有禁飞区的时间依赖型车辆与无人机协同配送路径优化

本文针对有禁飞区的时间依赖型车辆与无人机协同配送路径问题,综合考虑分时段禁飞的无人机禁飞区域、车辆行驶速度连续变化、车辆及无人机能耗等因素,以车辆派遣成本、车辆能耗成本、无人机能耗成本之和最小为目标建立优化模型.根据问题特征,设计遗传变邻域搜索算法对其进行求解.针对遗传算法易早熟、局部搜索能力较差等缺陷,将变邻域搜索算法与其结合以增强算法的局部搜索能力,引入自适应邻域搜索次数以增强对种群的搜索深度,采用精英保留策略不断改进最优解.通过多组算例验证了算法的有效性,并分析了配送模式、禁飞区数量、车辆行驶速度变化对配送方案的影响,结果表明禁飞区及车辆速度等因素在很大程度上影响物流配送成本.研究成果不仅丰富了车辆与无人机协同配送的场景,拓展了VRP问题的研究,也为物流企业制定配送方案提供了依据.     

基于蜂窝移动网的无人机监管系统设计与实现

针对无人机监管难的问题,提出一种基于蜂窝移动网的无人机监管系统。该系统通过蜂窝移动网将分散在不同空域的无人机的位置及态势信息收集传输到云数据中心。中心判断无人机飞行轨迹和禁飞区之间的位置关系,对可能发生的碰撞和违法飞行事件发出预警,并将数据实时推送至监管平台,实现对无人机实时监管的设计目标。实验结果表明,该系统能够对平台下的无人机进行有效的监管与预警,能够精准警告可能违法飞行的无人机,为实现对民用无人机的有效监管提供了一种解决方案。     

基于无人机图像的高速公路积水预警系统设计

雨后微干的路面往往容易让机动车驾驶员忽视路面的安全隐患。雨后高速公路路面形成区域性积水后,当高速行驶的车轮与积水区域相接触时,容易产生滑水现象,导致汽车失去部分或全部操纵性,这时极易导致交通事故的发生。针对此类情况设计了一套基于无人机图像的高速公路积水预警系统,该系统由图像采集、积水识别和积水预警三部分组成。利用无人机的机动灵活、覆盖面广和无线传输的特性对高速公路路面情况进行采集,并将其位置信息和路面图像实时传回远端服务器进行处理。通过图像灰度化、图像二值化、形态学运算、消除小面积区域等操作提取出传回图像中潜在的积水区域,然后根据计算出的潜在积水区域相应的形状特征参数判断其是否为积水区域。当远端服务器确认无人机传回的图像中存在积水区域后,通过电子地图、短信提醒、高速公路显示屏等多种方式将积水区域的位置和面积等预警信息告知机动车驾驶员,从而减少此类交通事故发生。     

基于车辆-行人轨迹预测的人车冲突预警策略研究

针对现有车载行人预警系统预警准确度较低的问题,采用激光雷达和行车记录仪对车辆-行人的交互冲突数据进行采集,建立基于隐马尔可夫模型（Hidden Markov Model,HMM）的目标轨迹预测模型,利用Baum-Welch算法和Viterbi算法分别进行参数训练和轨迹预测,并提出一种车辆-行人冲突预警规则。验证结果表明：将车辆到达斑马线的时间等于3s时作为冲突预警阈值最为合理,此时冲突的识别率为79.6%,可以较为准确地预测出车辆和行人可能存在的冲突,为车载行人预警系统提供有效参考。     

无人机中继通信轨迹和功率优化策略研究

为了提高无人机中继通信的吞吐量和传输效率,本文研究了多跳无人机中继通信系统中,在满足避碰约束,信息约束以及无人机发射功率等约束条件下,无人机飞行轨迹以及发射功率的优化策略,从而实现端到端的数据吞吐量最大化.     

