基于全局优化的列车自动驾驶实时规划算法

[目的]针对现有城市轨道交通列车自动驾驶中目标速度规划算法运算量大、运算时间长而无法实时应对突发状况时线路限速临时改变的问题,提出一种基于全局优化的目标速度实时规划算法,实时生成规划速度曲线。[方法]依据列车当前位置、当前速度、运行前方线路限速等条件,首先通过逐点计算的方式生成最短用时规划速度曲线;接着调整牵引、制动级位使列车保持匀加速/减速运行,优化列车运行的舒适度指标;并结合调整最高限速段的巡航速度减少不必要的牵引和制动时间,优化列车运行的能耗指标,最后输出列车规划速度曲线。[结果及结论]仿真结果表明,采用该算法实时生成的规划速度曲线满足了安全、准时和精准停车等基本约束条件,相比传统规划算法,提高了列车的运行舒适度,降低了列车运行能耗;同时,也可以有效应对突发状况时线路限速临时改变的情况,实现多个运行指标的优化。

基于动态RCS的无人机航迹实时规划方法研究

为了提高无人机的生存能力,针对不确定飞行环境的无人机航迹规划问题展开研究,提出了一种基于RCS的无人机航迹实时规划方法,建立了相关计算模型,提出合理的代价函数,并采用多阶段分析博弈评估算法对航迹进行优化。仿真结果表明,基于动态RCS的无人机航迹实时规划方法能够比较好的解决无人机的航迹规划问题。

基于动态RCS的无人机航迹实时规划

传统的无人机航迹规划主要采用仅考虑无人机与雷达距离的简化雷达威胁模型,未充分考虑无人机雷达散射截面RCS(Radar Cross-Section)随自身姿态角改变而产生的动态变化.据此,提出了无人机周向动态RCS模型,并建立了综合考虑无人机动态RCS与雷达距离的探测概率模型,利用遗传算法进行了基于动态RCS的航迹实时规划,计算结果与传统航迹规划结果进行了对比.仿真结果表明该模型的可行性和有效性,能充分利用无人机自身的优势规避威胁,满足无人机的航迹实时规划的要求.

基于混沌遗传的巡航导弹实时规划技术

研究针对突发威胁的实时规划技术能够提高巡航导弹在未知威胁环境中的生存能力,具有重大的研究价值。实时规划的规划思想和规划算法的设计问题是巡航导弹实时规划技术必须要解决的两大难题。基于解决问题的考虑,设计了实时航迹规划的规划思路和一种混沌遗传规划算法。基于传统遗传算法的思想,利用威胁和约束条件构建适应度函数对航迹进行评价,设计了一种特殊的实数结构体编码,提出了合适的选择、交叉、变异三种算子使种群进化,并引入了混沌搜索算子,加速种群的收敛。最后进行了实时航迹规划的仿真分析。仿真结果表明:实时规划的航迹能够避开地形和新出现的威胁,算法收敛速度较快。这说明,设计的算法能够满足当前未知威胁环境下巡航导弹实时规划的需要。

基于改进稀疏A~*编队航迹实时规划方法

根据干扰任务与战场态势对随队支援干扰机干扰航线与资源分配的实时规划是空中突防作战中的关键技术。对航迹实时规划技术的概念进行概述,以突发威胁环境为背景,建立随队支援干扰编队的航迹实时规划模型。针对实时搜索的稀疏A*搜索算法,设置了新的目标函数。基于改进的稀疏A*搜索算法,利用仿真技术对三维航迹进行更新,实现实时规划的目的。

紧急状况下卫星网络传输任务在轨实时规划技术

针对在紧急状况下卫星网络任务传输的需求,提出一种卫星网络传输在轨实时规划技术。通过对组网卫星当前链路通路参数的实时计算,规划当前紧急信息能够最快传输的路径。首先,对卫星网络进行模型建立,将星间链路的连接看作时变连接矩阵的拓扑模型;然后,通过各节点的参数规划最小信息传输延迟下的数据通路;最后,紧急信息任务根据当前节点规划结果选择下一个节点的最佳传输路径,从而使得传输延迟最短。采用在轨各节点实时动态规划的方式,消除地面对卫星网络状态交互的延迟及误判,减少对正常通信业务的影响。基于设计模型进行了硬件电路的实现及实验,传输平均延迟均在秒级,能够实时完成紧急信息传输的自主任务规划。

虚拟轴数控机床刀具运动状态的实时规划

提出了虚拟轴数控机床的递阶控制方法， 并着重介绍了递阶控制的第一级——刀具运动状态实时规划所涉及的切削路径生成、刀具运动路径计算和刀具运动姿态规划三个关键问题的求解过程， 为虚拟轴机床数控系统的研究开发奠定了必要的理论与技术基础．

