基于混合量子粒子群优化算法的三维航迹规划

针对粒子群优化算法(PSO)存在的早熟收敛问题,通过将种群的繁殖机制引入量子粒子群优化算法(QPSO),提出了一种混合量子粒子群优化算法(HQPSO),将该算法应用于无人飞行器的三维航迹规划。同时,运用统计学方法,通过仿真实验比较了HQPSO算法与QPSO算法以及带动态变化惯性权系数的PSO算法的性能。仿真实验结果表明,HQPSO不但比QPSO和PSO具有更强的全局搜索能力,而且比QPSO和PSO具有更快的收敛速度。     

基于A?算法优化的月面巡视器路径规划研究

六轮月面巡视器采用的滚动窗口避障算法利用局部地图信息,通过评价函数在规定的待选圆弧中选择最优圆弧作为巡视器的行走路径。由于该算法的输入信息较少,应用于多障碍地图时规划成功率较低。文章通过改进的A*算法生成辅助线,将辅助线作为巡视器执行圆弧的选择依据。在此基础上提出了一种基于辅助线优化的算法,通过引入全局地图信息改进原始算法。相关仿真试验证明优化后的算法具有更高的成功率以及更短的规划路径。在实际试验中的应用验证了此算法的可行性,此算法在今后巡视器路径规划的研究和应用中具有一定的参考价值。     

无人机三维航迹规划的量子粒子群优化算法

针对传统的粒子群优化算法容易陷入局部最优解的问题,采用量子粒子群优化算法开展了无人机三维航迹规划。详细分析了固定翼无人机的飞行性能约束条件。为了减小算法计算复杂度,提高规划效率,对三维航迹规划问题的高度规划采用了直接设定策略,即,设置各个航路点的高度介于最大、最小飞行高度之间,从而将三维航路规划问题简化为二维航路规划问题。设计了收缩-扩张因子的线性增大调节策略、代价函数和航迹规划流程。分别采用量子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,所设计的量子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。     

月面巡视器的任务层路径规划

使用巡视器对月球表面进行巡视探测是一种高效率、低成本的月球探测方法。路径规划作为巡视器的一项重要技术,通常把它作为导航系统的一部分,只考虑地形通过性的问题。实际上除了地形通过性,还有很多因素对路径选择起到决定性的作用。针对月面巡视器,在大范围区域综合考虑地形、能源、热控、通信等全局因素,给出了一种新的路径规划方法——实时贪婪（Realtime Greedy,RG）算法。运用该算法得到了任务层路径,为巡视器的导航系统提供路标点,并为巡视器的动作安排提供了依据。     

带机械臂的月面巡视探测器的路径规划方法研究

针对巡视探测器路径规划和机械臂路径规划的不同和两者需要依次执行的连接需求,文章将月面巡视探测器的路径规划过程分为三个阶段：巡视探测器的路径规划、机械臂的路径规划、器臂动态联合的路径规划,针对不同的规划分别提出了不同的规划方法,并进行了仿真验证。研究结果表明,巡视探测器的整个路径规划是一个复杂的运算规划过程,在非结构化月面环境下,基于月面三维数字高程图采用改进的启发式搜索（A＊）算法,可以比较高效地完成巡视探测器的路径规划;在采用蒙特卡罗法建立机械臂可达工作空间的基础上,可以比较简单、准确地获取机械臂的规划路径;巡视探测器整个就位探测过程的实现需要两种规划的动态联合。     

采用利希滕贝格图的高超声速飞行器轨迹优化

针对复杂约束条件下高超声速飞行器再入轨迹优化问题,提出一种混合算法进行求解,以解决现有轨迹优化方法对初值的强依赖性以及易陷入局部最优等问题。将高超声速飞行器再入轨迹优化建模成一个非线性规划问题,并设计双层优化结构进行求解。上层中,提出一种基于利希滕贝格图的自适应分段利希滕贝格算法（Adaptive piecewise Lichtenberg algorithm,APLA）,为高斯伪谱法提供良好的初值。APLA通过引入拉丁超立方体抽样提升算法初始触发点的效能,引入全局至局部搜索分段策略及自适应因子提高算法收敛速度和收敛精度,改善算法易陷入局部最优等情况。下层中,高斯伪谱法在最优解附近具有较好的收敛速度和较高收敛精度,因此使用高斯伪谱法以加快搜索过程,提升解的全局最优性。综上,提出再入轨迹优化混合算法（APLA＿GPM）,实现对高超声速飞行器再入轨迹优化问题快速、准确求解。仿真结果表明,APLA＿GPM在高超声速飞行器再入轨迹优化方面具有更快的收敛速度、更高的精度以及更强的鲁棒性。     

