基于改进A*算法的UUV冰下避障航迹规划算法

针对冰下避障航迹规划问题,提出了一种基于改进A*算法的三维冰下避障航迹规划算法.不同于传统的A*航迹规划算法,该算法结合了人工势场航迹规划算法的思想,将水下地形碰撞约束、海冰碰撞约束以及UUV巡航高度约束重新编排.算法分析表明,该避障航迹规划算法能够有效增强UUV冰下避障能力与定深巡航高度控制能力.基于改进的A*冰下避障航迹规划算法,给出了上述约束的设计方法并进行了仿真验证.仿真结果表明,基于上述约束的航迹规划算法具有良好的避障能力、巡航高度控制能力以及航行距离控制能力.     

无人机蜂群轨迹预测研究

传统防空火控算法中的轨迹预测模型无法对复杂的无人机蜂群进行有效地轨迹预测，而现有针对无人机机动轨迹的预测研究通常只考虑单个无人机，且模型量级过大。为了准确且快速地预测无人机蜂群轨迹，本文提出一种面向蜂群的轨迹预测方法。在获得蜂群轨迹后，首先基于DBSCAN 对其进行聚类，判断出蜂群中各个无人机的类别；然后基于分形算法，判断无人机轨迹是简单轨迹还是复杂轨迹；最后，采用卡尔曼滤波进行简单轨迹的预测，用基于LSTM 网络的方法进行复杂轨迹的预测。结果表明：本文提出的无人机蜂群轨迹预测方法的预测误差远远小于纯采用卡尔曼滤波方法预测的误差，且预测时间小于仅采用LSTM 网络方法预测的时间，可以较为准确地预测蜂群中不同集群无人机的轨迹，为反无人机蜂群火控解算提供基础。     

水下单信标导航航路规划和最优航路接近方法

相比于传统的长基线和超短基线等导航方式，水下单信标导航具有布放简单的优点，但其导航精度有待进一步提高。为此，提出了单信标导航的航路规划方案，通过泰勒级数展开推导了水平位置精度因子的表达式，并分析了导航点和声信标的相对几何位置关系对导航精度的影响，最终提出了航路规划方案。在此基础上，还提出了自主水下航行器(autonomous underwater vehicle，AUV)从其他位置接近最优航路的方法，包括两部分：一是建立以时延为观测量的滤波模型，利用滤波算法实时获取AUV的位置估计值；二是基于可观测度分析结果对最优航路接近过程的轨迹进行了设计。二者的结合使得AUV高效率且高精度地逼近最优航路。仿真证明了采用所提出的航路规划方案和最优航路接近方法可以提高导航精度，航路规划方案使得AUV位置估计的均方根误差近似为2 m。     

基于冲突分类与消解的多智能体路径规划算法设计CSCD

多智能体路径规划应用广泛但求解困难。为更好地处理多智能体路径规划中的路径冲突问题,提高求解效率,将冲突进一步分类为相向顶点冲突和交叉顶点冲突,并提出了对应的消解方式。相向顶点冲突的消解方法采用提前添加约束的方式,避免在消解其冲突的过程中产生另一个可预见的冲突;交叉顶点冲突的消解方法采用寻找最佳等待时间的方式,在消解其冲突的同时消解其他存在的冲突。两种冲突消解方法均可减小约束树的规模,在一定程度上减少算法的计算量。并提出了基于冲突搜索算法的高层节点冲突搜索算法。实验结果表明,所提出的冲突分类及消解方式有效地减小了算法高层中约束树的规模,降低了算法计算量,并在智能体密集的环境下表现出更大的优势。     

Time-optimal guidance for intercepting moving targets with impact-angle constraints

The minimum-time path for intercepting a moving target with a prescribed impact angle is studied in the paper. The candidate paths from Pontryagin’s maximum principle are synthesized,so that each candidate is related to a zero of a real-valued function. It is found that the real-valued functions or their first-order derivatives can be converted to polynomials of at most fourth degree.As a result, each candidate path can be computed within a constant time by embedding a standard polynomial solver...     

