空中智能反射面辅助的无线供能通信网络轨迹优化研究

由于无人机(UAV)良好的机动性、可靠性和快速部署等特性,无人机搭载智能反射面(IRS)可以有效解决复杂无线场景中混合接入点和节点之间由于障碍物遮挡导致信息传输和能量传输效率低的问题。该文提出一种基于时间划分的空中智能反射面辅助无线供能通信网络架构,充分利用空中智能反射面的灵活性提高网络性能。该架构针对每一个时隙,采用先收集能量后传输信息方案实现能量和数据的分时传输。在满足节点能量收集阈值的前提下,建立一个联合空中智能反射面飞行轨迹、节点选择关联变量、时隙分配比率和智能反射面相位的多变量耦合优化问题。采用块坐标下降算法把原始优化问题分解为4个子问题分别进行求解。首先根据波束对齐原理求解出智能反射面最优相位的闭式解,然后通过引入辅助变量并采用连续凸近似方法使非凸问题转变为凸问题,最后利用交替优化算法迭代求解。仿真结果表明,该文提出的联合优化方案具有很好的收敛性能并可以显著提高系统平均吞吐量。

四足机器人腾空跳跃的轨迹优化与控制方法

针对四足机器人难以跨越大尺寸障碍物的问题,提出了一种仿生腾空跳跃的轨迹优化控制方法 .首先,对马里努阿犬的越障运动进行测试和仿生学分析,得到腾空跳跃的参考轨迹.其次,根据摩擦锥、轨迹平滑、运动学和动力学等约束条件,基于轨迹优化的方法对仿生参考轨迹进行离线优化,生成四足机器人的期望跳跃轨迹,得到跳跃所需的足端位置、关节力矩和关节角度序列.再次,设计分阶段的跳跃控制器,采用关节和质心PD(Proportional Derivative)的组合控制策略,实现对期望跳跃轨迹的跟踪,采用变刚度虚拟模型控制实现对落地姿态的调整和足底力的缓冲.最后,在Webots仿真环境中完成了1 m高度的自由落地和跳跃0.75 m高度桌子的仿真实验.研究结果表明:仿生轨迹优化与控制算法能够使四足机器人跳跃大尺寸障碍物并且具有平稳落地的效果,对于提高四足机器人的高性能运动能力以及拓展其应用环境具有参考价值.

支持无线采能及簇间负载均衡的无人机辅助数据调度及轨迹优化算法

该文研究了无人机(UAV)辅助无线传感器网络的数据收集问题。首先提出基于均值漂移算法的传感器节点(SN)初始分簇策略,进而以簇间负载均衡为目标,设计SN切换算法。基于所得成簇策略,将UAV数据收集及轨迹规划问题建模为系统能耗最小化问题。由于该问题是一个非凸问题,难以直接求解,将其分为两个子问题,即数据调度子问题及UAV轨迹规划子问题。针对数据调度子问题,提出一种基于多时隙库恩-蒙克雷斯算法的时频资源调度策略。针对UAV轨迹规划子问题,将其建模为马尔可夫决策过程,并提出一种基于深度Q网络的UAV轨迹规划算法。仿真结果验证了所提算法的有效性。

一种基于伪谱法的助推-补能跳跃滑翔轨迹优化方法

针对大气层边缘补能-跳跃滑翔运动,建立了一种助推-补能跳跃滑翔全程空间运动模型以及补能滑翔段无量纲运动方程。提出了一种基于Gauss伪谱法的动态分段串行优化策略,可对助推段俯仰程序角、补能-跳跃滑翔段飞行攻角、倾侧角以及补能时刻等轨迹控制变量进行求解,实现含连续/离散控制变量的轨迹优化一体化设计。分别对助推-补能跳跃滑翔和助推-拟平衡滑翔轨迹优化开展仿真,验证了针对补能-跳跃滑翔轨迹的分段串行优化策略的有效性,同时分析了相同助推规模和飞行器质量条件下,补能跳跃轨迹相较拟平衡滑翔轨迹在增大飞行时间、航程和机动过载能力上更具优势。

一种组合动力飞行器模态转换过程轨迹优化与控制方案

为应对组合动力飞行器涡轮/冲压发动机模态转换过程中容易出现的推力陷阱问题,开展了组合动力飞行器模态转换阶段飞行/推进一体化保护控制研究。该研究利用组合动力爬升段飞行轨迹优化方法,解决模态转换过程中组合发动机总推力无法满足平飞加速需求的推力陷阱问题。结合轨迹线性化控制方法,完成了宽速域飞行器/发动机一体化轨迹跟踪控制设计,利用迎角、油门等变量的协同调节实现轨迹跟踪控制。仿真结果表明,轨迹优化策略能够在一定程度上克服模态转换过程中的推力不足问题,一体化轨迹线性化控制方法可以有效实现爬升轨迹跟踪,避免模态转换过程对组合动力飞行器飞行任务造成的不利影响。

