基于SSA-ELM神经网络控制器的光伏MPPT方法

光伏电池板所处环境的非线性变化使得光伏电池的功率保持在最大功率点(maximum power point,MPP)非常困难。传统的最大功率点跟踪(maximum power point tracking,MPPT)方法普遍存在技术缺陷,无法满足当前需求。针对光伏发电MPPT问题,该文提出了一种基于麻雀搜索算法优化的极限学习机(sparrow search algorithm-extreme learning machine,SSA-ELM)神经网络控制器的MPPT方法。与传统技术相比,该MPPT方法在稳定性、速度、超调和MPP的振荡等方面的效果均较好。使用MATLAB/Simulink平台进行仿真实验,验证了所提控制策略及理论分析的正确性。

基于改进布谷鸟搜索算法的光伏MPPT控制

复杂阴影情况下,光伏阵列的P-V特性曲线会出现多个峰值,传统的MPPT算法因不能准确识别局部峰值和全局峰值,而无法进行复杂阴影情况下的最大功率点跟踪。针对传统布谷鸟搜索(Cuckoo Search,CS)算法因鸟窝之间缺乏交流能力导致可能陷入局部最优的问题,提出了一种多策略改进布谷鸟搜索(EGICS)算法。将传统CS算法中发现概率值的选择自适应变化,提高算法的搜索能力;将步长因子自适应化,提高算法的收敛速度;引入高斯扰动和精英反向学习策略,增加种群多样性,避免算法陷入局部最优。对EGICS算法在单峰和多峰函数中进行性能测试,并将其应用于光伏系统MPPT控制中进行仿真验证。仿真结果表明,EGICS算法在收敛速度、跟踪精度以及动态稳定三个方面有更好的效果。

跨域无人集群协同反潜搜索方法研究

针对海上反潜搜索问题,提出一种将无人艇作为无人机的通信中继的跨域无人集群协同搜索方法,采用数字网格地图表征任务区域,构建了跨域平台的运动学模型;提出了跨域无人系统的协作方法,设计了无人系统之间的分布式信息融合机制;设计了异构平台的搜索目标函数,引导无人系统在搜索任务中实时决策。仿真结果表明:所提方法能够有效适用于文中反潜搜索任务想定,跨域平台之间能够通过优势互补提高搜索效能。

基于改进涡流搜索算法的外骨骼迭代学习控制

为提升康复外骨骼机器人的步态跟踪性能,提出一种基于改进涡流搜索算法的迭代学习控制方法。首先针对传统迭代学习控制抗扰性差和控制信息缺失问题,引入PD控制器、自适应遗忘因子、误差过渡曲线和控制信息搜索等策略,改进迭代学习控制律;其次,基于多种策略对涡流搜索算法进行改进,提出了一种改进涡流搜索算法,改进后的算法可优化迭代学习控制的PD参数;最后进行行走实验,将提出的迭代学习控制方法与现有的同类算法进行仿真和数值比较,并测试了扰动情况下的跟踪性能。实验结果表明,所提方法的误差更小,跟踪性能更强。该算法改进了迭代学习控制的不足,具有较强的抗扰性能,保证了使用时的稳定性。

不同复杂度干扰影响下疏散标志搜索行为研究

为分析不同复杂度干扰因素对疏散标志搜索的影响,招募33名志愿者进行疏散标志搜索眼动试验。组织被试者完成了3×3因素设计的疏散标志视觉搜索试验,并对眼动数据进行了非参数检验。结果显示:不同复杂度各类型干扰物对疏散标志搜索任务均具有显著影响。在低复杂度水平中,物品类材料标志搜索用时最长;当复杂度增加至中等水平时,文字类、物品类材料标志搜索用时更长;至高复杂度时,图像类材料标志搜索用时更长。眼动数据分析显示,不同复杂度水平下,各类型材料眼动数据表现出显著差异。在低复杂度水平下,物品类材料注视点数量、扫视长度数据水平更高;在中复杂度水平下,文字类材料注视点数量、扫视长度明显增加;在高复杂度水平下,图像类材料注视点数量、扫视长度大幅增加,各注视点注视时长显著低于文字类、物品类材料。研究分析了不同复杂度水平各类型干扰因素对疏散标志搜索效率影响,分解了疏散人员视觉搜索眼动行为,可为提高疏散引导系统效能提供实证依据。

