复杂动态环境下无人飞行器动态避障近似最优轨迹规划

针对复杂动态环境下无人飞行器的动态障碍规避问题，基于合理假设建立了无人飞行器和动态障碍的运动学模型，并综合考虑无人飞行器飞行过程中的终端约束、控制输入约束、安全避障约束等，以能量最少为性能指标构建动态避障问题数学描述。之后，针对终端约束和控制输入约束，依据优化模型预测静态规划算法(OMPSP)生成初始轨迹；针对动态避障问题的不等式约束，引入松弛变量并结合滑模变结构控制方法设计松弛变量动力学，实现对一个、多个或同时多个动态障碍的安全规避；最后，依据有限时间微分动态规划(RHDDP)算法进行轨迹优化，获得满足上述各种约束并能规避动态障碍的近似最优轨迹。     

智能车辆视觉系统的障碍物边缘检测

对采集的道路图像中的障碍物进行边缘检测,其过程为:道路图像预处理、二值化、边缘检测和数学形态学处理.同时,在MATLAB7.0中对图像进行仿真.     

基于立体视觉的大型客机障碍物探测

为了提高大型客机在低能见度天气下场面滑行时的安全性,提出了一种采用热成像仪进行障碍物探测和识别的系统。对客机前方景物进行热成像,用改进的机器立体视觉算法计算目标距离,使用模糊逻辑融合位置信息识别障碍物。实验表明提出的系统能探测和识别场面上的主要障碍物。     

虹桥机场障碍物碰撞风险分析

研究了最后进近及复飞阶段航空器与地面障碍物之间的碰撞风险的计算方法，结合航空资料汇编中上海虹桥机场的相关信息，利用碰撞风险模型对机场的主要障碍物进行了碰撞风险计算，并分析了障碍物宽度、障碍物高度、障碍物X位移和Y位移等四个参数的变化对碰撞风险的影响。结果表明虹桥机场的障碍物碰撞风险小于安全目标水平，超障高满足要求；在一定范围内，碰撞风险随障碍物高度增大而增加，但当宽度到一个临界值后不再增加；随障碍物宽度增大而增加；随X位移增大而减小；当Y位移为0时，碰撞风险值最大。     

多跑道内水平障碍物限制面边界确定方法

对机场多跑道系统的障碍物限制面——内水平面的边界确定方法进行了系统研究。通过将N条（N≥3）复杂构形跑道简化为2N个点集，根据国际民航组织内水平面障碍物限制面形成原理并利用多边形凹凸性几何特征，给出了内水平面边界的确定方法和计算步骤。     

跑道侵入概念中的地面保护区研究

为了便于信息交换、数据对比以及不安全事件的研究、分析和防范,亟待明确跑道侵入的外延与内涵。目前国际民航组织关于“跑道侵入”概念中存在一个“地面保护区”的术语,业内人士对其理解不尽相同。在综合考虑升降带、端安全区、仪表着陆系统场地保护区、无障碍区域、障碍物评价面等限制条件的基础上,对地面保护区的划设提出了明确的意见。结论支持并丰富了国际民航组织有关跑道侵入的定义。     

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。     

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.     

激波绕射双方块加速诱导爆轰的数值研究

基于二维单步化学反应Euler方程,应用Roe/HLL混合格式以及自适应网格加密(AMR)技术,对方管中弱激波绕射双方块障碍物加速诱导爆轰现象进行了数值研究。计算结果表明,弱激波与双方块相互作用并发生绕射、碰撞可有效加速诱导爆轰,且在管道阻塞比为45%左右时可达到最佳效果,与相关实验结果相符。另外,研究了方块个数及排列方式对激波绕射加速诱导爆轰的影响,得到了最佳方块数量与方块排列方式。     

基于DDPG-PID的机器人动态目标跟踪与避障控制研究

针对机器人在动态复杂环境下的操作问题,研究机械臂跟踪运动目标及避障的运动控制方法。采用传统PID控制方法与DDPG强化学习算法相结合的方式,利用PID控制使得机械臂的工作平面快速接近目标物并与之重合,再使用DDPG算法让机械臂在平面内自主学习追踪目标物投影同时避开障碍物投影,最终在三维空间中实现跟踪与避障。该方法将机械臂作为一个智能体,智能体通过感知目标物和障碍物的距离偏差来自主学习避障跟踪策略。将本方法用于多自由度机械臂路径规划与避障任务中,对比单纯使用DDPG算法将机械臂作为智能体在空间中进行决策控制,仿真结果显示本文所提出的方法收敛效果和控制性能更好,机械臂能在训练后实现目标物的稳定跟踪和障碍物的躲避。