基于无人机的行人移动轨迹跟踪方法研究

由于现有行人估计移动轨迹跟踪方法难以对行人坐标位置进行准确定位,导致轨迹跟踪结果误差较大,因此提出基于无人机的行人移动轨迹跟踪方法。建立小型无人机模型,针对小型无人机搭载的陀螺仪以及地磁极等传感器存在的定性误差,结合迭代学习控制算法建立无人机姿态和高度控制器,精准定位行人移动轨迹,通过控制器完成行人移动轨迹跟踪。仿真实验结果表明,所提方法能够精准检测行人数量,同时还能够有效提升行人移动轨迹跟踪结果可信度和无人机控制率。     

基于改进粒子群算法的无人机爬升轨迹优化

研究无人机控制优化爬升性能问题,由于单独提高速度或节省燃油问题,均存在互相影响。为了使无人机能够快速、省油地爬升到预定高度,综合考虑了油耗和时间这两个因素。在分析了无人机爬升段数学模型的基础上,提出将油耗和时间的综合运营成本作为优化指标,并提出了一种改进粒子群算法的无人机爬升轨迹优化方法。将无人机轨迹优化问题转化为有约束的参数优化问题,并用改进粒子群算法进行参数优化,从而得到综合指标最优的爬升轨迹。对某无人机实例进行爬升轨迹优化,仿真结果比传统方法更节省了运营成本,证明了改进方法的优越性。     

考虑无人机飞行时间的能耗与数据量联合优化

在无线传感网络中运用无人机（unmanned aerial vehicle,UAV）通信进行数据采集是一项有价值的技术。针对UAV在有限时间内的数据采集任务，提出了一种考虑系统数据量、节点传输能耗和UAV飞行能耗的联合优化方案。该方案的决策空间包括UAV轨迹与传输调度，复杂度较高。由于联合优化是NP难问题，基于决策空间降维，将优化过程分为初始轨迹优化和二次轨迹优化两步。针对初始轨迹优化，提出基于贪心算法和禁忌搜索算法的优化方案，实现节点选择并得到UAV初始轨迹；针对二次轨迹优化，运用离散化方法转换原问题，采用逐次凸逼近算法进行优化，得到其有效次优解。仿真结果表明，所提优化方案能够在满足时间约束的前提下，提高UAV采集的数据量，并降低UAV和节点的能耗。     

无人机辅助移动边缘计算中的任务卸载算法

无人机（UAV）灵活机动、易于部署,可以辅助移动边缘计算（MEC）帮助无线系统提高覆盖范围和通信质量,但UAV辅助MEC系统研究中存在计算延迟需求和资源管理等挑战。针对UAV为地面多个终端设备提供辅助计算服务的时延问题,提出一种基于双延迟深度确定性策略梯度（TD3）的时延最小化任务卸载算法（TD3-TOADM）。首先,将优化问题建模为在能量约束下的最小化最大计算时延的问题;其次,通过TD3-TOADM联合优化终端设备调度、UAV轨迹和任务卸载比来最小化最大计算时延。仿真实验分析结果表明,与分别基于演员-评论家（AC）、深度Q网络（DQN）以及深度确定性策略梯度（DDPG）的任务卸载算法相比,TD3-TOADM得到的计算时延减小了8.2%以上。可见TD3-TOADM能获得低时延的最优卸载策略,具有较好的收敛性和鲁棒性。     

无人机辅助的双层深度强化学习任务卸载算法

为了解决无人机轨迹优化、用户功率分配和任务卸载策略问题,提出了一种双层深度强化学习任务卸载算法。上层采用多智能体深度强化学习来优化无人机的轨迹,并动态分配用户的传输功率以提高网络传输速率;下层采用多个并行的深度神经网络来求解最优卸载决策以最小化网络的时延和能耗。仿真结果表明,该算法使得无人机能够跟踪用户的移动,显著降低系统的时延和能耗,能够给用户提供更优质的任务卸载服务。     

基于自适应算法的车载无人机的疲劳寿命分析

根据基本的疲劳分析理论和解非线性方程及方程组的数值分析的算法,设计了一种自适应算法对无人机在路面激励下的疲劳寿命进行预测。并应用该算法对一种车载无人机在典型任务剖面下的疲劳寿命进行了预测。     

基于MAPREDUCE并行处理的轨迹模式挖掘算法的研究

关联规则算法中FP-Growth算法虽不产生候选集,但由于算法高度依赖于内存空间,阻碍了算法在大数据领域的发挥,因此,改进了经典的FP-Growth算法,首先创建支持度计数表,避免了算法对条件模式基的第一次遍历,减少了对数据库的扫描次数;其次利用剪枝策略删去了大量沉余的非频繁项集;最后将算法并行化,利用 Hadoop平台优势极大提高数据处理的效率,同时解决了算法占用内存的瓶颈问题。实验结果表明,改进型FP-Growth算法挖掘和预测轨迹的效率明显高于经典算法。     

