基于微分进化的多UAV紧密编队滚动时域控制

多无人机(UAV)协同控制可在一定程度上提高单UAV执行任务的效率,而多UAV紧密编队是多UAV协同控制中的一个关键性技术难题.在构建多UAV紧密编队非线性模型的基础上,利用滚动时域控制方法,将UAV紧密编队问题转化为滚动时域内的一系列在线优化问题,然后采用微分进化策略在每个滚动时域内进行控制量的优化求解.此外,还给出了基于Markov链的微分进化算法数学描述及收敛性证明,且从理论角度分析了所设计多UAV滚动时域控制器的稳定性.仿真实验结果验证了文中所提出方法的可行性和有效性.     

基于化学反应优化的多无人机地面移动目标协同观测航迹规划

随着无人机技术的飞跃式发展,利用无人机跟踪地面目标在军事和民用领域得到了广泛的应用.鉴于目标所在环境以及运动状态的不确定性,单一无人机已不能胜任日益复杂的应用环境,利用多无人机协同跟踪目标成为改善目标跟踪任务鲁棒性的一种有效手段.本文针对多无人机协同跟踪观测航路难以求解的特点,提出了一种基于进化算法的近似求解方法,以解决多无人机对被跟踪目标观测航路的时空优化问题.本文通过分析与机身以固定安装角连接的传感器在地面有效观测区域模型,提出了包括目标观测时间和航路安全在内的控制方案,并采用了一种基于化学反应优化(chemical reaction optimization,CRO)理论框架的启发式求解策略,规划无人机的最优协同观测航路.仿真的结果表明,本文所提出的方法能够实现多无人机协同跟踪地面移动目标的要求,在满足无人机性能约束和飞行安全的情况下,具有更长的对目标监测时间.     

基于动态规划的多无人机通信连通性保持研究

随着无人机技术的逐渐成熟,制造成本不断降低,无人机在多个领域得到广泛应用,如农业、工业、安全、军事等.而无人机在执行任务时,往往需要与地面基站保持通信的连通性.但在距离较远或有遮挡情况下,信道质量将严重下降,这对通信连通性的保持提出挑战.针对该问题,本文考虑部署多架无人机作为通信中继,以串联方式构建任务无人机与地面基站稳定的通信链路.本文以长期信道容量作为优化指标,基于动态规划理论提出了两种中继无人机的规划方法:CMMP-AT和CMMP-OBO. CMMP-AT方法强调在任务执行初期就部署全部中继无人机,该方法部署较为简便,但计算复杂度较高. CMMP-OBO方法提出按照任务需求逐架部署中继无人机,该方法较为灵活,且计算复杂度低,扩展性好,可节约中继无人机的运动能耗.实验结果表明, CMMP-AT方法针对一个两中继无人机场景,需要40.03 h规划结果,而CMMP-OBO方法只需57.66 s即可规划出结果,并且可节约3.87%的运动能耗.此外,为了精确控制中继无人机遵循规划出的轨迹行进,本文基于模型预测控制方法实现对规划轨迹的追踪,并在V-REP环境中实现了多中继无人机场景的仿真.仿真结果表明,相比PID控制方法,模型预测控制方法能够更精确地追踪规划轨迹.在两种仿真场景下,模型预测控制方法的追踪误差仅为PID控制方法的43.97%和41.42%.     

无人机群协同跟踪地面多目标导引方法研究

多机协同目标跟踪是无人机系统的典型任务之一.由于军事任务的集群性,在实际中常需要跟踪多个不同的目标.如何使用尽量少的无人机对多个目标实施有效跟踪,以提高系统鲁棒性和定位精度,是一个重要的研究课题.本文针对复杂环境下无人机群协同跟踪地面多目标过程中的关键问题进行研究,设计了复杂环境下无人机群协同跟踪多目标系统架构,提出了考虑遮蔽区域机群跟踪多目标动态分组算法、自适应多模型无迹卡尔曼粒子滤波融合算法和障碍条件下机群协同目标跟踪运动快速导引方法.通过仿真试验和飞行试验,验证了本文方法的有效性.最后,对该领域的下一步研究方向进行了展望.     