基于SSA优化PID在四旋翼无人机轨迹跟踪中的研究

在大多数应用中,四旋翼无人机要按照预期轨迹连续准确的飞行。PID控制在无人机控制应用广泛,但是参数难以选择,参数设置不当会导致结果不佳,对实际控制应用的适应性差。为了实现四旋翼无人机精确轨迹跟踪,文中提出使用麻雀搜索算法对PID控制器的参数进行整定优化的方法。首先对四旋翼无人机进行建模,用麻雀搜索算法对模型中的PID控制器参数整定,最后在Simulink中进行轨迹跟踪实验。实验结果表明麻雀搜索算法优化后的PID控制器使四旋翼无人机轨迹跟踪的精度高,跟踪速度快。

竞走裁判员判罚决策过程中的视觉搜索特征

目的比较不同经验水平和判罚难度条件下,竞走裁判员判罚决策的行为绩效和视觉搜索特征。方法采用眼动追踪技术和专家—新手研究范式,采集被试在竞走执裁判罚时的行为学指标和眼动指标数据。结果行为学指标:专家组正确率均显著高于新手组,反应时显著少于新手。在干扰条件下,新手组正确率显著降低、反应时显著升高,而专家组无显著性差异。眼动指标:专家组的注视时间、注视次数和眼跳次数均显著低于新手。在干扰条件下,新手组的注视时间、注视次数和眼跳次数均显著高于无干扰条件,专家组无显著性差异。兴趣区眼动指标显示,专家组对运动员膝和踝的注视时间显著高于新手组,注视次数显著低于新手组。可视化图像观察到,专家组注视轨迹清晰、注视热点集中;新手组注视轨迹复杂无规律,注视热点分散。结论高水平竞走裁判员具有较好的判罚决策能力和视觉信息加工能力,判罚过程中的视觉搜索更为简洁、高效,抗场外干扰能力强,体现出自上而下的视觉加工特征,表现出专家认知优势。

一种移动平台红外搜索跟踪系统的稳定控制方法

基于移动平台的红外搜索跟踪系统已成为新一代光电搜索跟踪系统的主流趋势,小型化和轻量化是其高机动性的保证。载体运动姿态变化耦合的角速度扰动和系统内部力矩干扰将对其搭载的光电载荷视轴稳定控制带来严峻挑战,基于多轴多框架和高精度陀螺反馈控制相结合的传统视轴稳定方法已无法适用。本文针对两轴两框架移动平台红外搜索跟踪系统的光电载荷视轴稳定控制,提出了基于平方PI和Luenberger扰动观测前馈的双速度闭环同阶串级控制方法。仿真和实验表明,相对于传统的单陀螺闭环和双速度闭环稳定控制方法,该稳定控制方法有效提升了载体运动低频扰动下的视轴稳定精度。1°/1 Hz扰动下,仿真稳定精度达到2.7817μrad,实验稳定精度达到35.85μrad。1°/2 Hz扰动下,仿真稳定精度达到38.199μrad,实验稳定精度达到119.1μrad。最终,利用本文提出的稳定控制方法,两轴两框架移动平台红外搜索跟踪系统有效克服了行进间载体运动姿态变化耦合的低频角速度扰动,实现了高平稳高动态的光电载荷视轴指向控制性能。

