月基装备行走运动学分析与连续步态规划

针对缓冲行走功能一体的月面探测器构型设计困难、步态分析复杂等问题,提出了一种基于相同支链构型的四足月基装备(LBE)设计分析方法与连续步态规划方案。设计复合功能着陆腿机构及整机多状态位姿;构建LBE在行走状态下的单腿运动学模型,对其进行正逆运动学求解,分析单腿与整机工作空间和运动性能;对LBE整机进行水平月面的连续步态规划,并设计单步足端轨迹,通过动力学仿真,验证LBE行走步态稳定性。仿真结果表明：LBE沿前进方向连续稳定运行,质心竖直方向浮动仅占整器高度的0.24%,俯仰角最大摆动幅度为0.34°,翻滚角最大摆动幅度为0.27°。     

一种基于地形方向通行性的改进Theta*算法

提出了一种基于Basic Theta*改进的任意航向路径规划算法,利用星球巡视器在俯仰和滚转方向上抗倾覆能力的差异,对不同航向上的地形可通行性进行了分析,分别区别出障碍以及方向性障碍,并在此基础上将Basic Theta*扩展节点时的可视性检查改进为可通过性检查,从而筛选出能够通过方向性障碍的路径.仿真实验表明,该算法克服了Basic Theta*算法的局限性,能够更加充分地利用巡视器特性,在复杂地形上找到传统方法无法通行的最短路径,扩展了巡视器的行驶范围和工作能力,对于巡视器穿越崎岖地形及撞击坑底探测等星球表面特殊任务具有实用价值.      

基于多信号流图与分支定界算法的故障诊断

针对实时在线故障诊断问题,提出了一种基于多信号流图和分支定界算法的故障诊断方法。通过建立多信号流图模型生成相关矩阵作为诊断知识,进而由相关矩阵以及观测向量产生冲突集,使最小诊断集的求解过程映射为整数规划问题;采用分支定界算法,通过对冲突集的分支、定界以及剪支得到故障诊断的最优解,从而避免了穷举问题造成的搜索"爆炸"。以某型机载燃油系统为对象对本文提出的算法进行了验证。结果表明:本文算法与常用的多信号流图诊断推理算法TEAMS-RT相比,算法速度相当,故障定位精度更高,很好地涵盖单故障以及多故障组合,可以胜任大规模复杂系统的故障诊断。      

反导多传感器协同任务规划综述

针对反导作战多传感器协同任务规划的相关问题,结合反导作战的特点,探讨反导作战信息处理过程与多传感器协同任务规划的关系,并分析多传感器协同任务规划的内涵;在此基础上,梳理出多传感器协同任务规划涉及的关键技术,并综述多源信息综合处理、多传感器协同部署、协同跟踪、协同引导和协同识别等关键技术的研究现状;最后就多传感器协同任务规划的发展提出一些建议。     

非凸二次约束下航天器姿态机动路径迭代规划方法

针对复杂约束下航天器姿态机动路径规划问题,首先描述和分析了航天器姿态机动过程中面临的动力学和运动学约束、有界约束、姿态指向约束,把姿态指向约束利用非凸二次型进行表述;其次从能量最优角度出发,将该约束机动问题归纳为非凸二次约束二次规划问题;然后引入线性松弛技术,将该问题转化成双线性规划问题,求出其中一个变量的凸包络和凹包络,降低求解复杂度,从而求出原问题的一个线性松弛。同时为了提高求解精度,提出一种基于评价函数的迭代规划算法,利用线性松弛求出的解作为初值,通过评价函数进行迭代规划,最终求出原问题的最优解。仿真结果表明该方法不仅可以满足复杂的姿态约束,得到全局姿态优化路径,而且能够降低能量消耗。     

基于多智能体强化学习的空间机械臂轨迹规划

针对某型六自由度（DOF）空间漂浮机械臂对运动目标捕捉场景,开展了基于深度强化学习的在线轨迹规划方法研究。首先给出了机械臂DH （Denavit-Hartenberg）模型,考虑组合体力学耦合特性建立了多刚体运动学和动力学模型。然后提出了一种改进深度确定性策略梯度算法,以各关节为决策智能体建立了多智能体自学习系统。而后建立了"线下集中学习,线上分布执行"的空间机械臂对匀速直线运动目标捕捉训练系统,构建以目标相对距离和总操作时间为参数的奖励函数。最后通过数学仿真验证,实现了机械臂对各向匀速运动目标的快速捕捉,平均完成耗时5.4 s。与传统基于随机采样的规划算法对比,本文提出的自主决策运动规划方法求解速度和鲁棒性更优。     

某飞翼布局隐身飞行器的翼型优化

对某飞翼布局无人机的翼型进行考虑隐身迎角的气动、隐身综合优化研究。采用基于非均匀有理B样条曲线的自由变形方法实现翼型的参数化表达;无限插值动网格方法生成气动求解的计算网格;分别采用基于雷诺平均N—S方程求解的计算流体力学方法及物理光学法计算翼型的气动、隐身性能;选择多目标遗传算法进行综合寻优设计研究。优化翼型兼顾了气动与隐身的要求,其综合性能优于原翼型。结果表明,方法具有较好的实用性。     

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.