大数据背景下的无人机安全预警机制构建分析——基于信息—模型—知识的集成

无人机在治理层面存在诸多问题,带来了无人机在社会生活的大量隐患,由此隐患导致了无人机突发社会安全事件的发生。治理主体在无人机安全事件处理中明显存在“轻预测预警、重应急处置”的倾向,致使治理主体在无人机突发社会安全事件来临时处于被动地撞击式反应,而不是主动出击。基于此,本文以大数据为手段,借助信息—模型—知识的集成,分析事件预警过程所对应的信息监测、情报分析、决策研判等三个重要环节,探索当前形势下针对无人机突发社会安全事件预警机制的构建。     

无人机三维航迹规划算法研究

在模拟仿真出无人机三维飞行环境的基础上,根据航迹规划的要求,建立对应数学模型,并采用蚁群算法进行优化仿真.针对基本蚁群算法存在的搜索时间长、容易陷入局部最优解等缺点,将蚂蚁当前位置与目标位置的距离信息反馈到系统中作为航迹规划的控制信息,同时对航迹节点的选择方法进行改进,以提高算法的效率.仿真实例结果表明,该算法可以规划出满足无人机飞行要求的航迹.     

高空无人机自动加油对接过程轨迹控制研究

针对无人机在高空自动加油对接过程中容易出现偏差的问题,提出了无人机空中自动加油精准对接的优化控制方案,研究并分析了影响加油锥管与受油接口快速准确对接的主要因素,通过运动轨迹生成器对浮锚加油锥套的运动轨迹进行模拟,无人机的自动飞行控制系统根据轨迹跟踪曲线对无人机的飞行姿态进行调整,引导无人机的受油接口与加油锥管进行精确对接,整个飞行轨迹跟踪控制过程优化了复杂高空环境中无人机加油对接的精准性;通过仿真实验表明,该高空无人机加油对接引导方法提高了空中管口对接的速度与抗干扰能力,可以满足各种复杂高空环境的无人机加油任务。     

基于面部动作时空特征的疲劳预警算法

目前疲劳预警算法多采用实时监测报警的方式,这在高速行驶中具有很大的安全隐患。鉴于人类疲劳状态的时序相关性,提出一种基于面部动作时空特征提取的预警算法。首先,构建加入空间变换结构的卷积神经网络,识别人脸区域,对脸部特征点进行检测标记;其次,建立时空特征提取网络,利用采集的人脸图像序列,对未来图像序列进行预测并输出;最后,在输出的图像序列中根据眼部、嘴部综合状态判断是否发出警告。实验结果表明,以15 fps的速率采集图像,预测未来2 s 30帧图像的方式下,该算法能以90%以上的准确率提前26帧（约1.5 s）预警,且提前15帧（1 s）预警的准确率达到97%。在我国高速公路平均100 km/h的车速下,相当于提前40 m预警,能进一步减少交通事故的发生。     

飞翼无人机自主着舰控制技术的综述

舰载机的着舰过程被认为是舰载机事故率最高的阶段,因此,如何引导与控制舰载机特别是无人机舰载机实现精确着舰,一直是国内外研究人员的研究热点。对无人舰载机所采用的气动布局和研制无人舰载机的迫切性、必要性进行了描述,对国内外飞翼布局无人机的现状进行了研究,对自主着陆和着舰技术进行了比对分析,并且指出了自主航母着舰控制技术的特殊性。针对无人舰载机在自主着舰过程中遇到的复杂风扰动、甲板运动和航母条件限制,分析了舰载机着舰过程中的控制与导引技术难点,对自主着舰控制的关键技术和解决方法的发展过程和现状进行了阐述和总结,并就自主着舰技术的发展进行了展望。     

多无人机巡航算法研究

无人机（Unmanned Aerial Vehicle,UAV）硬件技术的快速发展使其在许多领域得到广泛使用。当任务区域较多时,受到电量限制,无人机单次巡航难以完成全部任务,需要多架无人机共同协作。文章比较了之前的相关研究,提出一种综合聚类和改进遗传算法的路径规划策略,并通过仿真,对比不同算法的效果,为进一步的工作提供帮助。