多高超声速滑翔飞行器协同避障轨迹规划研究

建立高超声速滑翔飞行器动力学模型和考虑复杂多约束条件的协同轨迹规划模型,着重考虑对雷达探测区、火力场覆盖区等禁飞区的避障和弹群内避碰问题,构造安全距离函数对禁飞区避障和弹群内避碰约束进行描述,采用自适应hp-Radau伪谱法将上述多约束条件下的复杂最优控制问题转化为非线性规划问题求解。提出协同避障轨迹规划流程,针对某通用大气飞行器(common aero vehicle,CAV)开展“异地出发,同时到达”的协同避障轨迹规划仿真,并进一步探究禁飞区位置和协同飞行时间对最优性能指标的影响。研究结果表明:本文提出的多高超声速滑翔飞行器协同避障轨迹规划方法有效处理了各种复杂约束条件,得到了满足各类约束条件和性能指标要求的多飞行器协同飞行轨迹。

一种多机械臂系统协同避障路径规划的无序关系优化方法

针对多机械臂路径规划时受到障碍物影响,导致避障路径协同规划效果差的问题,提出基于人工势场法的多机械臂系统协同避障路径规划方法。在分析多机械臂运动性能基础上,为确定各机械臂末端位置与姿态之间的无序对应关系,运用随机函数,并结合人工势场法原理,通过增大目标位置使引力大于斥力,修正斥力势场函数,实现对多机械臂系统协同避障路径规划。实验结果表明,采用所提方法可有效提高路径规划效果。

基于一致性理论的多无人机协同避障控制方法

针对多无人机(UAVs)编队协同避障过程中队形变形过大和速度振荡幅值偏大问题,提出一种基于一致性理论的多无人机协同避障控制方法。根据建立的UAV运动学模型并结合一致性理论,设计保持编队队形的一致性控制律,改善避障时队形变形过大问题;通过优化人工势场法模型,解决人工势场法融入一致性控制方法时形成的控制矛盾;改进人工势场法并将其融入到一致性控制方法中,改善避障时速度振荡幅值偏大问题。仿真实验结果表明,所提方法在避障时可以较好地稳定编队队形、减小速度振荡幅值、缩短收敛时间,在多方面优于对比算法。

高超声速飞行器末制导段协同避障决策方法

针对高超声速飞行器集群编队控制中飞行器飞行速度快、环境参数变化剧烈导致的集群控制困难问题,提出基于强化学习的集中式训练、分布式执行智能集群控制方法。建立高超声速飞行器集群运动学模型,以协同打击、编队保持作为典型目标,将过载、通信、障碍作为约束,设计了观测空间与动作空间。考虑飞行器间、飞行器与目标、飞行器与障碍物相对位置速度关系设计奖励函数,通过不断调整奖励函数权值并对飞行器进行训练,实现飞行器集群的编队控制。为了考核新算法的性能,建立评价指标,开展大量有扰动随机环境下的仿真分析。仿真结果表明,新的智能控制方法在障碍物随机位置增加的测试环境中仍能完成编队控制,为高速复杂飞行环境下的编队控制提供了一种新的解决方法。

可重构柔索并联机器人协同避障方法研究

针对可重构索驱动机器人自身结构与环境障碍物间高碰撞风险问题,设计了一种基于临界支撑线及多指抓握的可重构柔索机器人协同避障方法。通过简化环境障碍物与机器人结构得到一类可重构柔索机器人在复杂环境下的一般模型,在此模型基础上利用其结构的拓扑约束及障碍物间的临界支撑线求取机器人的无碰撞运动区域;通过凸包算法及凸包映射算法求取不同构型及障碍物分布下可重构柔索并联机器人的力封闭工作空间,并分析不同构型及障碍物分布对机器人无碰撞力封闭工作空间的影响;随后,通过优化算法求取指定运动轨迹上最优索分布;最后在重构索驱动机器人实验平台对所得优化结果进行验证。实验结果显示,所设计的可重构柔索机器人协同避障方法能有效避免重构索驱动机器人运动过程中的碰撞。

传感网络群移动节点协同避障方法研究

对传感网络群的移动节点进行协同避障,能够有效提高传感网络群的稳定性。由于传感网络使用人数的增加,使得传感网络群移动节点增多,稳定性受到威胁。传统方法主要通过构建任意网络移动节点近邻移动节点集合,分析威胁传感网络群移动节点稳定性的因素,忽略了传感网络群自身隐藏结构冲突的性能,导致传感网络群稳定性差、协同避障精度偏低。提出基于SDLPP的传感网络群移动节点协同避障方法,利用网络移动节点流量的非线性时间序列特征,构建干扰滤波模型;获得传感网络群移动节点振荡衰减函数;通过KNN法对任意传感网络移动节点进行预处理,组建相似矩阵和同类矩阵,训练存在隐藏结构冲突的移动节点,引入SDLPP算法,构建传感网络群移动节点协同避障模型。实验结果表明,上述方法在传感网络群移动节点协同避障方面,其避障精度较高,避障效果优于传统方法,具有一定的优势。

基于改进快速扩展随机树算法的双机械臂协同避障规划方法

提出了一种基于改进RRT算法的双机械臂协同避障运动规划方法。针对静态障碍物对主臂进行避障运动规划,寻找主臂可行路径。将主臂每一时刻的运动位姿视为规划从臂运动时的动态障碍物,为从臂规划可行运动路径。为提高算法的搜索效率,利用节点剪枝择优和设置目标区域的方式使算法快速收敛。在MATLAB程序建模实验的基础上,在ADAMS中进行仿真实验,验证了该算法的有效性和可行性。

