基于模糊算法的AUV避障与姿态控制

为了实现水下机器人(autonomous underwater vehicle,AUV)在水下的避障与姿态的稳定控制,提出了一种基于模糊算法的避障与姿态控制算法.通过分析AUV在水下的水平面和竖直面状况,分别构造满足其水平面和竖直面避障和姿态控制的模糊算法,并设计了相应的控制系统.设计的控制系统主要由2个模糊控制器组成,通过模糊控制器输出AUV的左、右和下潜加速度,利用模糊逻辑系统对其速度进行逼近,并利用AUV的速度信息实现AUV水平面和竖直面的避障与姿态的控制.通过在不同位置放置障碍物构建模拟场景,采用Matlab进行仿真试验.仿真结果表明,设计的基于模糊算法的避障与姿态控制方法能够满足设计要求.     

基于禁忌搜索算法的AUV动态路径规划策略

为有效提高水下传感器网络中未知节点的定位效率并降低网络能耗,提出一种改进禁忌搜索算法的Autonomous Underwater Vehicle(AUV)动态路径规划策略.所提出的算法和策略,采用六边形部署算法,寻找合适的虚拟锚节点位置,以达到最佳覆盖效果;然后通过在AUV节点上配置定向天线,获取未知节点方位信息;再次,利用改进的禁忌搜索算法,选定AUV节点下一步目标虚拟锚节点,引导AUV节点移动.该文通过改进的禁忌搜索算法设置两个禁忌集,防止AUV节点重复搜索,并辅助AUV节点移动方向判定,保证未知节点的定位覆盖率.为验证所提策略有效性,对所提该策略和静态路径规划算法中的典型算法Scan算法进行对比分析计算.仿真表明,基于禁忌搜索算法的AUV动态路径规划策略较Scan算法移动路径长度明显减少,虚拟锚节点数目有所降低,能有效降低能耗,延长网络寿命.同时,由于Received Signal Strength Indicator(RSSI)测距法存在误差,误差值设置为虚拟锚节点到未知节点的真实距离的10%,仿真得出基于禁忌搜索算法的AUV动态路径规划策略较Scan算法,定位精度有所提高.     

优化问题的序列线性方程组解法

拟牛顿算法是求解无约束优化问题的有效算法.序列二次规划方法是将拟牛顿算法应用于求解约束优化的推广与发展,它保持了拟牛顿算法的超线性收敛速度而成为约束优化的重要算法类.序列线性方程组方法则是它的进一步发展,目的在于每步求迭代方向dk时避免求解计算量较大的二次子规划.现在序列线性方程组方法仍在研究和发展,目的是简化算法结构、减少计算量,同时保持算法的优良性质.     

半无限极大极小离散化问题的一个非单调SQCQP算法

针对序列二次规划(SQP)算法在处理结构复杂、 非线性程度较大的半无限极大极小离散化问题时计算效率较低的不足, 提出一种非单调序列二次约束二次规划(SQCQP)算法, 并在适当的条件下证明算法的收敛性. 数值实验结果表明, 在离散水平为100的情形下, 非单调类SQCQP算法在减少迭代次数和计算时间等方面均优于SQP算法.     

耙吸挖泥船动力定位系统推力分配策略的研究

传统的耙吸式挖泥船的三揽定位由于成本低,不能满足复杂多变的河道环境以及高精度作业要求,动力定位系统能够克服挖泥船的大惯性、时变等特性,以满足挖泥船定位/定迹系统的精度和实时要求。本文分析了挖泥船自身配置的推进系统,提出了一种针对同时配备舵桨的推进设备的推力区域的处理方法。最后采用序列二次规划算法,得到推力分配的最优解。通过理论仿真研究,显示该方法满足了动力定位系统发出的推力指令,同时达到了节能增效的目的。     

基于粒子群算法的波形自适应设计技术

针对于序列二次规划算法在求解信杂比限定下的最大互信息雷达波形设计模型时,在计算时受寻优初始值的影响较大,并且极易陷入局部最优的问题,提出了一种基于粒子群序列二次规划算法的波形自适应设计技术。该算法将粒子群算法作为全局搜索算法,序列二次规划算法作为局部搜索算法,将粒子群算法的全局性和序列二次算法的精确性二者有效结合起来,实现对目标模型的求解。通过MATLAB仿真实验的结果可以看出,该算法能够有效对目标设计模型进行求解,且得到的结果能够有效提升序列二次规划算法的求解精度及收敛速度。     

一种基于极限学习机的推力分配方法

针对传统迭代推力分配方法实时性较差的问题,提出了一种基于极限学习机(ELM)的推力分配方法.该方法考虑了推进器的布局条件与推进器推力约束,利用序列二次规划(SQP)算法在短时间内生成了大量用于极限学习机神经网络训练的推力分配样本数据.利用生成的数据集进行了离线训练,并进行了在线测试.仿真结果表明:该方法可以较高的精度和更快的计算速度完成推力分配,体现了其相较于传统迭代优化算法的优越性,更能满足工程应用的实时性需求.     