固定翼无人机编队的启发分布式模型预测控制

针对无人机编队飞行控制中队形保持、路径规划、重构、防撞等多重功能需求,采用启发型分布式模型预测控制框架,将需求转化为多目标优化问题中的代价函数与相容性约束求解,实现了对无人机编队飞行的一体化控制.同时,采用分阶段式的轨迹规划算法,融合模型预测轨迹规划与多项式轨迹规划,利用多项式轨迹系数实现高效的邻居轨迹信息交互,从而增大了模型预测控制的预测范围,并降低了规划控制过程中的计算量与通信量.最后,通过9架无人机的协同避障编队仿真,证明了该方法的有效性.     

Surrogate role of machine learning in motor-drive optimization for more-electric aircraft applications

Motor drives form an essential part of the electric compressors, pumps, braking and actuation systems in the More-Electric Aircraft (MEA). In this paper, the application of Machine Learning (ML) in motor-drive design and optimization process is investigated. The general idea of using ML is to train surrogate models for the optimization. This training process is based on sample data collected from detailed simulation or experiment of motor drives. However, the Surrogate Role (SR) of ML may vary for different applications. This paper first introduces the principles of ML and then proposes two SRs (direct mapping approach and correction approach) of the ML in a motor-drive optimization process. Two different cases are given for the method comparison and validation of ML SRs. The first case is using the sample data from experiments to train the ML surrogate models. For the second case, the joint-simulation data is utilized for a multi-objective motor-drive optimization problem. It is found that both surrogate roles of ML can provide a good mapping model for the cases and in the second case, three feasible design schemes of ML are proposed and validated for the two SRs. Regarding the time consumption in optimizaiton, the proposed ML models can give one motor-drive design point up to 0.044 s while it takes more than 1.5 mins for the used simulation-based models.     

弱全局信息下月面超远距离保通行性移动规划

针对月面超远距离移动规划任务因缺乏精确全局信息而导致的规划路径可通行性不足问题，提出了月面道路拓扑网的构建设想及相应路径规划技术，凭借复杂道路网络的连通能力确保巡视器超远距离规划路径的可通行性。首先进行月面道路拓扑网的设计方法研究，分别提出了基于滑动最优泊松采样算法的网络节点设计方法和基于均匀领邻网络拓扑模型网络结构设计方法，使月面道路网网络节点分布均匀、密度适中且覆盖完整，网络连接合理且各路径尽量远离障碍区域。然后进行基于月面道路拓扑网的超远距离移动规划研究，分析了基于月面道路拓扑网路径规划技术的概率完备性和整体可通行概率，并提出了基于月面道路拓扑网的K优路径规划方法，通过道路网的连通性来提高超远距离移动探测任务的整体可通行概率。最后以阿波罗两次登月任务的着陆点之间进行超远距离转移任务为仿真场景，验证了本方法的有效性。     

基于状态改变的机器人路径规划算法

为了解决目前机器人路径规划中时效性低、避障解算量大的问题,借鉴直流电路中理想电感元件两端电压能够从感抗状态恢复到稳定状态的现象,提出了一种利用机器人状态检测量对机器人状态实时检测,从而实现避障的机器人路径规划算法.首先对绕行单个固定障碍物的机器人进行深入分析,然后采用状态叠加的方法,生成任意位置多障碍物同时存在的避障路径.同时对斥力系数进行改进,以确保机器人能够有效到达目标点.为了验证算法在多障碍物环境下的路径规划能力,进行了数值仿真模拟实验.仿真结果表明,使用该算法规划机器人路径时,能够在避免局部极小值点和目标不可达问题的前提下,在较短时间内规划出机器人由起始点到目标点的路径.     

一种基于遗传算法的最小熵自聚焦方法

自聚焦算法是获得高质量合成孔径雷达SAR(Synthetic Aperture Radar)图像的重要步骤.针对复杂成像场景和复杂运动误差SAR自聚焦问题,提出一种基于遗传算法的最小熵自聚焦方法.方法 通过高阶多项式函数拟合相位误差,以图像熵为代价函数,利用遗传算法最小化代价函数进而估计出相位误差,尤其适合于成像场景没...