一种用于无人车路径规划的改进双向快速扩展随机树算法研究

快速扩展随机树(RRT)算法在生成采样点时,采用随机扩展策略进行盲目搜索,导致路径生长过程中缺乏方向性且规划速度缓慢.针对此问题,提出了一种改进双向快速扩展随机树算法(Bi-RRT).首先,在节点的生成方式上,同时生成两个采样点,通过舍弃距离目标点较远的采样点来提高采样效率,确保采样点的有效性,加快路径规划速度;然后,结合自适应采样目标偏向策略,使路径的规划更具有方向性,能够逃离局部极小值.同时在规划过程中,两棵随机树分别选择对方生成的最新节点作为目标,以降低众多繁杂节点的产生,使路径生成更具有目的性;接着利用Matlab软件,将改进Bi-RRT算法同基本RRT和Bi-RRT两种路径规划算法进行对比分析.仿真结果表明,研究算法能缩短规划时间、减少迭代次数,具有较好的可行性和有效性.最后进行了样车实验,验证了研究算法的可靠性.     

多无人机编队突发威胁规避路径规划算法

针对复杂环境中多无人机编队突发威胁规避问题,本文提出了一种基于凸优化算法的实时路径规划方法。首先,基于突发威胁模型、无人机飞行模型将突发威胁规避问题建模成一个受约束的最优化问题;其次,基于等效变换将原始最优化问题转化成一系列待求解的凸优化问题;然后,运用凸优化算法进行迭代求解,并对得到的路径进行插值得到路径函数。由于优化过程采用直接法进行迭代求解,所以算法运算效率较高,能够实现路径的实时规划。基于Matlab对所设计路径规划算法的仿真验证结果表明:所提出的算法能够实现多无人机编队突发威胁的实时规避。     

基于快速扫描随机树方法的路径规划器

介绍了一种基于快速扫描随机树的启发式路径规划方法．该方法以初始点为根节点进行扩展,直至随机树的叶节点中包含了目标点或目标区域中的点为止．引入了KD树并以前一帧规划出的路径为基础进行下一帧的运动规划以缩短规划时间．用该方法可以规划出最优路径或次优路径．     

基于邻近行为观测方法的多无人机分布式自适应编队控制

本文研究了基于邻近行为信息状态反馈的多无人机编队队形集结与保持问题.无人机个体根据期望的编队结构以及邻居无人机所在方位角区域的位置、速度和姿态信息进行自主决策,解决了传统分布式编队控制方法中通信拓扑强连通问题和多维度状态信息耦合问题.针对现有分布式编队控制算法中多无人机编队机动灵活性差的问题,以邻近无人机行为信息为观测...     

基于栅格法的机器人路径规划快速搜索随机树算法

针对复杂环境下的机器人路径规划问题,提出了一种全新的基于栅格法的机器人路径规划快速搜索随机树算法。以机器人出发点为随机树的根节点,通过扩展,逐渐增加叶节点直至随机树的叶节点中包含了目标点。从出发点到目标点之间的一条以随机树的边组成的路径就是目标路径。研究表明在同样的环境下与遗传算法、A^＊算法相比该方法能在更短的时间内找到更优的路径。仿真实验也表明,即使在随机生成的复杂环境下,利用该算法也可以快速规划出一条全局优化路径,且能安全避障。     

基于多裂纹扩展随机模型估算疲劳寿命的方法研究

随机变量多裂纹随机模型可以很好地体现多裂纹结构件的破坏寿命及破坏模式,具有很大的分散性,但是该随机模型难以直接用数值方法求解.文中给出了一种处理整个裂纹扩展过程的递推求解区间内裂纹扩展长度的方法,同时提出了更为合理的变间隔分段处理方法来解决计算精度和计算量间的矛盾.基于该方法,文中对共线孔有限宽薄板受远场均匀栽荷作用的试样进行了计算分析.由结果可以看出,所提方法能很好地解决随机变量多裂纹随机模型在估算结构件疲劳寿命时所带来的困难,对求解长寿命、大规模多裂纹结构件疲劳寿命问题有很大的帮助.     

