基于区间灰度的无人机航迹择优评价方法研究

本文给出一种基于区间灰度评价理论的无人机多航迹方案择优方法,提高了不确定飞行环境下,无人机航迹择优的精度和可靠度.针对无人机多航迹方案择优中存在的不确定性和威胁信息获取的不完全性,本文将反映不确定性的区间数,与刻画信息获取量的灰度组成的二元有序对,作为新的评价标度-区间灰度,并定义了决策结果可靠度指标;接着构建了基于区间灰度评价标度的无人机航迹方案择优方法.在无人机航迹规划方案的择优实证分析中,对比仿真了本文方法与区间决策方法,仿真结果表明:本文方法不仅能有效提升最优方案分别与次优和最差方案评价指标的离差,减少决策者的犹豫度;还能提供决策结果的可靠度信息,增加决策信心.     

基于核密度估计的层次聚类算法

聚类分析是统计、模式识别和数据挖掘等领域中一个非常基础且非常重要的研究课题，具有广泛的应用前景。在众多的聚类方法中，基于密度的方法是一种相当有效的聚类方法，能够发现任意形状的聚类，对噪声数据不敏感，但是聚类结果严重依赖于用户参数的合理选择。以DENCLUE算法为基础，一种基于核密度估计的层次聚类算法被提出，该算法首先优选窗宽σ产生较好的核密度估计结果，然后以密度函数的局部极大值点为聚类中心形成数据的初始划分，最后根据密度函数的鞍点递归合并初始聚类产生不同层次的划分模式。理论分析和仿真实验结果显示，该算法能够发现任意形状、大小和密度的聚类，能够有效处理噪声数据，而且聚类结果不依赖于用户参数的仔细选择。     

基于障碍物约束的遗传-中心点聚类算法研究

面对障碍物约束的聚类问题,分析了目前障碍物约束聚类算法的不足,定义了相关概念,随机选择k个样本作为聚类中心点,以距各聚类中心点的可达距离为样本划分依据,以类内平方误差和(WGSS)为聚类目标函数,引入遗传算法,提出一种基于障碍物约束的遗传-中心点聚类算法。最后,通过实例进行了算法测试,并与k-中心点算法进行比较。算法测试结果表明:基于障碍物约束的遗传-中心点聚类算法是完全可行和有效的,所提算法使得聚类结果符合地理空间实际情况,解决了聚类结果对初始化敏感的问题。     

有人/无人机任务联盟分阶段形成方法

针对有人/无人机任务联盟形成问题,采取任务聚类-平台匹配的分阶段形成策略。首先,给出问题要素定义,并进行相关数学描述。其次,基于对问题的分析,以最小化任务距离和为优化目标建立任务聚类的数学模型;以最小化指挥决策能力代价和资源能力代价为优化目标建立平台匹配的数学模型。然后,对任务聚类问题和平台匹配问题,分别采用优选初始簇中心的贪心聚类算法和多目标模糊人工蜂群算法进行求解;最后,通过仿真案例下的3组实验,验证了提出方法的有效性和优越性。     

k-modes聚类方法的改进与在可追溯猪肉消费偏好研究中的应用

可追溯食品消费偏好等实证调查中具有大量的分类属性的数据，而常用的-means聚类方法主要适用于连续的数值型数据，难以精确分析可追溯食品消费者类别。为此，本文引入-modes聚类方法，通过改进聚类精度，改善聚类流程，改进了现有的-modes算法，以更好地应用于分类属性数据的聚类分析。以分类正确率、类精度、召回率、平均迭代次数为评价检验的具体指标，相关检验表明，与经典-modes聚类算法等相比较，本文改进后的-modes聚类算法在标准数据集上实验结果良好。在此基础上，以可追溯猪肉为案例，通过菜单选择实验法收集消费者对可追溯猪肉信息属性偏好的数据，建立仿真分析流程，运用改进后的-modes算法进行聚类分析，研究了消费者对可追溯猪肉属性的群体性偏好。仿真结果显示，消费者对可追溯猪肉信息属性的偏好具有明显的层次性、差异性，可基于消费偏好将消费者划分为4个类别。     