无人机数据采集系统中基于动态干扰的轨迹优化方案

针对无人机数据采集中的动态干扰问题,提出一种无人机飞行轨迹实时优化方案。在采集距离有限的情况下,通过优化无人机飞行轨迹,使无人机在有限任务时间内的能耗最小。为了规避干扰,该方案分为初始轨迹规划和在线轨迹优化2个阶段。初始轨迹规划阶段,不考虑干扰,根据轨迹成本和转角能耗进行离线规划;在线轨迹优化阶段,在初始轨迹基础上,考虑动态干扰,设计出基于马尔可夫预测模型的干扰定位算法,同时还提出干扰势场,对初始轨迹进行优化。仿真分析表明,所提方案可以有效改善无人机通信的抗干扰性能,提高无人机数据采集能力。

面向城市道路的智能网联汽车多车道轨迹优化方法

为提高城市路网下智能网联汽车的通行效率以及燃油效率,提出面向城市道路的多车道时空轨迹优化方法。首先,结合多车道时空位置关系定义智能网联汽车状态与约束,综合考虑通行效率与燃油经济性构建时空轨迹复合优化模型,并采用庞特里亚金极大值算法进行求解。然后,本文设定协同换道的规则,并通过Q-learning算法获取最优的换道策略。最后,通过SUMO/Python联合仿真验证了该方法可以在不同车辆饱和程度、绿信比状态及最低通行速度条件下有效提高通行效率,且燃油效率得到明显改善。

基于五次B样条的工业机器人轨迹优化

为提高工业机器人的工作效率,提出一种以时间最优为目标的轨迹优化方法,在5次B样条曲线轨迹规划原理的基础上,引入遗传算法对轨迹进行优化。针对工作时间建立适应度函数,并通过选择交叉概率和变异概率操作产生新的轨迹解,与未被淘汰的父代组成新的种群,经过迭代求得运行时间最优的期望解。利用MATLAB软件对这一方法进行仿真,结果表明,经分析遗传算法优化后,轨迹运行时间明显减少,且具有良好的轨迹效果。

智能网联环境下单交叉口车辆轨迹优化

为了提高信号灯前车辆的通行效率,改善交通流整体运行水平,本文从减少车辆延误和降低燃油消耗两个角度入手,在智能网联环境下,提出了一种车辆编组识别算法和针对编组头车的多目标线性轨迹优化模型(MOLP-pl)。首先对智能驾驶员跟驰模型(IDM)进行改进,调整车辆状态,减少车辆随机到达状态下车辆速度和车头时距分布的差异,同时为后续MOLP-pl轨迹优化模型的运行提供先决条件。在此基础上,以车辆编组为优化单元,通过车辆编组识别算法识别编组头车和跟随车辆,将编组头车的行驶轨迹作为优化对象并建立相应的数学模型。为了提高车辆轨迹优化模型的求解效率和精度,对其进行线性化重构,采用线性求解器计算编组头车加速度,构建编组头车最佳时空轨迹,然后,利用IDM跟驰模型计算跟随车辆的行驶速度,从而使编组车辆最大效率的通过交叉口。最后,利用SUMO构建的仿真实验表明:本研究提出的车辆轨迹优化算法可显著提高信号灯前车辆的通行效率,在三种不同的交通饱和度条件下,相对于无速度引导场景,车辆延误分别降低了8.56%、12.42%、64.79%,燃油消耗分别降低了17.21%、18.34%、12.64%;相对于逻辑控制场景,延误分别降低了-1.31%、2.63%、60.83%,燃油消耗分别降低了2.47%、7.91%、2.28%。

深度神经网络辅助的垂直回收火箭在线轨迹优化方法

针对垂直回收火箭在线轨迹规划的计算效率和初始敏感问题,提出一种深度神经网络辅助的在线轨迹优化算法。考虑火箭动力下降段的气动阻力,使用变分法和庞德里亚金极小值原理推导最优性条件,首次证明最优推力矢量幅值存在Bang-Bang特征。在此基础上,设计离线训练和在线优化两步求解框架。一是离线训练深度神经网络,在初值大范围波动条件下,有监督学习Bang-Bang特征的结构参数;二是在线规划最优轨迹,将训练好的深度神经网络作为辅助求解器,生成伪谱离散法的分段点,嵌入序列凸优化算法求解。该算法将最优推力的与伪谱法的分段特性有机结合,提高了有限离散点下的求解精度。仿真结果表明,该算法能有效提升在线轨迹规划的求解效率和初值适应性。