多传感器协同区域搜索与目标跟踪的调度方法

为解决区域搜索和目标跟踪2种任务协同时对传感器资源的竞争问题,提出了一种多传感器调度方法。针对双任务协同背景,将传感器调度转换为多目标优化问题,以搜索性能和跟踪性能为优化目标建立了目标函数;建立了区域搜索模型,考虑目标的新生、消亡和转移,将未被发现目标的更新过程建立为非齐次泊松过程,提出以漏警损失量化区域搜索性能;建立了目标跟踪模型,引入后验克拉美罗下界(PCRLB)量化未来时刻的跟踪性能;针对最优调度方案求解,在传统多目标差分进化算法的基础上,引入混沌映射理论和双种群协同方法,提出了混沌映射-多目标协同差分进化算法(CM-MOCDEA)以提高寻优能力。仿真实验验证了所提优化算法能够兼顾收敛性和多样性,具有较强的全局搜索能力;所提方法能够有效分配传感器资源完成区域搜索和目标跟踪任务,从而获得较高的作战收益。

面向协同探测的多机雷达功率时间联合优化分配算法

针对多目标搜索及跟踪场景,研究了面向协同探测的多机雷达功率时间联合优化分配算法。首先,基于信号检测理论和克拉美-罗下界,分别推导了雷达搜索性能与跟踪性能评估指标;在此基础上,建立了面向协同探测的多机雷达功率时间联合优化分配模型,即以最大化雷达工作性能指标为优化目标,以满足给定系统资源限制为约束条件,对雷达搜索及跟踪任务中节点选择、辐射功率和任务时间等参数进行联合优化设计;最后,针对上述优化问题,采用基于内点法和粒子群算法的三步分解算法进行求解。仿真结果表明,与现有算法相比,所提算法能够在满足给定系统资源限制的条件下,有效提高雷达系统搜索性能和跟踪精度。

导视地图界面维度差异下的视觉搜索效率研究

图像的维度差异会对用户的信息获取及视觉交互效率产生一定程度的影响,以导视地图界面设计为例,建立三种不同维度的地图样本,利用眼动追踪实验收集用户搜索指定目标时的眼动数据进行分析,同时基于SUS系统可用性量表收集用户主观感受数据。结合定性与定量方法,比较分析了不同维度的地图呈现下用户的视觉搜索效率高低与规律差异,结果表明:在2D的呈现方式下,用户的综合搜索效率最高,而随着界面维度的升高,用户的搜索行为因受到透视因素干扰,综合搜索效率逐渐降低。

基于航迹消除与策略迭代的无人机集群区域目标搜索方法

无人机集群区域搜索在军事领域以及民用领域的搜救、巡逻、监测、环境勘测等方面有着广泛的应用,但如何保证不同场景下无人机集群搜索方法的效率问题依然是个难题。为了更好地解决搜索目标先验信息已知的无障碍区域内多无人机集群搜索航迹规划问题,提高无人机集群搜索效率,本文根据目标区域热度以及传感器探测概率等先验信息,提出了一种基于无人机航迹消除策略的概率计算方法,并在此基础上结合策略迭代算法动态规划无人机航迹,找到单个无人机航迹覆盖率最优策略;进而通过适当组合顺序实现无人机集群区域目标搜索整体覆盖率最优;最后,通过仿真计算验证了算法的有效性。

基于ICS-IP&O的光伏最大功率跟踪

针对光伏组件存在局部阴影条件(PSC)时,功率输出曲线呈现出的多峰现象,传统最大功率点追踪方法容易陷入局部最优情况。为了解决上述问题,提出一种将自适应布谷鸟搜索(ICS)算法和变步长扰动观察法(IP&O)相结合的复合算法(ICS-IP&O)。对布谷鸟搜索方法(CS)的切换概率、Lévy飞行步长系数进行非线性自适应优化,使其满足迭代前、后期不同的需求,加快收敛进程。在偏好随机游走部分,引入粒子群算法思想,对位置更新公式进行优化,提高其多样性,使算法具有较强的全局搜索随机性,降低陷入局部最优的可能性。算法后期切换成IP&O搜索,减小振荡。通过Simulink进行仿真测试,并与粒子群算法(PSO)、布谷鸟算法(CS)进行对比。结果表明,该算法在静态、局部遮阴、动态遮阴条件下均具有更好的收敛速度和精度。

