信号时序逻辑约束下基于终点回溯的高效规划

在信号时序逻辑约束下规划路径是一项具有挑战性的任务,其计算量非常高。提出了一种终点回溯的规划方法,它是一种适用于连续时间系统的抽象化方法。该规划方法分为离线构建阶段和在线规划阶段。离线构建阶段在Transducer理论的指导下,从能够完成任务的合理的终点构造一棵快速随机搜索树,向初始状态空间进行回溯。当采样点足够多时,在线规划阶段使用模型预测控制将机器人驱动到快速随机搜索树的叶子节点。通过所提出的规划方法,避免了环境的有限转移系统与信号时序逻辑对应的自动机乘积引起的状态空间爆炸问题。所提出的方法将在线路径规划所需时间降低到1s以下,充分说明了本方法的有效性。与混合整数线性规划以及贝叶斯优化方法相比较,所提出的终点回溯规划方法在线求解效率更优,且更加易于扩展至多机器人协同工作场景。     

UCAV空面多目标攻击三维轨迹规划技术

研究了单架无人作战飞机(UCAV)攻击多个地面目标的三维轨迹规划问题。首先,将问题形式化为一类特殊的旅行商问题(TSP),即带动力学约束的邻域访问TSP问题(DCTSPN)。其次,针对规划空间维度过高、搜索代价过大的问题,提出了一种基于概率路标图(PRM)的方法。该方法借鉴了基于采样的运动规划方法的思想,并结合多种组合优化技术,将原本连续状态空间中的轨迹规划问题转化为离散拓扑图上的路由问题。求解过程分为离线预处理和在线查询两个阶段。离线阶段采用Halton拟随机采样算法及Noon-Bean转换方法,将原问题转化为经典的非对称旅行商问题(ATSP);在线阶段根据战场态势的实时变化,快速更新路标图,然后采用LKH算法在线求解问题的近似最优解。为了保证生成的飞行轨迹满足平台的运动学/动力学约束,算法基于Gauss伪谱法构建了局部轨迹规划器。最后,以攻击时间最短为优化指标对算法进行了仿真实验。结果表明,本文提出的方法能够以较高的精度和在线收敛速度生成真实可行的、较优的多目标攻击轨迹。     

障碍环境下队形可变编队的路径规划方法研究

面向机器人编队探索和侦察等任务,系统期望保持队形以保障任务效能,但障碍环境下队形保持可能引起路径长度增加,甚至没有可行路径。为了综合考虑队形保持、路径长度及路径存在性,提出一种队形可变编队的路径规划方法,为编队跟踪控制提供一条全局参考路径。首先,分别依据个体的占据空间和编队的占据空间,对障碍进行两次膨胀,获得包含硬障碍和软障碍的路径规划构型空间。然后,在基于A*的路径规划框架下,构建包含路径长度和软障碍穿越距离的加权代价函数,以获得多指标权衡的路径。最后,不同权重对比试验表明,所提算法对不同障碍环境具有更好的适应性,通过权重设定能获得满足不同需求的可行解,可以为编队提供满意的全局路径。同时,随机场景测试试验验证了算法具有良好的鲁棒性。提出的编队路径规划方法可以引导机器人编队在复杂环境下更安全和快速地完成任务。     

战场环境中多无人机任务分配的快速航路预估算法

战场环境中多无人机任务分配的航路预估是一个具有多路径和实时性双重要求的路径规划问题。采用概率路标图方法对多无人机多任务的航路预估问题开展研究,将航路预估分为离线学习和在线查询两个阶段。通过将战场中威胁的影响转化为各路标间航段的风险代价,提出了基于代价变换的概率路标图方法,当战场态势发生变化时,在不需重构路标图的条件下可以通过局部航段风险代价的调整快速规划出新的预估航路。根据规划条件采取不同的采样策略,可以在规划时间和航路质量之间实现协调以满足不同的战术要求。仿真结果表明该方法是一种快速有效的航路预估方法。     

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.     

一种新型模糊神经网络及其在故障诊断中的应用

提出了一种基于模块化模糊神经网络的非线性系统故障诊断新方法.该方法先使用模糊c-均值聚类算法(FCM)实现测量空间的模决分割以决定模糊规则的个数,再使用模糊IF-THEN规则对分割后的各区域分别采用局部BP模型去进行逼近,最后再通过离线学习以获得不同区域故障输出与测量输入的非线性动力学特性.应用表明,提出的模糊神经网络结构、原理及实现方法是合理可行的,经过离线学习后的网络可实现对非线性系统的在线实时状态跟踪和诊断,可提高故障检测的正确率和快速性,并具有较好的泛化性能.     

