基于A^(*)-动态窗口法的无人船动态路径规划算法

为使无人船在复杂的海上环境具备自主路径规划能力,保证其能够在未知环境中避开障碍物并准确到达目的地,结合A^(*)算法的全局最优特性和动态窗口法的实时性,提出了一种新的无人船动态路径规划算法。将A^(*)算法规划的路径点作为动态窗口法的局部目标点,并在中间路径点不可达时及时重新规划全局路径,形成了A^(*)-动态窗口法。动态环境下的仿真结果表明:该融合算法能引导无人船通过平滑的路径顺利到达目标点,证明了该算法的合理性和有效性,而与多种传统算法的对比结果,验证了所提A^(*)-动态窗口法的优越性。

采用社会约束自适应动态窗口法的服务机器人路径规划

针对传统动态窗口法在行人密集环境下动态路径规划存在灵活性差、效率低、安全性缺乏等问题,提出一种社会交互空间下基于社会约束自适应动态窗口法(social_DWA),并采用其解决服务机器人局部路径规划问题。首先,采用非对称高斯公式对单行人以及多人群组交互空间进行模型化描述;其次,在传统动态窗口法的基础上,采用动态行人方位角约束对动态行人进行避让;改进距离评价函数,分类决策与行人、多人群组、一般障碍物的安全距离;最后,提出速度权重自适应调整策略,优化服务机器人在途经不同密集度社会交互区域时的移动速度。为验证算法有效性,在两种模拟社会场景下,先后开展了social_DWA算法与传统DWA算法、FIDWA算法的路径规划仿真对比实验。结果表明:采用social_DWA算法所消耗的运动时间在场景1中较传统DWA和FIDWA算法分别缩短了1.53、0.43 s,在场景2中较传统DWA和FIDWA算法分别缩短了26.3、2.86 s;相较于传统DWA算法和FIDWA算法,social_DWA算法能保持有效的行人安全距离,并使运行轨迹更加合理。social_DWA算法在行人避让、环境适应能力等方面具有一定的优越性。

融合改进A^(*)算法与动态窗口法的移动机器人路径规划

为解决移动机器人在随机障碍物环境的导航过程中,使用A星(简称A^(*))算法出现碰撞导致路径规划失败的问题,设计了一种融合改进A_(*)算法和动态窗口法(dynamic window approach,DWA)的全局动态路径规划方法。首先,从以下两方面改进传统A^(*)算法:混合使用4邻域和8邻域A^(*)搜索算法,与通过删除冗余路径点和转折点来提高路径的平滑性;接着将改进A^(*)算法与DWA融合,利用融合算法使移动机器人进行全局实时动态路径规划。Matlab仿真试验结果表明,改进后的A^(*)算法较传统A^(*)算法不会使机器人穿越障碍物及其顶点,这有效减少了碰撞,从而提高了安全性;融合DWA后,在获得全局最优路径的基础上,能避开静态随机障碍物和动态障碍物,这证明了融合算法有良好的路径规划能力。

应急管理动态能力的概念与维度——基于原子图谱法和质性分析

环境变化和不确定性要求应急管理形成快速回应的动态能力。以战略管理领域的动态能力理论为鉴镜,基于原子图谱法提炼已有概念数据指标并结合质性分析,应急管理动态能力可概括为在突发事件全周期内,应急管理主体通过感知与监测环境风险,整合和重新配置内外部资源,并借助危机学习和创新,以预防、应对突发事件,将突发事件造成的损失降到最低并满足应急管理需求的能力。应急管理动态能力包括风险感知能力、应急保障能力、资源整合能力、协同配合能力、创新能力、恢复能力和学习能力等维度,具有全方位、全流程和综合性特点。应急管理动态能力框架具有一定的理论解释力,但仍需要进一步丰富理论内涵,提升实践价值,以利于制定适宜的应急管理发展战略,有效应对风险挑战。