基于简化粒子群优化的卷积混叠盲源分离算法

针对现有的卷积混叠盲源分离算法存在的算法复杂和分离精度低等问题,提出一种新的基于简化粒子群优化的卷积混叠盲源分离算法。算法将不同时间点分离信号的互累积量消失作为分离准则,将信号的四阶互累积量作为目标函数,采用简化粒子群优化算法代替基本粒子群算法对目标函数进行全局优化,解决了基本粒子群算法容易陷入局部极值的问题。Matlab仿真结果表明,新算法可以有效实现对卷积混叠信号的盲源分离。对比基本粒子群算法,新算法分离精度更高、收敛速度更快。     

地月转移轨道自主导航算法研究

本文给出一种地月转移段的自主导航算法。以紫外敏感器输出的月心像素和月心距等信息为观测量,利用基于UD分解的扩展卡尔曼滤波算法确定探测器的轨道。仿真结果表明,基于紫外敏感器的地月转移段自主导航是可行的,引入单程多普勒测速的组合导航算法可以有效地提高导航精度与收敛速度。     

我国月面巡视探测器定位方法研究

月球自动巡视勘查技术中的月面巡视探测器的导航控制,需要研究月面巡视探测器的定位技术。文章通过对国外漫游车定位方法的研究,提出了我国月面巡视探测器在全局坐标系和局部坐标系中进行定位的方法。月面巡视探测器在全局坐标系中的定位可以采用星敏感器以及陆标辨识的方式;局部坐标系的定位可以采用惯性导航系统 里程计以及着陆器帮助下定位和视觉里程计的定位方法。这几种定位方式的组合应用,能够满足月面巡视探测器导航方面的定位要求。     

改进PSO优化WNN的液体火箭发动机故障检测

提出一种改进粒子群优化的小波神经网络模型,将其应用于火箭发动机的故障检测研究。针对传统粒子群算法初期容易陷入局部最优的问题,改进粒子群算法的惯性权重和学习因子,采用逐渐递减的选取方式。进行动态调整后的粒子群算法有利于在初始迭代时寻找满足条件的局部最优值,在寻找到局部最优值之后能够快速地收敛逼近于全局最优值,提高运算效率。此外,为了提高小波神经网络的学习速率,对所采用的小波神经网络权值和小波基函数参数增加了动量项。两种算法相结合,最终提出一种改进粒子群算法(IPSO)与小波神经网络(WNN)结合的模型。最后根据MATLAB仿真和数据分析表明,新算法可以很好地用于液体火箭发动机的故障检测研究,并且IPSO-WNN模型比BPSO-WNN和WNN模型后期具有较快的局部收敛能力,预测更加准确。     

月球车全局路径规划中的A＊算法改进

考虑月球车全局路径规划的应用要求,针对传统A＊算法搜索速度慢和返回路径不够优化的缺点,对算法流程进行改进,减少其时间和空间复杂度,提高其搜索速度,并对返回路径进行优化,有效地缩短了路径。对于存在凹形障碍的地图,采用后退一尝试的方法解决规划失败的问题,并在一次搜索的基础上使用二次搜索策略来实现规划路径的优化,使之绕过凹形障碍趋向目标,从而达到输出最短路径的目的。     

弱全局信息下月面超远距离保通行性移动规划

针对月面超远距离移动规划任务因缺乏精确全局信息而导致的规划路径可通行性不足问题，提出了月面道路拓扑网的构建设想及相应路径规划技术，凭借复杂道路网络的连通能力确保巡视器超远距离规划路径的可通行性。首先进行月面道路拓扑网的设计方法研究，分别提出了基于滑动最优泊松采样算法的网络节点设计方法和基于均匀领邻网络拓扑模型网络结构设计方法，使月面道路网网络节点分布均匀、密度适中且覆盖完整，网络连接合理且各路径尽量远离障碍区域。然后进行基于月面道路拓扑网的超远距离移动规划研究，分析了基于月面道路拓扑网路径规划技术的概率完备性和整体可通行概率，并提出了基于月面道路拓扑网的K优路径规划方法，通过道路网的连通性来提高超远距离移动探测任务的整体可通行概率。最后以阿波罗两次登月任务的着陆点之间进行超远距离转移任务为仿真场景，验证了本方法的有效性。     

