无人机蜂群技术发展研究

随着人工智能技术的不断发展,无人机蜂群在现代化战争中展现出巨大的作战效能和应用潜力。围绕无人机蜂群技术研究,介绍了国内外无人机蜂群的研究现状,从战略决策和战术执行两个角度构建海陆空无人机蜂群作战体系;同时,分析在该体系下无人机蜂群遂行的侦察监视、通信中继、信息对抗等6种职能任务。基于此,进一步深度剖析支撑三域作战的蜂群控制、网络通信等关键技术,对我国无人机蜂群在抗干扰、无人机反制等技术上的不足之处进行探讨,为未来无人机蜂群技术发展指明研究方向。

基于城市环境下无人机集群航迹规划发展研究

随着无人机集群展现出巨大效能和应用潜力,无人机被广泛应用于各个领域,其中城市环境下无人机集群应用最具有前景。以复杂城市环境为研究背景,围绕无人机集群航迹规划进行深入研究,首先介绍目前国外关于城市环境下的无人机集群航迹规划研究现状,同时分析无人机集群技术,并着重剖析城市环境下航迹规划的密集城市建筑、无人机能耗等特点,然后重点研究基于城市环境下的无人机集群航迹规划关键技术,深度分析基于栅格法的三维城市环境、基于数学建模的威胁区域、基于强化学习的无人机集群航迹规划等关键技术,最后就城市环境下无人机集群航迹规划所面临的挑战进行探讨和展望,为未来城市环境下的无人机集群航迹规划发展指明研究方向。

无人机集群控制技术研究

无人机在军事、民用等领域都扮演着极其重要的角色,单架无人机往往不能满足实际需求,而无人机集群不仅可以弥补单架无人机在其执行任务时的固有缺陷,实现能力互补、高效完成任务,而且无人机集群的协同控制可以更合理地利用、整合资源,使整体性能或整体效益达到最大。因此,从无人机集群任务分配的集中式、分布式、集散式控制系统结构3个方面进行全面的分析和总结,同时就这3种结构的任务分配方法、信息传输方式以及优缺点、适用范围进行了深度的剖析和阐述,为无人机集群任务分配控制发展提供理论基础,对未来无人机集群控制技术提供一定的参考。

基于强化学习的无人机智能任务分配方法

针对无人机群目标打击任务分配问题,提出一种基于强化学习的无人机智能任务分配方法。该方法提出一种任务分层框架,将多个无人机视为一个联盟并对目标进行分类,形成任务簇,并映射到无人机联盟中,通过多智能体强化学习算法(MADDPG)将任务簇内的目标与无人机联盟内的小无人机进行合理配对并对目标实施打击,得到MADDPG算法的回报值和飞行轨迹,并与DDPG算法、DQN算法的回报值和飞行轨迹进行对比。仿真结果表明,在小样本任务分配中,与不分层方法相比,该方法可以提高目标任务打击完成度,提升目标打击的效率;在分层框架下,相比于其他两种算法,收敛速度更快,收敛过程更加稳定。

基于XGBoost算法的锂离子电池健康状态估算

由于锂离子电池内部电化学反应的复杂性以及外部工作环境的不确定性,难以对电池SOH(健康状态)进行准确估算。为了提高SOH的估算精度,提出一种基于XGBoost算法的锂离子电池健康状态估算方法。首先,利用Matplotlib对锂离子电池数据进行分析,并提取平均电压、电压差、电流差和温度差等特征量来描述电池的老化过程。然后,利用XGBoost算法建立估算模型,对电池SOH进行智能估算。实验结果表明:与线性回归、随机森林、支持向量机、K近邻算法这4种回归算法相比,所提方法的估算精度和泛化能力更优,并且可将估算误差控制在±0.4%左右。

种猪精液远距离运输效果评价分析

为研究种公猪精液远距离运输的效果,分别统计了两个场引进种公猪精液的运输、精液品质检测、配种分娩和后代生长性能测定数据。采用方差分析来比较引进精液和场内精液在精液活力、配种分娩率、总仔数、活仔数、畸形仔数、初生窝重、后裔生长性能等。结果表明:1)引进精液和场内精液相比较,精液活力差异不显著,配种分娩率、产仔性能、生长性能3方面差异也均不显著;2)配种分娩率和产仔性能在场间的差异也不显著,校正100 kg体重日龄和背膘厚两个场之间的差异显著,可能是因为遗传背景和饲养管理不同。结论是,种猪精液远距离运输对精液的正常使用没有影响。

基于XGBoost预测和ARIMA残差校正的锂离子电池SOC估算

为提升锂离子电池性能和延长锂离子电池寿命,提出一种基于XGBoost预测和ARIMA(Autoregressive Integrated Moving Average Model)残差校正的锂离子电池电荷状态估算方法。该估算方法首先采用集成学习XGBoost回归算法对锂电子电池SOC进行预测,然后基于预测残差建立ARIMA模型对预测值进行修正,进一步提升SOC估算的准确性,并与线性回归、支持向量机、神经网络、K-邻近算法等4种经典回归预测算法进行了实验对比分析。结果表明,文中方法通过引入ARIMA残差校正,将XGBoost的预测精度在绝对误差,均方根误差和均方根百分比误差3个技术指标上提高了15%~20%,且优于其他5种回归预测算法。