灾情侦测无人机动态航迹规划算法设计

提出了一种应用于灾情侦测无人机的动态航迹规划算法。当突发地震、洪水等重大灾害时,可第一时间获取灾情环境信息,并利用无人机携带侦测设备对灾害现场信息、图像进行探测和实时传送。提出了一种基于文化算法框架下的动态航迹规划算法,首先针对环境中的不同地形进行模型构建,对丘陵、山峰等障碍物设计相应的函数模型,构建数字地图,在该地图模型上进行动态航迹规划,该航迹规划算法可使无人机在飞行过程中自主规划航迹,实现超低空飞行,使信息采集更准确,有效的辅助救援策略的制定。通过仿真验证,并与多种算法进行比较,证明了该算法的可行性与有效性。     

面向频谱测绘任务的多无人机协同航迹规划方法

针对非合作环境下的传统频谱地图测绘方法中存在的低精度、低效率问题,本文提出了一种基于人工势场法的多无人机协同航迹规划方法。首先,构建了多无人机协同测绘方案及优化目标;然后,通过多无人机的预先航迹规划完成对环境的初步感知,并基于感知信息提出基于人工势场法的多无人机协同航迹参数设计方法;之后,基于设计的参数及采集的数据完成航迹的再规划,从而有效规避多无人机飞行过程中可能存在的重复采集数据及无人机之间发生碰撞等问题。仿真结果表明,相比与传统单无人机航迹规划方法,本文所提航迹规划方法能够高效、高精度、安全地完成测绘任务,所得结果满足了多架无人机协同飞行要求,具有较强的理论与实用价值。      

基于混合蚁群算法的无人机航迹规划

由于传统方法在无人机航迹规划实际应用中规划的航迹长度较长,文章提出基于混合蚁群算法的无人机航迹规划。由山峰模型和天气模型组建无人机航迹环境数学模型,描述无人机飞行航迹环境情况,以无人机航迹代价最小建立目标函数,并对无人机航迹长度、高度、速度、转弯角度进行约束,采用混合蚁群算法对目标函数求解,求出最优航迹规划策略。实验证明,文章设计方法规划的航迹长度最短为1 032.58 m,规划航迹长度较短,在无人机航迹规划方面具有良好的应用前景。     

基于改进蚁群算法的无人机低空突防三维航迹规划

探讨了无人机低空突防三维航迹规划中地形、威胁以及航迹代价评估等模型的建立方法.将蚁群算法引入无人机航迹规划,针对传统蚁群算法易出现停滞现象,引入偏航角对启发信息进行调整改进;建立优先搜索集,使蚁群算法更快速有效地搜索到最优航迹.仿真实验结果证明了该规划方法的效率.     

基于队形变化的多无人机航迹规划算法

针对多无人机在复杂环境下的航迹规划问题，文中提出基于队形变化的多无人机航迹规划算法。利用领航-跟随的无人机拓扑结构，设计了一种以时间与航程作为衡量指标的代价函数，求解出最优的编队集结点。采用改进的Informed-RRT*算法求解出领航者的渐近最优航迹，结合队形变化策略实现了跟随者的航迹规划与避障。在定义队形变化量、路径长度比、航向稳定性性能指标的基础上，文中进行了仿真实验并对生成航迹进行评价与对比。仿真结果表明，无人机编队实现了在复杂环境下航迹规划与避障，同时为跟随者规划出最优航迹，与领航者最优航迹长度相差不到1%,验证了该算法的实用性与有效性。     

基于Q学习算术优化算法的无人机三维航迹规划

针对传统方法求解无人机三维航迹规划易导致规划代价高、精度差和容易陷入局部最优的不足,提出基于Q学习算术优化算法的无人机三维航迹规划算法。为了提升算术优化算法的寻优精度,引入Circle混沌映射提高初始种群多样性和分布均匀性,引入Q学习根据个体状态自适应调整数学优化加速函数更新,均衡算法全局搜索与局部开发,设计最优解邻域扰动优化全局搜索能力。通过建立无人机三维航迹规划模型,将航迹规划转化为多目标函数优化问题,并利用改进算法求解无人机三维航迹规划,以综合考虑航迹代价、地形代价和边界代价的目标函数评估粒子适应度,对航迹规划迭代寻优。仿真实验结果表明,所提算法规划的航迹具有更低的总代价和适应不同复杂地形环境的稳定性。     