结合轻量化YOLOv5s的动态视觉SLAM算法

针对视觉SLAM在真实环境中易受车辆、行人等运动物体影响而导致位姿估计降低的问题,提出一种结合轻量化YOLOv5s的动态视觉SLAM算法,将改进的轻量级YOLOv5s作为目标检测算法用于判断运动物体;结合提出的动态特征点剔除方法,剔除动态特征点,仅采用静态特征点进行位姿估计和地图跟踪。在TUM数据集进行实验,相较于ORB-SLAM3算法,改进后的算法在高动态序列上的位姿估计精度分别提升了89.29%、65.34%、94.42%,结果表明改进后的算法能够有效剔除动态特征点,提高了视觉SLAM算法在动态环境下的位姿估计精度和定位精度。

基于FIA*-APF算法的蟹塘投饵船动态路径规划

为了提高无人投饵船在含障碍物河蟹养殖池塘自主巡航的作业效率和安全性,该研究提出基于改进A*算法与人工势场法相融合(fusion of improved A*and artificial potential field,FIA*-APF)的蟹塘投饵船动态路径规划算法。首先引入动态加权因子优化A*算法评价函数;其次加入转折惩罚函数并删除冗余点,接着利用B样条曲线对全局路径进行平滑处理;最后将改进A*算法得到的全局路径作为改进人工势场法中的引力路径,生成投饵船自主巡航高效路径。根据养殖池塘创建静态和动态2种仿真环境,分别对传统人工势场法(traditional artificial potential field,TAPF)、基于A*和人工势场法的融合算法(the A*and artificial potential field,TA*-APF)和FIA*-APF算法的性能进行20次测试。仿真试验结果表明:2种环境下,FIA*-APF算法的平均规划时间是TAPF算法的17.23%,是TA*-APF算法的51.96%,平均指令节点数量比TAPF算法减少50.64%,比TA*-APF算法减少65.03%,平均路径长度比TA*-APF算法减少2.82%。蟹塘试验结果表明:FIA*-APF算法的规划时间为TAPF算法的38.16%,为TA*-APF的62.42%,路径长度比TAPF算法减少29.13%,比TA*-APF减少10.15%;另外,TAPF和TA*-APF算法规划路径上大于60°的转角分别是FIA*-APF算法的3.28和2.62倍,大于100°的转角分别是FIA*-APF算法的3.73和1.67倍,该研究算法规划的路径更高效平滑。研究结果可为无人投饵船自主导航提供参考。

融合改进蚁群算法和动态窗口法的AGV路径规划

针对传统蚁群算法中初期路径搜寻盲目、启发式函数作用较小、信息素更新规则单一、动态窗口法缺少全局性指导等问题,提出了基于改进蚁群算法的全局路径规划,通过改进初始信息素,提高了算法初期的寻径效率;通过改进启发式函数,减少了算法收敛的时间;通过改进信息素更新规则,同时考虑了路径长度和能耗,增加了路径的优越性。之后将改进后的蚁群算法与动态窗口法相融合,增加了动态窗口法中的评价函数,使动态窗口法沿改进蚁群算法最优路径进行实时的局部路径规划,令路径的静态全局最优和动态实时规划得到了兼容。仿真实验表明,改进后的蚁群算法相较传统算法迭代速度更快,转弯次数更少,融合后的算法在复杂环境中可以精确地实时路径规划,充分证明了该融合算法的可行性。

