移动威胁情况下的无人机路径规划

针对路径规划中存在快速移动威胁, 提出基于威胁状态预测的模型预测控制(MPC)算法, 进行无人机动态路径规划. 采用转换量测卡尔曼滤波算法预测移动威胁的状态, 弥补MPC算法无法有效预测快速移动威胁的不足. 根据移动威胁的预测状态, 评估无人机的威胁代价, 与路径长度等约束共同构建目标函数, 通过滚动优化目标函数, 得到一系列在线控制量, 完成路径规划. 仿真结果表明该方法可以有效躲避移动威胁, 进行实时路径规划.     

基于空间改进型Voronoi图的无人机路径规划研究

三维空间路径规划在某些特殊情况下必不可少,如无人战斗机为了降低敌雷达的探测概率,利用山谷或其他特殊地形飞行。在原有基于平面Vorinio图的路径规划基础上,将Voronoi图的概念进行了推广,提出了“空间改进型Voronoi图”的概念。研究了不同威胁体下“空间改进型Voronoi图”构图的一些基本原则,包括不同威胁体下“空间改进型Voronoi图”作图法,以及突发威胁体下空间局部路径重规划区域原则和空间局部最优路径选择原则等。并将平面路径规划下无人战斗机战场态势感知模型推广到三维空间。仿真结果表明整个模型构架的基本思路可行。     

一种细粒度的网络威胁态势评估方法

针对现有网络威胁态势评估方法评估粒度较粗,无法满足不同管理人员评估需求的问题,提出了一种细粒度的网络威胁态势评估方法。按照从局部到整体、从微观到宏观的评估策略,分别对威胁节点、威胁链路、威胁路径、威胁目标和全网威胁态势进行评估,实现了对网络威胁的深入分析和细粒度评估,通过实验分析证明了评估结果的合理性和准确性。     

无人机三维航迹规划方法研究

航迹规划算法是无人机关键技术之一,同时也是任务规划系统（Mission Planning System）核心之一。针对固定目标规划问题,提出一种voronoi图改进算法和动态稀疏A*算法融合的三维航迹规划方法。该方法针对固定威胁目标,通过改进voronoi图规划算法快速求解二维航迹路径,然后在该路径参考下,用动态稀疏A*算法求解符合无人机飞行动力学约束的三维航迹。试验表明,该算法比动态稀疏A*算法规划速度快,并保证了航迹最优性。     

战场目标打击顺序的多属性决策方法

提出了一种战场目标打击顺序的多属性决策方法,该方法把主观和客观信息集成起来,通过一个数学规划模型把获得的战场目标客观信息与决策者给出的主观权重偏好信息有机地集成,使属性的权重可在决策者主观基础上根据战场态势动态调整,利用TOPSIS方法排定目标的打击顺序,为战场目标的打击顺序问题提出了一种新的解决方法.     

基于威胁度函数的海战场态势可视化方法

态势可视化是指挥员实施作战指挥、获取战斗胜利的根本保证.目前的态势可视化方法仅处理战斗单元的空间信息,不能解决战斗单元属性维间关联的问题.提出了一种基于威胁度函数的海战场态势可视化方法.综合了战斗单元的威胁度和密度属性维,使指挥员能够较准确把握战斗单元属性维间的关联,从而为指挥员做出正确决策提供依据.最后通过实例计算表明了对评估战场态势的可行性和有效性.     

战术任务规划系统研究

驾驶员智能决策辅助系统对于提高作战飞机的生存性和完成任务有效性具有重要意义，研究现代军机战术任务规划和管理系统结构、组成及功能，给出了信息融合、态势评估和任务规划各子系统实现方法；基于目标和任务模型，实现了冲突检测与消解，利用模型预测控制的滚动优化和在线校正技术，实现了突发事件情况下战术飞机飞行轨迹的在线规划问题，具有较好的鲁棒性和抗干扰性，研究结果表明了该方法的有效性。     

雷达电磁环境仿真的一种设计与实现

本文研究了导弹作战战场雷达电磁环境仿真的设计与实现问题,建立了雷达电磁环境的数学模型和信号威胁等级识别模型,提出了一种可视化系统设计方法,在运用可视化技术的基础上,结合雷达数据库的建立,实现了导弹战场雷达电磁态势显示,其结果有助于战场指挥员快速理解战场电磁态势,为作战指挥提供相应的辅助决策支持.     