面向多区域能源互联的多智能体协同AGC策略

传统强化学习无法有效解决由于大规模新能源接入所带来的强随机扰动,以至产生AGC(automatic generation control)响应速度变慢、性能变差的问题.本文以能够解决基于Q框架的强化学习算法中状态动作对的值高估问题的双层Q学习为支点,融入了一种能够在未知的搜索空间中快速搜索最优解的灰狼优化算法,提出一种面向多区域能源互联的多智能体协同AGC策略,即GWDQ(grey wolf double Q)策略,来快速获取AGC过程中多区域协同最优解.通过对包括了混合发电燃气轮机系统、冷热电联产等多种形式能源的两区域综合能源系统模型,及多区域能源互联的东北电网模型进行仿真,结果显示所提策略与传统强化学习算法相比,拥有更强的学习能力,收敛速度和控制性能明显改善,能够快速获取AGC过程中多区域协同最优解.     

基于拟态物理法的无人机集群与重构控制

基于拟态物理(artificial physics)法研究多无人机系统的集群构型生成及重构控制问题.在改进传统的拟态物理法基础上定义新的引力和斥力,使质点模型多无人机系统能够生成均匀分布的标准构型,并借助LaSalle不变集理论分析了集群控制律的稳定性;在此基础上,进一步讨论了序号无关的集群构型局部极值的改进策略.探索了一般性集群构型和标准构型之间的可逆且唯一的双射变换,利用双射变换提出了一般性集群构型生成的集群控制算法,并进而讨论了集群队形的收缩与扩张、集群构型切换和集群避障等集群重构问题.为验证提出的质点模型集群构型生成和重构算法,论文基于ROS(机器人操作系统)及Gazebo仿真器构建了多四旋翼无人机的协同仿真平台,分析验证了构型生成和重构算法的有效性.最后,将设计的基于拟态物理法的集群控制律扩展到多固定翼无人机系统,并搭建了基于X-Plane飞行模拟器和无人机自驾仪的多无人机协同控制半实物仿真环境,验证集群构型生成控制律的有效性.     

基于柯西变异鸽群优化的大型民用飞机滚动时域控制

采用先进的控制方法对大型民用飞机的多操纵面进行控制,可以有效提高大型民用飞机飞行的安全性和可靠性.针对大型民用飞机的在线滚动时域控制(receding horizon control,RHC)问题,提出了柯西变异鸽群优化(Cauthy mutation pigeon inspired optimization,CMPIO).柯西变异鸽群优化不但保持了鸽群优化(pigeon inspired optimization,PIO)收敛速度快的优点,而且通过执行加入柯西变异的地图和指南针算子和地标算子,可以有效降低优化结果陷入局部最优的概率,改善滚动时域控制的快速性和稳定性.在协调转弯过程和协调转弯的故障重构两个算例的仿真中,基于柯西变异鸽群优化的滚动时域控制使大型飞机稳定地达到参考状态,控制器同时合理地完成了多操纵面的控制分配和故障重构.     

基于鸽群智能行为的大规模无人机集群聚类优化算法

未来空中战场,大规模无人机集群系统将成为主导力量.而对大规模无人机集群系统进行分组聚类是完成作战任务规划的必要步骤.在实际战场中无人机受到有限通信约束,无法得到全面而有效的全局作战信息.因此本文提出一种基于鸽群智能行为的大规模无人机集群聚类优化算法.根据聚类模型设计鸽群优化算法,研究分析导航能力优异的鸽群智能行为,将鸽群飞行过程中的层级网络机制映射到鸽群优化算法中,解决有限交互环境下的信息不完整问题.一方面,依据鸽群在飞行过程中来自临近个体的引导更为有效直接,因而在有限交互环境下,基本鸽群优化算法中的全局最优信息由交互范围内的最优个体信息替代;另一方面,鸽群的中心位置更新包括三部分:增量惯性部分、模仿部分、环境影响部分.为验证改进后鸽群优化算法在有限交互范围下的有效性,本文采用三种算法针对三个数据集进行聚类分组,仿真结果表明改进后的鸽群优化算法在最优解与平均最优解上均有改善,为实际作战环境下的无人机集群系统聚类分组提供了有效的解决方法.     