基于扩展卡尔曼滤波的无人机航姿算法

针对小型无人机在大机动或连续飞行时姿态解算精度低的问题,提出了一种基于扩展卡尔曼滤波(Extended Kalman Filter, EKF)的航姿算法。该算法以机体系加速度分量与陀螺漂移作为待估状态量,建立了非线性滤波模型,在对传感器量测值预处理的基础上完成数据融合,获得了姿态角数据的准确输出,同时,根据外部运动加速度的大小不断调整噪声协方差以达到对EKF的自适应修正,从而抑制无人机航姿解算中磁干扰的影响。经三轴转台实验测试,姿态角的静态误差不超过0.5°,动态误差不超过2°,瞬变磁干扰误差不超过5°,该结果表明该算法能有效提高小型无人机的航姿解算精度。     

基于模糊控制的无人车编队重构方法

针对多无人车系统(MUVs)在运动过程中因车道发生变化导致无人车编队困难、极易发生车队与车道碰撞等问题,提出基于模糊控制的无人车编队重构方法。首先通过领航跟随者法为MUVs设计编队控制器,保证无人车队可以在行进过程中稳定保持初始队形;再通过设计模糊控制器,将道路信息和车队信息相关联,建立车道到车队距离及其变化率和车队纵向预期距离之间的模糊推理关系,并据此进行无人车编队重构。实验表明,MUVs通过模糊控制算法的智能调节可以适应较为复杂的车道环境变化,自适应调整自身结构,提高整体稳定性和安全性。     

一种基于Minty算法的配电网随机动态重构方法

针对配电网动态重构过程中的分布式可再生能源出力不确定性、多时间段耦合问题,提出一种基于Minty算法和机会约束规划的随机动态重构方法。建立基于机会约束规划的配电网动态重构数学模型;对调度区间内每个时间段以网损最小为目标采用改进Minty算法进行精确的静态重构,以能量增加最小为目标,提出消减开关动作次数满足约束的两个规则,减少单个和所有开关动作次数,直到获得满足动作次数限值约束的最优或近似最优方案。IEEE 33节点的标准算例结果验证提出的动态重构算法的相对于已有算法的准确性。     

基于速度补偿算法的多机器人编队控制研究

为解决传统领航-跟随算法在多机器人系统编队控制中算法复杂及普通编队控制律较难完成多机器人圆形编队的问题,通过对传统的领航-跟随算法进行改进,将多机器人的编队问题转化为机器人之间的跟踪控制问题,提出了一种基于位置信息的速度补偿算法,并将其用于多机器人编队.首先建立了速度补偿算法机器人编队控制模型,利用跟随机器人与虚拟机器...     

多无人机协同编队飞行控制研究现状及发展

无人机在军事和民用应用上越来越广泛,为使无人机能够更好地发挥作用,需要采用多无人机编队飞行控制来实现协同侦察、作战、防御及喷洒农药等任务.多无人机协同编队控制技术主要包括信息感知技术、数据融合技术、任务分配技术、航迹规划技术、编队控制技术、通信组网技术和虚拟/实物验证实验平台技术等.首先对国内外多无人机编队相关技术的现状和进展进行综述,然后重点对多无人机编队控制方法进行分析,并对队形设计、队形调整和队形重构等问题进行归纳总结,最后对多无人机协同编队所面临的机遇和挑战进行了展望.结果表明:目前多无人机编队飞行理论方面取得了丰硕成果,但是实物飞行试验仅能实现简单通信环境下的协同编队飞行,任务分配和航迹规划实时性不高,控制方法应对突发情况鲁棒性低,多机多传感器协同感知能力不足,欠缺对实体的仿真实现,未来的研究方向应是突破上述关键技术的不足,开展复杂感知约束和复杂通信环境下的多无人机协同编队飞行研究,提出更加有效的控制方法,并进行多无人机实物编队飞行试验,使无人机能够更好地完成既定任务.     

基于多槽哈夫曼Trie树的规则引擎快速匹配算法

为了提高机场类企业数据在海量规则集合中的匹配能力,提出了基于多槽哈夫曼Trie树（MSTHTrie）的规则引擎快速匹配算法。该算法充分利用了规则点属性名数与规则条数之间的不对称特性,将对规则的线性比对转换为对多槽的并行比对,从而在稳定的空间复杂度下提高了规则引擎的匹配效率。首先对通用规则进行了严格的形式化描述,并在合理假设条件下证明了槽内规则分布命题和动作数定理;然后基于动作数定理提出了简化操作符的MSHtree算法;随之扩展操作类型提出了MSHTrie算法,使规则引擎有了普适性;最后在国内枢纽机场的业务数据上完成对比实验,表明新算法在空间复杂度上较传统线性匹配算法节约了52.6%,匹配性能上与Policytree算法相比提高了21.3%。     

快速随机Hough变换多直线检测算法

直线检测是计算机视觉和模式识别领域内的一项重要任务.针对现有随机Hough变换直线检测算法的无效采样量大、计算速度慢等缺点,在随机采样过程中提出了一种新的采样策略.我们先根据所有边缘点梯度方向的统计分布特征确定潜在直线的主方向,再通过设定的阈值消除K个分组边缘点集中对直线检测毫无贡献的点集.这样,不仅约束了随机Hough变换的采样范围,也减少了在随机采样过程中大量的无效采样,还使得算法速度得到提高、存储减少.最后通过仿真从检测单条和多条直线两方面出发对本文算法性能进行了分析.实验结果表明:算法能在实际噪声图像中快速提取出所有目标直线,对离散误差、局部断裂等缺陷不敏感,直线检测准确率也得到提高.     

