基于PID算法的输电线路无人机巡检路径智能自动规划技术

为降低定位误差，规避复杂环境造成的巡检风险，研究基于PID算法的输电线路无人机巡检路径智能自动规划技术。采用RTK定位技术，采集了输电线路无人机巡检标志点位置信息，利用路径生成方法，模拟无人机从起始点到目标点的最优几何路径，创建无人机高度和姿态直接受PID参数控制的动力学模型，运用基于PID算法的路径规划跟踪控制器，控制无人机按照最优路径飞行到目标点，实现了输电线路无人机巡检路径智能自动规划。实验结果表明：待巡检标志点定位误差始终低于0.25×10^-4;该技术规划的输电线路无人机巡检路径较短，能有效规避复杂环境造成的巡检风险。     

基于智能反射面的无人机工作模式调整研究

由于复杂的通信环境,空地网络的视线传输可能会受阻,严重影响通信质量。可重构智能反射面是通过可重构无源单元改善无线环境的一种有前途的解决方案。基于此,研究了一种新的智能反射面辅助空地通信场景,通过优化智能反射面相移以及联合优化系统吞吐量和无人机能耗,提出基于智能反射面辅助的无人机工作模式自适应算法。首先,考虑了基于无人机-智能反射面信道以及智能反射面-地面节点的信道模型,并对静态模式以及巡航模式下无人机工作周期等参数进行设计;然后,通过优化智能反射面相移最大化系统吞吐量,然而由于最大化吞吐量以及最小化能耗的目标是相悖的,基于此规划了无人机经济效率最大化问题;最后,通过最大化经济效率,达到对无人机工作模式进行自适应性调整的目的。与传统方法相比,该算法在经济效率方面可以获得较大的性能提升。     

基于智能阵列天线的无人机测向与定位技术

随着科学技术发展,各种无人自主系统相继出现。在这其中,无人机作为无人系统的重要组成部分,与智能AI算法结合后在智能集群方面得到了快速发展。为进一步提升无人机集群数量、拓展使用方式,亟需解决集群节点的测向定位问题。本文通过智能阵列天线结合数传图传信号识别的方法对无人机进行高精度测向和定位。经过仿真,对无人机信号进行测向,其俯仰角和方位角的误差能小于1.5°,在此测向误差下,通过四站点对无人机进行定位,3km范围内定位误差小于30m的概率为95%。该方法可以为智能无人机群之间的高精度测向定位提供新的思路和解决方法。     

城市交通网络路径规划策略的性能分析

现代智能车辆具备通信、存储和计算的能力,为获取实时交通信息提供了硬件基础。通过收集出租车的GPS数据,构建一个实时交通网络。设计基于实时GPS信息的路径规划策略,通过真实数据模拟与4种广泛应用的交通网络路径规划策略进行性能分析比较。结果表明,基于实时交通信息的路径规划策略能够使智能车辆行驶时间缩短33%左右。     

基于iBeacon图书馆定位导航系统研究

基于iBeacon定位技术,旨在实现图书馆下的室内智能定位导航,使读者更快找到所需图书资源,自助完成书籍查询和路径指引,减少借阅时间,改善借阅体验.通过布置简单iBeacon网络,利用其信号辐射范围不重叠等优势,减少iBeacon发射器的使用数量,降低成本.路径指引只在路径交叉处显示相对方向,不进行多角度精确定位,简单易处理,大幅降低处理复杂度和时间.利用智能移动终端及微信小程序,针对错综复杂的图书馆,改善借阅体验.     

无人机飞行仿真系统多智能体建模分析与应用研究

无人机飞行仿真系统包含多个功能模块,采用多智能体(multi-Agent)技术研究无人机飞行仿真系统,分析并建立基于多智能体的飞行仿真系统的层次结构和运行机制,进而利用智能体对无人机仿真模型的各子模块模型运行过程进行建模,最后在JADE环境下建立了多智能体无人机飞行仿真系统的实例模型.这种方法可以通过仿真模型各子系统智能体之间的交互来完成无人机飞行仿真系统中飞行仿真的主要功能,从而满足无人机模拟训练系统的设计需求,在无人机模拟训练系统研究中具有广阔的应用前景.     