基于动态磁网络法大型感应电机阻抗参数及起动特性计算

为提高大型感应电机动态阻抗参数及起动特性计算的准确性及计算效率,构建了考虑电机转子转速变化引起气隙磁导变化的非线性动态磁网络模型。以一台6.5 MW大型感应电机为例,分析起动电流变化对电机内各处饱和程度的影响机理,在此基础上,根据磁力线路径及电机内饱和程度确定动态磁网络模型中的非线性磁导的计算方法。将动态磁网络模型与转子趋肤效应模型相结合,提出计及漏磁并考虑转子转速变化及饱和偏移现象的电机动态阻抗参数的计算方法。推导并建立基于转子多回路法的大型感应电机的动态数学模型,根据电机瞬态过程中的电磁耦合关系,确定动态数学模型与磁网络模型的动态耦合求解方法,提出大型电机瞬态过程中考虑电流、转速、饱和及趋肤程度变化的动态阻抗参数及起动特性的计算方法。通过与有限元计算结果及实验结果对比,验证了所提出计算方法的正确性。

基于损伤等效的直立锁边屋面板动态抗风揭试验方法

围护结构在台风等极端风下的抗风性能需要依靠动态试验测定,试验周期长导致成本高且模拟研究受限。基于直立锁边屋面板材料的损伤本构模型,通过疲劳分析研究荷载幅值对材料损伤影响,提出简化荷载序列组合。借助雨流计数法统计测点风压时程得到基于损伤等效的简化荷载循环,提出动态抗风揭试验方法。参照不同试验方法开展抗风揭试验,通过对比发现,试验方法对屋面板风揭破坏过程影响不明显。除永久塑性变形外,该文试验方法与现有试验方法下屋面板损坏现象基本一致,屋面板均为撕裂破坏。不同试验方法下屋面板承载力差异在10%~20%间。该文试验方法加载周期小于1h,现有试验方法加载周期则大于20h。在屋面板风揭破坏过程、承载力等抗风揭性能差异不大情况下,该文试验方法可大幅降低试验周期,为开展模拟研究奠定基础。

基于改进哈里斯鹰优化算法的动态路径规划研究

针对传统栅格地图下的路径规划算法存在多峰值优化、无法实时避障等问题,提出了一种基于改进哈里斯鹰优化算法的动态路径规划方法。首先,提出方形邻格邻近扩散方法初始化哈里斯鹰种群位置,在路径规划问题模型下增加种群多样性;然后,提出一种非线性能量因子优化算法在搜索和开发之间的更新比例,提高全局搜索性能;最后,引入动态窗口法提高机器人实际运行路径的平滑程度,构造结合全局路径的动态窗口评价函数以改善动态窗口法前瞻性不足的问题。实验结果表明,所提方法可以兼顾实时避障和路径最优的需求。

TOE框架下智能财务转型路径研究——基于面板数据的动态QCA方法分析

智能财务将企业经营管理与前沿科学技术相融合,是推动企业高质量发展的重要途径。基于资源基础优势和价值创造扩散维度,构建企业智能财务转型评价体系,并通过熵值法获得企业智能财务转型综合指数。进一步引入TOE框架,运用动态QCA方法分析2017—2022年典型企业面板数据,探索时间纵轴上技术、组织与环境影响因素对企业智能财务转型的组态效应。结果表明:数字化转型是推动企业智能财务发展的关键条件;存在4条驱动企业智能财务转型的路径,可归纳为技术支持—外部施压驱动型和技术支持—组织架构驱动型两类机制;2条导致非高企业智能财务转型的路径,即技术支持缺失型和技术—组织叠加缺失型;在时间维度上,高企业智能财务转型驱动路径于2019年均出现轻微下滑,之后开始逐步回升;在个体维度上,多层面因素耦合均出现赋能有限性情形。

基于范数灰关联-动态功效系数法的机坪U型区空间效率评估

为了确定机坪U型区空间效率评估指标体系及其指标的重要程度,分别从机坪设计和机坪运行两个维度建立机坪U型区空间效率评估指标体系。基于此提出了基于范数灰关联-动态功效系数法的机坪U型区空间效率评估方法。并以10个国内大型运输机场航站楼对应的U型区机坪为例进行计算,得到了影响机坪U型区空间效率各指标的权重及各机场航站楼对应的U型区机坪的空间效率评分。提出在U型区设计时应着重考虑指廊边机位个数、U型区指廊纵深和U型区底边长度3个指标。结果表明,该方法能够较为科学地对机坪U型区空间效率影响因素进行综合分析,有效评判不同构型机坪U型区空间效率。