序列二次规划在机床主轴优化设计中的应用

本文用序列二次规划的算法编制了 FORTRAN —77源程序,对机床主轴进行优化设计经过二次迭代.便收敛.与数学规划相比获得同样精度的解,迭代次数少,机时少,效率高.     

AUV同时定位与跟踪算法研究

为了提高自治水下航行器的水下适应能力,对比目标跟踪与协同导航的概念,并仿照同时定位与制图方法,提出了基于EKF-SLAM框架和FastSLAM框架的自治水下航行器同时定位与跟踪算法.根据装备在携带低精度自定位传感器AUV上的声纳传感器持续探测非合作目标并估计目标航迹的同时,利用探测到的AUV与目标间的相对信息修正其自身航位推算带来的累积估计误差,从而提高AUV的自定位精度,AUV的定位和目标的状态估计同时进行,且要满足一定的精度.仿真比较了所提出的两种算法的精度,并验证了算法的有效性和一致性.     

新的无罚函数无滤子的序列二次规划方法

对一般的具有等式约束和不等式约束的非线性规划问题,提出了一个无罚函数无滤子的信赖域序列二次规划算法.整个算法分为两个阶段,第一阶段计算可行步,以达到减少约束违反度的目的,第二阶段为优化阶段,以减少目标函数的二次模型为目的.此算法中可行步和优化步是相对独立的,任何减少约束违反度的算法都可以应用,具有更大的灵活性.在合理的假设条件下,证明了算法的全局收敛性和局部收敛性.通过数值实验证实了算法的有效性.     

巡飞器攻击阶段弹道规划方法

为了使攻击阶段巡飞器沿最优弹道飞向目标点并与之交会,完成攻击任务,提出了三维弹道规划分解算法.将三维弹道的规划问题分解为二维平面飞行路径和对应的高度值,分别计算,减少了计算量;在此基础上应用遗传算法对分解后的二维平面路径进行规划,得到了满意解.仿真结果表明,算法能有效地减少计算量,解决计算精度与计算量的矛盾.     

执行器故障下临近空间飞行器容错控制重构

临近空间飞行器飞行条件复杂、气动环境恶劣，极易导致飞行器舵面出现故障，容错控制是保证飞行器安全运行的关键，对此提出了一种基于观测器-控制器的有限时间高精度容错控制重构策略．首先，为提高容错控制的精确性，在故障影响下飞行器姿态模型基础上，设计了双层快速自适应滑模观测器，实现对包含故障、干扰等在内的综合干扰有限时间估计，避免了传统自适应增益的过估计，从而有效提高观测器估计精度；进一步基于观测器估计值设计容错控制器，获得故障影响下的期望控制力矩，实现飞行姿态的有限时间容错控制．其次，针对故障时气动舵面实际提供的控制力矩难以满足期望值的问题，引入推力矢量喷管作为补充执行器．考虑故障舵面特性，采用基于二次规划的最优控制分配策略，将期望力矩合理分配到气动舵面及矢量喷管上，通过矢量喷管补偿故障舵面力矩损失，实现执行器故障下控制重构.最后，通过数值仿真验证了所设计观测器的优越性，并验证了所提出容错控制重构策略的有效性．     

面向大型社会活动的智能交通控制策略研究

城市交通系统是由交通工具、交通路网、交通设施和交通运营管理组成的一个整体,良好的控制策略可以有效缓解道路拥堵,提高路网利用效率.为了缓解大型社会活动期间短时间交通需求激增对快速路网运营的压力,提出一种基于动态交通分配理论的智能交通控制策略.该策略以路网总运行时间最少为目标,通过宏观调节分流比例来进行优化控制,为交通控制与管理提供辅助决策依据.同时,讨论了适合模型求解的优化算法——序列二次规划算法,并针对上海快速路网特点进行仿真实验.仿真结果表明:智能交通控制策略可以有效改善路网的运行状态,减少路网的总运行时间,具有良好的实用价值.     

