基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.      

基于Lyapunov方法的双臂空间机器人避障碍分级非完整运动规划

以Lyapunov方法为基础,讨论了载体姿态与位置均不受控制的双臂空间机器人系统的避障碍分级非完整运动规划问题.该方法充分利用系统的非完整动力学性质,以系统动量矩守恒关系及运动Jacobi关系为基础,建立控制设计所需的系统状态方程及控制输出方程;并在Lyapunov函数的选取上采用两级采取方式,即初级Lyapunov函数确保双臂空间机器人的两个末端抓手从初始位置运动到指定的终点位置,次级Lyapunov函数则确保两个末端抓手避开工作空间中的障碍区域;两级合成则使双臂空间机器人的两个末端抓手既实现了指定的位置移动又避开了障碍区域.系统数值仿真,证明了方法的有效性.      

基于不稳定度的仿人型机器人步态规划方法

为了保证机器人能够在人类的生活环境中安全地工作,应该选择最稳定的运动轨迹.提出了一种能够评价不同的运动步态之间稳定性好坏的稳定性评价准则.将零力矩点(ZMP,Zero Moment Point)与机器人支撑区域的形心之间的距离定义为不稳定度,分析了仿人型机器人行走过程中几种典型步态的不稳定度,同时提出了基于不稳定度的仿人型机器人步态规划的方法.当采用多种运动步态都能完成同一种任务时,用所提出的不稳定度评价方法可以在不同步长的步态中选择出稳定性最好的运动步态来执行.仿真及实验结果验证了该方法的有效性.      

动力学奇点在漂浮基双臂空间机器人姿态无扰运动规划中的应用

讨论了载体位置、姿态均不受控制的双臂自由浮动空间机器人的无扰运动规划问题．结合系统的动量及动量矩守恒关系，证明了动力学奇点的存在，并导出了动力学奇点的数学解析求解公式．在此基础上，利用动力学奇点给出了双臂自由浮动空间机器人载体姿态无扰运动路径的规划设计方法．该方法有助于空间环境下遥控机械手辅助航天器对接等任务操作的运动规划。     

智能化战术任务管理系统研究

从感知、评价、决策的认知过程研究了现代军机战术任务管理系统的结构、组成和功能,重点研究了态势评估和任务规划两个关键子系统.建立了基于贝叶斯网络和模糊逻辑推理的态势评估算法及威胁评估模型,采用贝叶斯网络对威胁级别进行了评估,运用模糊逻辑对各威胁源的相对重要性进行了推理,实现了对威胁源威胁级别和相对重要性的连续动态评估.研究了基于动态A^*算法的战术飞机飞行路径在线实时规划问题,实现了态势评估与路径规划两子系统之间的集成.研究结果表明了该系统方案和算法的有效性,任务规划系统能够自适应战场态势的变化.     

基于粒子群算法的航天器姿态机动路径规划

研究航天器在星载设备受多种几何约束情况下,大角度姿态机动时的姿态路径规划问题.采用罗德里格斯参数描述姿态,将姿态机动路径规划问题转化为点机器人的三维路径规划问题.基于粒子群优化技术设计了航天器复杂约束下大角度姿态机动的路径规划算法.数值仿真结果表明,该方法对于复杂约束下航天器姿态机动的运动规划是有效的.     

资源约束条件下舰艇编队多智能体协作规划

从分析舰艇编队对海作战的流程出发,在决策过程中引入多智能体系统(MAS,Multi-Agent System)理论,建立了编队协同反舰作战Agent模型.针对舰艇编队Agent协作规划过程中受资源约束产生资源占用冲突的问题,建立一种主从式结构多Agent协作规划模型,并提出一种集中与分布规划相结合的MAS协作规划方法.仿真实例表明:该方法可有效实现作战编队各Agent之间的协作与协调,保证舰艇编队在满足资源约束条件下实现预期战术目标.      

无人机复杂环境中跟踪运动目标的实时航路规划

在复杂地形环境中,无人机在跟踪运动目标时,现有的航路规划方法在实时性和可行性上存在一定缺陷.提出了一种新的滚动窗口启发方向计算方法,使其能够跟踪运动目标,同时在滚动窗口内采用流函数法进行避障.根据无人机约束,滚动窗口为三角形,并设计了基于行为的伸缩功能.在流函数中,利用水势能方法克服了陷阱地形并进行了航路平滑.仿真结果表明:这种混合算法对于复杂地形条件下跟踪运动目标的航路规划,能够减小规划算法的时间和空间复杂度,使规划出的航路适于无人机飞行.     

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。     

基于改进遗传算法的机器人动态路径规划

针对基本遗传算法解决移动机器人路径规划的不足,提出了一种改进的遗传算法。首先,采用栅格法对机器人路径规划进行建模。然后,提出一种生成初始种群的方法和精英策略,设计出自适应变异概率,提高了算法的求解质量。同时,在规划过程中,将全局路径规划与局部路径规划相结合,并且根据机器人与动态障碍物碰撞类型的不同,提出了相应的避碰策略。仿真实验表明:该算法优于基本遗传算法,能够有效地指导机器人在动态环境中实现避障,获得无碰最优或次优路径。