无人机反应式扰动流体路径规划

针对复杂三维障碍环境,提出一种基于深度强化学习的无人机(Unmanned aerial vehicles, UAV)反应式扰动流体路径规划架构.该架构以一种受约束扰动流体动态系统算法作为路径规划的基本方法,根据无人机与各障碍的相对状态以及障碍物类型,通过经深度确定性策略梯度算法训练得到的动作网络在线生成对应障碍的反应系数和方向系数,继而可计算相应的总和扰动矩阵并以此修正无人机的飞行路径,实现反应式避障.此外,还研究了与所提路径规划方法相适配的深度强化学习训练环境规范性建模方法.仿真结果表明,在路径质量大致相同的情况下,该方法在实时性方面明显优于基于预测控制的在线路径规划方法.     

MapX在路径规划系统中的应用

在车辆导航系统中,采用GIS技术可以更直观地掌握交通、车辆和路径等动态信息.在分析路径规划系统组成和工作原理基础上,着重讨论了道路网的拓扑结构和数据组织形式、空间信息和属性信息的关联以及路径规划的算法实现,采用VC＋＋、MapX控件和数据库技术实现了路径规划系统.实验证明,利用MapX组件可以高效地建立路径规划系统,系统的数据结构和路径规划算法能较好的满足起点终点的选择、查询和快速路径搜索等系统要求.     

基于行为协同和虚拟目标相结合的无人机实时航路规划

针对实时航路规划问题,综合考虑航路最优、平滑性、全局收敛性以及从威胁域的逃逸能力等限制时,还没有有效的规划算法.为此提出了一种基于行为协同和虚拟目标相结合的无人机实时航路规划方法.该方法将无人机的航路规划行为分为局部和全局行为:局部行为采用基于模糊控制的方法,用来实现威胁体规避;全局行为使用全局算法,通过全局目标和虚拟目标的切换实现了全局目标收敛和威胁域边界跟踪,然后通过模糊控制器对两种行为进行协同.最后通过分析、证明以及几种不同情形下的仿真表明该方法具有航路短、平滑和全局收敛的特点.     

基于遗传算法和模糊逻辑的智能飞控技术研究

设计了基于遗传算法和模糊逻辑控制的智能飞行控制系统及采用论域自调整的模糊控制器，控制器以角度跟踪误差及其微分信号为输入来控制相应的气动舵面偏转，实现对该姿态的跟踪控制。文中给出了控制器输入输出的隶属函数，设计了相应的规则库。并在此基础上进一步利用遗传算法对模糊控制器进行优化设计，给出了遗传算法各个参数的选择原则。仿真结果表明，基于遗传算法和模糊逻辑的智能飞控系统具有良好的控制效果。     

Fuzzy logic based full-envelope autonomous flight control for an atmospheric re-entry spacecraft

An intelligent and autonomous flight control system for an atmospheric re-entry vehicle is investigated, based on fuzzy logic control and aerodynamic inversion computation. A common PD-Mamdani fuzzy logic controller is designed for all the five re-entry flight regions characterized by different actuator configurations. A linear transformation to the controller inputs is applied to tune the controller performance for different flight regions while using the same fuzzy rule base and inference engine. An autonomous actuator allocation algorithm is developed, based on the aerodynamic inversion computation, to cover all the five actuator configurations with the same fuzzy logic controller. Simulation results of tracking both a bench mark trajectory and a given nominal re-entry trajectory are presented to evaluate the control performance.     

满足复杂要求的机器人最优巡回控制系统设计与实现

本文结合线性时序逻辑理论与模糊控制方法,设计并实现了一种满足复杂任务需求的移动机器人巡回控制系统,它既能够针对复杂时序任务进行路径规划,又能够对机器人进行模糊控制实现路径跟踪.首先,基于线性时序逻辑理论,确定能够满足复杂巡回任务需求的全局最优路径.接着,根据所获得的最优路径,采用模糊控制方法设计轨迹跟踪控制器,使其通过实时位姿反馈对机器人进行路径跟踪控制.仿真结果验证了移动机器人巡回控制系统的有效性.最后,基于E-Puck移动机器人构建了能够满足复杂任务需求的移动机器人巡回控制实验系统.基于所提出的最优巡回路径规划算法和模糊控制器设计方法,通过图像处理、数据通信、算法加载等软件模块的实现完成了满足复杂任务需求的移动机器人巡回控制.     

