战场运输在线路径规划算法研究

针对战场运输保障任务批次多,不确定性强等特点,提出了一种轻型在线的运输路径规划算法。以节省整体运输开销为目标,利用图论思想对运输路径的相互关系进行了数学建模,定义了路径连接的必要条件和合并算子。并借鉴了节约法等启发式方法的思路,提出了一个路径优化合并方法和相应在线调度算法,能够按照负载平衡和最小开销策略分配运力,按需对现有任务合并。模拟实验结果表明,与过去按分管关系指派任务的方法相比,运输开销得到显著减小。

实时避碰的无人水面机器人在线路径规划方法

针对动态环境下,无人水面机器人(USV)必须遵守国际海上避碰规则公约且实时在线路径规划的难题,提出一种无人水面机器人在动态环境下进行在线路径规划的方法。此方法将国际海上避碰规则公约融入速度避障法,将速度避障法中的相对速度线性化,使其能作为约束融入混合整数线性规划器。同时将USV的本体动力学约束与环境约束结合,采用多目标函数作为优化函数,根据任务的要求选择距离优化函数、速度优化函数和遵守COLREGs目标函数等多个优化目标函数。最后,通过对USV在2种会遇情况规划路径的仿真实验分析,验证了此规划算法的有效性。

威胁联网下无人机路径在线规划

文章以火力单元为威胁建立威胁联网模型,分析了威胁联网对火力单元的雷达扫描区和杀伤区的影响,以及威胁联网对路径规划的影响;针对威胁联网下各主动威胁进行信息交流与资源共享的模式,提出了适用于威胁联网的目标指示概率,并以威胁对无人机的探测概率为基础,给出了简化的威胁联网模型。根据雷达响应时间和导弹外部飞行时间提出了威胁时间窗概念,并结合威胁联网模型改进了威胁代价目标函数。最后运用模型预测控制算法进行仿真,通过对比说明基于威胁联网模型的改进算法的有效性和合理性。

基于改进威胁代价的无人机路径在线重规划

针对路径在线重规划中的威胁代价评估问题,提出了基于最大综合拦截概率的在线威胁代价评估改进算法。在该算法中,以已有威胁代价评估模型为基础,给出不同信息支持条件下的"瞬时跟踪概率"计算模块,进而引入"连续跟踪概率"概念,并结合"杀伤概率"得到"拦截概率"概念模块。在此基础上,提出"最大拦截概率"概念,以此作为单个主动威胁作用下的在线威胁代价评估标准,最后将其拓展到"最大综合拦截概率"作为多个主动威胁作用下的在线威胁代价评估标准。在此基础上,结合MPC算法给出路径在线重规划的模型。通过仿真结果对比,说明上述模型的合理性和算法的有效性。

多医用配送机器人系统实时路径规划方法研究

医用配送机器人代替医护人员完成日常配送任务是当今全世界急需完成的技术革新,对新型冠状病毒的控制起着至关重要的作用。然而,该技术仍未在世界范围内广泛普及是因为其存在一定难点,例如如何保证多辆机器人在不断变化的环境中无碰撞、按时的完成所有配送任务。对于上述问题,基于滚动时域提出一种实时路径规划策略和实时冲突避免策略,为多机协同路径规划问题的解决提供一定思路。

基于粒子群模糊的除冰机器人越障规划

由于除冰机器人多在天气恶劣,覆冰较厚的输电线路上工作,现有的基于视觉伺服越障策略存在图像质量差,冰、线区分难等不足。根据模糊逻辑和粒子群优化原理,提出了一种除冰机器人在线越障和路径规划方法。该方法通过模糊规划器实现除冰机器人机械臂的无障跟踪和平稳越障。在此基础上,以机械臂末端经过路径长度和与目标点距离的综合最小为目标,利用粒子群算法对模糊规划器输出角度进行在线优化。仿真结果表明:与传统的模糊越障规划相比,该方法不仅满足除冰机器人实时规划和自主越障的要求,缩短了机械臂经过轨迹的长度,提高了除冰机器人的工作效率和续航能力,为实际工程应用中除冰机器人的能源短缺问题,提供了一种节约使用方案,具有一定的工程应用价值。

基于多测量技术的零件加工精度在线检测系统

为保证零件质量,提出了一种基于多测量技术的零件加工精度在线检测系统。该系统由在线检测路径自动规划子系统、集成接触与非接触式方法的多测量技术在线检测子系统、测量数据处理与评价子系统组成。采取接触式测量与非接触式测量相结合的方法,可弥补单种测量方式的不足,提高了检测效率和适用性。

一种基于温度动态估计的AUV锋面跟踪算法

针对海洋锋面快速观测的需求,本文提出了一种基于温度动态估计的自主水下机器人(AUV)锋面跟踪算法。首先,选择高斯过程回归(GPR)作为环境模型估计工具,对AUV近邻区的温度进行动态估计;接下来判断AUV当前的观测位置,在锋区内部执行沿梯度方向跟踪策略,在锋区边界执行沿等温线跟踪策略;最后,根据温度预测结果,指导在不同路径规划策略下的观测点选取,实现AUV的在线路径规划。本文使用该算法,对通过卫星遥感数据模拟的锋面观测区域进行仿真验证,研究结果显示,本文算法与常规方法相比,可以快速地完成锋面跟踪任务,并具有良好的环境适应能力,能够满足对不同形态锋面的观测需求。

一种基于高斯过程回归的AUV自适应采样方法

针对区域海洋特征环境快速观测的需求,提出了一种基于高斯过程回归的小型自主水下机器人(AUV)自适应采样方法.首先,通过比较高斯过程回归(GPR)中使用不同的回归推理方法的估计准确度和计算效率,确定AUV的合适采样间隔时间;在此基础上,根据AUV实时观测的数据进行GPR分析,预测未观测区域环境数据,并通过计算预测区域梯度极值和预测不确定度引导AUV进行在线路径规划;最后使用该方法,对具有不同特征分布的区域环境观测过程进行仿真.结果显示,本方法与常规方法相比,能够更高效地获得观测区域的低误差特征分布估计,更快地获得观测区域热点区特征,更好地适应观测区域特征分布不同的情况.