基于拍卖多智能体深度确定性策略梯度的多无人车分散策略研究

多无人车(multi-UGV)分散在军事作战任务中应用非常广泛,现有方法较为复杂,规划时间较长,且适用性不强。针对此问题,该文提出一种基于拍卖多智能体深度确定性策略梯度(AU-MADDPG)算法的多无人车分散策略。在单无人车模型的基础上,建立基于深度强化学习的多无人车分散模型。对MADDPG结构进行优化,采用拍卖算法计算总路径最短时各无人车所对应的分散点,降低分散点分配的随机性,结合MADDPG算法规划路径,提高训练效率及运行效率;优化奖励函数,考虑训练过程中及结束两个阶段,全面考虑约束,将多约束问题转化为奖励函数设计问题,实现奖励函数最大化。仿真结果表明：与传统MADDPG算法相比,所提算法在训练时间上缩短了3.96%,路径总长度减少14.50%,解决分散问题时更为有效,可作为此类问题的通用解决方案。     

用于流式细胞仪的超声聚焦系统的仿真与设计

介绍了一种利用超声驻波对颗粒进行二维聚焦的方案,其可用于流式细胞仪中微量(少于82μL)细胞样品的上样,无需鞘液即可实现颗粒在管道中央的逐个排列,并能以高至0.5 m L/min的速度依次通过检测区。该方案避免了颗粒在管道中的随机分布现象,提高了流式细胞检测的准确性,分析后的样品还能被无稀释地回收再利用。从驻波形成、声阻抗匹配、颗粒在声场中的受力分析等理论出发,着重仿真分析了驻波场中颗粒在不同参数下的运动路径。在理论模型的基础上搭建了1.462 MHz频率驱动的方形毛细管实验平台,利用10和20μm直径的聚苯乙烯微球验证了超声聚焦颗粒的可行性,实验表明低流速、高声场强度时聚焦更紧密,大颗粒比小颗粒更易聚焦。该结论与仿真结果一致。     

基于重组优化的轮式移动机器人路径处理方法

针对轮式移动机器人采集GNSS（全球卫星导航系统）路径过程中容易出现无效路段的问题,提出了基于自适应分段重组的无效路径剔除方法和多目标优化的路径平滑方法。该方法首先按照航向将采集的GNSS路径划分为DRD(drive-reverse-drive)形式的路段组合,通过设定剔除规则来剔除其中的无效路段,并对剔除无效路段后的离散路段按照邻域路段长度进行第2次分段,以实现有效路段快速重组。其次以重组后的路径点集为决策变量,建立多目标优化函数、端点渐近约束和矩形区域约束,转化为二次规划型进行最优化求解,在保证路径平滑的同时减小与原有路径的位置差。实验结果表明,该方法能够有效处理不同道路形态下采集的无效GNSS路径,优化结果与重组路径平均位置偏差小于0.2 m,平均处理时间为8.8 ms,处理后的路径可用于无人车轨迹跟随。     

无人车集群协同围捕发展现状分析

无人车集群具有成本低、安全性好、自主程度高等优点,已成为无人驾驶领域的研究热点。基于无人车集群,研究人员提出多种不同协同策略以完成各类任务,其中协同围捕作为重要的应用方向,无论是在军用还是民用领域都受到了广泛关注。针对此问题,该文首先基于无人车集群的相关应用和架构,对协同围捕的策略机理进行了系统分析,并将协同围捕策略划分为搜索、追踪和围堵3个子模式。然后,从博弈论、概率分析和机器学习等角度梳理了协同围捕的关键方法,并对这些算法的优缺点进行了比较。最后,对未来研究提出了意见建议,为进一步提高无人车集群协同围捕的效率和性能提供参考和思路。     

基于道路特征的车载相机标定动态补偿算法

车载相机标定是基于机器视觉的车道偏离报警系统关键技术之一,通过相机透视投影原理和针孔成像模型,采用三线标定法获取相机静态外部参数.根据车辆行驶过程中颠簸振动的特点,通过数学模型分析相机标定精度的影响因素.提出一种基于道路特征的动态补偿算法,根据道路中两条车道线互相平行以及宽度不变的固有特征,对车载相机俯仰角及高度进行动态补偿.利用补偿后的俯仰角和高度值计算车辆在车道线中的横向位置及航偏角.设计一种独立于当前车载相机系统的测试平台,对该补偿算法进行动态测试.仿真和实车试验结果表明,该补偿算法可以明显减小因车辆颠簸而造成的标定误差,从而有效减少车辆横向位置和航偏角的测量误差.