狭窄环境中基于几何法的全局路径规划新方法

研究狭窄障碍环境下基于几何法的移动机器人全局路规划方法。用不同多边形表示机器人和障碍物,多边形集合构成环境地图。利用数组矩阵存储机器人和障碍物的顶点坐标,便于计算机进行识别、分析和计算。在此基础上,建立了两个子函数——障碍物筛选子函数和凸包计算子函数。通过对两个子函数的循环调用,找出所有较优无碰路径,最后根据一定准则选择全局最优路径。该算法把狭窄障碍环境中的路径规划问题转换成凸包计算问题,且能够生成多条可供替换的较优路径。当环境空间相对狭窄、机器人形状较为复杂,在路径转弯处作旋转运动时,可根据安全需要选择合适的运动路径,从而增加了算法的适用性。仿真结果表明:该算法简便高效,能够满足路径实时规划要求。     

有虚拟势能点的编队控制策略

针对人工势能场方法容易陷入局部极值的缺陷,提出了有虚拟势能点的避障算法.该算法在编队进入对队形影响较大的复杂环境中引入额外的虚拟势能点,利用虚拟势能点的作用力使智能体脱离局部障碍物陷阱,进行队形重组,提高了编队队形保持能力;编队运动通过不同的地形时,队形变化程度不一,单一队形控制方法难以在各种环境下保持高效性、有效性,...     

未知环境下的多机器人协作围捕方法

针对未知环境下的多机器人协作围捕进行了研究.首先介绍了围捕任务,然后给出了在未知环境下多机器人协作围捕的算法思想及控制流程.围捕任务中,对机器人设计了4种队形,采用有限状态机在不同队形之间进行切换.最后,在Vc++平台下进行了动态围捕仿真,验证了算法的有效性.     

一种基于回旋曲线的局部路径规划方法

基于回旋曲线路径模型的局部路径规划方法,将规划算法分为离线和在线两部分。离线计算通过建立轨迹空间与栅格单元映射关系获得搜索图,以文件形式存储。在线规划以局部环境地图栅格单元占有情况为依据,获得可行轨迹空间,然后采用A*搜索算法,获得最优局部路径。仿真实验表明,在障碍稀疏环境中,所提出的方法能够规划出局部路径,且规划耗时满足实时性运行需求;参数离散化导致所提出规划方法的完备性不足,对于复杂环境可能无法规划出可行路径。     

低慢小目标复合拦截任务规划仿真分析

针对不同场景与环境约束条件下单一的拦截手段无法满足低慢小目标防控需求,结合拦截装备的效能与约束,提出一种基于粒子群算法的多种拦截装备协同的复合拦截任务规划方法。采用基于拦截效能可行域进行编码方法来缩小任务规划的映射空间,提升算法迭代速度;为控制算法的搜索过程,根据浓度允许值改变粒子群的收缩与扩展运动以增强群体的覆盖范围。以学习因子、种群规模、惯性权重为主要参数对任务规划进行仿真进行分析。仿真结果表明,改进后的算法能够匹配全局寻优能力和收敛速度,在获取可行解的同时具有良好的时间性能。该方法可为提高复合拦截任务规划效率提供理论参考。     

三架固定翼无人机协同编队飞行避障策略

针对无人机编队执行空战任务过程中存在无人机之间以及无人机与障碍物发生碰撞的问题，提出单向网络连接结构的多无人机避障算法和基于人工势场的控制方法，同时应用于无人机编队避障控制。以三架无人机构成的正三角形编队作为控制体，同时以长机的运动轨迹作为期望路径，长机提供僚机飞行信息，僚机接受信息保持编队飞行。多无人机编队发现障碍物到避障完成的过程包括编队集结、松散队形、最终恢复集结正三角形编队。仿真实验结果表明，所提避障控制策略能够确保编队收敛于期望的队形和稳定飞行状态。     

多机器人编队控制研究

多机器人编队控制是多机器人协调控制中一个最具有挑战性的研究问题。多机器人编队是指：一组相互协作的机器人组建和保持特定的队形形状。本文首先简要概述了多机器人编队问题的研究现状。从面向问题的角度出发,本文将编队问题分解成编队角色分配、队形生成、队形变换与选择、编队跟踪4个子问题,并针对每个子问题,总结了现有的研究方法。最后,本文特别强调编队控制中的网络问题并指明未来的研究方向。     

