基于比例导引角度线性化的无人机避障研究

基于无人机与障碍物之间的几何关系,在极坐标系下建立了无人机与障碍物之间的运动学方程,通过引入基于角度线性化的比例导引律,使无人机能够顺利避开障碍物。引入的基于角度线性化的比例导引律是关于无人机相对速度航向角与避障点视线角的函数,由比例函数及偏差函数组成。为解决初始时刻相对速度航向角不满足引入导引律的问题,在调节函数中加入了指数项。通过稳定性证明,得到了满足要求的导引律参数取值范围。最后对设计的避障算法进行了仿真,仿真结果验证了算法的有效性。     

扑翼机器人机载视觉避障系统设计（英文）

扑翼机器人是一种高仿生度的飞行器,它可以执行军事侦察和民用监测任务。在执行这些任务时,避障是一种确保扑翼机器人安全的必要功能。本文设计了一种基于单目视觉的扑翼机器人自主避障系统,其中所有图像的处理计算均使用机载处理器实现。在这个系统中,机载处理器的质量被减至48 g,以便于扑翼机器人可以携带它稳定飞行。该系统的工作流程可以分为以下几步：首先,图像采集模块获取周围环境的视频图像;然后,机载处理器通过处理扑翼机器人第一视角的光流信息来计算方向舵角度和转弯方向;最后,飞控板接收计算结果并控制扑翼机器人避开障碍物。地面站对扑翼机器人飞行过程进行实时监测,实验结果验证了本文所设计的避障系统的有效性。     

辅助空间遥操作的虚拟管道设计与实现

针对复杂空间环境下进行遥操作的安全性问题,提出一种基于路径点的光滑虚拟管道快速生成算法,改进深度优先算法对虚拟管道进行静态规划,并给出动态修正算法,实现管道的动、静态避障。虚拟管道可为操作者提供视觉、触觉等反馈信息以调整自身操作。操作对象在管道内运动,能安全、快速地达到目标。相对于路径规划方式按指定轨迹避障,该方法提高了操作灵活性和效率。在CHAI 3D仿真平台下进行多组避障实验,验证了算法的有效性。     

航天器避障交会有限时间滑模控制

针对航天器安全交会过程中的避障问题,提出一种基于有限时间滑模变结构控制与人工势函数相结合的控制方法。首先,对斥力势进行修正使得势函数在期望状态的值为零。其次,基于速度偏差和引力梯度设计滑模面,并考虑障碍物的速度设计控制律。利用Lyapunov稳定性定理分析证明在存在外部干扰情况下,系统能够在有限时间内收敛到期望状态并保持渐近稳定。最后,利用数值仿真来验证所设计的控制律的正确性和有效性。仿真结果表明,该方法能够有效实现规避动态障碍物,满足安全交会的要求。     

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.     

月球软着陆自主避障技术研究

针对传统给定轨道和优化实现的软着陆制导方法对先验知识存在依赖,容易受建模偏差、不确定扰动等因素影响,且现有的障碍模型不具备较好的泛化能力等问题,提出了一种考虑多障碍约束下的燃料最优制导方法,并在凸锥模型的基础上提出了一种半球模型和通用凸包模型的建模方法.通过连续线性化实现了对非凸模型的凸化转化,将包含障碍约束的最优控制...     

基于增量式发育深度强化学习的无人机路径规划

为了克服深度强化学习训练时间长、收敛速度慢的问题,针对密集动态障碍环境下的无人机(UAV)路径规划,引入了增量式发育知识库,对深度确定性策略梯度(Deep Deterministic Policy Gradient, DDPG)算法进行改进。首先,根据模糊匹配的思想建立威胁模式知识库,将飞行过程中遇到的密集动态障碍作为知识进行增量式存储,避免对相似障碍环境的重复训练。其次,在底层DDPG算法规划安全航路的基础上构建避障策略知识库,根据威胁模式直接输出避障策略,缩短训练时间。最后,搭建发育式的威胁-避障映射关系,实现“线上实时避障,线下自主寻优”,不断提升UAV避障性能。对比实验结果表明,所提方法能极大提高DDPG训练效率,满足UAV在密集动态障碍环境中实时避障的需求。     

美国梦神号行星着陆器原型系统发展及启示

详细介绍了美国梦神号行星着陆器原型系统的发展情况,包括任务实施背景、着陆器平台及关键技术发展、试验测试结果以及新型研制模式等,分析了梦神号快速取得自由飞行、避障着陆等成果并具备良好后续发展前景的原因,结合我国实践,提出了小风险换大成果、有效继承已有基础、发展路线多样化以及重视与非传统伙伴合作互动等几点启示,可为我国载人深空探测发展规划及技术预先研究提供参考。     

基于强化学习的多智能体系统目标围捕控制

针对多智能体系统目标围捕问题，提出了基于强化学习的目标围捕控制方法。首先，对多智能体系统进行马尔可夫博弈建模，设计能够控制系统到期望围捕状态并满足避障要求的势能函数，将模型控制与强化学习原理结合，利用势能模型引导的改进多智能体强化学习算法进行围捕。其次，在已有势能模型的基础上建立跟踪围捕和环航围捕2种围捕策略。前者通过设计速度势能函数实现多智能体一致跟踪。后者加入虚拟环航点，设计虚拟环航点势能函数实现期望环航。最终，仿真验证了多智能体强化学习围捕控制策略的有效性。