CONTROL STRUCTURE AND IMPLEMENTATION OF CELL CONTROL SYSTEM

在计算机集成制造系统（ＣＩＭＳ）的递阶控制结构中，单元控制系统起着重要作用。它上端联接车间控制系统和ＣＡＤ／ＣＡＰＰ／ＣＡＭ系统，下端联接生产设备，直接影响到生产的柔性和效率。该系统根据生产任务和目标，完成了生产计划调度、资源分配、监控设备运行等功能。文中主要讨论了系统的控制结构、系统功能和以下主要关键技术：客户／服务体系结构在生产控制和管理中的应用，单元生产计划和调度，ＤＮＣ接口以及生产中的随机事件处理。该系统已在应用中取得良好的经济效益。     

并行集成式工艺设计系统的研究

计算机辅助工艺设计（ＣＡＰＰ）在计算机集成制造（ＣＩＭ）中起着关键的作用，并行工程既是ＣＩＭＳ从信息集成到功能集成的主要方法，又是这类复杂系统的全局优化方法。本文基于并行工程思想，研究和探讨了并行集成式工艺设计模型，它是一个实用化ＣＡＰＰ系统的新模型，不仅能利用设计信息进行初步工艺设计，而且能根据车间环境的状态，充分利用制造工艺和车间环境的柔性产生优化的工艺方案。它是采用分层工艺规划的方法来实现的。系统模型由三个层次组成，即初步规划层，决策层和详细规划层。文中最后还讨论了实现并行集成式工艺设计系统的关键技术。     

知识Petri网与机器人装配规划

介绍了知识Petri网（KPN），在柔性装配系统中基于KPN机器人装配规划的任务，以及用KPN为机器人装配规划的任务，以及用KPN为机器人装配规划建模和KPN的运行。文中论述了如何建立邻链表、构造KPN，以及最后如何运行KPN，获得最佳装配规划。最后，阐述了基于KPN的机器人装配规划系统中数据库、规划库及推理机的构造。基于KPN的机器人装配规划，与目前常用的机器人装配规划方法，如启发式搜索法AO和线性规划LP法相比，具有如下主要优点：由于将人工智能用于Petri网中，故智能强；适应性强，既适用于整套产品零件同时到达装配站，也适用于各零件分时到达装配站时的规划；算法简单，规划速度快，更适用于在线规划。     

电子干扰对低可观测飞行器飞行路径规划的影响

为了提高巡航导弹的低空突防能力,在分析电子干扰对雷达网威胁区域的影响后认为:在多重干扰条件下,雷达探测空间会顺着干扰方向产生内凹和偏移,因此,建立了新的雷达探测空间模型.采用空间对象间拓扑关系推理方法建立了飞行器飞行路径规划目标函数中雷达威胁指数模型,然后改进了飞行器飞行路径规划模型,并在此基础上进行了巡航导弹飞行路径规划的软件仿真.仿真结果表明:考虑电子干扰对雷达威胁区域的影响情况下规划的飞行路径能够回避雷达威胁,有效提高飞行器低空突防能力.     

机场地面容量评估研究

提出基于滑行路径动态寻优的机场地面容量评估方法。对于结构复杂多样的机场地面,当跑道、滑行道和停机位使用情况和航班流变化时,根据机场地面运行的具体特点,首先建立机场地面有向网络模型,引入滑行道的权值概念,再通过D ijkstra算法进行动态路径寻优,并与冲突探测相结合,对滑行道和停机位进行合理分配。最后通过计算机仿真来评估容量。仿真实例表明,该方法不仅可以增强机场地面容量评估的灵活性和准确性,还可以应用于机场地面交通引导。     

动力学奇点在漂浮基双臂空间机器人姿态无扰运动规划中的应用

讨论了载体位置、姿态均不受控制的双臂自由浮动空间机器人的无扰运动规划问题．结合系统的动量及动量矩守恒关系，证明了动力学奇点的存在，并导出了动力学奇点的数学解析求解公式．在此基础上，利用动力学奇点给出了双臂自由浮动空间机器人载体姿态无扰运动路径的规划设计方法．该方法有助于空间环境下遥控机械手辅助航天器对接等任务操作的运动规划。     

基于模糊旅行时间的动态交通分配模型

提出了一种新的模糊动态交通分配(FDTA)模型,采用模糊集合理论描述动态旅行时间,应用模糊h截集的最短路径方法找出模糊最短路径集合,计算各条路径的隶属函数,并采用C-LOGIT模型实现网络加载,最后比较了FDTA模型和经典的随机动态交通分配(SDTA)模型.仿真结果显示:在正常交通状况下FDTA模型能够获得与SDTA模型非常接近的分配结果,并更加符合实际的交通状况;当有交通拥堵、事故、施工/管制等动态交通状况发生时,FDTA模型能够解决动态交通状况的建模问题;当交通网络结构复杂时,通过改变h值可以有效减少模糊最短路径的数量,提高计算效率.     

基于RNP的A＊算法动态航路规划研究

介绍了A＊算法的基本思想,建立了基于RNP的航路模型,利用A＊算法对航路进行了优化,并利用MATLAB程序对航路进行了算法实现,得到了满意的结论。通过实例分析得出基于RNP的A＊算法对航路进行规划研究的可行性和有效性。在MATLAB环境下进行航路规划问题的A＊算法程序,能够利用其强大的运算能力,并且易于其他工具包结合进行算法仿真实现对其中参数进行优化研究。     

基于变量集结预测控制的四旋翼无人机控制器设计

针对四旋翼无人机路径跟踪问题，设计了一种基于变量集结预测控制的控制器。首先以四旋翼无人机状态空间模型为基础建立预测模型；接着设计控制器时采用分段集结的策略把控制量集结成三段优化序列以减少优化计算量，并降低优化保守性，为了进一步加强系统稳定性，控制器引入终端代价函数和终端约束；最后用四旋翼无人机的动力学模型作为被控对象进行仿真验证，结果表明：该控制器能使四旋翼无人机在三轴方向均能实现一个良好的路径跟踪效果。与传统方法相比，这种基于变量集结的预测控制策略能够减小在线优化量，更适合四旋翼无人机飞控芯片的应用。     

Air route network optimization in fragmented airspace based on cellular automata

Air route network optimization,one of the essential parts of the airspace planning,is an effective way to optimize airspace resources,increase airspace capacity,and alleviate air traffic con gestion.However,little has been done on the optimization of air route network in the fragmented airspace caused by prohibited,restricted,and dangerous areas (PRDs).In this paper,an air route network optimization model is developed with the total operational cost as the objective function while airspace restriction,air route network capacity,and non-straight-line factors (NSLF) are taken as major constraints.A square grid cellular space,Moore neighbors,a fixed boundary,together with a set of rules for solving the route network optimization model are designed based on cellular automata.The empirical traffic of airports with the largest traffic volume in each of the 9 flight information regions in mainland China is collected as the origin-destination (OD) air port pair demands.Based on traffic patterns,the model generates 35 air routes which successfully avoids 144 PRDs.Compared with the current air route network structure,the number of nodes decreases by 41.67％,while the total length of flight segments and air routes drop by 32.03％ and 5.82％ respectively.The NSLF decreases by 5.82％ with changes in the total length of the air route network.More importantly,the total operational cost of the whole network decreases by 6.22％.The computational results show the potential benefits of the model and the advantage of the algorithm.Optimization of air route network can significantly reduce operational cost while ensuring operation safety.