无人车集群协同围捕发展现状分析

无人车集群具有成本低、安全性好、自主程度高等优点,已成为无人驾驶领域的研究热点。基于无人车集群,研究人员提出多种不同协同策略以完成各类任务,其中协同围捕作为重要的应用方向,无论是在军用还是民用领域都受到了广泛关注。针对此问题,该文首先基于无人车集群的相关应用和架构,对协同围捕的策略机理进行了系统分析,并将协同围捕策略划分为搜索、追踪和围堵3个子模式。然后,从博弈论、概率分析和机器学习等角度梳理了协同围捕的关键方法,并对这些算法的优缺点进行了比较。最后,对未来研究提出了意见建议,为进一步提高无人车集群协同围捕的效率和性能提供参考和思路。

履带车辆自适应预瞄跟踪模糊控制算法

针对现有单边制动履带车辆跟踪控制算法同周期内并行控制难、跟踪精度低、转向控制次数较多等问题,该研究以电控化改装后江苏筑水农机3B55型履带运输车为试验平台,开展单边制动履带车辆路径跟踪控制算法研究。通过单边制动履带车辆运动学分析,构建车辆预瞄跟踪模型,提出一种预瞄跟踪模糊控制算法,将横向偏差与航向偏差作为多输入输出模糊控制器输入参数,实现车辆同一控制周期内转向与直线行驶的并行控制。为了优化车辆路径跟踪精度与转向控制次数,提出改进麻雀搜索算法(sparrow search algorithm,SSA)的自适应前视距求解算法,考虑车辆的横向偏差和转向路径角度约束,解析较优前视距离,通过仿真和田间试验对算法进行跟踪精度与转向控制次数综合评价。仿真结果表明:基于自适应预瞄跟踪模糊控制算法跟踪多角度规划路径时,车辆转向控制次数为89次,误差面积为1.74 m2。田间作业路况下,由于试验路面起伏不平,并且随速度增加车辆跟踪精度下降,但跟踪精度及转向控制次数随前视距离的变化规律与仿真结果一致,当车辆分别以0.14、0.47和0.83 m/s跟踪路径时,自适应预瞄跟踪模糊控制算法相对于固定前视距离预瞄跟踪模糊控制算法车辆转向控制次数分别减少13.59%、9.87%和11.25%,误差面积分别减少19.93%、48.48%和54.59%,验证了算法的有效性。研究结果可为单边制动履带车辆的农机自动导航技术提供创新思路与技术支撑。

考虑综合性能最优的非短视快速天基雷达多目标跟踪资源调度算法

合理有效的资源调度是天基雷达效能得以充分发挥的关键。针对天基雷达多目标跟踪资源调度问题,建立了综合考虑目标威胁度、跟踪精度与低截获概率(LPI)的代价函数;考虑目标的不确定、天基平台约束以及长远期期望代价,建立了多约束下的基于部分可观测的马尔可夫决策过程(POMDP)的资源调度模型;采用拉格朗日松弛法将多约束下的多目标跟踪资源调度问题转换分解为多个无约束的子问题;针对连续状态空间、连续动作空间及连续观测空间引起的维数灾难问题,采用基于蒙特卡罗树搜索(MCTS)的在线POMDP算法—POMCPOW算法进行求解,最终提出了一种综合多指标性能的非短视快速天基雷达多目标跟踪资源调度算法。仿真表明,与已有调度算法相比,所提算法资源分配更合理,系统性能更优。

