基于自主运动状态估计及信息交互的多移动机器人协作定位

主要研究了未知动态环境中多移动机器人利用环境信息交互完成协作定位的问题.考虑移动机器人自身运行状态对协作定位的影响,提出基于自主运动状态估计的协作定位周期自适应选择算法.为避免机器人相互直接观测需要配备特定标识的局限,并充分利用处于同一场景中多机器人观测信息的可交互性,论文提出基于MbICP算法的多机器人观测信息交互方法,同时利用扩展Kalman滤波实现多机器人变速运行中的协作定位.通过应用于Pioneer3-DX机器人平台所获得的协作定位实验结果及数据分析,验证了所提方法的有效性和实用性.     

基于改进蚁群算法的移动机器人路径规划

为了提高移动机器人在复杂静态环境下快速、精确地实现避障路径规划的能力，在蚁群算法的基础上进行改进，采用最优一最差蚂蚁系统，并且引入最差路径信息素自适应参数以更好地寻找全局最优解。搜索过程中引入起点终点引导函数，优先搜索距离起点远而距终点近的节点。为提高算法的实用性，运用几何方法对路径进行修正处理。从而实现了机器人的快速、精确路径规划。通过计算机仿真研究表明：该算法具有较强的实用性，能明显改善路径规划性能，并且算法简单有效。     

复杂阴影背景下的USV自动水域边界检测

准确的水域边界检测是无人水面平台(unmanned surface vehicle,USV)自主导航和避障的关键技术.然而,当前基于光学图像的导航避障方法在实际USV系统中的可行性和准确性都偏低,其中,户外复杂自然光照引起的图像阴影是主要的误差源之一.本文提出了一种结合光学阴影处理和能量优化的自动水域边界检测方法,并且在实际的USV系统中得到了验证.首先,详细分析了阴影不敏感的本征图像的基本原理,并用于复杂光照条件下的背景分割;接着,使用光学阴影验证方法区分了不同目标区域,并利用阴影区域和非阴影区域的亮度差值定位水域边界;然后,将水域边界检测问题转化为全局能量优化问题,并为了提高算法的鲁棒性提出了算法的补充条件;最后,使用实际USV系统采集的多组光学图像验证了算法的有效性和鲁棒性.     

不平路面全方位移动机器人智能控制技术的研究

对于不平路面全方位移动机器人,其运动过程时变和突变控制问题一直困扰着研究人员.本文利用自适应控制技术精度高、可拓控制技术反应速度快,将其二者结合起来,对不平路面三轮式全方位移动机器人进行自适应可拓智能控制.通过研究首先构建了三轮式全方位移动机器人运动学和动力学模型,构建了一种自适应可拓智能控制方法,对自适应可拓智能控制器进行了设计,并进行了实验研究.实验结果表明,三轮式全方位移动机器人采用自适应可拓智能控制技术与自适应控制技术相比,具有控制精度高、反应速度快、自组织和自学习能力强的特点,能较好地满足不平路面三轮式全方位移动机器人运动要求.     

移动机器人导航规划的双向平滑A-star算法

针对主流移动机器人导航中蒙特卡罗定位(MCL)算法误差大、传统A-star规划路径实时性差且所得路线为折线的问题,提出了一种基于双向平滑A-star算法的路径规划导航策略.首先提出多传感器融合蒙特卡罗定位的位姿估计定位算法;其次通过优化A-star算法的代价函数,使其整体搜索方向变为双向从而提高算法实时性;最后采取Bézier曲线对所规划路径进行平滑优化,解决A-star算法规划路径折线多、转弯角度过小而无法满足实际物理约束的问题.仿真实验结果展示,相比传统A-star轨迹规划算法,本文算法在路径长度和时间方面分别减少12.1%, 37.2%,平均安全距离和路径平滑度分别提升35.2%, 69.9%;同时在保证的定位精度下所测试的实际实验证明了本文导航规划算法的正确性和可行性.     

移动机器人滚动路径规划的次优性分析

滚动规划是解决不确定信息环境下规划问题的有效方法. 研究了基于滚动窗口的移动机器人路径规划原理与算法, 对规划中的次优性问题进行了详细分析, 并结合具体实例加以阐述.     