中国与“一带一路”共建国家核能国际合作风险评价——基于动态因子分析法

基于核能发展需求风险、核能发展条件风险、贸易关系风险、社会稳定性风险、政治风险和经济风险构建了中国与“一带一路”共建国家核能国际合作风险综合评价指标体系,并运用动态因子分析法,探究了中国与101个“一带一路”共建国家核能国际合作风险水平,实现了横向空间差异和纵向动态趋势的全面测评。研究发现:政治风险和经济风险对核能国际合作的影响最大;核能国际合作风险的平均综合得分及排名结果表明,核能国际合作风险在不同“一带一路”共建国家之间存在差异,欧洲国家的核能国际合作风险整体较低,非洲国家的核能国际合作风险整体较高;根据核能国际合作风险动态得分,可将核能国际合作风险划分为上升组、下降组、先升后降组、先降后升组、波动组和平稳组,平稳组国家是中国开展核能国际合作的最佳选择。

基于动态阈值分割法的接触轨图像关键特征点提取方法研究

在地铁系统中,接触轨的状态对于牵引供电系统的安全性至关重要,一旦接触轨几何参数超出正常范围,不仅会导致集电靴无法正常取流,进而影响运营车辆的顺畅运行,而且在极端情况下,还可能引发严重的安全事故。传统的接触轨几何参数测量方法在采集图像时通常面临背景复杂、干扰图像多等问题,以致检测数据量少、检测密度低,从而难以精确提取接触轨的关键特征信息。针对这一问题,文章提出一种新的方法,即结合动态阈值分割法、直线拟合以及投影计算的方式,有效解决接触轨特征点提取的难点,实现几何参数的精确测量。该方法不仅能够准确捕捉到接触轨的细微变化,还能够确保测量结果的可靠性和准确性。为进一步提高测量的便捷性和实用性,研究过程中同步研制出一套接触轨几何参数的便携式测量装置,并在地铁线路上进行现场应用示范,为实际运营中的接触轨状态监测提供有力的技术支持。

融合RRT^(*)与DWA算法的移动机器人动态路径规划

为实现移动机器人在复杂动态障碍物环境中的避障,提出一种改进的快速随机扩展树(rapidly-exploring random tree,RRT^(*))与动态窗口法(dynamic window approach,DWA)相融合的动态路径规划方法。基于已知环境信息,利用改进RRT^(*)算法生成全局最优安全路径。通过消除RRT^(*)算法产生的危险节点,来确保全局路径的安全性;使用贪婪算法去除路径中的冗余节点,以缩短全局路径的长度。利用DWA算法跟踪改进RRT^(*)算法规划的最优路径。当全局路径上出现静态障碍物时,通过二次调整DWA算法评价函数的权重来避开障碍物并及时回归原路线;当环境中出现移动障碍物时,通过提前检测危险距离并转向加速的方式安全驶离该区域。仿真结果表明:该算法在复杂动态环境中运行时间短、路径成本小,与障碍物始终保持安全距离,确保在安全避开动态障碍物的同时,跟踪最优路径。

基于动态模糊人工势场法的移动机器人路径规划分析

移动机器人的路径规划是机器人导航中的重要问题。本研究介绍了动态模糊人工势场法的原理和基本思想,并讨论了该方法在移动机器人路径规划中的应用。通过引入动态模糊人工势场法,有效避免了机器人陷入局部最小值,并能够快速、高效地找到最优路径。在实验中,使用了一台移动机器人进行了路径规划的仿真实验,并与其他常用的路径规划方法进行了比较。实验结果表明,基于动态模糊人工势场法的移动机器人路径规划具有良好效果,具有较好的性能和适用性,为移动机器人路径规划提供了新的思路,具有良好的应用前景。