基于线性时序逻辑的智能体不确定行为规划

随着人们对智能体需求的提高,智能体的活动不再局限于简单环境与单一任务,面向复杂的应用场景,智能体需要具备自主完成决策与执行的能力.本文研究了面向线性时序逻辑描述下的复杂任务智能体的不确定行为规划问题,同时考虑任务成功率与任务执行成本,这里不确定性因素包括智能体行为与环境属性,任务描述由软、硬约束两部分表达.文中应用形式化方法中模型检测的思想确定智能体行为选择策略,其中应用马尔可夫决策过程构建智能体个体与集群模型,应用双层自动机模型构建任务模型,设计智能体-任务网络模型表征约束条件并通过一耦合线性规划完成策略求解,并通过数值仿真测试对上述方法进行了验证.结果表明含软、硬约束的复杂任务约束可被满足,求解所得最优策略使智能体按约束强度完成任务,且可通过调节惩罚因子控制网络模型的松弛程度调整生成的控制策略.     

基于多分辨率粒子滤波的全局协同定位方法

野外环境下,多类型机器人协同合作可以克服单一类型机器人(如无人车、无人机等)在环境建模任务中的视角、尺度方面的问题,进而提高整体编队系统的环境感知与决策控制能力.而在多类型机器人协作系统中,协作定位是协同合作的关键难题之一,也是进行编队建模与编队控制的基础.在GPS缺失环境下,由于传感器类型的不同,非结构化的环境特征,视角的不同而导致基于匹配的多机器人定位方法无法实现有效稳定的定位.本文提出了一种基于多分辨率最近邻匹配和粒子滤波的协同定位方法,可以在初始相对位置未知的情况下,进行全局范围内的协同定位.本文采用了一种针对粒子匹配精度以及匹配效率的评估方法,并根据粒子评估结果进行粒子权重更新,地图更新以及粒子数目更新,以平衡在定位过程中粒子对状态空间的描述和定位效率.同时,针对于粒子退化或者粒子收敛速度过慢的问题,采用了基于分辨率等级和粒子匹配精度和匹配效率的自适应调整方法.最后结合具体平台,本方法在野外水湾环境进行了基于无人船与无人机的协同定位实验,实验结果表明本方法有效解决多机器人在GPS缺失下的协同定位问题.     

基于模糊时间序列的国内旅游需求预测

在分析了大量经典模糊时问序列模型的基础上,将其引入国内旅游需求预测,指出了其在区间划分上存在的问题。结合聚类算法的优点对区间划分进行处理,提出了基于改进聚类算法的模糊时间序列模型对国内旅游需求人数加以预测。研究结果表明,该模型在保证较高预测精度的前提下,简化了计算,且易于理解,具有较好的应用价值。     

基于边Laplacian一致性的多无人机编队控制方法

目前无人机技术发展迅速,其应用也逐步从军事领域扩展到民用领域,多智能体系统一致性理论的结果大大推进了多无人机编队控制的进展.本文考虑带速度、偏航角和高度3个回路的自动驾驶仪且纵向解耦和不确定性扰动的无人机模型,在非平衡拓扑下,给出了基于边Laplacian一致性的分布式编队控制算法.首先用反馈线性化方法对六模态非线性无人机模型进行预处理.其次将编队问题转变成一致性问题;然后基于边Laplacian方法,将一致性问题转化成稳定性问题.利用Backstepping设计系统李雅普诺夫函数,并给出了编队控制算法,通过李雅普诺夫稳定性理论,证明系统的收敛性,从而保证多无人机编队的实现.最后仿真验证系统受到不确定扰动时,仍有很好的鲁棒性,并能够按指定队形稳定飞行.     

基于自适应有限时间干扰观测器的无人机集群编队控制方法

近年来,随着无人机技术的发展,其任务能力逐渐增强,成本优势逐步凸显,加之多无人机协同技术的不断进步,无人机集群受到科学界、工程界越来越多研究人员的关注,其应用领域也在不断拓展.本文对无人机集群受未知干扰影响下的编队问题进行了研究.首先,设计了基于自适应增益的有限时间干扰观测器,可在有限时间内对未知干扰进行精确估计.然后,将集群中的无人机分为可获知期望编队的绝对位置和不可获知期望编队的绝对位置两种类型,并基于此,设计了一种具有统一形式的包含绝对位置误差、相对位置误差、绝对速度误差、相对速度误差、干扰估计值等的编队控制器,并给出了控制器收敛的充分条件.最后,通过设计的4个数值仿真实验,对所提出方法的有效性进行了验证.     