密集环境中无人机协同机动飞行运动规划方法综述

从单无人机机动飞行向多机协同扩展的通用规划框架出发,介绍了其中各模块相关研究的基本原理、代表性方法和前沿研究,主要包括用于环境障碍感知的实时导航地图构建、离散空间的路径规划、连续空间的轨迹规划、基于离散连续混合空间的规划、多航迹或轨迹的协同规划。综合无人机通用规划框架的关键技术,提出了无人机协同机动规划下一步需要重点研究的方向。     

基于通行性分析的分层越野路径规划方法

面向陆战场兵力机动过程中存在的大范围地域越野路径规划需求,研究并设计了基于通行性分析的分层越野路径规划方法。该方法聚焦大范围地域路径规划效率和可行性,提出一种分层规划方法,通过构建两种不同分辨率的地图栅格实现分层路径规划,并结合地表覆盖和地表粗糙度进行区域通行性分析,针对性构建了A*算法的估价函数。仿真实验结果表明,该路径规划方法能够有效提升算法效率,越野路径规划结果合理可行。     

蚁群遗传融合算法在移动机器人路径规划中的应用

针对移动机器人路径规划的特点,把智能算法引入到机器人路径规划中。而单一蚁群算法和遗传算法,存在收敛速度慢、效率低或容易陷入局部最优等缺陷,对蚁群算法进行改进,提出一种改进蚁群遗传算法的融合方案,并把该方案应用到移动机器人路径规划中,在栅格环境下进行仿真测试,仿真结果表明该方案能有效提高最优路径的搜索效率,整体性能优于蚁群或遗传单一智能算法。     

基于DDPG的无人机路径规划

针对无人机路径规划中传统算法面对未知情况时适应程度低、在线求解效率低、计算量大等问题,基于深度强化学习DDPG算法,提出了一种无人机路径规划方法.采用策略网络和评价网络的双网络结构,拟合无人机路径规 划决策函数和状态动作函数,根据状态空间、动作空间和网络结构设计了 DDPG算法模型.通过仿真验证了所提出的路径规划方法的...     

基于混合算法的局部路径规划

人工势场法是一种常用的具有算法简单和便于实时控制的局部路径规划方法,但存在容易产生局部极小值的问题。基于模糊逻辑的局部路径规划法具有环境适应性强等优点,它在连续论域内采用模糊路径规划时,计算量比较大。提出了一种将人工势场法和模糊逻辑法相结合进行局部路径规划的混合算法。具体方法是在一般情况下采用人工势场法进行局部路径规划,当产生局部极小值时,采用模糊逻辑法进行局部路径规划。仿真结果表明,该方法能有效地解决局部极小值问题,给智能车规划出光滑的路径。     

改进型概率地图航迹规划方法

针对在线航迹规划对时间和内存要求较高,提出一种基于遗传算法的改进型概率地图算法。该方法引入分层规划的思想,在离线航迹规划时,利用遗传算法找到最优初始航迹并建立航迹走廊,以此来缩小概率地图的规划空间。概率地图方法在缩小后的空间中建立概率地图,自由线路数量大大降低,同时使得在线航迹规划搜索范围减少,时间缩短。仿真实例表明,该方案比传统PRM更能满足在线航迹规划的要求。     

基于车辆稳态动力学特性的汽车动态轨迹规划

针对高动态环境下驾驶辅助系统（ADAS）的轨迹规划问题,提出基于车辆稳态动力学特性的动态轨迹规划算法。该算法首先在交通车轨迹预估基础上建立搜索空间,接着利用车辆稳态动力学模型作为轨迹发生器,在搜索空间中对轨迹发生器产生的轨迹进行评价,最后根据驾驶意图和优化条件选择最优轨迹。文章采用基于最优加速度预瞄理论的轨迹跟踪算法,建立了七自由度车辆动力学模型,并在Simulink环境下搭建仿真平台,进行超车仿真实验。实验结果表明,本文提出的算法可行、有效。     

进化计算在机器人轨迹规划中的应用研究

本文介绍了采用进化计算思想研制的机器人轨迹规划系统ＲＴＰ－１，提出多层次动态结构化编码方案，利用低中高三层进化算法分别优化距离、路径和关节角度偏差，基于多层综合优化策略解决多目标多约束工程优化问题，建立了次序相关问题求解的通用框架。在进化算法中，利用拉马克效应加快轨迹规划速度，在ＲＭ－５０１机械手上实现的任意空间直线和空间曲线轨迹规划具有良好的鲁棒性，规划轨迹的相邻臂构型间具有良好的柔顺性，规划轨迹的臂构型序列具有良好的平滑性。本文所采用的机器人轨迹规划方法具有通用性，可推广应用于各种动力学系统的研制。     

