面向无人机电力巡检的语义实体构建及航迹控制方法

航迹的合理控制是影响无人机（UAV）智能决策重要因素。考虑UAV巡检的局部观测性和任务环境的高空复杂性,以电力巡检领域知识为背景,提出面向UAV电力巡检的语义实体构建及航迹控制方法。首先,基于电力巡检领域的实体知识构建空间拓扑网络,并生成关于位置节点的语义航迹序列网络及其语义接口;然后,根据空间拓扑结构相似性度量的结果集,提出安全许可机制和基于强化学习的航迹控制策略,实现UAV电力巡检在统一的概念内涵和位置结构上的轨迹控制。实验结果表明：作为UAV巡检的实例,所提方法得到的最优策略能获得最大化的鲁棒性能;同时,该方法通过强化学习方法使目标网络的适应度稳定收敛且实体区域覆盖率高于95%,为UAV电力巡检任务决策提供了飞行依据。     

面向无人机电力巡检航迹规划的语义服务方法

针对复杂环境下无人机电力巡检航迹规划问题,从信息处理角度提出一种语义服务方法.构建一个具有环境态势感知、航迹构造和语义策略图模型的语义服务框架;利用巡检关联比重对实体对象进行空间划分,通过OWL形式化表示和J ena推理刻画巡检航线特征位置的因果关系,提出语义空间距离计算和基于强化学习的路径选择机制.研发语义服务模拟演示系统,实验结果表明,在满足航向速率和空速的条件下,通过语义策略图和强化学习方法可以有效判断飞行特征点及干扰因素,同时语义规划的航迹代价能够快速收敛并趋于稳定,巡检对象覆盖率达到92.3％,实现无人机航迹规划在电力巡检的应用.     

输电线路巡检无人机导航的语义交互方法

针对高空巡检环境的复杂性和不确定性,提出了一种输电线路巡检无人机导航的语义交互方法.基于本体方法构建人机交互的语义拓扑体系,形成具有感知运动数据处理的导航框架;其次,以语义拓扑关系为基础,结合谓词逻辑形式的背景知识,提出结构化路径导航方法,实现人机在统一的概念层次上路径导航的语义交互;最后研发了巡检导航的语义交互原型系统,通过实验证明：作为语义交互实例,本文所提方法可以为无人机电力巡线提供位置导航控制,实体名词提取满足实际期望估计且精度控制较高,为基于数据驱动的输电线路巡检提供了基础支持.     

面向斜拉桥索塔巡检的旋翼UAV避障航迹规划

针对斜拉桥索塔巡检的旋翼UAV避障航迹规划问题,提出了一种面向斜拉桥索塔巡检的旋翼UAV避障航迹规划方法。该方法以巡检过程中旋翼UAV的能量消耗为航迹优劣评价指标,利用基于信息熵理论改进后的遗传算法获取能量消耗最少航迹,并提出双圆弧避障策略对航迹上存在斜拉索障碍的局部区域进行航迹重新规划,使之能有效地避让斜拉索障碍,保障旋翼UAV的飞行安全。以咸阳渭城桥索塔的外观巡检为例进行仿真验证,仿真结果表明,所提方法规划的航迹有效地降低了巡检旋翼UAV的能量消耗,确保了巡检旋翼UAV的飞行安全,能够较好地适用于斜拉桥索塔外观巡检。     

基于决策知识学习的多无人机航迹协同规划

考虑无人机群体行为决策与状态变化的内在驱动,从信息处理角度提出基于决策知识学习的多无人机航迹协同规划方法.首先,基于马尔科夫决策过程对无人机的行为状态进行知识表示,形成关于连续动作空间的决策知识;然后,提出基于知识决策学习的深度确定性策略梯度算法,实现无人机在决策知识层次上的协同规划.实验结果表明:在研发设计演示系统的基础上,所提方法通过强化学习能够得到一个最优航迹规划策略,同时使航迹综合评价和平均奖励收敛稳定,为无人机任务执行提供了决策支持.     

