基于改进马尔可夫决策过程模型的多机协同航路规划研究

该文针对多无人机在复杂环境下执行作战任务易受环境威胁影响的问题,提出一种基于改进马尔可夫决策过程模型的多无人机航路规划算法。利用离散化雷达威胁信息,设计多无人机作战环境与状态空间数目;将目标点方位空间离散化,进而合理分配状态转移概率;将雷达威胁与马尔可夫决策过程模型相结合,在无模型均匀结构的报酬函数基础上引入非均匀结构雷达威胁模型,建立改进马尔可夫决策过程模型执行策略搜索,为多无人机进行飞行航路规划。仿真结果表明,该方法不仅能为多无人机快速规划出合理有效的飞行路径,还使得多无人机航路威胁代价和综合代价降低了25%,保障在复杂战场态势下无人机高效执行任务的安全性。     

基于改进型A*-Markov联合模型的无人机航路规划

实验一种基于改进型A~*算法来对无人机进行任务路径规划.引入了无人机的机动步长、转角限制和飞行高度,有效地缩减了无人机搜索空间,除此之外还引入了地形、任务等约束条件,使航路规划更接近于真实环境.考虑到规划过程中敌方能力的不确定性,以及无人机在航路中的生存概率的不可知性,采用八状态Markov模型评估无人机的飞行状态.该模型与A~*算法结合时在威胁区域内完成任务后,由于时间的积累向外扩展时生存代价值越高,导致迭代次数过多,而同心圆模型越向外扩展时生存代价值越低的优点可避免该问题,因此引入同心圆模型与Markov模型的联合模型.仿真实验结果表明,该方法可以有效地检测航路中飞机的各种状态的概率,以此对整个航路进行评估,并且有效降低了仅采用Markov模型时在威胁区域内完成任务点后规划新航路迭代次数过多的问题.     

基于动态RCS模型的天波雷达发现概率计算方法

针对现有方法影响因素考虑不全导致计算结果与实际情况有较大偏差的问题,提出了一种改进的天波雷达飞机目标发现概率计算方法。归纳了不同电离层状态对天波雷达探测距离的影响。考虑目标在给定航路飞行过程中的雷达截面积随姿态变化,建立了目标动态雷达截面积计算模型。在此基础上,利用瞬时发现概率模型和综合发现概率模型求得天波雷达飞机目标发现概率。实例计算结果表明:电离层Es全遮蔽状态导致目标发现概率下降了0.273,不同航路和飞行姿态条件下目标发现概率差异较大,最大差值达0.253。     

基于自适应特征融合的均值迁移目标跟踪

提出了一种基于自适应多特征融合的目标跟踪算法.分别利用RGB颜色和LBP纹理特征建立目标模型,通过线性加权将两类目标子特征模型代入目标相似性函数并用均值迁移算法进行目标位置优化计算.在跟踪过程中,引入S igmoid函数动态调整两类子特征权重,并利用子特征相关系数和可靠性指数对目标特征模型选择性自适应更新.实验结果表明,该算法能在跟踪场景和目标外观变化时自适应调整两种子特征权重,避免了特征失效导致的跟踪失败;特征模型选择性更新策略有效抑制了模型漂移.与单一特征和模型直接更新的跟踪方法相比,该算法在复杂跟踪环境更具有鲁棒性,能进行准确稳定的实时跟踪.     

基于多目标规划的WSN路径动态选择算法

为解决无线传感器网络中查询的能量有效和实时性之间的矛盾,提出一种基于多目标规划理论的动态路径选择算法(MOPEH).该算法结合了最低能耗路由策略(ME)和最小跳步数路由策略(MH),运用多目标规划模型,将能量代价和传输时延同时作为路由算法的设计目标,利用深度优先搜索策略建立了节点间的所有可行路径集合,并从中选择能耗低于平均能耗的路径.根据查询要求设定网络性能函数,动态调整两项性能指标,从可行路径集合中选择满足要求的路径,得到最优解.实验证明该算法能够能量有效地处理实时查询.     

飞机排班问题的模糊优选动态规划模型

提出一种基于多目标模糊优选动态规划方法有效解决飞机排班问题的新算法.该算法将二级模糊模式识别理论与动态规划概念相结合,建立了以飞机使用均衡、航班尽快恢复为目标函数的多阶段多目标前向动态规划模型,从第一阶段开始,对各阶段的可行决策进行多目标模糊优选,依次向后递推得到调度结果.实验数据表明,飞机调度策略与实际飞机排班结果一致,耗时仅9.06s,该算法能有效解决飞机排班问题.     

