应用免疫遗传算法优化设计层合板铺层顺序

应用遗传算法对复合材料层合板的铺层顺序进行优化设计,并通过免疫机理解决基本遗传算法中存在的收敛效率低、"早熟"等问题.以层合板的面内几何因子和弯曲因子为优化对象,建立遗传算法的优化模型.通过交叉、变异等遗传操作,搜索问题的最优解.借助免疫系统对抗体的促进和抑制机制,调节种群中个体的多样性.数值算例中给定了层合板的面内几何因子和弯曲因子,应用免疫遗传算法求解层合板的最佳铺层顺序.并将应用免疫遗传算法与标准遗传算法得到的优化结果进行了比较,证明了免疫遗传算法的优越性和实用性.     

基于遗传算法的散乱点云最小包围盒求解

提出一种将遗传算法和O’Rourke算法相融合的最小包围盒求解算法,以O’Rourke算法中的体积函数作为遗传算法的目标函数,采用遗传算子指导解的搜索方向,通过新种群的迭代生成过程缩小搜索区域与体积误差,种群迭代结束后对最优个体解码获得最小包围盒.实验结果表明,该算法可在满足最小包围盒体积精度的同时显著提高算法的运行效率,能够有效处理各种复杂散乱点云数据的最小包围盒快速求解问题.     

机器人的空间位姿误差分析方法

采用了五参数模型作为机器人的运动学模型,根据相邻构件间的误差传递关系,应用位姿建模矩阵法建立了机器人的位姿误差模型,并编制了基于C++的位姿误差分析软件.利用所编制的误差分析软件,针对一6-DOF空间摄像机器人具体实例,计算分析了参数变化对机器人的末端位姿误差的影响规律,并绘制了该机器人的等误差曲线图.通过所建立的五参数误差模型和分析软件,可以直观地了解机器人机构的误差分布情况,便于合理地使用机器人或进行机器人机构误差的校正.研究结果为机器人的误差补偿提供了依据.     

一种基于星表特征直线匹配的着陆器位姿估计算法

针对深空探测星际着陆过程中的自主导航问题,提出一种基于星表特征直线的着陆器位姿估计算法。该算法首先采用EDLine算法对着陆过程中所拍摄的图像进行特征直线提取;其次根据直线局部特征对特征直线进行匹配;之后利用至少3对已匹配的特征直线,建立关于着陆器位姿的几何约束方程;然后根据奇异值分解法得到着陆器位姿的候选解;最终通过最小二乘法从候选解中选取着陆器位置、姿态的唯一解。仿真结果表明:该算法可以快速估计着陆器位姿,且在高度为2 000 m时位置误差小于2 m、姿态误差小于0.10°。     

基于CEA-GA的多无人机三维协同曲线航迹规划方法

针对多无人机协同航迹规划求解计算复杂度高，收敛效率差等问题，提出一种基于混沌精英适应遗传算法（CEA-GA）的多无人机三维协同曲线航迹规划方法。利用层级规划思想，建立基于单机规划层-航迹平滑层-多机协同规划层的多无人机三维协同曲线航迹层级规划模型，将复杂约束规划问题分解为子函数优化求解问题，减小计算量；考虑到遗传算法（GA）求解高维复杂约束优化问题存在的性能局限，采用Tent混沌映射均匀初始化种群，以扩大个体搜索空间，丰富种群多样性，在此基础上，通过引入自适应遗传算子平衡算法的全局搜索与局部开发能力，帮助个体跳出局部最优，并采用适应度动态更新策略进一步提高算法的局部探索能力和收敛速度。将精英保留策略引入GA以更好地保证改进算法的全局收敛性。将CEA-GA应用于模型求解，仿真实验结果表明：CEA-GA具有较强的鲁棒性、较好的寻优性能和收敛效率，且能够为集群规划满足约束条件的协同曲线航迹，从而验证了所提方法的有效性和CEA-GA的优越性。     

基于高斯过程的机器人自适应抓取策略

在机器人抓取作业时,目标物体的位姿经常发生变化。为了使机器人在运动过程中能够适应物体的位姿变化,提出了一种基于高斯过程的机器人自适应抓取策略。该方法建立了从观测空间到关节空间的映射,使机器人从样本中学习,省去了机器人视觉系统的标定和逆运动学求解。首先,拖动机器人抓取物体,记录物体的观测变量和机器人的关节角度;然后,利用记录的样本训练高斯过程模型,实现观测变量和关节角度的关联;最后,当得到新的观测变量时,通过训练的高斯过程模型得到机器人的关节角度。经过训练后,UR3机器人成功抓取了物体。     