基于智能图像识别的无人机电力线路安全巡检方法

为了解决无人机电力线路巡检过程中安全性指标偏低问题,降低了无人机电力线路巡检效率,因此提出基于智能图像识别设计新的无人机电力线路安全巡检方法。采集无人机电力线路安全巡检图像并加以滤波处理,基于智能图像识别技术设计无人机线路巡检识别算法,采用最优全局概率搜索遗传算法规划无人机电力线路安全巡检路径,实现了无人机电力线路安全巡检。结果表明,设计的无人机电力线路安全巡检方法的巡检安全性指标较高,证明设计的无人机电力线路安全巡检方法的巡检效果较好,具有可靠性,具有一定的应用价值。     

时间最优的无人机巡检避障路径规划

无人机执行实际任务时，完成时间是衡量任务效能的重要指标，而路径规划方法一般以路径长度最小为目标，难以准确直接地反应完成任务时间。对此，在构建路径时间代价的近似计算方法基础上，本文提出一种最小化任务时间的无人机避障路径规划算法。通过路径跟踪特性试验，获取不同机动方式下的飞行时间，作为路径搜索过程中的代价计算依据。设计节点扩展方式和代价函数计算方法，提出一种改进A*搜索算法以实现障碍规避和路径时间优化。通过随机场景下的仿真试验对所提方法的有效性和性能优势进行验证。最后以变电站巡检为例，验证改进算法能够引导无人机以更短的时间完成避障巡检。     

基于OpenMV的智能交通装备

为对智能交通系统进行研究,针对人、车及路的矛盾设计制作了一套低成本的实验室级别的智能交通系统装备。该系统包括小型城市模拟场景和智能小车,根据OpenMV的机器视觉模块,通过OV7725摄像头采集实时路况信息,以STM32单片机作为系统的控制核心,采用图像识别算法实现对智能小车行驶速度与方向的控制。通过调试验证,实现了模拟环境中小车自主巡线行驶、对红绿灯信号作出反应以及实时避障等功能,系统具有一定的实时性、安全性和可靠性。     

智能交通系统模型的算法分析与改进

对智能交通系统中的求路段平均速度和平均旅行时间的算法进行了改进，采用间接法对路段平均行驶时间进行估测和对最优路径进行选择。通过收集多点的检测数据，在采用两点速度逼近平均速度的方法的同时，引入改进的流量融合技术来对某一路段的平均速度进行估测。在求平均旅行时间时，考虑到各路段旅行时间相互关联的情况，通过构造一个时间相关的协方差矩阵来描述各路段之间的相关性，与传统的算法相比，在实时更新方面更具优势。     

面向无人机集群路径规划的智能优化算法综述

在电–气–热互联系统(EGHS)的联合优化愈受关注的背景下, 提出一种电–气–热互联系统分布式优化调度 框架. 首先, 以系统供能成本最小建立同时考虑气网及热网动态特性的日前调度模型. 其次, 针对电–气–热互联系 统含电、气、热3个子系统在分布式运算属三区(3-Block)优化问题因而难以利用常规分布式算法得到收敛解的问题, 提出基于交替方向乘子法(ADMM)的改进算法, 即强制平等的ADMM算法. 所提算法框架为内外层协调凸分布框 架, 外层为罚凸凹算法(PCCP), 内层为ADMM–FE算法. 此算法框架中, 外层优化利用罚凸凹过程将非凸气流方程 凸化为逐次迭代的二阶锥约束, 内层ADMM–FE算法求解外层凸化后的模型以得到收敛解. 最后, 通过算例仿真分 析对比了所提算法与传统ADMM算法及集中式优化算法的计算结果, 所得结果验证了所提模型以及优化算法框架 的有效性.     

