基于广义预测控制的船舶编队

针对多船舶之间的编队合作问题,对船舶的编队控制进行研究。利用广义预测控制方法在船舶运行中对理想路径曲线进行预测,得出船舶的运动控制策略;通过运用领导-跟随者编队方法,在Cartesian坐标系下建立船舶编队控制模型,基于这种模型建立一系列船舶航迹约束,得到船队跟随者成员的控制策略。同时在船舶运行过程中,加入风浪的扰动,进行模拟仿真,得到船队的运行轨迹。     

基于一致性算法的多智能体系统能控性性质

针对多智能体系统能控性方面的问题,采用图论及矩阵的方法研究了多智能体系统在对称拓扑和多领航者情况下的能控性,给出了拓扑结构为对称的系统能控性的几个性质。在领航者为多个时,指出了不对称的拓扑结构不再是多智能体系统能控性的必要条件。证明结果表明,图中连通枝的对称性（不是整个图对称）将导致系统的不能控以及在领航者是多个的情况下,如果领航者是来自任意的单元素单元,那么系统是不能控的。该结果为分析基于一致性算法的多智能体能控性提供了新的启示。     

基于领航位置信息的AUV三维编队控制方法

研究了自治水下机器人（Autonomous Underwater Vehicle,AUV）三维环境中编队控制问题,应用领航一跟随式队形控制方法,仅利用领航者的位置信息及期望编队队形得到虚拟机器人的航行轨迹及速度信息,作为跟随者的航行参考量,应用反步及滑模控制方法为跟随者设计自适应控制律,使其轨迹收敛于虚拟机器人的轨迹,从而与领航者保持期望位姿关系。随后,在具体AUV动力学模型上,利用MATLAB／SIMULINK平台进行了编队控制的仿真研究,实现了预期的控制效果,验证了算法的有效性及实用性。     

双向通信无人机集群领航顶点选取方法

领航顶点选取是关系到领航-跟随模式无人机集群等多智能体系统可控性的重要问题.以具有几十架个体的无人机集群为研究对象,针对领航顶点选取问题,基于Laplace矩阵的特征向量,提出关键集概念.从理论上证明2关键集、3关键集以及独立关键集的图特征.在此基础上,给出求无向网络最小关键集的CSA算法,通过数值仿真实验获得了不同规...     

基于主从递阶决策模型的TRM评估

市场化环境下的电能交易可能引起系统潮流的频繁变化,系统运行不确定性增大,支路过负荷、节点电压越限等故障发生的可能性更大,因此对评估电网功率传输能力提出了更高要求,特别是如何有效评估输电可靠性裕度(TRM),对于电力市场的安全、可靠、经济运行具有重要意义.文中引入至少输电容量的概念,综合考虑了系统中的不确定因素,构建了基于主从递阶决策的TRM双层优化模型,并给出了求解该模型的一种简便、实用的方法.最后通过对IEEE118节点系统进行数据仿真,说明了该模型的合理性和有效性.     

基于Web的多机器人远程控制

多机器人编队的远程控制会面临协作环境不确定、信号传输延迟等困难,在Web模式下采用基于事件的远程控制策略会克服这些困难并使系统具有稳定、安全、可靠和高效率等性能.编队控制时采用“领队跟随”的控制策略也可以使多机器人具有高度的自组织能力.3个Pioneer3机器人的三角形编队实验验证了所选用系统和控制策略的合理性和有效性.     

基于模糊人工势场法的多智能体编队控制及避障方法

针对动态环境中多智能体编队控制及避障问题,提出了一种基于模糊人工势场法的编队方法。首先,在领航跟随法的框架下控制编队队形,在动态队形变换策略的异构模式下,使用人工势场法为多智能体编队中每个智能体规划避障路径;其次,利用模糊控制器控制跟随智能体追踪领航智能体,同时保持跟随智能体之间与领航智能体的相对距离,遇到未知障碍物时,及时保持多智能体编队之间的队形并避免碰撞障碍物。针对人工势场法在引力增量系数和斥力增量系数设置的局限性,利用模糊控制器选择出适应环境的增量系数。Matlab仿真实验结果表明,该方法能够有效地解决复杂环境下多智能体编队控制及避障问题,使用效率函数对实验数据进行分析,验证了所优化方法的合理性和有效性。     

面向多域协同的复杂产品再设计模块主从识别

为了在多主体参与、多需求共存条件下有效识别复杂产品再设计中各模块的主从关系,提升再设计效能,构建包括认知域、需求域及模块域的多域协同评价方法. 基于认知域中不同认知主体的情感需求及物理需求,完成设计需求域的建立. 结合模糊评价及相对偏好分析,获取需求域映射的各模块域间映射重要度. 考虑模块间的关联关系,提出模糊设计结构矩阵理论与DEMATEL结合,获取各模块的域内相关重要度. 运用合作博弈思维建立结合域间映射重要度及域内相关重要度的综合评价模型,识别各模块的主从关系. 相较于从单一角度进行模块重要度分析模式,所提方法的评价结果更为客观、全面、准确. 以CKA6180数控机床为例,验证多域协同的模块主从关系评价方法的有效性与可行性.     

Chemical trail marking and following by caterpillars ofMalacosoma neustria

Chemical trail marking and following by gregarious caterpillars,Malacosoma neustria L. (Lepidoptera: Lasiocampidae), was studied in the laboratory. As in other species ofMalacosoma, larvae deposit a trail pheromone from a sternal secretory site when searching the host for food. Larvae in the vanguard of foraging columns establish chemical trails as they explore new territory. Marking behavior diminishes as successive unfed foragers utilize the trail. These exploratory trails are subsequently overmarked by fed larvae returning to the tent. Other foragers follow the trails of fed larvae in preference to trails of unfed larvae. Thus, like the eastern tent caterpillar,M. americanum, successful foragers ofM. neustria recruit colony-mates to feeding sites. The chemical activity of both recruitment and exploratory trails degrades slowly, suggesting that the trail pheromone ofM. neustria is a nonvolatile substance. Caterpillars ofM. neustria readily follow the nonvolatile trail pheromone which has been identified fromM. americanum, 5-cholestane-3,24-dione.     

基于径向基函数神经网络的移动机器人多变量固定时间编队控制

针对带多不确定性的一组非完整移动机器人的编队控制收敛问题,提出了基于径向基函数神经网络的移动机器人多变量固定时间领航者-跟随者编队控制算法.RBFNN补偿了系统所受的多不确定性,并消除了鲁棒控制的抖振现象.基于固定时间理论和Lyapunov方法进行了控制算法设计,使所提出的控制方法保证了编队控制系统中的所有信号全局固定时间收敛,在任意系统初始条件下,在通过参数设计的固定时间内,使机器人编队达到期望编队.仿真结果显示了所提出算法的有效性.