输电线路固定翼无人机多目标巡检线路优化

以提升固定翼无人机(UAV)输电线路巡检避障能力、缩减巡检路径长度为目标，提出基于改进粒子群算法的输电线路固定翼UAV多目标巡检线路优化方法。以最小化线路长度和线路威胁作为目标函数，结合航迹段的长度约束和最大转弯角度约束，构建固定翼UAV多目标巡检线路优化模型。将多目标函数作为粒子群优化算法的适应度函数，找出最优输电线路巡检线路。创新性地通过调整粒子群算法惯性权重，引入相邻适应度函数值比较策略、遗传算法的杂交运算，优化生成UAV多目标巡检线路。试验结果表明，该方法可以对巡检范围内存在的所有障碍物进行有效规避。巡检线路可以覆盖巡检范围内所有输电线路。100 m²范围内航迹点设置为25个时，优化效果最适宜。     

多约束复杂环境下UAV航迹规划策略自学习方法

在多约束复杂环境下,多数无人飞行器(UAV)航迹规划方法无法从历史经验中获得先验知识,导致对多变的环境适应性较差.提出一种基于深度强化学习的航迹规划策略自学习方法,利用飞行约束条件设计UAV的状态及动作模式,从搜索宽度和深度2个方面降低航迹规划搜索规模,基于航迹优化目标设计奖惩函数,利用由卷积神经网络引导的蒙特卡洛树搜...     

基于语义本体的无人机人机交互控制方法研究

针对自然语言和无人机远程操控的语义理解问题,提出一种基于语义本体的无人机人机交互控制方法.以电力巡线为领域背景,基于本体的方法构建人机交互的概念体系,用OWL语言描述并定义地图信息数据,形成概念本体事实库.以概念本体事实库为基础,构建多元语义关系,生成关于位置节点的拓扑关系结构和语义解释接口,提出基于标签稀疏图的语义位置推理方法和轨迹控制算法,从而实现人机在统一的概念内涵和位置推理基础上的交互控制.研发语义本体人机交互模拟演示系统,通过实验证明:作为人机交互实例,该方法可以为无人机电力巡线提供位置导航和轨迹控制,实际飞行满足期望状态估计且语义推理结果比传统密集航点模式平均误差测量低10％,同时精度控制在2.50±0.05 mm范围.     

基于知识的线路巡检计划层次推理技术研究

提出了一种基于知识规则的巡检计划生成方法。利用知识系统原理，对巡检专家知识进行分层描述，建立巡检知识库；基f巡检知识的层次描述，提出巡检计划的层次推理疗法；在层次推理机制的控制下，使用巡检知识对巡检历史数据进行动态解释，形成巡检决策，并自动生成巡检计划。该方法在实际中得到了应用，并取得了较好的效果。     

电力巡检四旋翼无人机的控制研究

为更好地实现电力巡检四旋翼无人机(UAV)的控制问题,基于自抗扰控制(ADRC)算法和改进模糊比例积分微分(PID)控制规则,分别构建基于ADRC控制算法的无人机内环姿态控制器和基于改进模糊PID的无人机外环位置控制器。通过Simulink仿真软件,搭建四旋翼无人机仿真控制模型,并对以上控制方法进行仿真验证。仿真结果表明,基于ADRC结合改进模糊PID的四旋翼无人机控制方法能快速、平滑地过渡到初始姿态角和初始位置设定值,且具有良好的跟踪能力、抗干扰能力,对提升电力巡检四旋翼无人机的巡检控制效率具有一定的参考价值和应用价值。本研究的创新点在于从内环和外环综合控制的角度,提高了无人机整体的抗干扰能力。     

无人机辅助的双层深度强化学习任务卸载算法

为了解决无人机轨迹优化、用户功率分配和任务卸载策略问题,提出了一种双层深度强化学习任务卸载算法。上层采用多智能体深度强化学习来优化无人机的轨迹,并动态分配用户的传输功率以提高网络传输速率;下层采用多个并行的深度神经网络来求解最优卸载决策以最小化网络的时延和能耗。仿真结果表明,该算法使得无人机能够跟踪用户的移动,显著降低系统的时延和能耗,能够给用户提供更优质的任务卸载服务。     