基于神经网络的改进行为协调控制及其在智能轮椅路径规划中的应用

针对传统的基于行为的智能轮椅的路径规划方法在室外非结构环境下的路径规划效果差的问题,提出一种新的智能轮椅的路径规划算法.该算法利用模糊逻辑设计了基本控制行为,并在此基础上结合大量实际经验使用神经网络设计了行为协调控制器.改进的算法将仲裁机制和命令融合机制2种行为协调方法有效结合起来,并吸收了这2种行为协调方法的优点,从而改善了系统的反应速度,极大提高了控制精确;另一方面,该算法还可以识别陷阱区域并通过自主改变行为的权重方法控制轮椅逃出陷阱区域,因而具备了较强的人工智能特征.仿真和实物实验验证了该算法智能性高且实现简单,适用于室外非结构化环境下的机器人路径规划.     

INTELLIGENT SENSOR FUSION AND LEARNING FOR AUTONOMOUS ROBOT NAVIGATION

ABSTRACT

This paper presents the design and implementation of an autonomous robot navigation system for intelligent target collection in dynamic environments. A feature-based multi-stage fuzzy logic (MSFL) sensor fusion system is developed for target recognition, which is capable of mapping noisy sensor inputs into reliable decisions. The robot exploration and path planning are based on a grid map oriented reinforcement path learning system (GMRPL), which allows for long-term predictions and path adaptation via dynamic interactions with physical environments. In our implementation, the MSFL and GMRPL are integrated into subsumption architecture for intelligent target-collecting applications. The subsumption architecture is a layered reactive agent structure that enables the robot to implement higher-layer functions including path learning and target recognition regardless of lower-layer functions such as obstacle detection and avoidance. The real-world application using a Khepera robot shows the robustness and flexibility of the developed system in dealing with robotic behaviors such as target collecting in the ever-changing physical environment.     

城市作战仿真中CGF Agent战术路径规划

在城市作战仿真中,提出一种单CGF Agent战术路径规划方法。分析Agent路径规划过程中需要考虑的战术任务要求,建立距离代价与战术代价相结合的综合路径评价模型,设计基于改进概率路标图的战术路径规划方法。实验结果表明,该方法进行100次实验的平均规划时间为72.94 ms,最大和最小规划时间分别为110 ms和15 ms。     

Autonomous multi-mobile robot system: simulation and implementation using fuzzy logic

In an autonomous multi-mobile robot environment, path planning and collision avoidance are important functions used to perform a given task collaboratively and cooperatively. This study considers these important and challenging problems. The proposed approach is based on a potential field method and fuzzy logic system. First, a global path planner selects the paths of the robots that minimize the potential value from each robot to its own target using a potential field. Then, a local path planner modifies the path and orientation from the global planner to avoid collisions with static and dynamic obstacles using a fuzzy logic system. In this paper, each robot independently selects its destination and considers other robots as dynamic obstacles, and there is no need to predict the motion of obstacles. This process continues until the corresponding target of each robot is found. To test this method, an autonomous multi-mobile robot simulator (AMMRS) is developed, and both simulation-based and experimental results are given. The results show that the path planning and collision avoidance strategies are effective and useful for multi-mobile robot systems.     

Parallel and diagonal parking in nonholonomic autonomous vehicles

This paper considers the problem of parallel and diagonal parking in wheeled vehicles. A method to plan in real-time a set of collision-free manoeuvres is presented. Artificial intelligent techniques, namely fuzzy logic, play an important role in the practical application of the method. Thus, a fuzzy system is used to select the most suitable manoeuvre from the solution set according with the environment, dealing with optimality, path tracking performance and collision avoidance trade-off. This technique has been implemented in a fuzzy behaviour-based control architecture combining planning and reactivity. The efficiency of the proposed method is demonstrated using the nonholonomic mobile robot ROMEO-3R designed and built at the University of Seville.