基于动态窗口法的近海水域船舶避障算法研究

[目的]提出一种改进的动态窗口法,以解决近海水域智能船舶在面对夹击及动静混合会遇时无法有效避让的船舶避障问题。[方法]为得到在近海水域航行的船舶约束条件,针对近海水域对船舶避障的影响因素进行分析,同时提出近海水域船舶航行最低避障要求;然后对动态窗口法(DWA)的目标函数进行优化改进,并将其与船舶和障碍物的距离相关联,以提升船舶在航行图中的安全性,同时将目标函数中的航向权值引入船舶会遇态势判断,以使目标船舶可以有效判断船舶的避障责任;最后,通过仿真模拟验证改进算法的有效性。[结果]仿真结果表明,所提的改进算法在分别遭遇夹击以及复杂会遇的情况下,能够清晰地判断船舶的避障责任,降低航行过程中的速度变化陡峭度,且所规划的船舶航行路径可有效提升船舶航行的安全性。[结论]所提避障算法可为解决近海水域智能船舶遭遇复杂会遇情景的避碰失败问题提供参考。

融合改进A^(*)算法和优化动态窗口法的路径规划

针对传统A^(*)算法在栅格数量较多时存在折点多、耗时长,以及动态窗口法在复杂环境下灵活性差的问题,提出一种融合改进A^(*)算法和优化动态窗口法的路径规划算法。首先,在传统栅格地图上建立一层粒度值更大的拓扑层地图,接着将拓扑层规划出的路径在栅格地图上进行优化,删除冗余节点、提高路径平滑度。通过增加机器人在不同场景下的运动状态来优化动态窗口法。最后,将全局规划的关键点作为局部规划的临时目标点,实现两种算法的融合。通过对比试验,证明融合算法不仅保证了全局路径较优而且减少了折点数、耗费时间,还提高了机器人在动态环境下路径的平滑度和灵活性。

融合A^(*)与DWA算法的水面船艇动态路径规划

为解决水面船艇路径规划同时要求全局最优、实时避障和航迹安全可靠的问题,提出了一种基于融合A^(*)算法与动态窗口算法(DWA)的水面船艇路径规划方法。首先通过引入启发函数动态加权策略,提高A^(*)算法的搜索效率;然后综合考虑水面船艇的运动特性,采用一种路径转角节点角度削弱策略,减少转角,缩短全局路径长度;最后,基于全局因素影响与航迹安全约束对DWA算法的轨迹评价函数进行改进,并以全局路径提供子目标点引导DWA算法进行局部规划的方式完成算法融合。实验结果表明,融合算法相比于现有算法的总转向角度分别减少了45.6%、46.0%,验证了融合算法的有效性与可行性,并且相较于其他传统算法更具优越性。

一种融合改进A^(*)算法与改进动态窗口法的文旅服务机器人路径规划

为满足复杂环境下文旅服务机器人路径规划算法搜索的导向性、静态环境下全局路径的最优性和动态环境下实时避障的安全性的需要,提出了一种基于改进A^(*)算法与动态窗口法相融合的算法。首先,在传统A^(*)算法的基础上,采用更精确的搜索邻域选取策略,并引入障碍物占用栅格率来量化地图信息,动态调节启发函数和权重系数;其次,引入安全距离概念,提出一种三次折线优化方法,剔除冗余节点和拐点,以提高路径的平滑性;针对狭窄通道环境,提出一种自适应圆弧优化方法,使路径更符合机器人的运动学约束。通过加入动态障碍物垂直距离代价函数,有效减少机器人与动态障碍物的冲突和碰撞风险;最后,将改进A^(*)算法与动态窗口法相融合,选取关键路径点作为动态窗口法的临时目标点,分段使用动态窗口法进行局部实时路径修正。实验结果表明,该融合算法同时具备搜索导向性、全局路径最优性和动态避障能力,能够安全快速到达目标点,具有一定的应用价值。