基于焦面哈特曼波前传感器的大视场高精度波前测量技术论证

气动光学效应容易对导引头目标成像跟踪系统产生不良影响,然而传统哈特曼波前传感器由于探测视场小,无法作用于导引头的目标成像跟踪系统。文章介绍了一种能够大视场测量的焦面哈特曼波前传感器,同时针对在焦面哈特曼中传统模式法无法高精度测量的问题,提出一种能够高精度测量的优化波前复原算法——基于Gerchberg-Saxton迭代的波前复原算法。然后根据满足大视场测量的结构设计,搭建了仿真平台,利用优化的波前复原算法对仿真输入像差进行复原。最后,利用多个激光器搭建了大视场波前复原实验平台并验证了焦面哈特曼波前传感器具有能够实现高精度的大视场波前测量的能力。     

多种群合作学习的多模态多目标路径规划算法

为同时规划出满足多种目标需求的多条可行路径,提高规划路径的鲁棒性与实用性,提出一种基于多种群合作学习的路径规划算法。基于粒子群算法的基本思想,先针对单一种群在多维目标空间内搜索时容易陷入局优的问题,提出基于多目标分解的子种群划分策略,平衡算法在目标空间内各个维度上的搜索能力。再依据地图中栅格点的出入度信息提取关键路径点。在编码阶段,根据关键路径点提供的维度信息,利用实数编码的方式初始化种群,降低解空间大小;在解码阶段,提出利用精英解的解码经验指导可行解的快速搜索,使解码经验能够被有效传递,降低解码的不确定性,提高了算法的寻优能力。最后,将多个种群的搜索结果进行非支配排序,得到满足优化目标的所有路径。实验结果表明:与标准粒子群算法相比,基于解码经验表指导的多种群合作学习算法具有更强的搜索能力和寻优能力,能够解决多模态多目标路径规划问题。      

基于混合人工鱼群算法的传感器网络优化

针对传感器网络节点优化的问题,提出一种混合人工鱼群算法.该算法在人工鱼群算法优化的末段引入模式搜索法,以人工鱼搜索到的最优解作为模式搜索法的初始解,利用模式搜索法的单调搜索特性,将解引向全局极值.新算法保留了人工鱼群算法全局搜索能力强、寻优速度快的特点,使寻优精度得到了提高.仿真实验表明:混合人工鱼群算法能够有效地优化传感器网络节点部署,提高覆盖率.     

基于目标导向的连续型机器人路径规划

采用连续型机器人对空间约束严格的飞机油箱进行检查,研究了其在类似凸体空间内的路径规划问题,提出一种基于目标导向的规划算法.针对空间盲目搜索算法时间复杂度高问题,研究降维和区域划分策略.引入目标导向角,建立目标点与变量搜索范围的关系,优化搜索过程并设计评价函数对搜索结果寻优.进行仿真实验,结果验证了算法的可行性和有效性.     

无人侦察机航迹点重规划的优化算法

提出了一种针对发现新目标后,机上在线进行航迹点重规划的方法.建立了重规划数学模型,用图像质量方程预估侦察目标的图像质量,以所有目标图像质量的加权之和最大、路径长度最小为目标函数.在传感器侦察范围、飞机机动和目标图像质量要求以及威胁等多约束条件下运用改进后的多目标进化算法NSGA-II寻优,得到侦察航迹点的Pareto最优解集.以目标图像质量、路径长度和路径威胁为评价因素,专家系统给出当前评价因素加权权值,用模糊选优方法在Pareto最优解集中选择该加权意义下的唯一最优路径.仿真结果证明了该方法的可行性和智能性.     

满足战场需求的实时飞行路径规划

基于启发式A*搜索技术,给出了两种战机飞行路径实时规划算法,通过采用折距替代直线距离,达到减少扩展点和提高搜索速度的目的;通过添加虚拟威胁源,解决了飞机最小转弯半径和飞行目标进入角度限制问题,通过飞行速度和飞行到达时间对应的最大飞行距离来对规划过程中扩展节点的剪枝,可以满足飞行速度、飞行时间等战场需求,提出的算法还保证穿越威胁源飞行飞机的生存性达到最大.仿真结果证实了该算法的有效性以及实时性.      