基于属性加权的模糊K-Modes聚类算法

提出了一种基于属性加权的模糊K Modes算法。该算法假定不同属性对聚类结果有不同程度的影响 ,定义新的适应度函数 ,利用进化策略优化加权矩阵 ,以基于划分相似度的聚类精确度作为聚类结果的评价准则。实验表明 ,此算法具有较好的聚类效果 ,且属性加权矩阵反映了数据各个属性的重要程度 ,从而可以进行属性的提取和选择。     

一种基于旋转最小-最大超盒的聚类算法

针对传统聚类算法无法解决复杂分布数据聚类的问题，本文提出了一种基于旋转最小-最大超盒的聚类算法。该算法首先对数据急归一化处理，然后借助旋转最小-最大超盒对样本空间进行划分，从而生成一系列的初始分类，最后利用类别间的可融合度概念将初始类别融合为最终的聚类。仿真结果表明，该算法在无需聚类数目的前提下，对复杂分布数据具有很好的聚类效果，其聚类性能与传统的FCA相比有极大的提高。     

基于聚类融合的三维流线可视化方法

为解决使用聚类方法实现三维流线可视化时,存在特征提取不全面、可视结果破坏流场连续性、聚类簇划分不稳定导致流线代表性差等问题,提出了基于聚类融合的三维流线可视化方法。该方法由特征间距离度量方法和聚类融合方法两部分组成,将特征间距离和空间距离分别作为流线间的相似度进行聚类,对得到的聚类结果进行加权合并后再划分。将该方法在具有多个不同特征的数据集上进行了实验,并与现有方法进行了定性、定量比较。结果表明,与现有方法相比,该方法能够较好地平衡特征提取和流线分布之间的关系,聚类簇划分的稳定性提高了2%～5%,矢量场重构的精度提高了3%～5%。     

灰色综合聚类法的改进及其在河南省农村经济发展水平评价中的应用

一般灰色聚类及其改进方法的文献均是在灰色聚类系数向量分量的最大原则基础上给出聚类结果的。该类方法忽略了聚类系数向量最大分量之外的其它分量对聚类结果的作用。灰色综合聚类方法综合考虑了聚类系数向量各分量对聚类结果的作用,是对灰色聚类分析技术的重大发展。但灰色综合聚类法把综合聚类系数的取值范围平均分为s个等长区间的分法需要加以改进。提出了一种改进的灰色综合聚类方法,该方法在综合灰色聚类方法的基础上,以k±0.5为中间界点来划分综合聚类系数所属灰类的区间。并且证明了当一般灰色聚类法的聚类系数差异大于1-1/（s-1）时,改进的灰色综合聚类法和一般灰色聚类法的聚类结果相同。最后以河南省农村经济发展水平聚类为例进行了实证分析。     

一种基于网格密度与空间划分树的聚类算法

基于密度的聚类是聚类分析中的一种,其主要优点是发现任意形状的聚类和对噪音数据不敏感.文章提出了一种新的基于网格密度和空间划分树的CGDSFF(Clustering based on Grid - Density andSpatial Partition Tree)聚类算法.其创新点在于,将数据空间划分成多个体积相等的单元格,然后基于单元格定义了密度、簇等概念,对单元格建立了一种基于空间划分的空间索引结构(空间划分树)来对数据进行聚类.CGDSPT算法保持了基于密度的聚类算法的上述优点,而且CGDSFF算法具有线性的时间复杂性,因此CGDSPT算法适合对大规模数据的挖掘.理论分析和实验结果也证明了CGDSPT算法的优点.     