动态UP6工业机器人运动轨迹的实时规划

介绍了一种对运动中机器人的轨迹进行实时规划的方法。利用M otocom软件从机器人控制柜获取其当前的运动程序文件,通过一种轨迹规划算法,对运动中的机器人的轨迹进行实时规划,重组为运动程序文件,再通过M otocom32将文件上传给机器人控制柜,并使机器人按规划后的程序继续运行。这样便实现了对运动中机器人轨迹的实时规划。实验证明,这种轨迹规划的方法实时性较好,满足了一般工厂运行的要求。

一种智能对手飞机航迹实时规划方法

人在环路的空战仿真训练系统中,智能对手飞机需要根据当前系统中的态势进行实时规划,快速构成有利的攻击态势,体现出智能对手飞机的"聪明"性,飞行员通过和"聪明"的对手进行对抗训练,可以提升自己的战术素养,以当前态势中对敌方的探测概率为代价函数,采用改进型A*算法,探索智能对手飞机的下一步航向角和俯仰角的变化,得到智能对手的下1个仿真步长的位置和姿态。通过1组实际的飞行数据为样本数据,验证了该方法的可行性,算法效率高,能够满足实时性较强的空战仿真需求。

敏捷成像卫星“逐级择优”在轨任务实时规划

为实现对航班失联、自然灾害等突发事件的快速响应与有效观测,针对面向热点区域内多个目标的敏捷成像卫星在轨任务实时规划问题,设计了一种基于目标等级的逐级择优在轨任务实时规划算法,用以快速形成最优成像序列。首先,将热点区域内的多个地面目标按重要程度划分为多个等级,在分析目标位置与卫星性能之间约束条件的基础上,将任务规划问题转化为以成像收益为目标的优化问题。然后,针对该优化问题,在同等级目标中按"先到先得"的方法进行筛选,在当前级最优成像序列的基础上,进行下一级目标的筛选与插入,逐级实现成像收益的最大化。最后,对18个地面目标进行为期500s的规划仿真。结果表明,算法能够在1s内给出对应最大收益的对地成像序列。同遗传算法相比,所提算法解算更快,结果更为稳定,满足工程应用的快速性与高收益要求。

失效卫星捕获的实时规划控制方法

针对高轨失效卫星维修、离轨等航天任务,借鉴自然界生物的运动控制策略,利用计算仿真完成各种工况下的失效卫星接近轨迹规划,然后设计深度神经网络学习轨迹得到的最优轨迹,提高了对各种卫星失效飞行情况下的接近轨迹实时规划和跟踪控制。在失效卫星姿态运动发生突变时,通过分段重规划,仍能保证快速重规划出期望轨迹,保证对失效卫星的成功捕获。仿真结果表明,设计的实时规划控制方法可以有效控制服务星对失效卫星进行接近捕获。

动态环境中的飞行器实时三维航迹规划方法研究

本文提出了一种新的飞行器三维航迹规划方法— SDS。该方法能够在具有预先未知威胁的飞行环境中在线实时航迹规划。当飞行器上装备的探测器探测到飞行环境中有预先未知的威胁出现时 ,根据探测到的信息及时更新威胁数据。 SDS根据新的环境信息局部修正受到影响的航迹段来获得新的全局最优航迹。在每一时刻考虑当前已知的信息下 。

无人机动态环境实时航迹规划

提出了一种基于实时A*搜索的无人机实时航迹规划算法。该算法将飞行器运动与航迹搜索相结合,在飞行器飞行过程中实时规划出下一段航迹;在搜索过程中,使用了多步寻优搜索的方法,相比单步搜索生成的航迹更加优化;使用最小转弯半径对生成的折线进行连接,使路径平滑可飞;针对算法局限性,给出一种改出局部最优点的策略。最后经仿真证明了该算法能够较好地满足规划要求。

基于深度强化学习的无人机实时航迹规划

随着无人机技术的应用和发展,无人机执行任务的飞行环境愈发复杂多变,对无人机机动避障能力和航迹规划的实时性提出了更高的要求。基于泛化性较好、对环境依赖弱的深度强化学习算法,以雷达实时获取的障碍物地图信息为基础进行实时路径规划,针对二维航迹规划问题特点设计了连续奖励函数,解决了强化学习算法在二维平面航迹规划中奖励稀疏的问题;基于迁移学习的思想设计多个训练环境,并按任务的难易程度进行分步训练,降低了算法的训练难度,提高了训练效果,并使算法的收敛效果更加稳定。在实验中将SAC算法与目前主流的PPO和TD3算法进行对比,实验结果表明:SAC算法收敛速度快,实时性好,航迹平滑度更好。