全局环境未知时基于滚动窗口的机器人路径规划

研究了全局环境未知时机器人的路径规划问题,借鉴预测控制滚动优化原理,提出了基于滚动窗口的移动机器人路径规划方法.该法充分利用机器人实时测得的局部环境信息,以滚动方式进行在线规划,实现了优化与反馈的合理结合.探讨了规划算法的收敛性.     

基于神经系统与免疫系统调节机理的Memetic计算

Lamarck学习理论已被引入进化计算,能有效提高其局部搜索能力,逐步发展成为进化计算的新热点-Memetic计算.文中从神经系统与免疫系统在生物机体内的整合调节机理,提出了免疫Memetic计算模型,设计了模拟神经系统对免疫反应单向调节的Lamarck学习策略,并针对数值优化问题,提出了基于Lamarck学习的免疫Memetic算法.该算法结合了免疫算法和传统数学规划算法的不同特性,具有较理想的搜索性能.基于10个低维和10个高维基准测试问题的仿真结果表明,基于Lamarck学习的免疫Memetic算法与基于遗传算法的基本Memetic算法相比具有明显的优越性.     

基于分阶段学习的盲信号分离

首先定义了描述信号分离状态的信号相依性测度, 并利用此测度将传统算法中的学习速率参数推广至二维矩阵, 从而提出了一种基于分阶段学习的盲信号分离算法, 即整个信号分离过程被分成三个阶段进行: 初始阶段、捕捉阶段和跟踪阶段, 每个阶段的学习速率由信号的分离程度自适应选取. 理论分析表明, 该算法满足等变化性和分离矩阵的非奇异性条件. 仿真结果证实, 新算法具有比使用固定和其他自适应学习速率的算法更快的收敛速度、更好的稳态性能和更高的数值稳定性.     

人工协调场及其在动态不确定环境下机器人运动规划中的应用

针对动态不确定环境下移动机器人运动规划问题, 提出了人工协调场的方法. 建立了协调力, 并设计了协调场能随机器人和环境的状态发生变化, 以克服传统人工势场法在动态不确定环境下所存在的诸如局部极小、抖动等问题. 和传统人工势场相比, 协调场具有二维正交力矢量. 基于协调因子的实时决策模型, 方便并简化了机器人的行为设计, 有效地克服了局部极小. 重点分析了人工协调场的可控性、自适应性、安全性和可达性等性质及其设计, 并实现了移动机器人在动态不确定环境下基于人工协调场的运动规划. 理论分析和仿真实验结果证明了所提方法的有效性.     

大型复杂构件机器人移动加工技术研究

大型复杂构件,如大型风电叶片、航空结构件、高铁车体结构件等在航空航天、能源和交通等领域有着广泛应用.为解决大尺寸大型复杂构件的自动化智能化加工,将工业机器人集成在移动平台上,组成移动机器人加工系统,进一步增加机器人加工的工作空间与灵巧度,为大型复杂构件的高效精密加工提供了新思路.本文针对大型复杂构件的移动加工方案,分别从移动加工动力学与控制、移动加工多机器人协作与移动机器人测量三个角度对现有文献进行综述.阐述移动机器人加工的整体实施思路与与之相关的研究现状.进一步地,通过对移动机器人加工动力学进行理论建模和实验分析,得到移动机器人加工的动力学特性,发现移动机器人加工振动主要为周期性加工力所激发的移动机器人与工件的耦合振动.最后,设计了T-S模糊控制器,控制机械臂对工件的恒力匀速磨抛加工.仿真结果表明,采用模糊力位混合控制器能够很好的实现移动机器人对工件的恒力匀速打磨.     

一种具有记忆自学习能力的快速动态寻优算法及其无功优化求解

针对传统人工智能在随机复杂环境的适应及交互能力较低问题,有机地将经典强化学习Q(?)算法与多主体协同行为进行高度融合,提出了一种具有记忆自学习能力的快速动态寻优算法.该算法通过与外部环境反复的交互来进行自学习改进,并利用值函数矩阵储存状态-动作对记忆,提出了联系记忆方式,有效地对传统Q(?)算法的动作空间进行降维处理,减小了记忆矩阵的规模;基于多主体协同合作的概念,采用多个主体同时对记忆矩阵进行迭代更新,明显提高了更新速度;在预学习形成良好的记忆后,能快速地进行在线动态优化.最后,文章利用电力系统经典无功优化模型进行了算法测试,IEEE 118节点和IEEE 300节点标准算例仿真表明:本文所提算法在保证较高收敛性的同时,寻优速度能提高到遗传算法、蚁群算法、粒子群等传统人工智能方法的5~40倍,非常适用于大规模复杂电网的在线滚动无功优化.     

