无人机航路规划研究

无人机航路规划的目的是无人机具有对象复杂任务进行快速规划重规划的能力，其中快速而有效的重规划尤其重要。在无人机飞行任务过程中，无人机需要根据局部地形、地貌、威胁等信息以及飞机本身机动能力的限制，实时地计算出飞行航路，并跟踪该航路完成了飞行任务。本文通过比较各种算法在航路规划应用中的优劣性，提出了Dynapath（动态规划）算法在无人机航路规划中的应用，给出了仿真结果。仿真结果表明：Dy-napath算法生成的最优参考航路基本上满足无人机任务飞行的要求，获得了良好的飞行品质。     

远程能量输送飞行器轨道设计与优化

以微波、激光等新型推进技术为背景,在飞行器质点动力学方程基础上,采用序列二次规划算法对飞行器爬升段和盘旋下滑段飞行轨道进行了优化设计,并通过数值仿真给出了其最佳飞行轨道。结果表明,对于重量150 kg,最大升阻比为25的飞行器,在上升段动力系统最大推重比为0.6的情况下,飞行器可以10min爬升到预定的40 km高度;在盘旋下滑段提供4.8 kg的推力,飞行时间可达4.85 h。研究结果为该新型飞行器可行性提供了理论依据。     

基于数字模型的工艺设计与应用

国内外新一代飞机已全面采用数字化设计,制造工艺部门应以此为契机,改进数字化工艺设计手段,充分利用产品三维设计数据,全面推广基于数字模型的工艺设计方法和应用范围。提出了基于数字模型的飞机装配工艺协调设计,阐述了装配协调数据的定义方法,介绍了开展生产线三维工艺规划的方法和流程。提出了基于数字模型的全机和供应商制造构型设计模式。提出了基于数字模型的供应商交付规范的编制方法,阐述了三维装配工艺指令设计平台的功能、数字化装配工艺设计流程和虚拟仿真应用等内容。     

基于深度神经网络的机器人定位误差补偿方法

工业机器人由于高效率、低成本被广泛应用于智能制造业,但较低的绝对定位精度限制了其在高精度制造领域的推广应用。为提升机器人绝对定位精度并解决传统复杂的误差建模问题,提出了一种基于深度神经网络的机器人定位误差补偿方法。首先在笛卡尔空间进行拉丁超立方采样规划,获得目标点姿态对误差的影响规律;然后建立基于遗传粒子群算法优化深度神经网络(GPSO–DNN)的定位误差预测模型,实现对误差的预测和补偿;最后为验证该方法的准确性和优越性,与其他误差补偿模型进行对比。试验结果表明,基于GPSO–DNN的定位误差补偿方法的补偿精度最高,定位误差由补偿前的1.529mm减小为0.343mm,精度提高了77.57%。该方法能有效补偿机器人定位误差,大幅提高机器人的定位精度。     

地震电磁卫星任务规划系统研究

地震电磁卫星任务规划是支持卫星在轨业务运控的核心环节. 通过对地震电磁卫星任务规划系统的研究, 提出了地震电磁探测卫星任务规划的基本原则, 设计了地震电磁探测卫星任务规划系统架构, 分析了系统功能需求和规划处理流程, 在此基础上对地震电磁卫星进行了原型实现.      

对地观测多载荷任务规划的建模与算法

研究了空间对地观测中配备多个有效载荷时的观测任务规划问题。首先建立了该问题的组合优化数学模型,优化指标考虑了科学和经济利益的最大化和各项资源约束;然后应用遗传算法对该问题进行了求解,并与贪婪算法结果进行比较;最后,验证了模型的有效性和算法的优越性。     

基于聚类PSO算法的舰载机舰面多路径动态规划

对舰载机舰面多路径动态规划问题,提出了基于聚类粒子群(PSO,Particle Swarm Optimization)算法进行解决的方法.首先建立了舰载机舰面多路径动态规划问题数学模型;其次,在建立航母舰面环境模型、舰载机“凸壳”模型、碰撞检测模型的基础上,利用聚类PSO算法进行问题求解;最后,通过编制程序对该解决方法予以实现.仿真结果表明利用聚类PSO算法所求解的结果比较精确,且计算效率也符合实际要求.因此基于聚类PSO算法对舰载机舰面多路径动态规划问题进行求解是可行的.     

面向天文观测的空间科学卫星任务规划方法研究

面向天文观测的空间科学卫星任务规划是一个复杂的多目标优化问题.通过对天文观测类卫星的任务规划要素及约束条件进行抽象,建立了面向天文观测的多目标任务规划问题模型,在此基础上设计了基于NSGA-II的多目标观测任务规划算法,并通过实例进行了实验及结果分析.研究表明,该方法能够有效解决天文观测类卫星不同规模的任务规划问题.      

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.