基于极端随机树的火电厂再热器故障预警算法研究

针对火电厂锅炉再热器欠温问题存在的故障隐患,研究了随机森林、极端随机树和梯度提升决策树3种集成学习算法对再热蒸汽温度的预测效果。再通过预测值与真实值之间存在的残差,可以在一定程度上反映故障隐患信息。采用滑动窗口法精确计算预警阈值,分别对3种算法的预警效果进行了对比分析,确定了极端随机树与滑动窗口法相结合的预警模型初始报警时刻最早,预测效果最为准确。     

基于相对轨道要素的卫星编队构型重构制导算法

针对卫星编队飞行过程中由于任务的改变或成员的进出导致编队构型重构的问题,推导和定义了描述卫星编队的相对轨道要素;提出了基于相对轨道要素的卫星编队构型重构制导算法;使用该算法对近地圆轨道上的卫星编队重构过程中各控制因素与速度增量的关系进行了分析。结果表明,该算法能够综合考虑构型重构时运行状态、约束条件、调整策略、能量消耗等因素,便于实现编队重构的整体优化。     

基于无人机航拍图像快速拼接方法的研究

无人机航拍图像拼接已经针对无人机航拍图像特征不明显、拼接速度较慢等问题,提出了一种基于无人机POS系统数据的快速拼接方法.针对无人机POS系统会受到地理环境、风速等影响以及无人机POS数据的精度较低等问题,引入光束区域网平差方法建立优化参数方程,对优化后的数据进行一系列的坐标变换计算出影像的四个角点的地理坐标,以第一张影像地理坐标为基准,进行航拍图像的快速拼接.拼接结果与基于SURF图像拼接算法进行对比,算法在拼接的速率比基于SURF算法更高.     

基于重构的AVL树的新算法及实现

传统的AVL的算法是如果在某一结点发现不平衡，沿刚才回溯的路径取下三层A、B、C分别采取左旋转、右旋转、先左后右双旋转和先右后左双旋转．本文提出了一种基于重构实现AVL树的新方法，把结点A、B、C的中间点做顶点，小者做左子树，大者做右子树．然后将新顶点原来的左子树做左子树的右子树，右子树做右子树的左子树，其它点的子树不变．该方法简单且易于理解．并给出了实现的VC 代码．     

飞翼布局无人机重构控制方法研究

飞翼布局无人机飞行空域大、飞行条件复杂、动压变化剧烈,尤其是在空战过程中,容易受到战斗损伤,发生部件故障,导致飞行品质下降甚至坠机。如何设计一种自修复飞行控制系统,使无人机在复杂飞行条件下,仍具有满意的飞行性能和操纵品质,并且在发生故障（舵面浮松、卡死和损伤等故障）时,仍然能够在线重构控制律,就显得非常有必要。本文结合国内外发展状况,对几种飞翼的重构控制方法进行了介绍和评述,对从事该领域的研究人员有一定的参考价值。     

基于蚁群算法的多无人机协同任务规划研究

现代战争中,无人机对战前情报收集、重要空域控制、重点目标监视和打击等起着关键作用.随着攻击方参战无人机的规模增加,相应防御方的防御力度也在提高.无人机群的作战任务面临的是多目标多雷达的防御群.因此,多无人机协同任务规划的研究主要集中在任务分配和路径规划.基于蚁群算法建立了针对目标群简化的数学模型,解决了侦查无人机滞留防御方雷达探测范围内的时间总和最小的航线优化问题,完成了无人机侦查任务拟制最佳路线和调度策略,实现了多无人机的协同任务规划.     

一种面向多无人机协同编队控制的改进深度神经网络方法

研究了多维度飞行数据下的协同编队控制问题,提出了一种基于改进深度神经网络的协同飞行控制方法。首先,使用深度神经网络在线整定PID控制器,设计了一种基于深度神经网络的PID控制器;其次,针对传统深度神经网络收敛速度慢、学习效率低的问题,同时为了满足多无人机编队飞行的实时性,在深度神经网络控制器中引入动量因子以提高网络的学习性能;最后,将所设计的改进深度神经网络控制器扩展到多无人机协同飞行任务场景实现协同编队飞行。对多无人机协同编队飞行进行仿真验证,仿真结果表明,所设计的改进深度神经网络编队控制器可以有效实现多无人机的编队生成与协同飞行。