焊接任务中通常有许多焊接接头,合理地规划焊接路径使其穿过这些焊接接头,对焊接效率的提高有积极的影响。传统的手工路径规划技术可以有效地处理少量焊接接头,但当焊接节点数目较大时,很难获得最优路径。传统的手工路径规划方法耗时长、效率低,不能保证最优。遗传粒子群优化算法（GA-PSO）基于遗传算法（GA）和粒子群优化算法（PSO）的优点来解决焊接机器人的路径规划问题。仿真结果表明,该算法具有较强的搜索能力和实用性,适用于焊接机器人路径规划。     

速度矢量坐标系下水下机器人动态避障方法

针对水下机器人能力有限问题设计了一种适应水下机器人能力的动态避障方法.以水下机器人对运动障碍物的相对速度信息建立速度矢量坐标系,在坐标系内,根据水下机器人速度矢量和障碍物速度矢量的相互关系以及水下机器人的能力,确定理论上能够避开障碍物的期望速度解集,然后按照满足碰撞时间条件的最小转艏避障原则求解水下机器人最优期望速度的大小和方向,使水下机器人能够以相对小的代价安全避开动态障碍物.仿真研究验证了此规划方法对躲避动态障碍物的有效性,该研究大幅度提高了水下机器人的智能水平.     

Extended Range Guided Munition Parameter Optimization Based on Genetic Algorithms

Many factors influencing range of extended range guided munition （ERGM） are analyzed. The definition domain of the most important three parameters are ascertained by preparatory mathematical simulation, the optimized mathematical model of ERGM maximum range with boundary conditions is created, and parameter optimization based on genetic algorithm （GA） is adopted. In the GA design, three-point crossover is used and the best chromosome is kept so that the convergence speed becomes rapid. Simulation result shows that GA is feasible, the result is good and it can be easy to attain global optimization solution, especially when the objective function is not the convex one for independent variables and it is a multi-parameter problem.     

基于遗传神经网络的入侵检测模型

针对入侵检测系统中存在的对入侵事件高误报率和漏报率问题,提出了遗传神经网络,该方法基于遗传算法的全局搜索和BP网络局部精确搜索的特性,利用遗传算法优化网络初始权重,将遗传算法和BP算法有机结合．实验结果表明,该算法正确鉴定合法的用户矢量为93％,发生7％的误报率．与BP、GA算法相比,分别高出2．875％和5．562％．     

AUV平面直线航迹跟踪控制算法

针对自主水下航行器（AUV）在平面直线航迹跟踪过程中的航迹超调问题,设计基于航向航速双闭环运动控制的航迹跟踪控制算法.跟踪算法以视线导引法（LOS）为基础,设计时变前视距离提高AUV的机动性,并以一阶惯性滤波抑制因航向切换产生期望航向角的阶跃变化.控制算法采用抗积分饱和PID控制及参数自适应,以增加算法的鲁棒性,并将航向航速控制设计成双闭环,使得AUV航行时期望航迹段终点的距离偏差实时调整期望航速.结果表明,此航迹跟踪控制算法根据距离偏差调节实时航速,可使AUV提前减速以低速转向,抗积分饱和可避免航速超调,参数自适应以适应多种航行工况. AUV能准确跟踪期望航迹,最大航迹偏差小于1.0 m,并且大角度转向时可有效减小航迹超调.