基于ROS的自主无人机VSLAM研究

针对未知复杂环境中无人机无法获得外部辅助情况下自主导航所面临的严峻问题,提出在ROS框架下在板运行单目VSLAM算法的自主无人机方案,仅依靠自身摄像机自主地完成SLAM和导航任务。研究VSLAM算法原理与前沿算法ORB-SLAM,设计并搭建了自主导航无人机平台,针对搭建的无人机平台方案和特点完成视觉定位部分的改进设计。实验表明,自主无人机能够在未知环境中,自主实现同时定位和地图构建任务并完成精确的飞行控制与导航。     

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。     

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。     

改进型Voronoi图和动态权值A*算法的无人机航迹规划

针对实际作战环境中的不同威胁等级和不同威胁实体的威胁源,提出了改进型的Voronoi图,并建立了基于改进型Voronoi图的航迹规划空间;基于A*算法的估价函数在不同阶段对指标的敏感度不同,在传统的启发式A*搜索算法基础上提出了动态权值A*搜索算法,提高了航迹搜索的效率,实现了航迹搜索过程快速性和准确性的结合。最后通过Matlab仿真计算出由动态权值A*算法得到的最优航迹,并进行了航迹的平滑处理,仿真表明了该方法的可行性。     

RSSI与凸规划相结合的无线传感器网络定位算法

凸规划定位算法是无线传感器网络中一种较为常用的非测距定位算法。针对该算法中信标节点的重叠区域过大导致未知节点定位精度不高的问题,提出了RSSI与凸规划相结合的改进定位算法。算法利用RSSI值与距离的相对关系,将原有凸规划定位中未知节点的存在区域进一步缩小,提升定位精度。由于算法中只增加了一次未知节点与信标的RSSI值通信过程,基本保留了原有凸规划算法实现简单实时性好的优点。仿真数据及基于CC2430平台的实验表明,改进后的算法相对原有凸规划算法定位精度有明显提升,平均可提升20%～25%。     

基于雷达威胁的路径距离最小航路规划算法

未来作战逐渐趋向无人化、智能化,战斗机尤其是无人作战飞机感知战场态势变化,并自主重规划航行路线显得尤为重要.提出了一种雷达威胁的作战空间离散威胁概率表征方法,基于航路安全代价和航路距离代价的无人机A*航路规划算法.运用该算法仿真完成了不同安全代价和航程代价的航路规划,并给出了相应的规划路径结果.     

基于动力学与运动学的四轮全向移动机器人轨迹跟踪控制

建立了四轮全向移动机器人的运动学模型和动力学模型,并分析了四轮全向移动机器人执行器的机械特性。在此基础上,利用反馈控制设计了四轮全向移动机器人的运动学控制器,利用逆动力学补偿控制设计了四轮全向移动机器人的动力学控制器,实现了基于动力学与运动学的四轮全向移动机器人轨迹跟踪控制系统设计。最后,利用Matlab/Simulink完成了基于动力学与运动学的四轮全向移动机器人轨迹跟踪控制仿真实验,实验结果验证了该轨迹跟踪控制方法的有效性。     

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。     

多飞行器协同轨迹优化设计

针对多飞行器协同轨迹约束多、耦合强的复杂多目标优化与决策问题,对多飞行器协同轨迹优化进行了较为系统的研究。首先,对多飞行器协同轨迹优化进行了数学描述和对多飞行器在未知环境下的航迹规划进行了数学建模;其次,提出了多飞行器协同任务规划系统优化设计的数值算法,其主要包括多飞行器协同任务分配算法与飞行器最优航迹规划;最后,基于以上的研究,对3种典型不同情况下的多飞行器协同轨迹优化进行了飞行数值仿真与分析。该算法具有以下特性:全局一体优化、采用最优的多维策略、实时在线性、高精度、能够考虑各种随机干扰的作用等。     

基于目标识别的HEVC分割算法优化与实现

为了优化视频信号在复杂网络环境下由于网络拥塞出现的数据丢包等情况,提出了一种基于目标识别的HEVC(high efficiency video coding)分割算法的优化方法,提高了视频编码的压缩效率,并实现了算法在全国产平台上的移植运行。利用深度学习进行目标识别,确定感兴趣区域,再通过指导不同区域采用不同编码单元分割深度,提高整体压缩效率。实验结果表明,该优化方法可以有效提高整体压缩效率,并完成在全国产化平台的运行实现,实现整体技术的自主可控。     

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。     

欠驱动USV自主航行控制算法研究

为保证复杂海洋环境下欠驱动无人艇的安全航行控制,设计了一种具有航迹实时规划和动态跟踪能力的无人艇自主航行控制算法。首先,基于激光雷达的高精度环境探测能力,借鉴向量场直方图算法设计的基本原理提出了一种新的航迹实时规划算法;然后,基于无人艇三自由度运动学和动力学模型,利用视线法导引和输出反馈控制方法设计了航迹跟踪控制算法,并给出了系统的稳定性分析。理论分析和仿真实验结果证明:所设计的自主航行控制算法能够成功实现未知海洋环境下的安全航迹实时规划和航迹动态稳定跟踪功能。     