天基可见光传感器卫星监视地球同步带目标的轨道设计

在分析地球同步轨道目标光学特性和位置特性的基础上, 确定了天基可见光(Space-Based Visible, SBV)传感器监视整个地球同步带目标的搜索栅栏位置以及搜索策略, 导出搜索栅栏与观测时间和观测次数之间的关系. 根据航天任务需求和SBV传感器特性, 确定了监视轨道的类型和参数约束条件, 给出了约束条件下监视轨道的选取范围, 并对其轨道观测效能进行仿真分析. 仿真结果表明, 通过适当选取监视轨道参数, 监视轨道对地球同步带的覆盖率均可达到90%以上. 如果SBV传感器视场达到4°×4°以上或搜索栅栏宽度大于40°, 其覆盖率高达95%以上.      

无线传感器网中的加权距离节点选择法

节点选择存在于无线传感器网的目标跟踪问题中,主要任务是从多个传感器中选取合适节点跟踪当前目标,满足跟踪精度、算法计算量的要求.提出一种适用于测角传感器节点的加权距离选择法,该算法利用目标状态预测的分布及节点的探测模型,通过计算节点距目标几何距离及加权系数,选择具有最小加权距离的传感器点进行探测,避开了贝叶斯滤波,在减少计算量的同时具有很好的选择精度.仿真结果表明,本算法大幅度减少了计算量,同时可达到和熵值法相当的跟踪定位效果.      

多视场星敏感器工作模式设计

针对多视场星敏感器的特点设计了两种工作模式:高精度工作模式和高更新率工作模式.中央时序控制器根据指令完成工作模式配置,以相应的时序启动图像采集处理模块.结合工作模式的时序特点,在FPGA(Field Programmable Gate Array)内部设计了3个星点质心提取模块,与各自对应的图像采集模块同步运行,实现了两种工作模式下多视场星图快速质心提取.采用Cypress公司的IBIS5-A-1300作为图像传感器,基于FPGA设计了实验平台,对工作模式配置及数据更新率进行测试.实验结果表明:工作模式可灵活配置和切换,在高更新率工作模式下,星敏感器的数据更新率为传统单视场情况的3倍.     

Risk Theta*:一种基于地形危险度的任意航向路径规划算法

提出了一种基于地形危险度的任意航向路径规划算法——Risk Theta*。首先以星球表面地形特征统计分析为基础提出了地形危险度指标,并建立地形危险度地图。在此基础上应用Basic Theta*搜索,以危险度最低为方向搜索最优路径。仿真实验证明,该算法能够在栅格地图上找到比A*和Basic Theta*算法危险度低得多、长度相当的任意航向路径,既显著提高了巡视器的安全性,又满足了星球巡视探测对任意航向行驶的迫切需求,因此具有较强的实用性。     

基于解耦优化和环流APF的多平台协同攻击任务规划

为提升协同攻击任务规划效率，借助人工势场（APF）方法求解速度快的优势，提出多平台协同攻击任务规划方法。针对任务规划问题中任务分配与航路规划的耦合问题，提出基于独立航路规划的解耦（ID）与基于直接距离的解耦（DD）2种解耦框架；建立考虑打击目标价值总和、攻击平台与目标距离极差、攻击平台与目标距离总和等因素的指标函数，采用遗传算法进行任务分配求解；提出环流APF方法，避免了传统APF方法因局部极小值而无解的问题，并提出同时到达控制策略与航路冲突规避策略，实现多平台同时到达航路规划。在不同场景下比较了耦合方式、ID、DD 3种任务规划框架的规划结果，并对比了传统APF方法与环流APF方法的航路规划结果。结果表明，解耦方式能够得到与耦合方式接近的结果，并且计算耗时明显低于耦合方式；环流APF方法相比传统APF方法求解可行性更高，航路性能更好。对于存在大块障碍的场景，推荐使用ID方式获得更好的准确度，在障碍稀疏的场景下，推荐使用DD方式以减少计算耗时。      

未知环境下移动机器人单目视觉导航算法

提出了一种未知环境下移动机器人单目视觉导航算法,算法包括障碍物检测、单目视觉测距和局部路径规划3部分.为减小光照等环境因素对基于特征的障碍物检测的影响,对彩色图像在HSI颜色空间中用基于像素的直方图比较进行分割,获取障碍物轮廓序列的图像坐标点集.在单目视觉测距中,通过几何关系推导法建立图像坐标系和机器人坐标系间的变换关系,进而实现由障碍物图像位置计算其与机器人间的实际距离.局部路径规划对摄像机梯形视场区域转换后的矩形区域建立模型划分栅格,由障碍物轮廓序列图像坐标和单目视觉测距计算构建障碍物栅格图,并用提出的栅格搜索算法搜索障碍物栅格图,得到机器人安全行驶路径.实际环境中进行的实验结果表明,算法能有效减小反光、阴影等的影响,在未知环境中正确规划出机器人局部可行路径实现导航.      