面向多星区域观测调度的改进型自适应遗传算法

针对传统优化算法在解决多星区域观测调度问题中收敛速度缓慢和易于陷入局部最优解的不足,提出了一种改进型自适应遗传算法。该算法通过蒙特卡洛方法结合Hamming距离,给出较优的初始种群;根据种群的平均Hamming距离确定交叉和变异操作的执行顺序,并结合sigmoid函数和高斯函数基于种群的个体适应度设计了自适应非线性的交叉率和变异率;结合双精英保留策略和锦标赛策略,保证最优个体的遗传;使用双重停机条件,提高算法的搜索效率。最后,通过实验表明,该方法可以显著提高全局搜索能力,加快算法的收敛速度,有效提高卫星的观测效率。     

基于改进蚁群算法的多机器人任务分配

任务分配是多机器人系统需要解决的首要问题.针对传统蚁群算法求解多机器人任务分配收敛速度慢且易陷入局部最优问题,提出了改进蚁群算法.考虑多机器人任务分配问题,建立多旅行商问题模型,采用蚁群算法优化出解空间,然后采用遗传算法中的变异算子对每个机器人执行任务的顺序进行优化,并根据模拟退火过程中Metropolis准则以一定的概率接受优化过程中较差的解.在复杂约束条件下,为解决蚁群算法收敛速度慢且易陷入局部极小问题,引入局部优化变异算子和改进模拟退火算法.仿真结果表明,改进蚁群算法可以更好的解决多机器人任务分配问题.     

对失效卫星特征点的自适应位姿跟踪控制

为满足对失效卫星上某个特征点位置悬停的同时使追踪星上敏感器指向该特征点,展开了对失效卫星特征点与追踪星间相对动力学建模与控制的研究。在追踪星本体坐标系下建立了六自由度相对位姿动力学模型,并结合失效卫星上特征点的运动规律,给出追踪星的期望跟踪位置和期望跟踪姿态。考虑到追踪星质量、转动惯量、系统所受扰动力、扰动力矩及失效卫星转动惯量的不确定性,设计了复合自适应位姿跟踪控制律,并通过Lyapunov法证明了闭环系统稳定性。对输出受限情况,采取设计控制参数调节过程及输出限幅措施。在仿真条件下,系统在自适应控制律下能够以位置误差约1cm、姿态误差约0.01°完成位姿跟踪任务;增大不确定参数偏差后,位置跟踪误差增至约7cm,姿态误差增至约0.1°;对控制参数进行调节后,可在不影响跟踪精度的条件下在指定范围内限制输出幅值,将幅值限制在指定范围内,并减小控制所需冲量的9%和冲量矩的30%。     

基于单目视觉的非合作目标相对位姿测量

为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理，需对其进行精确的相对位姿测量。针对相对位姿测量问题，提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查，采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法，并对二者进行了对比，得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究，引入了相机偏置矩阵，设计了Kalman滤波器，解决了单目相机的距离模糊问题，估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真，姿态角度估计误差在稳定后低于0.3°，相对位置估计误差在稳定后低于0.5m，相较于真值，误差小于1.67%，主惯量比估计误差在稳定后低于0.01，特征点位置误差在稳定后低于0.005m。在引入相机偏置条件后，滤波状态变量均收敛，并得到具有足够精度的估计，成功解决了单目相机深度信息缺失问题。     

基于遗传算法的插值Coons曲面孔位修正方法

在机器人自动制孔过程中，制孔点位信息通常从待制孔工件工艺数模上获取，而待制孔工件安装过程中会出现位置偏移和变形，由工艺数模得到的点位信息无法直接满足孔位精度要求。为了保证自动制孔的孔位精度，提出了一种基于遗传算法的插值Coons曲面孔位修正方法。利用制孔区域边角基准孔建立双线性Coons误差曲面模型，通过模型计算出待制孔的误差补偿向量，并补偿至理论制孔位置。针对误差曲面切矢模长无法确定的情况，利用制孔区域内的基准孔构建遗传算法模型，计算出切矢模长最优值，使拟合的误差曲面更符合实际制孔区域曲面。通过试验对算法的有效性和精度进行验证，结果表明:采用基于遗传算法的插值Coons曲面孔位修正方法，可以使孔位误差得到有效的补偿。补偿后的平均孔位误差仅为0.195 6 mm，与传统的插值曲面方法相比，孔位误差降低了5%~10%。      

基于零速修正与姿态自观测的惯性行人导航算法

针对惯性行人导航中航向角发散致使导航精度降低的问题,提出了一种基于零速修正与姿态自观测的惯性行人导航算法。通过四条件零速检测算法对行走步态中的零速区间进行检测。在检测得到的零速区间内,利用零速修正算法原理构造速度误差的观测量;利用零速区间内行人脚部与地面保持静止、只受到重力加速度及姿态角不变的特性,构造姿态角误差的观测量。应用卡尔曼滤波对零速区间内的姿态角、速度及位置的误差进行估计。利用得到的误差状态估计结果对行人导航进行误差校正,提高惯性行人导航的精度。实验表明:小范围矩形路径中,所提算法的导航轨迹相对误差平均值仅占总路程的0.98%,比零速修正算法减小了78.11%;导航轨迹误差标准差仅为0.14 m,比零速修正算法减小了88.62%;400 m标准操场闭合路径中解算终点相对位置误差仅为1.18%。解算轨迹与实际轨迹匹配度较高,具有良好的应用价值。      

