无人机车辆组合物流配送路径规划探讨

近年来无人机在各个领域的应用逐渐兴起,尤其是在物流运输领域发展迅速。在物流运输领域的应用主要是与车辆进行组合运输,国内外的学者针对无人机和车辆组合运输的路径规划问题进行了许多研究。主要论述了目前车辆和无人机组合运行的4种模式,包括车辆支持无人机运行模式、无人机支持车辆运行模式、无人机与车辆独立的运行模式、无人机和车辆同步的运行模式。探究了目前无人机和车辆组合路径规划问题考虑的因素,包括无人机电池电量、运送包裹数量和时间窗等。对有无人机参与的车辆路径规划问题的目标优化进行了总结,目前的研究主要分为3类,包括考虑最短配送时间、最小总成本和多目标规划。这些研究对未来无人机配送问题的研究具有重要的指导意义。     

基于BP神经网络的试飞训练安全性量化模型

为提升试飞员在航空试验飞行过程中的飞行安全、降低试验飞行的风险等级,研究基于BP神经网络的试验飞行训练安全性分级量化分析模型。以人因工程的人、机、环为切入,分析试验飞行训练过程中影响试飞安全的因素,并选取人、试飞训练科目及环境三部分重要因素,建立试验飞行训练过程中的安全性分级量化分析指标体系。经人因工程指标量化处理后,由于融合的数据类型相似度较低,因此采用BP神经网络构建试验飞行训练安全性分级量化分析模型,经模型训练、测试后,输出试验飞行训练的安全性分级量化等级。利用定制的接触式采集设备和非接触式面部识别系统,采集试飞员执行试飞科目训练时身体节律数据,分析训练过程中科目复杂度和难度对试飞员心理特征和生理特征的影响,从而建立量化指标和预警指标,以此优化试验飞行训练课程、提高训练品质,保障试飞安全。试验表明,该模型所得试验飞行训练过程中的安全性分级量化模型输出偏差小于2%,模型预测结果与训练过程中实际风险等级基本吻合,可有效地用于试飞训练过程中风险预警,提高试飞员训练品质,为实际试飞安全提供保障。