多约束月面盘旋飞跃轨迹优化控制方法

针对无平移发动机月球探测器的多约束盘旋飞跃问题,给出了燃耗最优轨迹。盘旋飞跃划分为垂直上升段、平移段、垂直下降段,垂直上升段与垂直下降段的最优控制均为Bang-Bang形式。研究平移段最优轨迹时,考虑位置、速度、角速度等约束,首次把优化问题的控制变量由推力转化为角速度,然后基于Pontryagin极小值原理得到了最优角速度的初步形式,接着通过对奇异点连续性、控制变量切换次数的研究,得到最优角速度的最终形式由最大边值与最小边值组成且发生两次切换,最后提供了一种求解切换点的数值方法。仿真结果表明,该算法精度高、复杂度低,适用于在线轨迹优化。

基于轨迹优化的机器人数字孪生系统

研究6R机器人的时间最优轨迹规划。采用牛顿-欧拉法建立机器人动力学模型;机器人末端路径采用多项式插值,通过动力学和运动学约束情况下的相平面法获得时间最优轨迹数据。针对机器人手动示教存在的精度不稳定、编程时间长、机器人工作效率低的问题,研发基于OpenGL和C#的数字孪生系统。将轨迹优化算法应用于该系统,实现了机器人离线示教、轨迹规划、离线仿真和在线控制。最后在ZRRT-608机器人上验证了该系统和时间最优轨迹规划算法,结果表明机器人作业时间达到最短。

基于深度强化学习的可重构智能超表面辅助无人机通信联合波束成形与轨迹优化

针对可重构智能超表面(reconfigurable intelligent surface,RIS)辅助无人机(unmanned aerial vehicle,UAV)通信中的相移矩阵和UAV轨迹设计高度耦合所带来的运算复杂度较高的问题,本文面向RIS辅助UAV通信服务多用户场景,提出采用一种基于双深度确定性策略梯度框架的优化方法。该方法利用两个深度确定性策略梯度框架分别解耦UAV轨迹和波束成形两个子问题,并通过在奖励函数中添加与UAV能耗相关的惩罚项,实现系统频谱效率和能源效率的联合优化。数值仿真结果证明,联合优化UAV轨迹和波束成形向量能够有效提升系统性能,恰当的奖励函数设计能够有效指导智能体在动态无线环境中学习到正确的UAV轨迹与波束成形策略。该联合优化方法和基础方法相比实现了至少12%的频谱效率提升和24%的能源效率提升。

双机械臂协作最优装配位置及多目标轨迹优化

为了解决以传统人工示教方式确定双机械臂协作装配位置的局限性和随机性,以双机械臂轴孔协调装配为工程背景,针对协作装配过程中机械臂的整体运动灵活性和轨迹规划,采用粒子群算法进行多次寻优,求解整体全局灵活性最优的装配位置,并基于最优位置进行了多目标轨迹优化。分析了双机械臂协调装配过程中的运动约束关系,以可操作度为灵活性评价指标,提出了双机械臂协作装配系统的可操作度评价方法,以此构建优化目标函数,采用粒子群算法,在双机械臂协作空间中求取系统全局可操作度最优的装配位置;基于灵活性最优位置,采用多目标粒子群算法,以时间、能耗、冲击为目标进行了轨迹优化,并在Matlab机器人仿真平台进行了仿真分析。结果表明,将灵活性指标运用到轨迹规划中,能提高机械臂作业效率,降低能耗与冲击损耗;且整个运动过程可维持较高可操作度,能有效规避传统人工示教方式的随机性,实现双机械臂协作装配的最优灵活性轨迹规划。

基于可变异混合PSO的上肢康复机器人轨迹优化

针对上肢康复机器人的训练轨迹运动生涩、不贴合人手臂的日常习惯等问题,提出使用改进粒子群算法对上肢康复机器人进行时间最优轨迹优化.由于粒子群算法极易早熟,存在寻优稳定性较差的问题,在算法中引入鸟类混群协同觅食的概念,设计了一种新的速度更新公式,考虑个体极值、群体极值和社会极值对粒子更新的影响,提高了算法在高维搜索空间中和高维约束条件下的全局寻优能力与寻优鲁棒性,并在粒子迭代过程中引入停滞变异补偿机制增加粒子多样性,进一步提升算法的寻优效率.通过MATLAB仿真实验,改进后的粒子群算法将平均最优时间缩短44.29%,平均收敛代数减小了16.75%,使得上肢康复机器人各关节运动符合康复训练要求,能够提高康复训练质量.