基于改进A星算法对自动导引小车路径规划研究

路径规划是自动导引小车应用的关键环节和研究热点,为了适应更加复杂多变的环境,提出了一种改进A星算法的自动导引小车动态路径规划算法.针对地图建模繁琐复杂的问题,在A星算法基础上增加了自动识别地图功能,极大减轻了地图建模难度;针对运算速度与精度受地图类型及大小影响较大的问题,增加了固化栅格数的方法,使算法在不影响精确度的前提下,极大地提高了算法运算速度;针对A星算法本身会出现多余拐点的问题,提出了拉直消除多余拐点的方法;为了提高路径的平滑程度,引入3次样条插值函数和膨胀函数的平滑处理算法,使路径更加平滑;针对A星算法无法处理动态规划问题,结合了D星算法搜索路径模式,使算法可以实时规划路径以避免碰撞动态障碍物.针对上述改进,利用MATLAB GUI开发工具开发出自动导引小车路径规划仿真平台,并通过对比分析,验证了算法的有效性与优越性,可应用于较复杂环境的自动导引小车动态路径规划问题.     

基于路径规划的无人机飞行冲突解脱技术

在无人机与有人机共用空域时,随时可能发生飞行冲突,应当有一种可靠的冲突解脱技术,保证无人机的空域运行安全。为此,构建了基于正三角形栅格法的空域运行环境,改进了以往十字栅格环境规划动态路径的缺陷;提出了基于空间分割的改进蚁群算法,提高了算法的寻优性能与路径规划能力。最后结合ADS-B系统的工作原理,在利用卡尔曼滤波对ADS-B信息进行修正的基础上,设计了无人机冲突感知的技术方案,并用实时的路径重规划技术实现飞行冲突的解脱。最终的仿真实验验证了飞行冲突解脱技术方案的有效性,可为未来无人机的空域运行技术提供一定的理论参考。     

动态目标的Field D~*算法及路径的提取计算

FieldD*算法计算的路径消耗较优并较为平滑,但该方法的计算量很大,尤其是在对动态目标的规划时,计算时间无法满足实际要求。针对该缺陷,在对FieldD*计算原理分析的基础上,提出了在目标是动态的情况下,只进行前目标与新目标的路径规划,并对FieldD*计算所得路径消耗只进行局部修改的动态规划算法,该动态算法可以有效减少计算量。将得到的路径消耗值应用到路径的提取算法中,路径提取算法针对路径消耗的不同情况下,提出不同的路径提取方法,并最终得出总体路径消耗最优的路径。在以栅格法建立的数字海图中进行仿真验证,该动态计算和路径提取算法与D*算法相比,计算所得的路径更为平滑,路径的总体消耗也更少,缺点是所需计算时间略长。     

基于势场启发蚁群算法的远程水中兵器航路规划

针对航行误差较大的远程水中兵器航路规划问题，采用栅格化方法建立海洋环境模型，为使兵器在航行过程中能有效规避障碍并导向目标，提出一种人工势场力为启发因子的改进蚁群算法，利用该方法搜索远程水中兵器从起始点至目标点的最佳路径，算法解决了经典蚁群算法容易陷入局部最优及收敛速度慢的问题。仿真结果表明该规划算法虽有少量的路径损失，但可以有效避免由于误差引起的航行安全问题，是一种有效的远程水中兵器航路规划方法。     

基于自由空间法的航迹规划方法

针对无人飞行器的海上航迹规划问题,提出了一种基于自由空间法的规划方法。该方法首先对规划空间进行单元分解后,搜索给定的起始单元到目标单元所有的连通分支,将规划空间进行通道划分,然后在每个通道内采用规划算法进行航迹规划,该通道的划分既可应用于多航迹的协同规划,也可求出单航迹的最优航迹。实验结果表明,该方法可用于无人飞行器的海上航迹规划。     

基于最优控制的翼伞路径规划

提出了一种基于最优控制的翼伞路径规划方法。该方法以提高落点精度和减少操纵量为目标,将翼伞的轨迹优化问题转变为参数优化问题,并运用改进的粒子群优化算法进行了有效的求解,得到了基于最优控制的翼伞路径规划的近似最优解。为了验证该方法的可行性,在仿真环境中同时使用了传统分段控制方法和最优控制方法。归航的计算机仿真结果表明,基于最优控制的翼伞路径规划方法提高了落点的位置精度和方向精度,同时减少了操纵量。