Coactive design of explainable agent-based task planning and deep reinforcement learning for human-UAVs teamwork

Unmanned Aerial Vehicles (UAVs) are useful in dangerous and dynamic tasks such as search-and-rescue, forest surveillance, and anti-terrorist operations. These tasks can be solved better through the collaboration of multiple UAVs under human supervision. However, it is still difficult for human to monitor, understand, predict and control the behaviors of the UAVs due to the task complexity as well as the black-box machine learning and planning algorithms being used. In this paper, the coactive design method is adopted to analyze the cognitive capabilities required for the tasks and design the interdependencies among the heterogeneous teammates of UAVs or human for coherent collaboration. Then, an agent-based task planner is proposed to automatically decompose a complex task into a sequence of explainable subtasks under constrains of resources, execution time, social rules and costs. Besides, a deep reinforcement learning approach is designed for the UAVs to learn optimal policies of a flocking behavior and a path planner that are easy for the human operator to understand and control. Finally, a mixed-initiative action selection mechanism is used to evaluate the learned policies as well as the human’s decisions. Experimental results demonstrate the effectiveness of the proposed methods.     

基于气压高度辅助的机载自主完好性监测算法

卫星接收机自主完好性监测是指根据用户接收机的多余观测值监测用户定位结果的完好性,其目的是在导航过程中检测出发生故障的卫星,并保障导航定位精度。针对卫星接收机自主完好性监测算法可用性不足的问题,结合机载实际导航系统配置,提出了一种基于气压高度表辅助的机载自主完好性监测算法。综合利用卫星导航系统及气压高度表观测信息,建立联合系统的观测模型,推导了基于多解分离的完好性监测及保护级别计算方法。仿真结果表明,相比于传统的接收机自主完好性监测算法,该算法在可见星为5颗时仍能识别故障卫星。该算法具有更好的故障检测能力及可用性,能有效提高卫星导航系统的完好性监测性能,从而保证卫星导航系统的精度和可靠性。     

智慧温室群远程监控系统通信设计

温室监控系统是对温室环境中温度、湿度、光照度等环境因子实施监测与调控的农业设施,可确保农作物获得最适宜的生长发育环境。针对现有温室监控系统在通信上存在距离受限、组网复杂、能耗高且基本仅能实现单个温室控制的问题,设计了一种基于LoRa和NB-IoT相结合的智慧温室群远程监控系统通信模式。该模式以STM32F103C8T6单片机为核心控制器件,采用ATK-LoRa SX1278和NB-IoT模块自组无线通信网实现数据的远程交互。测试结果表明：采用该通信模式可实现温室群中各温室间距离在2km范围内的数据采集、处理和传输,其通信距离远、功耗低,数据传输可靠性符合现代化农业物联网的需求。     

基于虚拟仪器技术的发动机网络化试车测试系统设计

介绍虚拟仪器技术在发动机试车过程中的具体应用,以LabVIEW软件为平台实现信号的采集、分析、处理和显示。该系统通过网络实现数据共享,各个上位机根据自己的需要获取不同的数据,然后通过软件处理,实现对发动机试车过程的实时监控。     

最小二乘滤波在某型火控系统信息处理中的应用

为了提高某型火控系统的反应时间和射击精度,需要对采集到的目标运动参数进行滤波。为了使算法易于实现,采用了最小二乘滤波方法。基于对最小二乘滤波的分析处理,增加了修正序列,实现了接近自适应最小二乘滤波的功能,在滤波效果上能够完全满足系统要求。最后,对滤波效果进行了检测。     

吉时利2750在真空热试验测量系统中的应用

真空热试验测量系统是空间环境模拟设备的重要分系统.文章对真空热试验测量需求进行了简单介绍,对采用吉时利2750数字多用表实现的1000点测量系统进行了说明,主要包括:测量系统的结构设计和通讯方式选择、测量信号输入多路转换开关的选择、测量信号输入分线箱设计,提出了一种多主机并行的快速测量方法,并给出了测量参数.应用结果表明:该系统运行稳定可靠,测量数据准确无误.     

PLC构成电梯控制系统特性分析

分析了电梯的负载特性,阐述了采用梯形加速曲线的电梯理想速度曲线,结合变频器和PLC的性能,论述了电梯控制系统的构成和工作特性,以及电梯速度曲线产生的方法,归纳了由PLC构成的控制系统软件设计的特点。     

电磁测力系统研究

介绍了电磁测力系统中静磁场分析与优化、通电线圈位置控制方法及提高线性度的自校准方法。运用Maxwell 3D进行仿真计算,得到了相对优化的磁密及磁均匀性,通过控制通电线圈在磁场中位置及分段线性微分技术,提高了电磁测力准确度。构建了试验装置,对比试验数据表明,该研究措施对于提高电磁测力准确度取得了较好效果。     

eLoran系统ASF网格应用算法研究

ASF网格是提高增强型罗兰（Enhanced Long Range Navigation,eLoran）系统精度的重要方法。根据所在网格四个顶点的附加二次时延（Added Secondary Factor,ASF）值通过网格应用算法得到待测试点的ASF值,一定程度上比公式计算的ASF值更准确。在计算过程中,用户四个顶点ASF值的测量误差会传递给用户,同时内插算法本身也会引入误差,此时内插算法的选择尤为重要。本文通过仿真、分析比较几种常用的内插算法,得出结论：反距离插值算法引入的误差最大,双线应插值算法引入的误差最小,而且误差呈现一定层次感,网格从内到外误差逐渐减小。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前,目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时,随着脑科学研究的不断深入,人们对人脑视觉系统的理解逐渐透彻,利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs),提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法,包括：基于演算侧抑制的目标检测算法,基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明,将类脑模型和深度神经网络应用于目标检测和跟踪领域,有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.