基于改进的教与学优化算法的船舶实时路径规划

利用局部逃逸策略(Local Escaping Operator,LEO)对原始教与学优化算法(Teaching Learning Based Optimization,TLBO)的部分解进行替换,使其快速跳出局部最优,提出一种改进的教与学优化算法(Local Escaping Teaching Learning Based Optimization,LETLBO),并将其应用于船舶实时路径规划中。在船舶实时路径规划仿真试验中,利用概率图搭建搜索地图,利用高概率区域模拟目标所在区域,并采用贝叶斯定理设计一个概率函数作为目标函数。同时,为更好地实现实时路径规划,提出以个体为单位,利用在个体探索时高概率区域同时移动的方式模拟船舶在搜索时目标同时移动的情况,成功模拟船舶实时路径规划,保证试验的有效性。通过船舶实时路径规划仿真试验测试2种模拟情况下LETLBO与原算法及其他多种经典算法的性能,结果发现LETLBO在2个情景中找到目标的概率相比原算法分别提升41.88%和43.38%,运算时间分别减少0.9789 s和0.3752 s,且综合性能更优,说明改进的算法具有更好的探索寻优能力和鲁棒性。

大型客运枢纽行人室内导航实时路径规划方法

大型客运枢纽的结构复杂、客流分布不均匀,枢纽内的引导标志不能有效解决行人对用时最短路径的需求,基于此提出科学合理的路径规划方法。构建行人走行路径网络,采用k均值聚类改进算法确定实时速度,分析路段拥挤度,以实际用时最短为目标,建立行人室内导航路径模型,提出一种客运枢纽行人室内导航实时路径规划方法。以长沙南站为背景,给出具体的应用实例,其计算结果表明:所提出的方法能减少行人13.9%的时间消耗,提高枢纽内行人流通率。

一种基于超差信息的局部实时航迹规划方法

针对无人飞行器在飞行过程中当前的飞行状态相较于预定的状态发生超差,需对无人飞行器飞行航迹进行实时规划调整的问题,论文提出了一种基于超差信息的局部实时规划方法。该方法通过分析超差信息中飞行器飞行状态、飞行器与任务链的位置与方向关系等,给出了超差信息处理决策方法,并提出了结合有向圆的局部实时规划算法,使得规划算法能适应规划起始点与终止点复杂的位置关系和进入方向约束,并快速地找到合适的辅助导航区。实验证明:在超差发生时,该方法能很好地分析超差信息并快速规划出局部调整航迹。

无人机复杂环境中跟踪运动目标的实时航路规划

在复杂地形环境中,无人机在跟踪运动目标时,现有的航路规划方法在实时性和可行性上存在一定缺陷.提出了一种新的滚动窗口启发方向计算方法,使其能够跟踪运动目标,同时在滚动窗口内采用流函数法进行避障.根据无人机约束,滚动窗口为三角形,并设计了基于行为的伸缩功能.在流函数中,利用水势能方法克服了陷阱地形并进行了航路平滑.仿真结果表明:这种混合算法对于复杂地形条件下跟踪运动目标的航路规划,能够减小规划算法的时间和空间复杂度,使规划出的航路适于无人机飞行.

基于SBL-PRM算法的柑橘采摘机器人实时路径规划

针对动态非结构化环境下的柑橘采摘机器人实时路径规划问题,采用单次查询、双向采样与延迟碰撞检测相结合的SBL-PRM(Single-query,Bi-directional,Lazy collision checking,Probabilistic Roadmap Method)算法,对无遮挡和遮挡两种场景下的柑橘采摘情况进行仿真试验,分析最大采样点数S、邻域阈值ρ、局部路径检测阈值ε、路径平滑次数N等参数对规划时间和成功率的影响。结果表明,在S=3000,ρ=0.6,ε=0.03,N=10时,无遮挡和遮挡两种场景下路径规划的平均时间分别为1ms、60ms左右,规划成功率均为100%。仿真试验证明了SBL-PRM算法在柑橘采摘机器人实时路径规划中的有效性。

高超声速飞行器实时航迹规划研究

提出一种实时航迹规划策略和一种改进变步长稀疏A*算法,并基于ADSP-21364处理器设计了一套高超声速飞行器实时航迹规划系统,该系统能够在离线规划的基础上根据实时探测的威胁对航迹进行重规划。进行了飞行模拟实验以及视景仿真,结果验证了规划策略和改进A*算法的有效性。规划得到的实时航迹能避开各种在线威胁,满足实时规划要求。