多无人机3D侦察路径规划

针对现有路径规划方案忽略侦察区域优先级以及缺乏对侦察区域中新发生事件的跟踪,而导致规划路径不能适应动态环境和无法根据侦察区域重要性来执行优先侦察等问题。首先,提出将侦察区域重要性作为必要优化指标,与无人机能耗和飞行风险值等7个优化指标加权联合,构成路径优化过程中评估生成路径的多目标效用函数,从而使得规划路径可以反映侦察区域优先级特性。然后,提出了基于事件检测的侦察区域重要性值更新机制以提升路径规划方案对动态环境的适应性。最后,采用粒子群算法求解最优路径。仿真结果表明,利用所提路径规划方案生成的侦察路径能最大限度优先覆盖重要侦察区域,并且所提更新机制能够跟踪侦察区域中发生的新事件。     

基于面向服务的通用任务规划仿真集成方法研究

采用基于Service oriented architecture(SOA)的集成框架实现了仿真环境中无人机系统的通用任务规划模块功能的集成.给出了具有系统之系统特点的多无人机综合仿真环境UAVSSE体系结构设计和多层次集成方法.将任务规划功能模决抽象为任务规划服务,基于Web Services技术实现通用的任务规划服务封装.利用注册、发现和绑定机制,任务规划功能能够动态地集成进仿真运行,并能为多架无人机和多个地面系统的仿真提供任务规划服务.通过综合仿真环境中的原型系统验证了相关技术,结果表明基于面向服务方法的任务规划集成能够为多UAV仿真环境提供有效的任务规划功能集成,弥补了HLA在构建动态"系统之系统"仿真中的不足,并能为未来的仿真系统和真实UAV一体化运行提供借鉴.     

基于HMM和RNN的无人机语音控制方案与仿真研究

为简化无人机操作,避免误操作,设计了一套基于隐马尔可夫模型(Hidden Markov Model,HMM)和循环神经网络(Recurrent Neural Networks,RNN)的无人机语音控制方案。该方案采用HMM识别无人机语音指令;同时采用RNN对多套无人机操作指令串进行训练,并对当前时刻指令进行预测,通过计算二者的相关性判断是否执行。仿真结果表明,该方案对HMM识别错误指令的辨别率达到61.90%,使整体错误率降至1.43%,表明该方案具有较为优异的性能。     

基于人机合作的有人/无人机编队队形变换策略

队形变换是有人/无人机(manned/unmanned aerial vehicle, MAV/UAV)编队飞行的关键技术,为提高编队队形变换效率并减轻飞行员操纵压力,设计了基于人机合作的MAV/UAV编队队形变换策略。首先设计了MAV/UAV编队控制系统,然后在UAV运动学模型基础上设计了一种以路径跟踪为主,速度调节为辅的MAV/UAV编队队形变换策略。通过将水平转弯机动与虚拟力相结合,并考虑实际情况中编队内碰撞问题,设计了一种改进虚拟力路径跟踪方法;根据MAV与各UAV之间的路径差,设计各UAV速度控制律,使得MAV与各UAV速度与航向角一致,从而实现编队队形变换。仿真结果验证了所提方法的有效性和实用性。     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle，UAV）对目标捕获能力，进而提高多UAV协同搜索效率，提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm，ICEGA）的多UAV协同目标搜索方法。首先，根据环境的先验信息，在原概率图基础上引入标志位，建立基于双属性矩阵的待搜索环境概率模型，提高环境和目标的信息感知准确度；其次，定义UAV的飞行规则并结合目标先验概率图信息，建立UAV运动模型及确定最大收益的目标函数；最后，建立分布式UAV之间的信息交互模型，运用ICEGA算法优化产生最优协同决策输入航向角集合，在线实时滚动优化产生最优协同路径。实验结果表明，基于双属性概率图结合ICEGA算法更能够保证最优路径的产生，使得UAV能够准确地搜索到目标；同时，对比仿真验证了ICEGA算法能够提高UAV之间的协同性，保证了路径可行性及提高了目标搜索效率。     