基于改进遗传算法的机械臂时间最优轨迹优化

针对传统遗传算法在优化机械臂轨迹时间时存在易陷入局部最优、后期局部搜索精度不高等问题,提出了一种改进型遗传算法。使用Tent映射初始化种群,增强遗传算法全局搜索能力。引入模拟退火算法对每一代子代种群进行局部退火操作,提升算法跳出局部最优的能力,在算法后期使用萤火虫算法替代常规变异算子,提高算法后期局部搜索精度。以aubo-i10协作机械臂为对象进行时间优化仿真,结果表明,改进后的遗传算法优化时间相比传统遗传算法减少了约1.2 s,并使机械臂各关节的角速度、角加速度曲线光滑连续,且满足最大约束条件,证明了算法的可行性和有效性。

基于参数映射的叶轮粗加工椭圆摆线轨迹优化

为了提高复杂曲面叶轮流道开槽加工效率,提出了一种曲面粗加工摆线轨迹规划方法。首先确定流道的可加工区域并进行参数化;然后在该参数域建立以最小加工时间为优化目标的椭圆摆线轨迹关键参数的数学模型,通过区间缩小法求解出满足加工要求的最佳椭圆短半轴长度与行距,从而获得参数域摆线轨迹;最后将参数域的轨迹映射至物理域来获取走刀路径。为了验证所提轨迹规划方法的高效性和有效性,以某叶轮为对象,计算了流道椭圆摆线开粗加工轨迹,并将所提方法的计算时间与传统行切法轨迹计算时间进行对比,发现计算效率提高了19.4%。此外,摆线流道开粗和行切法流道开粗的仿真加工对比结果证明,相同参数设置下所提方法的加工效率比传统行切法的加工效率高22.4%。实际摆线铣削开粗结果表明,叶轮流道切痕形状与摆线轨迹一致,表面残留满足粗加工要求,证明所提方法是有效可行的。

航天器编队飞行相对运动轨迹优化方法综述

针对航天器编队飞行过程中存在的轨迹优化问题,首先系统综述其多种相对运动动力学模型,分类比较模型的特点,并考虑航天器运动环境和不同求解方法阐述编队轨迹优化问题。在建立数学优化模型的基础上描述该问题的一般形式,提出了航天器编队飞行相对运动轨迹优化问题的难点。综述航天器编队飞行构建或重构任务中轨迹优化问题的求解方法,总结分析其优缺点,并介绍常用的数学求解工具。最后,提出值得深入研究的关键技术需求和航天器编队飞行未来发展的重要方向。

一种基于MISOCP的复杂绕飞区轨迹优化方法

针对复杂绕飞问题,为提升优化方法的全局寻优能力,提出一种基于混合整数二阶锥规划(MISOCP)的迭代求解算法。首先,定量分析了传统序列凸化方法处理绕飞区(NFZ)约束产生的误差;随后,为消除误差,利用整数变量结合自变量变换将绕飞区约束转化为混合整数线性约束;最后,将原问题转化为MISOCP问题,并设计了迭代算法进行求解。仿真表明,本方法全局寻优能力强,且求解时间仅为GPOPS的20%。对随机生成的复杂绕飞场景,本方法鲁棒性较好,且平均求解时间在10 s量级。

类星舰飞行器翻转着陆轨迹优化

星舰是美国太空探索技术公司(SpaceX)研制的新一代可重复使用航天运输系统。该类型飞行器的着陆过程与传统航天器截然不同,具有姿态机动大、约束条件多、精度要求高的特点。首先研究了类星舰飞行器翻转着陆段的动力学模型,将发动机摆角响应引入动力学方程来抑制发动机摆角振荡问题。接着,基于凸优化方法设计了可以考虑姿态机动和典型约束条件下类星舰飞行器飞行时间自由的翻转着陆轨迹优化算法。为了提高算法的收敛性,使用虚拟控制、在目标函数中惩罚信赖域并给出了初值选取方法。最后,结合数值优化结果,分析了不同初值选取方法、发动机摆角响应、着陆发动机个数和优化目标选取对翻转着陆过程的影响。