企业动态结盟中的伙伴挑选模型及其软计算方法

伙伴企业的挑选是敏捷制造和供应链管理中的一个热点问题. 将伙伴挑选问题表达为带有非解析目标函数的 0-1 整数规划模型, 通过定义无效候选人缩小搜索空间, 采用模糊规则量化的方法将模糊决策嵌入到项目调度算法中, 形成一个模糊决策与遗传算法结合的计算方法. 和传统的优化方法对比, 能以很大的概率快速找到最优解.     

无人机图像全自动生成大比例尺真正射影像方法

随着无人机遥感技术逐步从研究开发阶段发展到实际应用阶段，采用无人机图像进行大比例尺的真正射影像生成方法的研究具有重要的现实意义．本文旨在探索将计算机视觉中获得巨大成功的多视三维重建技术应用到对无人机影像处理中，给出了一种基于运动恢复结构重建算法和多视图立体视觉算法全自动生成大比例真正射影像的方法．本文首先分析了无人机图像PMVS重建点云的特点，给出一种由基于面片多视图立体视觉稠密点生成数字表面模型的方法，然后详细介绍了包括正射影像图像坐标映射模型、可见性计算、基于Markov随机场能量优化的面片选择和匀光处理等真正射影像生成的关键步骤．实验结果以及与商业软件的比较表明：本文给出的方法在野外地形和城市区域均能获取有效的真正射影像结果．     

分布式企业协同分销子公司影响因素模糊聚类分析

针对分布式企业协同分销子公司管理效率低,系统决策效率提升困难等问题,搭建了立体协同分销网模型.在深入分析了其特征的基础上,将其影响因素归纳为了市场营销、人力资源等5个一级指标,并分解为市场开拓、财务管理等30个二级指标.构建了协同分销子公司影响因素的模糊聚类分析(FCA)模型,并提出了检验该模型有效性的方法,从而大大提高了协同分销系统的管理和决策效率.最后,通过实际工程案例,验证了该模型和算法的有效性.     

基于样本密度的非监督动态改进FCM算法

针对传统FCM算法中聚类结果对初始聚类中心敏感,分类数C依赖于先验知识确定的不足,提出了基于样本密度的非监督动态改进FCM算法。该算法基于初始样本密度确定初始聚类中心,基于模糊伪F统计量自动确定最佳分类数,实现了基于样本密度非监督状态下的动态聚类。选取瓦斯涌出量的聚类分析进行应用,应用结果表明,该算法能合理选择初始聚类中心并动态确定分类数,降低了对初始聚类中心的依赖度,提高了收敛速度和自动化程度,并能根据指标做出正确预测。     

仿雁群行为机制的多无人机紧密编队

研究了无人机编队的仿生飞行控制问题.雁群可通过有效利用编队飞行过程中的上洗气流节约体力,实现长距离飞行.通过分析雁群长途迁徙过程中的编队飞行机制,讨论了编队飞行与雁群行为机制间的仿生映射机理,设计了一种仿雁群行为机制的多无人机紧密编队构型及控制方法,并提出了一种基于雁群行为机制的编队变拓扑重构方法.仿真验证了无人机群可基于所设计的多无人机紧密编队控制器以较少的耗油量形成期望编队构型并保持,并可基于所提出的编队变拓扑重构方法实现编队重构.进而验证了本文所提出的基于雁群行为机制的多无人机编队保持及重构控制方法的有效性与稳定性.     

基于DSM的产品协同开发流程优化方法研究

针对传统的按职能分工部门之间的壁垒造成产品开发过程中的信息传输迟滞，以及流程活动冗余造成的流程运行时间长的问题，从时间的维度进行产品开发活动的协同管理，建立流程活动间信息交互模型，以实现流程活动间信息传递的量化和无量纲化。根据流程活动间信息依赖关系，建立基于设计结构矩阵（Design Structure Matrix，DSM）的产品协同开发流程结构矩阵，用模糊聚类方法对流程进行优化，并建立了流程优化算法，通过实例验证该方法的可行性。     

基于两级模糊控制的交叉路口多相位控制

用模糊控制方法对交叉路口的交通信号进行控制,提出一种面向城市交叉路口的交通信号两级模糊控制系统.该系统能够分散处理交通信息参数,有效减少模糊规则数,易于提取模糊规则,实现相位顺序、绿信比和周期均随着交通状况的变化而自适应变化;并利用混沌优化对模糊控制器的隶属度函数进行优化搜索,从而提高交叉路口的通行效率,减少车辆的延误...