针对多目标突防组网雷达系统场景,为有效提高干扰效果以及突防成功率,编队航迹规划尤为重要。因此,首先构建航迹规划模型,从飞行器自身约束、航迹安全性、机间协调以及任务完成效果4个方面出发,结合多机伴随式编队及其所处环境特点,提...针对多目标突防组网雷达系统场景,为有效提高干扰效果以及突防成功率,编队航迹规划尤为重要。因此,首先构建航迹规划模型,从飞行器自身约束、航迹安全性、机间协调以及任务完成效果4个方面出发,结合多机伴随式编队及其所处环境特点,提出较为完备的航迹规划准则,形成一个新的整体目标函数;其次,为有效描述每架飞机的机动特性以及伴飞干扰机与目标飞机间的联系,提高算法搜索能力,提出基于多球面矢量(multi-spherical vector-based,MS)方法;为进一步提高算法的探索和开发能力,提出多面球矢量逐航迹点学习混合粒子群优化(multi-spherical vector-based hybrid particle swarm optimization with track point by track point learning,TLHPSO)算法,并将两者相结合,形成基于多面球矢量的逐航迹点学习混合粒子群优化(MS-based hybrid particle swarm optimization with track point by track point learning,MS-TLHPSO)航迹规划方法;最后,构建相应仿真场景进行验证。对比结果表明,MS方法以及TLHPSO优化算法在寻优能力上具有明显优势;同时,所提算法在不同初始场景下最优解的平均值均优于其他算法,充分说明所提算法能够在保证稳定性的前提下规划具有更高可信度的编队航迹。展开更多
为了提高蝴蝶兰自动化快速繁育过程中组培苗夹取点视觉检测的适应性和效率,该研究提出了一种基于改进U2-Net显著性检测网络(MBU2-Net+)的组培苗夹取点定位方法。首先,通过显著性检测网络得到蝴蝶兰组培苗的显著性图像;然后,对显著性图...为了提高蝴蝶兰自动化快速繁育过程中组培苗夹取点视觉检测的适应性和效率,该研究提出了一种基于改进U2-Net显著性检测网络(MBU2-Net+)的组培苗夹取点定位方法。首先,通过显著性检测网络得到蝴蝶兰组培苗的显著性图像;然后,对显著性图像进行骨架提取,并经过形态学分析计算定位组培苗夹取点;最后,将夹取点位置数据发送给机械臂进行夹取。在图像显著性检测试验中,MBU2-Net+的平均绝对误差为0.002,最大F1分数为0.993,FPS(frames per second,每秒帧率)为33.99帧/s,模型权重大小为2.37 MB;在组培苗夹取试验中,4组共112颗苗的夹取点提取成功率为85.71%。为验证该研究的适应性,将其应用于各阶段组培苗以及部分虚拟两叶苗共11株种苗的夹取点提取,成功率为81.82%,使用该方法对不同时期的蝴蝶兰组培苗进行夹取点检测,具有较高的成功率。研究结果可为发展组培苗自动化快速繁育技术提供参考。展开更多
文摘针对多目标突防组网雷达系统场景,为有效提高干扰效果以及突防成功率,编队航迹规划尤为重要。因此,首先构建航迹规划模型,从飞行器自身约束、航迹安全性、机间协调以及任务完成效果4个方面出发,结合多机伴随式编队及其所处环境特点,提出较为完备的航迹规划准则,形成一个新的整体目标函数;其次,为有效描述每架飞机的机动特性以及伴飞干扰机与目标飞机间的联系,提高算法搜索能力,提出基于多球面矢量(multi-spherical vector-based,MS)方法;为进一步提高算法的探索和开发能力,提出多面球矢量逐航迹点学习混合粒子群优化(multi-spherical vector-based hybrid particle swarm optimization with track point by track point learning,TLHPSO)算法,并将两者相结合,形成基于多面球矢量的逐航迹点学习混合粒子群优化(MS-based hybrid particle swarm optimization with track point by track point learning,MS-TLHPSO)航迹规划方法;最后,构建相应仿真场景进行验证。对比结果表明,MS方法以及TLHPSO优化算法在寻优能力上具有明显优势;同时,所提算法在不同初始场景下最优解的平均值均优于其他算法,充分说明所提算法能够在保证稳定性的前提下规划具有更高可信度的编队航迹。
文摘为了提高蝴蝶兰自动化快速繁育过程中组培苗夹取点视觉检测的适应性和效率,该研究提出了一种基于改进U2-Net显著性检测网络(MBU2-Net+)的组培苗夹取点定位方法。首先,通过显著性检测网络得到蝴蝶兰组培苗的显著性图像;然后,对显著性图像进行骨架提取,并经过形态学分析计算定位组培苗夹取点;最后,将夹取点位置数据发送给机械臂进行夹取。在图像显著性检测试验中,MBU2-Net+的平均绝对误差为0.002,最大F1分数为0.993,FPS(frames per second,每秒帧率)为33.99帧/s,模型权重大小为2.37 MB;在组培苗夹取试验中,4组共112颗苗的夹取点提取成功率为85.71%。为验证该研究的适应性,将其应用于各阶段组培苗以及部分虚拟两叶苗共11株种苗的夹取点提取,成功率为81.82%,使用该方法对不同时期的蝴蝶兰组培苗进行夹取点检测,具有较高的成功率。研究结果可为发展组培苗自动化快速繁育技术提供参考。