交通路口场景下基于802.11p的车队通信性能分析模型

编队策略作为无人驾驶的关键技术之一已经受到广泛的研究与实际的测试了。车队经过红绿灯管制的交通路口场景时,会受到红绿灯时间、队内(外)间距、速度和前进方向等参数的影响,此时因为车队通信网络复杂多变,所以难以维持车队行驶的稳定性,因此可能会进一步造成车队中采用802.11p协议通信的车辆不能在规定的时延限制内接收到完整的重要信息,从而引发道路安全问题。针对此问题,文章考虑802.11p中支持4种传输优先级的数据接入信道的机制,即增强分布式信道接入(Enhanced Distributed Channel Access,EDCA)机制,提出了一种交通路口场景下无人驾驶车队通信性能分析模型。首先构建交通路口处车辆的通信连通网络,并通过建立无人驾驶车队移动模型获得网络通信性能;然后采用概率母函数的方法将典型的描述802.11p EDCA机制的马尔可夫模型转化为z域线性模型,针对4种接入类别的优先级差异,推导车队通信时延与包传递率(Packet Delivery Ratio,PDR)的分析模型;最后通过迭代方法计算出车队通信时延。仿真结果验证了分析模型的准确性,由实验结果可知,该模型中经过交通路口时的车队通信时延低于802.11p协议规定的100 ms且包传递率均高于0.95,因此,该模型能够保证车队通信的及时性与完整性。     

基于5G+无人机的地灾巡检数字孪生系统研究

目前水电站地质灾害巡检排查以人工为主,存在巡检效率较低、准确率不高、危险系数大等问题,数字化、智能化、精准化是提升地灾巡检效率的迫切需求。本文提出了一种地灾智能巡检模式,构建了地灾巡检数字孪生系统框架,采用无人机和5G技术作为巡检工具和传输渠道,借助数字孪生技术创造一个虚拟水电站环境,实时动态规划巡检路径、智能化识别潜在问题以及提取预测预警,实现了在无人机视角下的室内地灾虚拟巡检,从智能巡检规划、实时信息获取、动态变化分析、远程监控会商几个方面提出了其应用模式,有效解决真实场景远距离、可达性差的巡检弊端。最后,以双江口水电站为例建立了基于“5G+无人机的地灾巡检数字孪生系统”,有效解决了双江口水电站罕见地灾排查的难题,提升了巡检的智能化程度。     

输电线路多旋翼无人机自动驾驶智能巡检系统

针对日益繁重的输电线路巡视工作以及输电专业无人机巡视方面难度大、风险高、自动化程度低等问题,本文提出了一种输电线路多旋翼无人机自动驾驶智能巡检系统及方法,结合人工智能图像识别技术实现了机巡数据的智能处理,建立了输电线路自动智能巡检作业的新模式.本文重点介绍了巡检系统的结构、功能及关键技术,通过佛山地区输电线路巡视的应用实践,该系统大大提高了电网巡检效率,证明了其有效性和合理性.     

基于改进PSO_LSSVM机械结构疲劳裂纹扩展预测

为了利用仿真技术研究智能车在行进时的实时测控过程, 先由法线法构建近似等距曲线作为仿真道路的边界; 再利用非线性规划给出了道路内满意矩形安全邻域的寻找方法; 通过道路边界变异, 构建了有障碍道路的仿真模型。整个过程形成了一套基于矩形安全邻域的智能车移动仿真方法, 并对智能车实时搜索矩形安全邻域及据之决策行进的过程进行了仿真。结果表明, 该方法可以实时规划智能车的行驶路线, 有效地应对突发行驶障碍等问题。     

路网约束下异构机器人系统路径规划方法

由无人机(Unmanned aerial vehicles, UAV)和地面移动机器人组成的异构机器人系统在协作执行任务时,可以充分发挥两类机器人各自的优势.无人机运动灵活,但通常续航能力有限;地面机器人载荷多,适合作为无人机的着陆平台和移动补给站,但运动受路网约束.本文研究这类异构机器人系统协作路径规划问题.为了降低完成任务的时间代价,提出一种由蚁群算法(Ant colony optimization, ACO)和遗传算法(Genetic algorithm, GA)相结合的两步法对地面机器人和无人机的路线进行解耦,同时规划地面机器人和无人机的路线.第1步使用蚁群算法为地面机器人搜索可行路线.第2步对无人机的最优路径建模,采用遗传算法求解并将无人机路径长度返回至第1步中,用于更新路网的信息素参数,从而实现异构协作系统路径的整体优化.另外,为了进一步降低无人机的飞行时间代价,研究了无人机在其续航能力内连续完成多任务的协作路径规划问题.最后,通过大量仿真实验验证了所提方法的有效性.     