一种自适应概率规划规则抽取算法

在已知状态迁移条件下，利用传统概率规划技术能够获得确定的规划规则，而强化学习技术能够在未知环境条件下，利用试错和奖赏函数在线学习动态环境的策略知识。因此一种自适应的概率规划规则抽取算法被提出。该算法首先在强化学习获得的最优状态－动作对值函数基础上，通过迭代得到有折扣无奖赏的值函数和无折扣无奖赏的值函数。然后通过子规划剪枝将大于指定规划步数的子规划去除，并得到子规划剪枝后的状态－动作对值函数。最后通过Beam search算法从值函数中抽取满足概率规划条件的规划知识，从而在规划模型变化的条件下。也可以获得确定的概率规划规则。实验证明，这种自适应概率规划规则抽取算法是有效的。     

一种采用灰色马尔科夫组合模型的采煤机记忆截割算法

针对传统采煤机记忆截割策略需要频繁人工调整摇臂高度导致效率和精度低等不足,提出利用灰色马尔科夫组合模型的采煤机自适应记忆截割策略。当采煤机截割岩石时,首先根据截割高度先验数据,利用灰色模型得到截割高度预测数据,在此基础上,对该预测数据进行残差计算和状态划分,确定马尔科夫链状态概率矩阵。通过马尔科夫链状态概率矩阵对灰色模型进行反馈修正,得到采煤机截割高度自适应调整值。通过模拟采煤机工作面调整高度,对2种采煤机记忆截割策略进行仿真分析。研究结果表明:传统记忆截割模型可信度为96.26%,但需要5次人工调整,而灰色马尔科夫记忆截割模型的可信度在无人干预下高达99.20%;基于灰色马尔科夫组合模型的采煤机记忆截割策略不仅具有更高的控制精度,而且大大提高了采煤机的自动化水平。     

基于时变马尔科夫转移概率的机动目标多模型跟踪

为了消除机动目标多模型跟踪中人为因素对跟踪精度的影响，提出了一种新的基于时变马尔科夫转移概率的机动目标多模型跟踪算法．该算法通过对Baum辅助函数的最大化实现隐马尔科夫模型状态转移概率的参数估计，并将估计结果用于交互式多模型算法的设计中，构造出时变马尔科夫状态转移概率的交互式多模型算法，有效地降低了人为因素对机动目标跟踪精度的影响．通过对一个机动目标的跟踪对比，说明了该算法比传统的交互式多模型算法具有更小的跟踪误差和良好的模型跟踪概率．     

基于多目标自适应Memetic算法的复杂网络社区检测

针对提高复杂网络社区检测精准度的问题,提出一种基于自适应Memetic算法的多目标复杂网络社区检测算法.在基于Random-walker初始化策略的基础上,将Logistic函数与适应度函数相结合,引入动态自适应策略调整交叉和变异概率,挖掘网络拓扑结构的同时提高社区检测精度.将多目标优化转化为同时最小优化连接度(MRA)和分割度(RC)2个函数,在局部搜索中,利用加权和的方法将2个目标函数构成1个局部优化目标,并采用爬山算法寻找个体最优.在人工和真实数据集上对算法进行验证,结果表明:该算法能有效提高社区检测精准度,具有较好的寻优效果.     

考虑空间相关性风扰动的中期冲突探测算法研究

针对中期冲突探测问题,建立了在不同高度两机相遇的模型。在考虑风速以及风扰动引起的两机位置相关性的基础上,得到两机相对位置的随机差分方程。对研究区域进行网格离散化后,构造弱收敛于此微分方程的马尔科夫链,快速求得相对速度可变的两机在未来数十分钟内任意时刻发生冲突的概率;并将算法扩展到两机当前位置不明确的情况。最后进行相关性对冲突概率的影响分析。     

基于飞行计划集中处理的多航空器无冲突航迹规划

为增大空域容量,提高飞行安全,降低管制员的工作负荷,4D航迹预测与规划是国内新一代空管自动化系统中最为重要地一项核心技术。首先在预战术流量管理阶段,通过飞行计划集中处理得到的航空器飞行计划信息,将航线划分成若干航段。然后利用航空器在不同航段间的离散型模型和单个航段中运动的连续型模型建立混杂模型,通过全飞行剖面混杂模型进行航迹预测;在相对运动法中采用调整速度来规避航路交叉点冲突以实现冲突解脱。最后提出航迹规划方法并对航空器进行无冲突航迹规划。仿真算例表明：在飞行计划集中处理与混杂模型下预测的水平航迹与垂直航迹能够准确地反映航空器飞行状态变化;调速法或调整时刻能有效地规避飞行冲突,所以提出的无冲突4D航迹规划方法是切实可行的。     

基于危险值分布流模型的飞机时间间隔计算方法

前后两架飞机的间隔是影响进近航路容量的关键因素,为了在飞机进近阶段前后两架飞机之间既能保持安全,又能最大程度地缩小两机之间的尾流间隔,提升进近阶段的到达容量,使用一种改进的Lighthill-Whitham-Richards(LWR)的交通流量模型,改进后的LWR模型将进场着陆的飞机发生碰撞冲突的概率视为与飞机数量相关的连续分布,称为危险值分布,通过危险值分布预测发生冲突的概率,使用速度平差法计算不同机型组合的安全间隔.基于危险值分布流模型对进近阶段上不满足间隔的飞机提出速度调整方法,使飞机之间保持所需的最小间隔时间,以便能够最佳利用进场着陆空域的容量.     