基于障碍物代价势场的移动机器人避障算法

移动机器人所处的环境通常是动态的, 机器人需要及时做出响应, 同时保证路径的平滑度及与障碍物间的安全距离。针对此问题, 提出了一种基于障碍物代价势场的移动机器人动态避障算法。通过建立静态栅格地图及障碍物的代价势场, 获得动态场景下的等势线及经过起点、终点的切线, 求解最小生成树获得初始候选路径, 针对路径的长度、障碍物距离及平滑度对候选路径锚点进行调整。通过引入障碍物速度对代价势场的影响, 使得机器人能对移动中的障碍物做出及时的响应。为验证所提算法的有效性, 在分辨率为1 200×1 000 m的栅格场景下分别对静态场景和动态场景进行仿真, 结果表明:所提算法能够在保证路径具有较高的平滑度且与障碍物间保持安全距离的条件下使路径尽可能得短;同时在动态障碍物场景下依然能保持路径的平滑和避障的安全性, 满足动态场景下移动机器人路径规划的要求。      

冗余空间机械臂粗捕获段无碰撞轨迹规划算法

现有的基于C空间的无碰撞轨迹规划算法需要求解C空间以获得C空间障碍边界。对于多自由度的冗余机械臂,求解过程需要消耗很大的计算量和内存,不适用于计算资源紧张的空间机械臂轨迹的快速规划。文章提出了一种不需要求解C空间的试探性规划算法,包含4个子算法：碰撞检测算法、无碰撞目标构型求解算法、无碰撞路径搜索算法和路径平滑算法。已知期望的末端作用器位置和姿态,利用目标构型求解算法得到无碰撞的目标构型,然后由路径搜索算法在C空间障碍边界未知的情况下,利用碰撞检测算法,采用一定的试探规律,在C空间中搜索出一条无碰撞路径,最终由路径平滑算法使该路径平滑,易于实现。仿真算例表明,该算法是快速有效的,适用于冗余空间机械臂粗捕获段的快速轨迹规划。     

基于鸽群优化算法的实时避障算法

为保证机器人能安全无碰撞地抵达目标位置，提出一种在改进版圆形扩张（CSE+）法中融合鸽群优化算法的实时避障算法。所提算法引入对障碍物密集程度的判断机制，在障碍分布密集时选择最安全的路径，在障碍物分布稀松的环境中，利用鸽群优化算法在安全范围内寻找下一目标最优位置。此外，还引入了搜索树，可实现死角的检测与避免。仿真结果显示:所提避障算法能提高路径规划的性能，在障碍物分布稀松时效果更加明显，且可实现死角检测并能通过狭长通道。      

基于路径跟随的改进领航-跟随无人机协同编队方法

针对集群无人机完成高精度协同编队的需要，提出了一种基于路径跟随的改进领航-跟随无人机协同编队方法。首先，在传统A*算法的基础上，引入了障碍威胁系数改进A*算法，为领航无人机规划从起点到目标的全局安全路径；其次，采用Hermite多项式在离散化后对领航无人机的全局安全路径进行参数化表示。当遇到新的障碍信息时，利用改进A*算法重新规划路径；随后，领航无人机将跟随无人机的空间编队信息与编队路径参数信息在集群中完成同步；最后，基于一致性原理设计了编队队形协同控制器，并基于改进人工势场法设计了动态避障控制器。仿真结果表明，与传统的领航-跟随方法相比，该方法可以降低编队误差，提高了复杂曲线路径下无人机的编队精度与稳定性，具有一定的工程应用价值。     

基于混合整数线性规划的爬壁机器人路径规划

为研究City-Climber爬壁机器人在3D建筑物环境中的路径规划问题,基于混合整数线性规划(MILP, Mixed Integer Linear Programming),提出了一种适用于City-Climber的路径规划方法.为了用MILP方法解决避障问题,首先用限制机器人控制输入的方法对City-Climber的数学模型进行解耦和线性化,再介绍了用MILP方法对控制输入进行描述的数学表达式,并提出了适用于爬壁机器人的新型代价函数,最后以一个方形房间为运动环境,用AMPL和CPLEX优化软件,以及Matlab软件解算路径规划问题.仿真结果表明:MILP方法较好地解决了City-Climber在3D环境下的路径规划和避障问题.     

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.