空地异构机器人系统协作巡逻路径规划方法EI北大核心CSCD

空地异构机器人系统由空中无人机和地面无人车组成,当两者协作执行持续巡逻任务时,使用无人车充当无人机的地面移动补给站能够解决无人机续航能力不足的问题.运动受限于路网中的无人车必须在适当地点为无人机补充能量,这使得两者的路径高度耦合,给空地协作路径规划带来了挑战.针对此问题,本文通过分析无人机能量、路网、空地汇合时间、巡逻任务全覆盖等多种约束,以无人机完成全部巡逻任务的总距离为代价,建立了空地协作巡逻路径规划模型.该模型可推广至多架无人机与多辆无人车协作的情形.然后,采用遗传算法与蚁群算法相融合的方法,对无人机巡逻路径和无人车能量补给路径进行优化求解.仿真实验表明,本文的方法不仅可以得到很好的路径规划结果,而且较其他算法具有更优的收敛性和执行速度.     

A collaborative multi-agent message transmission mechanism in intelligent transportation system – A smart freeway example

Although drivers obtain road information through radio broadcasting or specific in-car equipment, there is still a wide gap between the synchronization of information and the actual conditions on the road. In the absence of adequate information, drivers often react to conditions with inefficient behaviors that do not contribute to their own driving goals, but increase traffic complication. Therefore, this study applies the features of information exchanged between “Multi-Agents” and mutual communication and collaboration mechanisms to intelligent transportation systems (ITS). If drivers could achieve distributed communication, share their driving information, and submit their own reasoned driving advice to others, many traffic situations will improve effectively. Additionally, the efficiency of the computing processes could have improved through distributed communication. At the same time, this paper proposes an architecture design, including vehicle components, OBU (On-Board Unit) devices and roadside device components (Roadside Unit) with hybrid architecture, which is intended to establish intelligent diversified road services to provide information support and applications.     

基于遗传算法和数学形态学的道路识别方法

随着将智能车辆适用环境拓展到乡村道路、荒漠、越野环境等非结构道路,机器视觉导航的难度进一步加大,成为当今人们研究的重点。文章针对智能车辆行驶的复杂道路环境提出一种新的道路检测与识别的算法。该算法采用了遗传算法对道路图像进行分割,并在此基础上对已分割图像进行数学形态学处理,然后利用canny算子进行道路边缘检测,最终得到准确清晰的道路边界信息。实验结果表明,该方法可以有效地分割出道路区域,对多种复杂路况具有良好的适应性。     

基于生存理论训练机器学习的智能驾驶路径生成方法

机器学习技术广泛应用于车辆的智能驾驶,其中模型训练是该技术的关键,由于训练数据难以覆盖全部驾驶情况,使得极端状态下基于机器学习的智能驾驶系统存在失效风险,会造成重大交通事故.生存理论应用于车辆的道路安全态势感知具有理论优势,能客观地计算出车辆最大的高维生存空间,但该理论迭代计算繁琐,输出结果所需时间较长,无法满足高速车辆的实时控制,且生存核表面复杂,智能驾驶系统难以直接使用,需要将生存核转化为局部最优路径.鉴于此,设计一种基于生存理论的局部路径规划机器学习训练方法,通过对多种机器学习方法的特点进行分析,最终选定径向基神经网络来输出生存核中线投影.通过对比两种网络训练数据的输出效果,分析参数敏感性以及泛化能力,论证所提出训练方法的合理性.仿真实验表明,所训练的机器学习模型可快速输出高精度、大裕度的道路优化路径,即使使用简单的控制律也能实现无人车辆的大曲率转弯.由于所提出机器学习方法的安全性具有理论保障,又能大幅提升安全计算的实时性,在智能驾驶领域拥有广阔的应用前景.