首页 | 官方网站   微博 | 高级检索  
文章检索
  按 检索   检索词:      
出版年份:   被引次数:   他引次数: 提示:输入*表示无穷大
  收费全文   25篇
  完全免费   7篇
工业技术   32篇
  2020年   1篇
  2016年   2篇
  2015年   4篇
  2014年   4篇
  2013年   2篇
  2012年   2篇
  2011年   5篇
  2010年   3篇
  2007年   6篇
  2006年   1篇
  2005年   1篇
  2000年   1篇
排序方式: 共有32条查询结果,搜索用时 31 毫秒
1.
基于搜索理论的多无人机协同控制方法研究   总被引:2,自引:0,他引:2  
探讨了多无人机对静止多目标协同搜索问题。运用搜索理论,根据搜索域上的“回报率”状态图,针对多无人机协同控制的搜索规划方法进行了研究。并通过蒙特卡洛仿真,以理论上最优搜索为标准,对协同搜索和随机搜索进行了评估。仿真结果表明,协同搜索相对随机搜索能更有效地利用无人机资源,提高无人机机群的作战效能。  相似文献   
2.
机载激光水下目标探测的协同搜索及其仿真   总被引:2,自引:0,他引:2  
机载激光搜索水下的运动目标是一个较难的问题,因为运动目标容易跑出搜索区域使有效搜索时间缩短。为了快速有效地搜索目标。西方提出了多机在指挥控制中心指挥下的协同搜索方法;计算了在没有先验信息情况下多机搜索概率;提出了有先验信息情况下的搜索力分配方案;同时,进行了仿真实验。结果表明:协同搜索的成功率和效率与掌握目标的信息量和准确度有密切关系。  相似文献   
3.
不确定环境中多无人机协同搜索算法   总被引:2,自引:0,他引:2       下载免费PDF全文
田菁  陈岩  沈林成 《电子与信息学报》2007,29(10):2325-2328
多无人机(Unmanned Aerial Vehicle,UAV)协同搜索是多UAV协同控制的一个重要研究内容.多架UAV同时对一个未知区域进行搜索,目的在于获取搜索区域的信息,降低环境的不确定度.该文提出了一种基于模型预测控制(MPC)理论和遗传算法(GA)的多UAV协同搜索算法.首先,建立搜索环境的规则描述,然后将多个UAV建模为一个控制系统,建立系统的预测模型,考虑到UAV传感器测量的不确定性和环境自身的不确定性,建立搜索概率图描述搜索环境的不确定性,给出了基于Bayes准则的搜索概率图更新方法,继而基于搜索概率图定义信息增益来衡量搜索效果,并将预测周期内的优化目标定为最大化信息增益,采用遗传算法进行求解,得到最优解作为被控系统的输入.仿真结果验证了算法的有效性.  相似文献   
4.
提出了一种解决无约束连续空间优化问题的蚁群协同模式搜索算法.该算法通过目标函数值启发式信息素引导群体进行区域搜索,而每个个体的模式搜索为算法提供进一步的局部搜索,其搜索结果以信息素融合的方式进行信息共享,为下一次的区域搜索提供依据.通过随机模式搜索算法理论得出了算法的收敛性定理.详细的测试结果体现算法的涌现智能特征,与其他算法的比较结果说明了算法的有效性及群体协同的优势.  相似文献   
5.
不确定环境下编队协同搜索力最优分配   总被引:2,自引:0,他引:2  
将搜索论和随机规划引入到编队协同搜索中.首先,将机载雷达发现目标的概率密度作为对空目标连续探测程度的量化指标,给出编队协同搜索的量化描述式;然后,针对一般期望值模型,提出了求解的混合智能算法;最后,根据目标位置划分搜索空域,建立了预警机指挥下的编队协同搜索力最优分配期望值模型,并通过仿真计算说明了模型的合理性.  相似文献   
6.
目标搜索是多无人机协同控制的重要研究内容。多架UAV(Unmanned Aeiral Vehicle)同时对一个未知区域进行搜索,目的在于获取搜索区域的信息,尽可能多地发现目标。针对不确定目标的搜索问题,研究多无人机协同搜索控制的新方法。建立多UAV运动模型,用目标存在概率对搜索环境进行描述,给出基于Bayesian准则的搜索环境更新方法,考虑了环境探测回报、目标发现回报和无人机协同回报,采用MPC实现对多目标优化问题的迭代求解。通过仿真实验和对比分析,证明了该方法具有更好的搜索性能。  相似文献   
7.
针对多UAV协同搜索问题,建立了基于搜索概率图的UAV环境信息描述模型,提出了一种基于多蚁群算法的协同目标搜索算法。该算法由多个蚂蚁种群构成,每个蚂蚁种群负责搜索一架无人机的路径。蚂蚁个体在搜索路径时通过其所在群体的信息素的引导以趋向最优路径,同时,受到来自其它种群的信息素的排斥作用进而避免无效搜索。实验结果表明,该方法能有效地实现多UAV之间的协同,实现路径搜索,减少路径交叠,提高了搜索效能。  相似文献   
8.
针对不确定环境下无人机( Unmanned Aerial Vehicles,UAVs)协同搜索问题,为实现最优化目标,分别对不确定环境、无人机平台、网络通信关系以及协同搜索探测更新建立数学模型,提出一种基于最大可知度( Uncertainty Val-ue Reducing Maximization)的控制算法。采用该算法解决多无人机不确定环境下协同搜索问题,并证明控制算法的相关数学特性,最后从不同角度对协同搜索控制算法进行仿真。仿真结果表明,该算法不仅能够有效实现协同搜索,且能保证搜索区域覆盖性和时间优越性。  相似文献   
9.
近60年来,机器人已经快速发展,然而就目前的机器人作为自主个体的应用来看,几乎所有的机器人在完成任务的过程中,都是不能缺少位置信息的。但是当今世界有越来越多艰难的任务需要多个智能机器人在不了解位置信息的情况下协同进行作业,例如水下打捞作业。针对这一情况,利用已有的单机器人的极值控制算法结合反应对流扩散方程以及多机器人的协同控制算法仿真实现多机器人协同搜索光源,并且使多机器人在点光源周围的部署成一定的几何图形,如圆、椭圆等以便完成相应的任务。为了验证算法的有效性和可操作性,采用7个机器人进行协作搜索光源过程仿真并给出仿真结果。  相似文献   
10.
针对多无人机静态搜索任务与持续监视任务开展多无人机协同搜索策略研究。针对基于"回报率"图的贪婪搜索策略和分布式协议搜索策略在搜索收益和剩余"回报率"均匀性方面存在的不足,对其原因进行了分析并提出了基于模糊c均值聚类的多无人机协同搜索策略,该策略将模糊数学的方法引入多无人机协同搜索领域,将离散搜索环境以"回报率"和空间位置为特征矢量进行聚类划分,减少了无人机转场次数,降低了搜索代价的无功消耗,提高了搜索收益和剩余"回报率"均匀性。仿真结果表明,本文提出的协同搜索策略在静态搜索任务中比贪婪策略的搜索收益提升了39.03%,剩余"回报率"降低80%,比分布式协议搜索策略性能有所提升;而在持续监视任务中,本文提出的搜索策略的搜索收益比两种基准搜索策略提升了22.74%和18.82%,剩余"回报率"均匀性分别提升了89.28%和87.37%,有效地提高了多无人机协同搜索的任务效能。  相似文献   
设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司    京ICP备09084417号-23

京公网安备 11010802026262号