基于改进关键帧选择的ORB-SLAM2算法

针对同时定位与建图（SLAM）算法精度不高且跟踪易失败的问题，提出了一种改进关键帧选择的ORB-SLAM2算法。通过ORB-SLAM2算法计算帧间相对位姿；在原有算法的基础上，增加旋转与平移量作为判定依据，决定是否创建新关键帧；针对移动机器人所安装的相机与机器人产生相对运动引发误拍摄，导致劣质关键帧生成的问题，设计了劣质关键帧剔除算法；基于RGB-D数据集与自主研发的移动机器人进行了实验验证。实验结果表明:改进的关键帧选择算法能够准确及时地选择关键帧，最优情况下定位误差约为原误差的51.9%，有效消除了相机与机器人之间相对运动产生的影响，直线误差仅为原误差的82.1%。改进算法能够有效提高定位精度，减少跟踪失败。      

免疫遗传算法在百叶窗最优化热设计中的应用

考虑优化过程中辐射能量交换的特殊性,为了加速优化过程的进行,通过引入漫反射系统单元表面间辐射传递系数与角系数之间的关系来处理百叶窗的辐射能量交换;同时为了克服传统优化算法存在的缺陷,提出了一种免疫遗传算法,并且应用于百叶窗最优化热设计中。优化设计表明,与标准遗传算法相比,该优化算法具有较强收敛度与全局寻优能力,可以较好地用于最优化热设计中。     

基于改进蚁群算法的月面机器人的路径规划及虚拟仿真

针对月面机器人在复杂地形下的路径规划问题,提出了一种改进的蚁群算法。算法构建了栅格化地形图,基于人工势场法改进了蚁群算法的启发函数,加快了算法收敛速度;引入空间信息素划分方法,提高了蚁群在最短路径附近区域的搜索能力;实验证明,改进后的蚁群算法,路径规划成功率显著提高,收敛速度加快。在算法规划出月面机器人的最短路径后,采用虚拟仿真技术,基于unity3D构建虚拟月面环境和月球车,直观地展示了月面机器人在月面环境下的路径规划效果。     

初级教练机中的低成本导航仪组合导航算法设计

为了解决初级教练机低成本组合导航仪中全球定位系统(GPS, Global Positioning System)信息更新频率过低,导致传统组合导航算法失效的问题,在对惯性器件进行建模的基础上,提出了一种基于运动学非线性模型的组合导航算法.该算法选取载体的姿态、速度和位移量作为状态量,以GPS、磁强计和高度计的测量值作为观测量,建立组合导航系统模型,利用卡尔曼滤波对线性化后的系统模型进行数据融合.通过静态试验和动态跑车试验,表明该组合导航算法能够使姿态误差均值控制在0.12°以内,速度误差均值不大于0.03m/s,位移量误差均值不大于3.94m,精度能够满足初级教练机的应用需要.     

基于先验子图检测的失效航天器SLAM方法

基于激光雷达的航天器位姿估计技术是当前在轨服务研究热点。针对失效航天器位姿估计,将通用的图优化SLAM技术应用到空间非合作目标的研究中。为解决SLAM算法在动态场景中产生累积误差问题,利用失效航天器自身运动特点,提出一种基于先验子图检测改进的SLAM算法。在该算法中,通过激光雷达和惯性测量单元分别采集失效航天器及周围环境的点云数据、服务航天器的运动信息,构建出服务场景下航天器的相对位姿图;再采用先验子图检测方法建立不连续的位姿节点间的约束关系;最后用约束信息对位姿图进行优化。仿真结果表明,相较于通用的SLAM算法的位姿估计,该方法减小了累积误差,提高了相对位姿估计精度,可以为后期的导航、控制等在轨任务提供信息。     

一种柔性空间双臂机器人的协同控制和避障方法

针对柔性空间机械臂在轨服务应用需求,提出一种基于刚体运动与柔性振动相耦合的空间双臂机器人协同控制方法.首先引入空间位姿变量的概念,构造出面向协同控制目标的Jacobian矩阵,建立柔性空间机器人系统的刚柔耦合动力学模型,基于指定的最小距离得到其运动学逆解,并根据系统动量矩守恒关系及系统的Jacobian矩阵,并根据机械臂末端的运动速度,然后采用阻尼最小二乘法得出关节角度,使柔性空间机器人能够有效完成协同控制和空间避障任务,并基于RecurDyn V7R5软件环境验证算法的正确性.最后,基于SolidWorks和ADAMS虚拟样机建立柔性空间机器人系统的立体CAD模型,并结合空间在轨搬运任务进行模拟仿真,柔性空间机器人关节操作和运动轨迹的仿真结果图验证了本文算法的有效性.