未知环境下多AUV协同避障方法研究

针对多AUV(autonomous underwater vehicle)系统在未知环境中进行路径规划时难以兼顾避障与编队的问题,提出了一种基于领航—跟随者与行为的多AUV协同避障方法。首先,通过构造碰撞危险度及偏离目标评价函数,设计了AUV局部路径规划方法;在此基础上,结合编队控制方法,分别为领航者和跟随者设计不同的行为以及行为选择模式。半物理仿真实验结果表明,该算法能够实现多AUV系统在未知环境中的协同避障,且队形偏离度与恢复队形时间优于传统多机器人避障算法。实验结果证明了该算法的可行性与有效性。

多无人艇协同避障软件系统设计

针对多无人艇协同避障软件系统的需求,首先,提出多无人艇协同避障软件系统总体框架,并将总体框架划分为多无人艇层、岸基层和云系统层3个层级;然后,详细设计岸基层的岸基监控软件的数据处理与显示、自主航行路径规划模块;接着,建立Hadoop数据采集2层Flume架构,并基于HBase实现Hadoop数据存储,基于LSTM实现Hadoop避障预测;最后,验证该软件系统可满足多无人艇协同避障实际需求。

基于多传感数据的多移动机器人协同避障算法

移动机器人按照规划轨迹运行时,机器人容易碰撞障碍物,避障路径运行时间较长。为提高避障成功率,提出基于多传感数据的多移动机器人协同避障算法。转换传感器坐标系至机器人坐标系,配准传感器信息时间和空间。融合多传感器量测数据,采用蚁群算法规划多机器人协同避障路径,执行最优避障路径。生成多个器人运行空间地形图,实现多机器人协同避障。实验结果表明,该方法提高了多机器人协同避障成功率,缩短了避障路径运行时间。

改进APF的无人机编队避障最优一致性控制方法

针对传统人工势场(Artificial Potential Field,APF)解决避障问题时出现的局部极小值、目标不可达等缺点,提出了一种结合APF和具有协同避障效果的最优一致性控制方法。基于固定无向通信拓扑的双积分器无人机编队模型,引入具有避障代价函数的最优一致性控制协议,解决APF避障的局限性问题,同时对多无人机进行编队控制,使无人机编队控制系统的一致性性能指标、控制消耗性能指标和避障性能指标达到最优解。此外,通过对每架无人机构建虚拟斥力势场,防止在避障过程中出现机间碰撞。仿真结果表明,与改进APF的非最优一致性控制相比,本文提出的改进APF的最优一致性控制能够缩短任务用时32%,且能够极大程度上保持队形完整性,减少避障所造成的一致性消耗和控制损耗。

无人机集群协同控制技术综述

协同控制技术作为多智能体分工合作完成任务的关键核心技术,能解决无人机集群编队、队形重构和避障避碰等问题,是无人机集群正常运作的基础。针对近几年国内外无人机集群协同控制技术的发展历程,概述3种控制结构原理及其优缺点;分析了基于3种控制结构的编队控制方法及其优缺点;从无人机集群协同编队控制技术出发,分析基于编队控制的避障方法;指出了现阶段无人机集群协同控制技术面临的瓶颈问题,并对协同控制技术的未来发展方向进行了展望,为无人机集群编队控制和避障方法研究提供一定的借鉴。

障碍环境下移动操作机零件移动规划方法研究

将移动操作机应用于装配领域,研究了运动冗余且受非完整约束的移动操作机系统在障碍环境下完成零件移动任务的运动规划问题。将整个任务划分成移动、夹取和转移3个子任务。将随机道路图法应用于移动操作机的协同避障规划,首先求出了移动平台的一条满足非完整约束的简单路径;然后以此路径作为操作臂位置约束,在操作臂的位形空间内随机采样构造了道路图;最后通过图的搜索获得一条移动操作机的无碰路径。以平面移动操作机为例,通过计算机仿真实现了2维工作空间的零件移动操作,表明了该方法的有效性。

多智能体同时到达多目标点的协同强化学习算法

针对动态未知环境下多智能体多目标协同问题,为实现在动态未知环境下多个智能体能够同时到达所有目标点,设计函数式奖励函数,对强化学习算法进行改进。智能体与环境交互,不断重复“探索-学习-决策”过程,在与环境的交互中积累经验并优化策略,在未预先分配目标点的情况下,智能体通过协同决策,能够避开环境中的静态障碍物和动态障碍物,同时到达所有目标点。仿真结果表明,该算法相比现有多智能体协同方法的学习速度平均提高约42.86%,同时智能体能够获得更多的奖励,可以做到自主决策自主分配目标,并且实现同时到达所有目标点的目标。

空地无人集群自调节控制与动态路径规划方法

针对异构感知条件下空地无人集群协同避障与导航问题,提出了集群队形自调节控制与动态路径规划方法。首先,建立了无人机(UAV)与地面机器人的运动、感知与通信模型,设计了空地无人集群协调运动控制架构,满足异构集群协同避障与导航的控制目标。其次,提出了机器人集群队形边界动态生成方法,分别设计了形状控制、个体避碰、编队控制与导航控制分量,实现了基于动态边界的集群队形自调节控制。结合机器人动态队形边界特性,提出了基于动态窗口优化的无人机路径规划方法,通过设计优化目标函数在集群协同运动的基础上实现了安全导航避撞。最后,设计了队形边界缩放、变形和旋转下的队形调节场景与狭窄廊道协同避障与导航任务想定,通过仿真算例验证了空地无人集群队形自调节控制与动态路径规划方法的有效性,并给出了所述方法能力边界的分析。