基于粒子群优化算法的月面巡视器全局路径规划

在月面巡视器遥操作系统中,路径规划分为任务级路径规划、全局路径规划和局部路径规划。根据巡视器全局路径规划的应用要求,引入粒子群优化算法应用于全局导航点的规划。针对粒子群算法在路径规划中容易造成不收敛或病态收敛的问题,对算法进行了修改,去掉了速度更新中的速度惯性因子,只保留自身认识因子和社会认识因子,使其在全局路径规划中能够快速收敛;同时引入经典遗传算法中的变异因子以增强算法的全局优化能力。仿真结果表明该算法具有计算简单、全局寻优能力强等特点,能够快速地找到优化的全局导航点。同时在不同的模拟月面地形上进行仿真试验,针对存在的问题提出了对应的二次优化方法,结果表明该方法较好地满足了巡视器全局路径规划的应用需求。     

串并混联空间机械臂全自由度轨迹规划算法

目前,国内外对串并混联空间机械臂的研究较少;而且大多在舍弃冗余自由度的情况下进行轨迹规划.针对7自由度串并混联空间机械臂,提出了一种基于解析解、并且充分放开全部7个自由度的机械臂轨迹规划算法.该规划算法既扩大了串并混联空间机械臂的规划可达空间,又保证了规划的实时性,同时还保留了结构承载能力强的优点,可以充分发挥其作为空间抓捕用臂的优势.通过仿真和地面空间操作抓捕试验,验证了算法的有效性.     

A two-step robust adaptive filtering algorithm for GNSS kinematic precise point positioning

In kinematic navigation and positioning, abnormal observations and kinematic model disturbances are one of the key factors affecting the stability and reliability of positioning performance. Generally, robust adaptive filtering algorithm is used to reduce the influence of them on positioning results. However, it is difficult to accurately identify and separate the influence of abnormal observations and kinematic model disturbances on positioning results, especially in the application of kinematic Precise Point Positioning (PPP). This has always been a key factor limiting the performance of conventional robust adaptive filtering algorithms. To address this problem, this paper proposes a two-step robust adaptive filtering algorithm, which includes two filtering steps: without considering the kinematic model information, the first step of filtering only detects the abnormal observations. Based on the filtering results of the first step, the second step makes further detection on the kinematic model disturbances and conducts adaptive processing. Theoretical analysis and experiment results indicate that the two-step robust adaptive filtering algorithm can further enhance the robustness of the filtering against the influence of abnormal observations and kinematic model disturbances on the positioning results. Ultimately, improvement of the stability and reliability of kinematic PPP is significant.     

叶型上局部凸起对扩压器性能影响的数值研究

借助CFD数值模拟技术,对四种常规叶片扩压器（不同凸起位置）内部流场进行了数值模拟,研究了不同凸起位置对扩压器性能的影响,讨论了改变叶片凸起位置对扩压器静压恢复系数、总压损失系数等性能参数的影响,以为小型/微型发动机的叶片扩压器的优化设计提供一定的参考价值。结果表明,当叶片扩压器产生局部凸起时,在流动进入叶片扩压器凸起截面后面产生了低速流动,导致了明显的总压损失,使得叶片扩压器的效率降低。叶片中间产生凸起对于叶片扩压器的总压损失最高。在工程实际中叶片扩压器如果产生局部凸起,尽量选择在叶片前端。     

一种改进的UAV三维航迹实时规划算法

航迹规划对于战场环境中无人机完成其作战任务具有非常重要的意义.针对真实战场环境中低空无人机的三维航迹实时规划问题,构建了一个更加真实的战场威胁精简模型;提出遗传个体的基因优劣对比度,改进一种共享小生境遗传算法中编码基因的遗传特性.经过改进,增大优化基因的遗传概率,实现提高小生境遗传算法的全局优化能力和收敛速度,增强航迹规划的实时性.对三维数字地形空间进行定长网格编码,将改进的小生境遗传算法应用于三维虚拟战场环境中的无人机航迹规划,实验验证了改进算法的有效性,并能满足在线航迹规划的实时性要求.     

Monocular Vision-based Two-stage Iterative Algorithm for Relative Position and Attitude Estimation of Docking Spacecraft

Visual sensors are used to measure the relative state of the chaser spacecraft to the target spacecraft during close range rendezvous phases. This article proposes a two-stage iterative algorithm based on an inverse projection ray approach to address the relative position and attitude estimation by using feature points and monocular vision. It consists of two stages: absolute orientation and depth recovery. In the first stage, Umeyama's algorithm is used to fit the three-dimensional (3D) model set and estimate the 3D point set while in the second stage, the depths of the observed feature points are estimated. This procedure is repeated until the result converges. Moreover, the effectiveness and convergence of the proposed algorithm are verified through theoretical analysis and mathematical simulation.     

基于Rodrigues参数的视觉相对位姿确定算法

以Rodrigues参数作为姿态描述参数提出了一种视觉相对位姿确定算法。Rodrigues参 数作为一种简洁、高效的姿态描述法,适用于实时性要求高的视觉相对位姿确定,但它本身 的奇异性使其不能用于大角度的位姿确定。将视觉导航方法和无奇异姿态描述的Rodrig ues参数切换理论结合起来,推导了基于Rodrigues参数的视觉相对位姿解算模型,并给出了 这种相对位姿确定算法的流程。仿真结果表明该算法能很好地解决奇异问题,实现全姿态运 动情形下的相对位姿确定。
     

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。