水下机器人移动式对接的全局路径规划方法

针对无人自主式水下机器人与母艇动态对接时面临的自主式水下机器人欠驱动操纵特性对全局路径的多几何约束要求,以及母艇运动带来的交会点动态变化导致路径的终端约束动态变化等难题,本文提出了一种自主式水下机器人的自主对接路径规划方法。该方法主要分为约束求解、运动规划和状态估计3部分。利用自主式水下机器人的动力学模型分析了在对接过程中的运动约束与终端约束;在运动约束和终端约束条件的前提下,基于势场法的思想分别设计了位置约束和姿态约束下的全局路径规划算法,同时提出母艇的位置、速度和姿态估计方法,并依此开展基于全局预测的路径规划方法的仿真。仿真结果表明:本文方法运算速度快、对母艇的状态具有很好的鲁棒性,并且满足运动约束和终端约束,可以在试验模拟真实自主式水下机器人归航时得到一条满足约束条件的光滑路径的路径规划算法。

基于多约束DTW的MPCA间歇过程监测方法

针对间歇过程固有的批次不等长问题,也为了克服传统解决批次间同步问题方法存在的数据浪费、扭曲原始过程变量的自相关及交叉相关关系的严重缺陷,提出基于多约束的动态时间规整(dynamic time warping,DTW)方法,按照轨迹中点与点的模式进行动态匹配解决的同步问题.同时,引入了全局路径限制和失真度阈值限制对DTW方法进行改进,解决了传统DTW方法长时间运行造成的故障监测严重滞后的问题,同时克服了其处理过程的复杂性与其离线性导致其实际应用的困难.用多向主元分析(multiway principal component analysis,MPCA)方法将多约束DTW处理过的数据进行建模.将该方法应用到青霉素发酵过程仿真实验中,结果表明:该方法能够快速准确地对不等长批次进行规整,与传统方法相比,故障的误报率、漏报率明显降低.

基于节约遗传算法的电子商务配送中心选址

电子商务配送中心选址未能算出变动成本与时间约束条件,导致选址耗费成本。提出一种基于节约遗传算法的电子商务配送中心选址方法。根据节约遗传算法对电子商务配送路径实施优化,获取全局最优路径,并通过解析物流配送中心模式,使其更符合实际需求。建立电子商务配送中心的选址模型,利用目标函数运算出变动成本与时间约束条件,对选址模型进行改进,通过该模型缩短所需时间与成本;通过非线性混合0-1规划,大幅提高物流配送的服务水平。实验结果表明,所提算法在保障服务质量的同时,具有显著优越性与普遍适用性。

基于自适应粒子群优化算法的无人机三维航迹规划

针对传统的粒子群优化算法容易陷入局部最优解的问题,提出了一种自适应粒子群优化算法,在迭代寻优过程中自适应地调节惯性权重和2个学习因子的数值。建立了无人机在山区环境执行勘察任务的航迹规划环境模型,分析了无人机自身约束条件。设计了自适应粒子群优化算法的适应度函数和航迹规划算法流程。分别采用自适应粒子群优化算法和传统粒子群优化算法开展了无人机三维航迹规划仿真实验。仿真结果对比表明,所提出的自适应粒子群优化算法比传统粒子群优化算法具有更高的全局搜索能力和搜索精度。

非结构化路口低精度任务约束全局路径规划

针对路口低精度约束条件下全局路径规划问题,对传统A^(*)算法进行改进,形成分层搜索A^(*)算法。首先,提出一种适应非结构化道路实况和军事交通应用需求的高精度导航地图模型,着重构建路口的拓扑网络;其次,阐述任务约束含义并分析路口低精度任务约束对全局最短路径规划的影响,针对性地采用分层搜索策略;最后,通过基于分层搜索的A^(*)算法展开全局路径规划,解决路口低精度约束条件下全局最短路径规划问题。基于某试验场的电子地图展开实验,与传统A^(*)算法和顾及转向约束的A^(*)算法相比,该方法在相同条件下,规划路径在满足常规行驶习惯要求的前提下,保证了路径的最优性,较其他两种方法的规划路径分别短5 265 m和647 m。实验结果表明:该方法能够有效提高对路口约束精度的适应性。