推力器姿轨同时控制下的姿态控制算法

针对推力器安装误差对卫星姿态控制产生强干扰的问题, 设计一种紧凑卫星推进系统的姿态控制算法. 采用对控制力矩和干扰力矩建模的方法对姿态控制影响进行分析, 得到最差情况下的推力器安装误差角组合. 通过计算机仿真实验, 对比了不同安装误差角下三轴的控制结果. 实验结果表明, 轨道机动模式下姿态控制算法具备包络最差情况的能力, 控制结果稳定, 满足精度要求.     

一种序列线性方程组滤子算法的收敛性分析

笔者曾提出一种不可行序列线性方程组滤子方法.它将不可行无需二次规划(QP-free)方法与滤子技巧结合,可以避免罚参数的选取.只需求解两个具有相同系数矩阵的线性方程组以得到搜索方向.在一定程度上克服了序列二次规划方法的缺点.在以上算法的基础上,增加了一个同系数矩阵的线性方程组以计算二阶校正步,使得算法避免了Maratos效应.在一定的条件下,证明了该算法的局部超线性收敛性.     

应用粒子群序列二次规划算法的结构可靠性优化

针对粒子群算法在寻优过程中局部搜索能力较差、后期收敛慢的缺点,提出使用序列二次规划法来改进粒子群算法的局部搜索性能。该混合算法既保持了粒子群算法全局收敛的特点,又补充了序列二次规划法精确求解的能力,因此该算法可以快速获取全局最优解。应用于经典测试函数,可得到较高精度的最优解,验证了算法的有效性。对实际齿轮减速器进行结构可靠性优化设计,建立了结构可靠度约束下最小体积的优化模型,并用该混合算法方法进行优化计算,仿真计算结果表明:该方法解决结构可靠性优化问题是合理有效的。     

GM(1,1)模型改进算法及其应用研究

原始序列规律、一次累加生成序列光滑度及其初始值是影响GM（1,1）模型预测精度的主要原因.为了获得较高的预测精度,在原有改善序列光滑度方法的基础上,给出一种基于加权和最小平均相对误差的灰色改进算法.该改进算法不但能够提高拟合及预测精度,而且拓展了传统GM（1,1）预测模型的适用范围.将传统方法与改进算法应用于实际设备故障诊断和寿命预测,结果表明,改进算法对于机械设备的预知维修具有较好的参考价值.     

一种改进的Logit型多路径交通分配算法

提出了一种改进的基于拓扑遍历Logit型多路径交通分配算法。算法将基于拓扑遍历的最短路算法与合理路径的选择相结合,有效减少了最短路的计算次数,提出了与经典Dial算法的单步法计算工作量相等的算法,改进了合理路径的定义并提高了计算精度。通过计算实例对不同算法的效率与合理性进行了比较。     

变论域模糊控制在X舵抗干扰操纵中的应用

为了发掘X舵潜艇在持续高强度随机干扰环境下稳定操纵的能力,建立了某型X舵潜艇六自由度运动模型,分析了X舵的操纵规律,在X舵模糊控制主体、智能模糊积分环节及控制权限动态分配三个方面对X舵模糊控制系统进行了设计.仿真计算表明:模糊控制系统在潜艇低频和高频随机干扰力和力矩峰值分别为500 k N和400k N·m的作用下,基本能将深度和姿态稳定在期望值,控制效果明显好于比例积分微分(PID)控制器,但在高频干扰下存在小范围抖振现象.采用变论域思想对模糊控制系统进行改进,对深度、纵倾、横倾和航向的误差变化率采用论域在线调节机制,在同样的干扰环境下能够消除深度和姿态的抖振,实现对潜艇复杂条件下航行的精准稳定控制.     

多AUV分布式模型预测深度和纵向速度控制

针对多自主水下航行器（Autonomous Underwater Vehicle,AUV）的深度和纵向速 度耦合控制问题,提出一种基于分布式模型预测控制（Distributed Model Predictive Control, DMPC）的双子系统控制方法. 在DMPC的框架下,AUV和邻居共享信息以建立预测优化问题, 实现多AUV的协同控制. 考虑单个AUV的深度和纵向速度控制,深度控制子系统参考轨迹中 的俯仰角序列作为速度控制子系统中俯仰角的实际值,同时纵向速度控制子系统参考轨迹中 的纵向速度序列作为深度控制子系统中纵向速度的实际值,由此解耦为两个子系统,进而独 立地求解预测优化问题. 仿真实验结果表明,相对于整体系统DMPC方法,本文提出的双子系 统DMPC方法可在牺牲一定深度控制收敛速度的基础上降低计算时间73.3%.