时变漂角下USV直线路径跟踪控制器设计与验证

为了解决"蓝信"号无人水面艇在真实海洋环境中的直线路径跟踪的精确控制问题,在考虑到实际航行中存在时变漂角的情况下,设计并验证了一种基于LOS制导算法的无人水面艇直线路径跟踪控制方法。以"蓝信"号无人水面艇的操纵运动模型及辨识的参数为基础,将LOS制导算法与模糊自适应PID航向跟踪控制相结合,设计了一种考虑时变漂角的无人水面艇直线路径跟踪控制器,仿真结果验证了该方法的可行性。最后,通过蓝信号无人水面艇在大连海事大学凌水校区外部海域的实船实验,验证了该方法应用在实际工程中的正确性和有效性,降低了真实海洋环境下实际航迹跟踪过程中时变漂角对航迹跟踪控制精度的影响。     

基于改进Q学习算法的无人水面艇动态环境路径规划

无人水面艇在动态环境下的路径规划是无人船导航的难点。在传统的Q学习算法的基础上,采用了一种新的搜索策略,该策略结合了贪婪搜索与玻尔兹曼搜索,平衡了搜索的随机性和目的性,减少了搜索陷入局部最优的可能性,同时提出了一种新的奖惩函数,综合了无人水面艇航行时导航和避障两种行为,更加符合无人水面艇实际航行环境。整个方法贴近实际情况,成功实现了水面无人艇的动态环境下路径规划。仿真模拟结果和实船航行都验证了所提出方法的有效性。     

基于动态自确定并行模糊聚类鸡群优化算法的水稻机器人路径规划

为了有效提高水稻机器人路径规划精度,提出了 一种基于动态自确定并行模糊聚类鸡群优化算法的水稻机器人路径规划方法.首先,构建基于碰撞威胁度、路径长度和路径平滑度的极坐标水稻机器人路径规划模型,在降低问题求解维度的同时,提高了机器人路径规划的可行性.其次,设计动态自确定并行模糊聚类鸡群优化算法(DMCSO),该算法利用动态...     

基于改进速度障碍法的水面无人艇动态避障

针对水面无人艇在复杂海况下的动态避障问题,构建了障碍物模型和碰撞风险模型,通过引入多个约束条件的改进速度障碍法,实现了复杂海况下水面无人艇动态避障的航迹重规划。针对无人艇长宽比较大的几何特点,提出了矩形包围框的障碍物模型描述方法,建立无人艇相对运动模型,并在船体坐标系下计算相对运动参数。通过计算碰撞危险度来确定开始避障的时机。最后,在速度障碍法的基础上引入障碍物模型约束和水面无人艇自主局部避障系统特性约束对避障路径进行优化,并通过实验获得动态避障环境下的航迹重规划结果。基于V-REP(Virtual Robot Experimentation Platform)平台仿真实验以及实船避障实验表明,在航速12节的情况下,避碰过程中的路径重规划时间在15 s以下,满足在实际航行多约束条件下水面无人艇的动态避障要求。     

基于椭圆碰撞锥的无人艇海洋动态避障控制方法

为了提高无人艇在海洋动态避障中的效率,提出一种基于椭圆聚类-碰撞锥推演的可预测型无人艇海洋动态避障控制方法。在现有的路径规划算法,大多数对障碍物进行圆形建模,进一步采取规避措施。依据无人艇在海洋环境下实际的碰撞问题,提出对动态船只进行椭圆聚类,进一步提高无人艇的避障效率。提出的避障算法结合了《国际海上避碰规则》(COLREGS),并在避障结束后回归到初始规划轨迹上,最后,对提出的动态避障算法进行了仿真分析和实验测试。     

无人水面艇三维激光雷达目标实时识别系统

为解决无人水面艇动态环境目标动态感知问题,研究无人艇三维激光雷达目标实时识别系统。设计出无人艇三维激光雷达目标实时识别系统结构、硬件组成及数据通信协议。基于点云库(Point cloud library,PCL)、Qt和Visual Studio平台开发了无人艇三维激光雷达目标实时识别系统软件,实现了点云数据校正、实时处理、数据显示、状态输出、远程通信等功能。考虑到无人艇航行时周边环境障碍物三维激光点云分布特征,将三维激光点云投影至多属性二维栅格进行表示,利用八邻域算法实现了障碍物栅格的聚类,解决了点云数据处理、目标分割、点云图像远程交互等关键技术。最后,构建了室外水池环境下的无人艇三维激光雷达目标实时识别系统试验平台,测试结果表明该系统能够可靠、准确识别无人艇周围100 m范围内的障碍目标。     

基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别

对模糊C-均值聚类算法改进及在齿轮故障高效、可靠识别中的应用进行研究,提出了一种新的计及模糊聚类和特征选取的在线齿轮故障识别方法—基于混合蜻蜓优化多核模糊聚类和特征子集选取的在线齿轮故障识别算法.设计多核函数和贪婪聚类中心初始化策略,以克服模糊聚类算法对初始值敏感、高维复杂数据聚类鲁棒性差的缺陷;提出特征子集选取机制,...     