Cooperative localization against GPS signal loss in multiple UAVs flight

Based on multiple unmanned aerial vehicles(UAVs) flight at a constant altitude,a fault-tolerant cooperative localization algorithm against global positioning system(GPS) signal loss due to GPS receiver malfunction is proposed.Contrast to the traditional means with single UAV,the proposed method is based on the use of inter-UAV relative range measurements against GPS signal loss and more suitable for the small-size and low-cost UAV applications.Firstly,for re-localizing an UAV with a malfunction in its GPS receiver,an algorithm which makes use of any other three healthy UAVs in the cooperative flight as the reference points for re-localization is proposed.Secondly,by using the relative ranges from the faulty UAV to the other three UAVs,its horizontal location can be determined after the GPS signal is lost.In order to improve an accuracy of the localization,a Kalman filter is further exploited to provide the estimated location of the UAV with the GPS signal loss.The Kalman filter calculates the variance of observations in terms of horizontal dilution of positioning(HDOP) automatically.Then,during each discrete computing time step,the best reference points are selected adaptively by minimizing the HDOP.Finally,two simulation examples in Matlab/Simulink environment with five UAVs in cooperative flight are shown to evaluate the effectiveness of the proposed method.     

多无人机集结问题分布式求解方法

针对多无人机协同对地打击的任务区集结问题,建立了基于一致性理论的分布式控制结构,设计了结合航迹规划与轨迹控制的策略以实现多无人机同时到达。以提高一致性算法收敛速度为目的,引入状态观测器,改进了含有虚拟Leader的一致性控制算法,并对新算法的收敛性和快速性进行了数学证明。仿真结果表明,本文的方法能够有效实现多无人机同时集结到目标位置,改进的算法具有更快的收敛速度。     

无人机通信网络动态联盟形成方法

无人机之间通过相互协作形成无人机网络以完成相应任务,现有研究较少考虑无人机的移动性所造成的无人机网络的拓扑结构变化而引起的通信方面的问题。本文将无人机网络在通信范围内的通信延迟最低作为目标,基于贝叶斯联盟博弈解决无人机的移动性所造成的的网络结构动态性,以及协作无人机的选择策略问题。在贝叶斯联盟博弈模型中,针对无人机的移动性,将无人机分为两种类型:协作行为的无人机和不协作行为的无人机。基于信念更新机制来帮助无人机观测其他无人机的行为并找到可能的联盟结构。仿真结果表明,由贝叶斯联盟博弈算法得到的通信延迟最小的无人机联盟结构是纳什稳定的。     

基于性能的复杂装备现场可更换单元规划

针对复杂装备设计研制阶段的现场可更换单元(line replaceable unit, LRU)规划问题, 以功能-行为-结构(function behavior structure, FBS)和可靠性、维修性、保障性、测试性(reliability maintainability supportability testability, RMST)作为LRU规划的影响因素, 提出了一种基于性能的LRU规划方法。首先, 通过建立系统的功能架构, 获取系统的零部件清单。在此基础上, 建立零部件FBS相关关系评价矩阵, 进而得到零部件综合相关矩阵, 运用模糊聚类分析实现初步的LRU规划。将RMST参量化, 建立综合评价数学模型, 对初步规划方案进行优选, 得到最佳规划方案。最后, 以某型中压整流发电机为例, 运用提出的方法实现了该装备的LRU规划, 验证了方法的有效性。     

基于决策融合的多无人机协同目标检测识别算法

针对现阶段单无人机不能高效完成大区域巡视的问题,提出一种多无人机决策融合的目标检测识别算法.首先改进Retinanet算法进行单无人机的目标检测,根据航拍图像目标特性,调整anchor参数和训练策略.同时利用特征提取算子配准多无人机航拍图像,实现多机图像坐标一致,并进行图像拼接.然后综合目标的位置信息和属性信息对多机图...