多无人机编队协同控制软件平台设计与仿真

在战场环境瞬息万变、作战任务日益复杂的现代战争中,多架无人机编队协同完成复杂的作战任务已成为一种趋势。多无人机编队控制及重构是多无人机系统的核心内容和关键技术。基于微粒群算法、蚁群算法研究了多无人机编队控制及重构、航线规划及重规划问题,特别是在解决编队重构问题时,提出一种多样性微粒群算法。设计了多无人机编队飞行协同控制平台,仿真结果表明,标准微粒群算法、蚁群算法等智能算法可以较好解决编队控制、编队重构和航线规划问题,多样性微粒群算法具有更强的全局寻优能力。     

弱通信条件下基于MPC与融合状态估计的多UUV编队控制方法

多无人水下航行器(UUV)编队控制在实际复杂海洋环境中面临着水声通信时延大、多中断和丢包等弱通信难题,如何提高其对通信的鲁棒性是重点研究方向之一。首先,建立了多UUV编队模型;其次,将多UUV编队航行分为有无参考路径两种状态,针对已知编队期望路径条件,将编队问题分解为路径跟踪与速度同步问题,设计了基于模型预测控制的路径跟踪控制和速度误差同步机制;再次,针对编队处于机动过程而缺乏参考路径的条件,提出了基于最小二乘的融合状态估计及其一致性编队控制方法;最后,在仿真环境最大队形误差0.6 m,验证了算法的有效性。与单积分器系统一致性编队控制算法对比分析表明,所提方法在队形控制精度、队形恢复时间以及编队的稳定性方面均具有一定优势,研究结果对多UUV编队应用具有重要的指导意义。     

基于改进差分进化算法的多无人机航迹规划

针对已知三维环境下的多无人机动态路径规划问题,在多无人机协同方面基于参考路径长度以及威胁距离进行任务点规划,并根据实际环境设定了约束函数和适应度函数。在航迹规划算法方面则采用改进差分进化算法,将种群基于种群个体的适应度均分为两个子种群,选择不同的变异策略。仿真验证结果显示,改进差分进化算法得到的规划路径在路径长度、适应度值优于传统差分进化算法,可以生成路径更短且适应度值更优的航迹。     

联合势场与蚁群算法的机器人路径规划

针对全局静态环境下传统蚁群算路径规划时,易陷入局部最优、前期路径有效性差等问题,提出了基于改进人工势场局部搜索和改进蚁群算法全局搜索的机器人路径规划算法.在地图环境栅格化基础上,算法首先利用有效障碍物检测和临时中间目标点改进人工势场算法,以优化其死锁和欠优问题,通过改进人工势场优化蚁群算法的初始路径搜索,避免其早期的交叉等问题,同时构建与收敛相关的负反馈通道,调节全局与局部信息素的自适应更新,以平衡算法的收敛速度与全局搜索能力.简单环境与复杂环境的仿真实验结果表明,所提算法具有较好的全局搜索能力,收敛速度和搜索能力优于已有改进蚁群算法,验证了算法的有效性.     

基于leader-follower的混合式多机器人编队控制方法

针对复杂未知环境下,多机器人系统的队形控制问题进行了研究.对常用的leader-follower队形保持法进行了改进.设计了队形的条件反馈控制方法,使得leader机器人能够定时检查各follower的跟踪位置.在leader策略上,采用随时更换leader的方法重新确定leader,最后,对编队控制进行了仿真,仿真结...     

基于群集的多机器人编队控制

利用图论表示机器人编队模型,用改进的邻接矩阵表示机器人之间的位置关系,用人工势场法对多机器人编队群集运动进行控制,改进的控制律可以使多机器人达到希望的队形,并共同以预定的速度行进。然后用李亚普诺夫稳定性理论进行分析,得出在此控制律下的多机器人系统可以进行稳定的编队群集运动。     

复杂环境下基于多目标粒子群的DWA路径规划算法

针对机器人在障碍物分布密集的复杂环境中运行时,动态窗口法(dynamic window approach,DWA)易出现避障失败或规划不合理的情况,提出一种基于多目标粒子群优化算法(multi-objective particle swarm optimization,MOPSO)的改进DWA规划算法。在建立多障碍物环境覆盖模型的基础上,提出一种障碍物密集度的判断方法;优化DWA算法中的子评价函数;利用改进的MOPSO算法实现DWA权重系数的动态调整,将权重系数的自适应变化问题转化为多目标优化问题;根据路径规划的要求将安全距离和速度作为优化目标,并使用改进的MOPSO算法对相应的多目标优化模型进行优化求解。仿真结果表明,该算法使机器人有效地通过障碍〖BHDWG8,WK10YQ,DK1*2,WK1*2D〗〖XCLXY.TIF;%129%129〗听语音 聊科研与作者互动 物密集区的同时兼顾了运行的安全性和速度,具有更好的路径规划效果。     