不确定环境中的飞行器航迹快速搜索算法

本文提出了一种飞行器两阶段航迹规划算法,该方法能够在具有不确定信息的飞行环境中进行实时规划。首先根据获得的先验信息建立概率模型———概率图;其次为保证航迹的鲁棒性及可行性,先用RYG算法确定飞行器的安全走廊,有效地缩小了搜索空间。在此基础上,考虑到实际约束条件,再利用A*搜索算法进一步细化,得到一条最优航迹。仿真结果表明,该算法能够快速有效地完成规划任务,获得较满意的航迹。     

云平台上基于关键路径截取的有向无环图应用调度算法

针对云平台上有向无环图科学应用执行容易产生虚拟机资源过剩、资源使用率低及费用虚高的问题,给出一种基于关键路径截取的有向无环图应用调度算法。该算法采取关键路径截取技术,循环找出最晚完成的未分配任务,从该任务出发,在所有未分配任务构成的图中找出最大连通子图,并计算该子图的关键路径,然后将关键路径上的任务集调度到性能匹配的虚拟机上执行;同时通过任务回填技术充分利用虚拟机的空闲时间槽,提高资源使用率。实验结果表明,在云计算平台上,该算法不仅能够在截止时间内完成有向无环图科学应用,而且可以提高资源使用率,有效减少完成该应用所需整体费用。     

未知负载轮式移动机器人轨迹跟踪控制

针对差分驱动的轮式移动机器人实际运动过程中,因负载未知或不均导致左右轮半径大小不确定情况下,无法对指定参考轨迹进行跟踪的问题,提出了一种新型的自适应反演轨迹跟踪控制策略。基于轮式移动机器人的运动学模型,结合反演方法,根据移动机器人的位姿误差微分方程选择合适的Lyapunov函数,确定正确的控制率和参数自适应率,使跟踪误差收敛,保证系统的稳定性,满足了轨迹跟踪控制要求。通过自适应控制策略对未知负载下车轮的半径进行估计,使移动机器人在车轮形变未知的情况下依旧能够精确跟踪指定的参考轨迹,根据Lyapunov稳定性理论对系统的稳定性进行了证明,利用计算机进行仿真,验证所提出控制策略的正确性。     

基于DE-Q学习算法的移动机器人路径规划

针对使用Q学习算法对移动机器人进行路径规划时存在收敛速度较慢的问题,提出了一种基于Q学习的改进算法来选择全局路径规划的最优方案。通过方向奖惩机制与估价函数改进Q学习算法的奖励机制,提高Q学习算法的收敛效率。最后使用MATLAB对改进的Q学习算法进行了仿真实验,实验结果表明,通过设置方向奖惩机制和估价函数可以加速Q学习算法的收敛。     

基于SLAM算法的AUV组合导航系统

针对未知环境下某水下航行器组合导航系统在GPS信号长时间失效时,导航误差随时间积累的问题,采用了同时制图定位(SLAM)的导航方法,提出了一种将SLAM的信息融合于INS/GPS组合导航系统的方案,通过SLAM技术来限制惯导系统的误差积累,可以显著提高组合导航系统的性能并能在线建立环境的增量式地图。仿真结果表明,该方法充分利用了同时制图定位提供的信息,有效地提高了导航系统的精度。     

地面车路径规划的参数化地图构建方法

对地面无人平台的路径规划同题而言,合理的环境地图构建方式对产生优化的规划结果至关重要.在分析地图构建方式与规划质量关系的基础上,依据障碍物已知的工作空间,提出了一种基于平面扫面的参数化地图构建算法,该方法通过对离散精度D、避障的最小安全距离ε、以及有效连通半径R,这3个参数的设定,优化环境地图生成,为地面车全局路径规划问题提供优质的环境建模方案.实验显示,基于该方法构建的地图,在降低计算复杂度的同时,也能产生优质的规划结果.     

敏捷成像卫星自主规划模型与算法

针对敏捷成像卫星自主规划问题,将规划、决策、执行和信息反馈相结合,提出星上自主规划框架,并介绍框架结构和模块功能。在分析主要约束条件的基础上,建立基于时间线约束网络的问题模型。通过将各种卫星动作前后衔接,组合成能够完成不同任务的动作序列,提出一种面向卫星动作序列的启发式算法。该算法分为规划和决策两个部分,并在卫星执行每一个动作序列的同时基于多种启发式规则进行规划,在动作序列执行结束时进行决策。实验结果表明了自主规划框架和模型的合理性以及算法的有效性。     

基于Memetic算法的要地防空兵力机动部署优化方法

兵力部署优化问题是防空作战筹划的重要研究内容之一。针对要地防空作战过程中的兵力机动调整部署问题,改进防区离散化方法得到部署方案集,将基于战场实时态势的部署方案对空防御效能作为优化目标,将机动部署过程中的机动距离作为约束,建立了防空兵力机动部署优化模型,并利用Memetic算法进行求解。仿真实验验证了优化模型的有效性和合理性,可为科学制定兵力机动部署方案提供参考。