基于粒子群模糊聚类算法的电机故障诊断方法

针对模糊C均值聚类算法（FCM）对于异常点较为敏感和对高维数据处理效果较差的缺陷,利用PSO算法较强的全局搜索能力和高效的优化性能,提出了一种新的以采用隶属度作为粒子编码为基础的基于粒子群的模糊聚类算法。该算法中粒子根据模糊聚类中的隶属度进行编码,采用了一种新的约束策略用于保证FCM的约束条件,从而优化了FCM 算法的聚类结果。将该算法应用于电机故障诊断中,实验表明,该算法弥补了FCM 算法的缺陷,提高了聚类的效率和准确性,改善了故障诊断结果。     

基于白适应蚁群算法的无人飞行器航迹规划

为求解无人飞行器航迹规划问题,提出自适应蚁群算法,区别于标准蚁群算法的全部搜索模式,该算法采用局部搜索模式。首先根据起始节点与目标节点的相对位置关系选择相应的搜索模式,然后计算各个待选节点的转移概率,最后按照轮盘赌规则选择下一个节点。仿真结果表明,自适应蚁群算法具有搜寻节点数少、速度快等优点,在降低了航迹代价的同时,减小了计算时间。此外,自适应蚁群算法可以避免奇异航迹段的出现,从而保证所获的航迹实际可飞,表明所提算法整体性能明显较标准蚁群算法优异。     

基于属性的网格资源动态聚类研究

为提高网格资源的搜索率与利用率,提出了基于属性的网格资源动态聚类法。首先以复合λ值模糊聚类树为基础,以资源簇内聚合度和资源簇间分离度为目标,构建资源聚类优化数学模型;然后运用并行遗传算法进行优化,建立了适合资源聚类模型的并行遗传算法操作流程。针对经典遗传算法存在“早熟”的不足,设计了一种新颖的矩阵交叉方法。最后,通过仿真证明了算法的高效性。     

基于进化算法和模拟退火算法的混合调度算法

将进化算法与模拟退火算法相结合,提出四种有效的混合调度算法,即遗传退火算法、改进遗传算法、改进进化规划和并行模拟退火算法。两种算法搜索机制的互补增强了全局探索能力,基于关键路径的邻域函数运用提高了算法的效率。仿真结果表明:混合算法在求解质量和求解效率方面均有优势,优于国外同类研究成果;基于模拟退火的变异算子的搜索能力优于交叉算子;改进进化规划优于其他混合算法。     

融合多目标与能耗控制的无人仓库内AGV路径规划

为降低自动导引车的能耗,以提升其工作效率,促进无人仓库高效运转,提出一种两阶段全局路径规划方法。第一阶段建立了以路径最短与平滑度最大为约束的多目标函数模型,并采用改进后的量子粒子群优化算法进行求解,得出曲率不连续的初始路径;第二阶段根据Bezier曲线与平滑度约束对第一阶段所求的初始路径进行拟合修正,得到速度变化小、能耗低的几何连续路径。仿真结果表明,采用两阶段规划方法得出的路径能够提升自动导引车的工作效率并降低能耗;与常规算法对比,改进算法在优化时间和精度上效果显著。     

基于改进密度峰值聚类的航空发动机故障诊断

针对快速搜索发现密度峰值聚类(CFSFDP)算法存在的密度中心选择不方便、聚类精度不高的问题,提出基于马氏距离的自动搜索发现密度峰值的聚类算法。该算法将马氏距离引入距离测定中,提高了聚类精度;提出聚类中心判定参数γ,自动获得了聚类中心。采集航空发动机转子模拟振动信号实验数据,分别采用传统CFSFDP算法、改进后的CFSFDP算法、K均值聚类和模糊C均值聚类进行分析,结果表明,所提算法能够很好地改善聚类精度,其聚类精度相比K均值聚类和模糊C均值聚类有很大优势,且在故障特征的分类与识别上均优于其他两种算法。     

无人机3D航迹规划及动态避障算法研究

规划一条高时效且低代价的三维(3D)航行轨迹,成为目前无人机广泛应用亟须解决的问题。针对蚁群算法在航迹规划中出现的航迹长度和平滑性不足问题,通过改进蚁群系统中的节点移动规则、构造多重启发信息并结合粒子群优化算法的全局搜索能力,提出了蚁群粒子群融合算法。同时,就飞行航迹中出现的动态避障问题和目标点变化问题,提出了改进生物启发神经动力学模型算法,该算法针对3D静态最优航迹中出现的障碍物和目标点变化,实现了局部在线航迹调整。实验仿真结果表明,蚁群粒子群融合算法能在3D静态环境中规划出一条期望航迹。同时,改进生物启发神经动力学模型算法不仅能对突发障碍动态避障,还能对动态目标点变化实时跟踪。     