基于膨胀搜索机理的水下航行器 快速路径规划新算法

针对目前水下航行器路径规划的典型算法中所求最优解质量不高,不能保证得到最短路径的问题,提出了一种基于膨胀搜索机理的水下快速路径规划新算法。该算法通过栅格法进行环境建模,考虑了障碍物、敌对威胁和强湍流的影响,由内而外展开了双循环搜索,能够确保所得路径是全局最优的。仿真结果表明:新算法能够在完全避障、避险的前提下找到起始点和目的点之间的一条最优路径,且相较于传统的A~*算法,所得优化路径长度更短。     

舰艇编队多补给舰海上补给路径规划

为提高我军远洋保障能力,实现舰艇编队海上伴随保障的精准高效,在分析舰艇编队补给方式的基础上,提出了一种基于改进遗传(Improved Genetic Algorithm,IGA)算法的舰艇编队多补给舰海上补给路径规划模型,分析了舰艇编队海上补给路径规划模型求解方式,增加了多目标函数寻优策略、采用了近时初始化方式构建初始解、改进了交叉和变异运算的运算规则,形成了舰艇编队多补给舰补给规划方案.实例证明,模型可行,可为舰艇编队海上补给部门提供科学和实用的决策依据.     

战场环境下无人车辆战术机动路径规划方法

针对不同类型威胁体存在的战场环境中无人车辆战术机动路径规划问题,提出了一种基于威胁代价地图的粒子群优化（Particle Swarm Optimization,PSO）方法。借助极坐标系中关键点的极角进行路径描述,并使用分段3次Hermite插值方法形成光滑路径,将路径规划问题转化为关键点极角的参数优化问题。针对基本PSO（BPSO）算法存在的早熟收敛和后期迭代效率低的缺陷,借鉴以群集方式生活的物种按照不同任务对种群进行分工的机制,提出了一种基于多任务子群协同的改进粒子群优化（Particle Swarm Optimization based on the Multi—tasking Subpopu—lation Cooperation,PSO-MSC）算法。借助该算法的快速收敛和全局寻优特性实现了最优路径规划。实验结果表明：该算法可以快速有效地实现战场环境下无人车辆的战术机动路径规划,且规划路径安全、平滑。     

分布式多无人机编队控制与博弈算法研究

针对多无人机的任意队形编队控制问题,将博弈论引入分布式控制问题中,提出一种基于博弈的分布式控制算法。该算法将梯度下降和一致性方法结合,将多无人机编队问题转化为分布式博弈问题。通过一致性方法,系统内每个无人机个体都可以对其他个体的位置进行有效估计。利用梯度下降实现纳什均衡点的求解从而实现理想编队。在提出的分布式控制算法下,个体无人机无需全局信息,只需交换邻居个体的信息就可实现多无人机的任意编队。将算法应用到多旋翼无人机系统中,仿真结果表明了分布式算法有效性。     

复杂环境下多UAV协同可飞行路径规划研究

为了实现复杂环境下多UAV协同可飞行路径规划,提出了一种基于PH曲线的路径规划算法,考虑了协同的时间和角度约束。首先,研究了PH路径长度与路径参数之间的关系,给出了简单实用的实现多UAV到达目标点处的时间和角度协同规划方法。同时,当UAV需避障时,将速度障碍法与PH路径规划相结合实现路径重规划,并以重规划路径为参考路径,通过速度或路径生成参数控制,实现多UAV协同。     

单舰伴随护航编队队形配置问题

护航编队的队形配置是护航行动中需要重点关注和考虑的问题,针对单舰伴随护航编队队形配置问题进行了需求分析,建立了护航舰艇拦截海面目标动态模型,根据所建立的模型从理论和仿真2方面进行单舰伴随护航舰艇编队队形配置分析,并结合实际情况给出关于单舰伴随护航编队队形配置方案的结论,该结论有助于提高护航任务完成的可靠性。