无4G网络覆盖区域无人机自主精细化巡检方法

传统的无人机巡检方法易受到冗余航点影响,导致巡检结果不精准的问题。为此,针对无4G网络覆盖区域,提出了一种新的无人机自主精细化巡检方法。在对无人机搜索的整个空间范围信息进行离散化处理后,在三维空间栅格化坐标系中标记航迹点。构建自主精细化巡检航迹规划模型,采用道格拉斯-普克算法剔除冗余航迹点,从而设计巡检航迹规划流程,得到平滑巡检航迹。该方法还通过计算无人机与障碍物的相对速度斥力,解决无人机巡检过程的避障问题。由试验结果可知,该方法航迹线与标准航迹线一致,说明该方法得到的自主精细化巡检结果精准。     

未知环境下改进DDQN的无人机探索航迹规划研究

对未知环境的探索,如搜救、追逃等场景,无人机需要一边探索(感知)环境一边完成当前的航迹规划(动作选择)。针对上述场景,为了提高无人机对未知环境的探索范围,提出了结合长短期记忆的改进深度双Q网络探索航迹规划方法：搭建仿真地图,以无人机视野内的环境信息作为输入,引入长短期记忆网络,输出动作方向的选择;设置探索经验样本优先级,提高训练效率;加入飞行动力学约束,设计合理的状态、动作空间及单步奖励函数。运用所提算法,无人机可以自主规划出一条无碰撞且对环境探索范围大的航迹。仿真实验结果表明：在未知环境下,所提算法得到的探索面积比、单步探索平均奖励值等指标均优于传统的DDQN算法。     

基于改进粒子群算法的无人机三维航迹规划

针对传统粒子群(Particle Swarm Optimization, PSO)算法在航迹规划的过程中需要根据无人机性能建立约束条件和易陷入局部最优值的缺点,提出了一种结合天牛须(Beetle Antennae Search, BAS)算法的球坐标PSO算法。该改进算法直接利用球坐标系对无人机的航向角和俯仰角进行约束,并且通过BAS算法避免PSO算法陷入局部最优值。根据数字高程地图建立仿真环境,综合考虑航迹长度、平滑度和危险性等因素构建目标函数。仿真结果表明,改进后的算法与其他PSO算法相比,规划的三维航迹质量更高,能够很好地适应无人机在各种环境下的飞行要求。     

基于EMRP算法的多UAV协同航迹规划

为解决作战环境中的多无人机协同航迹规划问题,提出一种基于层次分解策略的航迹规划方法.通过骨架化算法生成规划空间,利用基于进化计算的多航迹规划(EMRP)算法为各UAV找到K条备用航迹,实现了利用EMRP算法与数学形态学相结合解决多UAV协同航迹规划问题,并对生成的初始航迹进行平滑处理,得到满足UAV机动要求的可行航迹....     

太阳帆航天器三维动画可视化仿真平台的设计与实现

为了更好地分析和设计太阳帆航天器飞行控制系统,文章开发了太阳帆航天器三维动画可视化仿真平台。文章通过Visual C++6.0编程,MFC开发软件主界面,Creator建立太阳帆模型和飞行环境及利用Vega实现三维可视化显示。通过多通道多视点技术及视点控制技术,实现在不同的通道中分别观察太阳帆的飞行轨迹和姿态变化;通过MATLAB和VC++的交互编程,利用MAT文件仿真数据驱动多个运动体同时运动;利用Vega和Open GL混合编程,增加了飞行轨迹及文字信息显示的功能。本文成功地演示了太阳帆航天器从地球同步轨道转移到火星同步轨道的三维动画可视化仿真,验证了本仿真平台的有效性和先进性。     

基于支持向量机数据分析红外手势识别方法研究

该文提出了利用支持向量机结合仿生六点手势模型优化红外体感控制设备手势识别的方法。采集空间手势信息,仿生六点手势模型提取手势特征向量,利用支持向量机分类及校对数据,引用核函数将低维空间不可分信息映射至高维空间实现线性可分。结果表明,运用基于支持向量机的红外体感设备手势方法能有效识别手势,减轻计算机通信的传输负荷。     

多无人机协同任务规划

为解决多无人机协同规划军事目标打击的问题,基于多旅行商（TSP）数字规划理论进行路径和时间的优化。文中建立了多旅行商（TSP）数字规划模型,并根据任务性能和区域划分理论,利用退火算法求解出该模型的最优解。使用A*路径规划算法,通过编程仿真规划出了无人机的时间最优路径。结果表明,该方法较好地解决了当前无人机协同作战的目标分配问题,大幅提高了无人机协同作战的能力。     