A*算法的场面滑行动态规划方法

针对大型繁忙机场交通冲突频发、起飞延误等问题,在战略和战术层面分别对机场场面滑行路径规划方法展开研究。简化了机场路网结构,将滑行路径规划与进离场序列结合,建立了航空器总体滑行耗时最短,延误最少的动态优化模型。在比较了流行的机场滑行路经规划算法基础上,从战术规划的角度提出了一种新的基于A~*算法的场面滑行动态规划方法和冲突解脱策略。案例仿真结果表明该方法可以快速有效的减少航空器总体滑行时间和解决滑行冲突,实现机场场面运行效率提升和机场运营的自动化。     

一种用于车辆最短路径规划的自适应遗传算法及其与Dijkstra和A*算法的比较

提出了一种自适应遗传算法,并成功应用于车辆最短路径规划算法中. 所采用的编码方式、交叉及变异算子等均针对最短路径规划问题而专门设计;同时,提出了一种新的交叉概率、变异概率在线自适应调整策略,以便提高遗传算法的搜索速度和搜索质量. 将该算法同Dijkstra算法、A*算法进行了仿真比较. 对五种不同情况的仿真研究结果表明:同Dijkstra算法相比,该自适应遗传算法可以减少搜索到最短路径的时间;同A*算法相比,该自适应遗传算法则可以搜索到更多的最短路径.     

基于多因素融合建模下无人机航行环境评估方法

当前无人机(unmanned aerial vehicle,UAV)任务路径的研究已日益广泛。现实环境中执飞空域将由多机种多机型共同参与,针对无人机间,以及与载人运输机间的航行环境分析及空域密度评估,还处于研究初级阶段。为正确分析大型无人机在复杂区域内执行任务对航行环境的影响,综合考虑尺寸与性能数据、空域结构、空中交通服务和飞行技术安全等因素,首次建立多种因素融合下的无人机航行环境评估模型,并获取量化评估结果。计算结果表明:通过分析模型计算得出航空器间最小距离,可为制定航路航线间隔,判断空域密度等问题提供数据参考。为未来低空空域开放,实现载人运输机和无人机安全、协同飞行创造条件。     

间接状态监测下基于维修费用及残余寿命的设备维修策略

针对不能直接诊断间接状态监测下设备劣化状态的问题,提出了制定费用最优的设备预防性维修策略方法.利用马尔可夫链表示设备的劣化状态,给出了设备可靠度函数,运用贝叶斯规则和马尔可夫模型进行设备状态概率分布研究,建立了间接状态下设备维修费用和设备残余寿命模型,分析了基于设备维修费用和设备残余寿命的设备维修策略.通过实例说明了间接状态监测下基于维修费用和残余寿命制定并实施最优维修决策标准的方法.
关键词：     

森林火灾多机型救援三维航迹规划

为解决通用航空森林火灾救援时机群调度存在的航迹优化问题，本文提出一种针对多机型的自适应三维改进A*航迹优化算法。目前常用的传统A*算法存在搜索节点多、计算速度慢和受限于二维空间等缺点，本文综合考虑不同救援航空器实际飞行时的性能限制，从三维空间上改进搜索节点；提出考虑救援成本的代价函数，同时采用自适应方法动态调整权重。仿真结果表明，该算法能有效减少航迹规划时间和航迹长度，加快搜寻救援方案的生成速度，有效提高救援机群调度效率，更符合通用航空器实际林火救援飞行。研究成果可为提高通航森林火灾救援效率提供理论依据，具有一定的参考意义。     

基于实时工况的动态物料搬运路径规划

文章针对生产系统物料需求环境复杂多变以及生产过程中各种扰动所导致的搬运路径的不确定性问题,研究了物料搬运路径规划的重规划驱动机制以及扰动发生时的重规划策略;建立了包含多需求点、多搬运工具的多目标动态重规划搬运路径模型,以搬运时间、成本最小作为模型的优化目标,在扰动发生及到达重规划周期时间的情况下重新生成搬运路径;结合智能优化算法对该模型实例进行仿真计算,验证该规划方法可以增强搬运系统敏捷性并有效减少物料搬运的成本。     

基于逐维改进的自适应步长布谷鸟搜索算法

步长的选取对于布谷鸟搜索算法的收敛速度与运算结果的精度起着关键作用。提出了一种基于逐维改进的自适应步长布谷鸟搜索算法。首先,在原始自适应步长布谷鸟搜索算法中,当上一代鸟窝位置为最优位置时,步长不再更新,则简单修正原有的步长让其更新;其次,将逐维更新评价策略引入修正后的自适应步长布谷鸟搜索算法。实验结果表明,该算法不仅平衡了全局寻优能力和寻优精度之间的矛盾而且具有较好的收敛速度。