全局搜索和多实例判别特征的长时跟踪方法

长时目标跟踪相对于短时目标跟踪仍然是一个巨大的挑战.然而现有的长时跟踪算法通常在面对目标频繁出现消失、目标外观发生剧变等挑战中表现不佳.本文提出了一种基于局部搜索模块和全局搜索跟踪模块的全新、鲁棒且实时的长时跟踪框架.局部搜索模块利用TransT短时跟踪器生成一系列候选框,并通过置信度评分确定最佳候选框.针对全局重新检测开发了一个新颖的全局搜索跟踪模块,以Faster R-CNN为基础模型,在RPN阶段与R-CNN阶段引入非局部操作和多级实例特征融合模块,以充分挖掘目标实例级特征.为了改进全局搜索跟踪模块的性能,设计了双模板更新策略来提升跟踪器的鲁棒能力.通过使用不同时间点上更新的模板能够更好地适应目标的变化.根据局部或全局置信度分数判断目标是否存在,并在下一帧中选择局部或全局搜索跟踪策略.同时能够为局部搜索模块估计目标的位置和大小.此外还为全局搜索跟踪器引入了排名损失函数,隐式学习了区域提议与原始查询目标的相似度.通过在多个跟踪数据集上进行大量实验对提出的跟踪框架进行了广泛评估.结果一致表明,本文提出的跟踪框架实现了令人满意的性能.

基于插件形式的空空雷达仿真建模方法

针对火控雷达仿真的主要功能结构,建立雷达多种搜索跟踪仿真模型,设计模拟训练通用火控雷达目标搜索跟踪算法。基于插件形式以基类对象指针实现继承类对象为参数的系统交互方式,利用抽象工厂模式架构,建立雷达交互的数据模型、逻辑模型,并通过雷达可视化测试环境进行试验分析。实验结果表明:该方法能实现模拟训练通用火控雷达空空模式仿真模型,以及模型的复用性和重构性。

基于改进布谷鸟搜索算法的光伏最大功率点跟踪策略

实际工程中,光伏阵列在随机变化的环境中会出现局部遮光的情况,从而导致光伏阵列的功率-电压特性曲线会呈现多峰值状态,传统的最大功率点跟踪(maximum power point tracking, MPPT)算法易陷入局部最优解,追踪速度和精准度无法得到满足。针对这一问题,提出一种基于布谷鸟搜索算法(cuckoo search algorithm, CS)和电导增量法(conductivity increment method, CI)结合的光伏MPPT算法,在算法前期利用布谷鸟搜索算法将大步长和小步长交替使用使得全局搜索能力增强,找到全局最大功率点所处区域附近;在后期,采用步长小、控制精度高的CI进行局部寻优,快速准确地锁定到最大功率点。在MATLAB/Simulink中搭建仿真模型,并与原始布谷鸟搜索算法和粒子群优化(particle swam optimization, PSO)算法进行比较。仿真结果表明,将CS与CI结合的算法使得收敛速度更快,精度更高,稳定状态时功率曲线的波动更小。

改进布谷鸟算法优化粒子滤波的多目标跟踪方法

标准粒子滤波器的重采样会造成粒子贫化,影响跟踪系统的精度。为克服这一缺陷,提出了一种改进布谷鸟搜索算法优化粒子滤波的多目标跟踪方法。将粒子作为布谷鸟宿主鸟巢,模拟布谷鸟寻找宿主鸟巢位置的行为,通过全局搜索和局部搜索两个阶段使粒子向高似然区域移动。同时,改进布谷鸟搜索算法的寻优机制,提出动态搜索步长和强化局部搜索的方法,加强了算法的全局搜索的收敛速度。此外,改进算法结合了联合概率数据关联,用于解决多机动目标跟踪问题。本文设置了一维环境和二维环境两组实验,对比优化后的粒子滤波算法与标准粒子滤波算法的目标跟踪性能。实验结果表明,本文提出的算法不仅全局收敛速度更快,而且提高了多机动目标跟踪的精度;与标准布谷鸟搜索优化粒子滤波算法相比,全局收敛迭代速度提高了28.5%;与粒子滤波联合概率数据关联和粒子群优化粒子滤波联合概率数据关联算法相比,估计精度分别提高了24.7%和11.81%。