Design and implementation of a vision processing system for awalking machine

A vision processing system for a six-legged walking machine, the adaptive suspension vehicle, is presented. The vision-processing system consists of a laser range-finder, and vision computer, a terrain-elevation map, and a guidance computer. The range-finder measures the distances from itself to the objects in the scene. The specially designed vision computer processes the range data into a terrain-elevation form and stores the information with time data in a terrain-elevation map. With the real-time elevation information in the map, the guidance computer can select the best footholds for the walking machine in order to maneuver over rough terrain     

Region-of-interest based rate control for UAV video coding

To meet the requirement of high-quality transmission of videos captured by unmanned aerial vehicles (UAV) with low bandwidth, a novel rate control (RC) scheme based on region-of-interest (ROI) is proposed. First, the ROI information is sent to the encoder with the latest high efficient video coding (HEVC) standard to generate an ROI map. Then, by using the ROI map, bit allocation methods are developed at frame level and large coding unit (LCU) level, to avoid inaccurate bit allocation produced by camera movement. At last, by using a better robustness R-λ model, the quantization parameter (QP) for each LCU is calculated. The experimental results show that the proposed RC method can get a lower bitrate error and a higher quality for reconstructed video by choosing appropriate pixel weight on the HEVC platform.     

地理信息系统技术在无人驾驶飞艇中开发应用

介绍地理信息系统（GIS）技术和当前应用,以及Maplnfo软件与传统GIS技术相比在数字地图制作方面的优点,重点阐述了MapInfo在制作电子地图方面的实现方法。通过对MapX控件功能的描述,结合无人驾驶飞艇飞行航线的显示和设置需求,详细地论述了在VC中利用MapX控件开发数字地图显示功能的方法和设计思路,给出了软件设计的流程,实现了飞艇的当前位置、飞行航迹和飞行的动态过程在数字地图上的实时显示,并可在线设置、上传和下载飞行航线。     

基于红外与雷达的夜间无人车驾驶决策方法

速度与方向的决策建议是夜间无人车驾驶研究的关键,针对夜间无人车速度与方向决策,基于红外图像与雷达信息,提出了一种包含深度信息的红外图像多任务分类网络用来给出速度与方向决策.通过红外摄像头及雷达采集的数据训练深度网络,其中雷达采集的深度图像作为训练标签,采用卷积-反卷积神经网络来进行红外图像的深度估计,进而获得深度信息.利用深度信息制作分类网络训练标签,通过AlexNet分类网络得到速度决策建议.再根据红外图像的道路信息训练方向分类网络,将无人车的驾驶决策问题转化为分类模型,并将分类模型与深度估计网络相结合.实验结果表明,网络的角度准确率及速度准确率分别为87.43%和85.89%,并且利用训练得到的模型对图像进行决策的时间为0.04 s/帧,能够达到实时性的要求。     

面向电磁大数据分析的图形化编程平台

在大数据时代,依靠以机器学习为代表的人工智能技术从海量、复杂多样的电磁大数据中快速挖掘出有效的信息是当前的研究热点。面向电磁数据的机器学习算法具有多样性、多变性的特点,要求相关人员具有专业能力与编程知识。为解决电磁大数据挖掘实现过程中的复杂编程问题,提出面向电磁大数据的图形化编程平台,将机器学习的各类算法组件化,用户无需编写代码即可建立机器学习模型和工作流分析数据,并以可视化的方式分析电磁数据,帮助用户进一步理解数据,具有快速开发与易上手的优点。     

Shared human–robot path following control of an unmanned ground vehicle

This paper considers the shared path following control of an unmanned ground vehicle by a single person. A passive measure of human intent is used to blend the human and machine inputs in a mixed initiative approach. The blending law is combined with saturated super-twisting sliding mode speed and heading controllers, so that exogenous disturbances can be counteracted via equivalent control. It is proven that when the proposed blending law is used, the combined control signals from both the human and automatic controller respect the actuator magnitude constraints of the machine. To demonstrate the approach, shared control experiments are performed using an unmanned ground vehicle, which follows a lawn mower pattern shaped path.     

太阳帆飞行器自适应极点配置控制方法研究

太阳帆航天器对执行机构有着特定的要求,在此基于控制杆和偏置动量反作用飞轮展开研究,就姿态控制系统的物理模型及太阳帆的姿态动力学模型进行分析。并针对此类模型,利用鲁棒极点配置方法设计自适应控制器及太阳帆航天器姿态控制系统,通过数值仿真研究姿态控制中的姿态纠偏。结果表明,采用自适应鲁棒极点配置控制方法的控制系统能够使飞行器能够较快实现大角度的姿态控制要求。