人群环境中基于深度强化学习的移动机器人避障算法

为了控制移动机器人在人群密集的复杂环境中高效友好地完成避障任务,本文提出了一种人群环境中基于深度强化学习的移动机器人避障算法。首先,针对深度强化学习算法中值函数网络学习能力不足的情况,基于行人交互（crowd interaction）对值函数网络做了改进,通过行人角度网格（angel pedestrian grid）对行人之间的交互信息进行提取,并通过注意力机制（attention mechanism）提取单个行人的时序特征,学习得到当前状态与历史轨迹状态的相对重要性以及对机器人避障策略的联合影响,为之后多层感知机的学习提供先验知识;其次,依据行人空间行为（human spatial behavior）设计强化学习的奖励函数,并对机器人角度变化过大的状态进行惩罚,实现了舒适避障的要求;最后,通过仿真实验验证了人群环境中基于深度强化学习的移动机器人避障算法在人群密集的复杂环境中的可行性与有效性。     

考虑无线充电的无人机路径在线规划

近年来, 无人机在物流、通信、军事任务、灾害救援等领域中展现出了巨大的应用潜力, 然而无人机的续航 能力是制约其使用的重大因素, 在无线充电技术不断突破和发展的背景下, 本文基于深度强化学习方法, 提出了一 种考虑无线充电的无人机路径在线优化方法, 通过无线充电技术提高无人机的任务能力. 首先, 对无人机功耗模型 和无线充电模型进行了构建, 根据无人机的荷电状态约束, 设计了一种基于动态上下文向量的深度神经网络模型, 通过编码器和解码器的模型架构, 实现无人机路径的直接构造, 通过深度强化学习方法对模型进行离线训练, 从而 应用于考虑无线充电的无人机任务路径在线优化. 文本通过与传统优化方法和深度强化学习方法进行实验对比, 所提方法在CPU算力和GPU算力下分别实现了4倍以及100倍以上求解速度的提升.     

面向轨迹规划的深度强化学习奖励函数设计

现有基于深度强化学习的机械臂轨迹规划方法在未知环境中学习效率偏低,规划策略鲁棒性差。为了解决上述问题,提出了一种基于新型方位奖励函数的机械臂轨迹规划方法A-DPPO,基于相对方向和相对位置设计了一种新型方位奖励函数,通过降低无效探索,提高学习效率。将分布式近似策略优化（DPPO）首次用于机械臂轨迹规划,提高了规划策略的鲁棒性。实验证明相比现有方法,A-DPPO有效地提升了学习效率和规划策略的鲁棒性。     

基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略

无人机搭载深度神经网络进行自主电力巡检时由于受到设备本身计算能力、电池容量、深度神经网络计算负载的限制,无法独立处理巡检任务中产生的海量图像数据。为解决该问题,提出了一种基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略,该策略将系统成本最小化问题分解为深度神经网络计算任务协同分割和边缘服务器选择两个子问题。针对协同分割子问题,基于深度神经网络计算任务的执行流程提出了一种错时传输方法,通过改进混合粒子群算法求解多无人机任务协同分割层。针对边缘服务器选择子问题,定义无人机与边缘服务器各自偏好函数,根据偏好函数通过匹配理论建立两者间的稳定匹配,得到边缘服务器选择策略。仿真结果表明,与其他卸载策略相比,所提策略能有效降低无人机能耗和计算任务处理时延,促进边缘服务器负载均衡。     

一种保持Ad hoc网络拓扑特性的拓扑维护策略

无线Ad hoc网络中在结点发生异动的情况下,通常采用局部网络的重构来维持网络的连通性。提出了一个能保证网络连通,维持拓扑结构性能的拓扑维护策略,该策略能够为基于位置信息的拓扑控制算法增加自维护功能。理论分析和实验表明,新的策略只需增加一定维护开销,即可保持拓扑结构在结点度、功率有效性、能耗扩展因子等方面的最佳性能。