基于Takagi-Sugeno模糊神经网络的欠驱动无人艇直线航迹跟踪控制

研究一类欠驱动无人艇的直线航迹跟踪控制问题,提出了一种自适应T-S(Takagi-Sugeno)模糊神经网络控制方法。首先在神经网络体系结构中设计前件网络匹配T-S模糊控制器的模糊规则前件,设计后件网络进行T-S模糊运算推理从而生成模糊规则后件;其次基于梯度下降法原理,设计了T-S模糊规则参数的优化学习算法;然后结合BP神经网络的误差反向传播原理和梯度下降法,设计了模糊神经网络体系误差的反向传播迭代算法,用于高斯隶属度函数参数的学习优化;最后设计了基于T-S模型的模糊神经网络控制器,并通过仿真实验验证了所提出方法和所设计控制器的有效性。     

基于Bagging集成聚类的改进遗传算法在装配线平衡中的应用

针对装配线平衡优化问题中传统遗传算法搜索深度不足的问题,提出一种基于Bagging集成聚类的改进遗传算法,用于平衡优化。通过Bagging对几个K均值算法基学习器进行集成学习,建立一种基于Bagging集成聚类算法的种群聚类分析方法,然后建立双目标装配线平衡优化模型,利用种群聚类分析方法来改进遗传算法的交叉环节,以提高搜索深度。在实例中验证了改进遗传算法在求解双目标装配线平衡问题中的有效性和搜索性能。     

融合 A∗ 与 DWA 算法的水面船艇动态路径规划

为解决水面船艇路径规划同时要求全局最优、实时避障和航迹安全可靠的问题,提出了一种基于融合 A ∗ 算法与动态 窗口算法(DWA)的水面船艇路径规划方法。 首先通过引入启发函数动态加权策略,提高 A ∗ 算法的搜索效率;然后综合考虑水 面船艇的运动特性,采用一种路径转角节点角度削弱策略,减少转角,缩短全局路径长度;最后,基于全局因素影响与航迹安全 约束对 DWA 算法的轨迹评价函数进行改进,并以全局路径提供子目标点引导 DWA 算法进行局部规划的方式完成算法融合。 实验结果表明,融合算法相比于现有算法的总转向角度分别减少了 45. 6% 、46. 0% ,验证了融合算法的有效性与可行性,并且相 较于其他传统算法更具优越性。     

核模糊聚类和BP神经网络的切削工艺绿色度评价

为了对切削工艺绿色度进行客观有效评价,提出一种基于核模糊聚类算法和BP神经网络的工艺绿色度评价模型。根据面向绿色制造的工艺规划方法,建立切削工艺绿色度评价指标体系。通过核模糊聚类算法划分训练样本集,提升样本分类精度。利用BP神经网络建立工艺绿色度评价模型,基于训练结果自适应获取输入到输出的模糊规则,提高评价效率。通过汽车零件的切削工艺绿色度评价实例,验证了核模糊聚类和BP神经网络的切削工艺绿色度评价方法有效性。     

基于2类决策和改进蚁群算法的多CCD调度

多CCD系统的调度要求同时兼顾调度质量与实时性。以无人值守变电站视频监视系统为研究对象,在考虑系统特性的基础上,以目标与CCD间距、节点载荷、优先级和模糊预测因子为指标,使用模糊决策动态调整预测区域半径,并建立基于2类决策的快速调度模型。对多目标调度的求解,研究了改进的最大最小蚁群算法,通过引入合适的收敛性判据和状态转移规则,避免了过多使用启发式算法造成的决策耗时,提高了决策的效率和算法的全局搜索能力。最后进行了系统仿真和真实实验,实验结果表明该方法可减少激活节点的数目,特别是对于较复杂的多CCD-多目标调度,能同时保证算法具有较好的实时性和求解性能,验证了模型的有效性。     

应用改进的粒子群优化模糊聚类实现点云数据的区域分割

为实现点云数据的区域划分,提出一种基于改进的粒子群优化与模糊C-均值聚类的混合算法(SPSO-FCM算法)。针对在点云聚类过程中易过早捕获局部极小值的问题,算法首先用改进的粒子群算法——社会粒子群优化算法,对种群进行初始化,通过为每一个粒子设置不同的跟随阈值,来维护种群中个体多样性,加深对种群全局搜索的程度,避免陷入局部极小值;随后,设置种群中每个粒子当前最优位置和初始种群的最优位置,更新自由粒子的位置和跟随粒子的速度和位置;最后,采用模糊C-均值聚类算法求解隶属度矩阵,确定适应值函数,更新所有粒子的最优位置,并判断粒子和种群的位置优越性,得到准确的聚类中心,实现对点云数据的区域划分。以曲面复杂度不一致的点云模型为例对算法进行验证,探讨SPSO-FCM聚类算法的可行性,并与FCM聚类算法、遗传FCM聚类算法进行比对。实验结果显示,SPSOFCM聚类算法较其它两种算法,收敛速度快,迭代次数少,聚类准确,边界区域分割清晰,特别是对型面复杂、点云数据较多的机械零部件点云数据进行分割时,能得到更好的分割结果。