月面数字地形构造方法研究

月面巡视探测器着陆区域的地形将对其产生重要的影响。文章对月面数字地形构造方法进行了研究。首先,对月面典型地形特征石块和撞击坑的分布规律和典型形状进行了分析。其次,说明了数字地形的生成流程。再次,先后利用两种方法确定石块和撞击坑的直径,在此基础上构建了数字地形。一种方法是根据巡视器的越障能力确定石块和撞击坑直径,该方法可在一定程度上满足巡视探测器移动性能试验需求;另一种方法是随机生成石块和撞击坑的直径,使生成的地形符合月面的实际情况,不仅可以应用于巡视探测器的移动性能试验,而且也可以应用于路径规划和着陆器着陆过程的模拟。     

基于地球敏感器和加速度计的月球车自主定向算法研究

月球车定向是月球车导航的一个重要组成部分，它是月球车定位的基础和前提。针对这一问题，提出了一种适用于月球车长时间、长距离导航的绝对定向算法。该算法利用非线性最小二乘平差原理对CCD地球敏感器成像进行处理，实现了在月球表面CCD地球敏感器的矢量观测功能。结合加速度计的测角原理，实现了航向角确定。以理论分析和实际推算描述了该定向方法的具体实现过程，最后以仿真结果验证了该方案的可行性，为未来我国月球探测中月球车的实际应用提供了技术参考。     

利用着陆器立体视觉对月面巡视探测器定位

在月面巡视探测器漫游过程中,需要测量月面巡视探测器的位置和姿态信息,以使巡视探测器行驶在规划好的路径上,并确保其安全。定位系统可以采取多种方式。在文章中,利用着陆器立体视觉系统对月面巡视探测器定位方法进行了研究,它采用立体视觉测量技术以及彩色图像分割的方法,进行跟踪测量月面巡视探测器位姿信息,能够对惯导系统加里程计的定位方法进行修正,减小月面巡视探测器的计算工作量。在定位方法的研究中,采用彩色图像分割方法对月面巡视探测器进行识别,能够适应变光照条件,并且运算速度快,达到实时图像伺服控制的目的。通过月面巡视探测器上制作特征点及采用基于四边形约束的特征点匹配方法,提高了图像匹配概率。通过卡尔曼滤波技术,能够满足任意时刻的月面巡视探测器定位要求。     

月面巡视器太阳板对日定向规划算法

针对月面巡视器太阳板对日定向问题,提出了一种规划算法。分析了规划指标与约束条件,约束条件包括太阳入射角约束和太阳板机械转动约束;推导了在车体姿态不变情况下的定向算法,通过将太阳板运动转换为平面上的矢量旋转,实现对日定向;利用巡视器原地转向运动弥补太阳板单自由度转动的不足,将车体运动与太阳板法向矢量轨迹投影至球面,得到车体原地转向时的定向规划算法。仿真结果表明:文章提出的算法能够实现指定约束下的对日定向;对于无法实现理想对日定向的情况,算法也能够获得太阳板的次优规划。     

Time-optimal trajectory planning for underactuated spacecraft using a hybrid particle swarm optimization algorithm

A hybrid algorithm combining particle swarm optimization (PSO) algorithm with the Legendre pseudospectral method (LPM) is proposed for solving time-optimal trajectory planning problem of underactuated spacecrafts. At the beginning phase of the searching process, an initialization generator is constructed by the PSO algorithm due to its strong global searching ability and robustness to random initial values, however, PSO algorithm has a disadvantage that its convergence rate around the global optimum is slow. Then, when the change in fitness function is smaller than a predefined value, the searching algorithm is switched to the LPM to accelerate the searching process. Thus, with the obtained solutions by the PSO algorithm as a set of proper initial guesses, the hybrid algorithm can find a global optimum more quickly and accurately. 200 Monte Carlo simulations results demonstrate that the proposed hybrid PSO–LPM algorithm has greater advantages in terms of global searching capability and convergence rate than both single PSO algorithm and LPM algorithm. Moreover, the PSO–LPM algorithm is also robust to random initial values.     

基于角锥体原理的月面巡视探测器定位方法

为了获取月面巡视探测器在月球表面的相对位置信息,提出了一种基于角锥体原理的相对定位方法。此方法无需初始值,仅利用巡视探测器获取的包含着陆器目标的影像,就可以实现巡视探测器高精度定位。通过嫦娥二期工程试验,验证了该算法的有效性,可为月面巡视探测器开展科学考察任务所应用。