半监督增量式SVM在故障诊断中的应用研究

基于半监督学习能够有效降低人工标注成本,以及增量学习可以加快训练速度,避免数据量大时训练时间过长等特性,本文提出了一种半监督增量式SVM算法.在算法中,首先对已标记样本进行训练得到初始分类器,然后利用此分类器对新增样本进行标记,最后结合KKT条件选择合适的样本对分类器进行更新.每当有新样本加入便执行以上过程,以保证分类器得到及时更新.将该算法运用于6135D型柴油机的故障诊断中,并与传统SVM算法和增量式SVM算法进行了对比,证实了本文所提算法的可行性与有效性.     

面向空间态势感知的天基可见光空间目标自主跟踪方法

天基可见光(space-based optical, SBO)监视是空间态势感知的重要手段之一.传统的天基观测平台都需要在自身精密星历已知的情况下,通过对目标的测量,确定其状态.而本文提出了自主天基空间目标监视的概念,天基可见光观测平台在自身精密星历未知时,也可以完成空间态势感知任务.与传统的目标跟踪不同,此方法只需依靠平台获取的在惯性系下描述的仅测角测量信息,便可实现自主定轨.结合长弧段的观测数据,本文给出了基于历史数据的事后自主轨道改进算法.通过分析发现,观测卫星对其他目标观测的历史数据也可用于改进原有的被观测目标的轨道.基于此,本文提出了通过额外测量量辅助下的实时自主跟踪策略,可通过单星搭载多SBO相机,对多目标同时跟踪的方式实现.最后,本文通过仿真算例验证了所提出方法的可行性.与传统的空间目标跟踪相比,虽然自主跟踪的精度较低,但在同时跟踪两目标时,尤其是在同时跟踪低轨和高轨两目标的情况下,估计精度能接近传统方法的水平.本文为发展自主天基空间态势感知平台提供了可行的方法.     

基于进化算法的递归神经网络系统辨识方法

针对传统的递归神经网络学习算法存在的缺陷,本文利用进化算法对递归神经网络进行优化设计,提出了一种基于改进进化算法的递归神经网络系统辨识方法.该方法利用高斯变异和柯西变异相结合的方式进行变异操作,利用个体适应度和种群多样性指标使交叉概率和变异概率进行自适应调整,可以保证变异操作按一定的幅度均匀地分布在整个网络上,提高算法的收敛速度,避免早熟现象.给出了算法的具体步骤,通过仿真实验证明了该算法的有效性.     

嫦娥三号巡视器GNC及地面试验技术

嫦娥三号巡视器是我国首个实现地外天体表面巡视探测的航天器,其制导导航控制（GNC）技术与地球卫星和飞船等全然不同.嫦娥三号巡视器GNC系统突破了月面自主导航定姿定位和协调运动控制、基于双目立体视觉的自主环境感知、基于地形通过性量化分析的路径规划、基于主动结构光被动视觉的激光探测避障以及地面试验验证等关键技术.在轨飞行试验结果表明,GNC系统实现了既定任务目标,为未来火星等深空巡视探测任务奠定了技术基础.本文对巡视器GNC系统的任务要求、系统组成、功能实现方案及关键技术、工作模式、地面试验验证及在轨飞行情况等方面进行了系统介绍.     

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.     

斯金纳自动机：形成操作性条件反射理论的心理学模型

操作性条件反射是动物学习的一种基本的机制，它表示所有的动物，从微生物到人类都是通过操作性条件反射来指导学习的．介绍了一种新的概率自动机，称作斯金纳自动机，它是形成操作性条件反射的一种心理学模型．通过热力学过程来模仿动物的学习过程，并且从蒙特卡罗方法以及Metropolis算法，和模拟退火算法中提出了斯金纳算法．在特定条件下，证明了斯金纳自动机是便利的、ε-最优的、最优的以及操作概率会以概率1收缩到一个稳定的根．斯金纳自动机使机器可以像动物一样自主地学习．     

相干光M-PSK系统的弹性DAML相位估计算法

相干光通信系统中判决辅助式最大似然(DAML)相位估计算法因其较高的计算效率引起了广泛的关注.然而,传统DAML相位估计算法假设激光器相位噪声在整个块长度区间内是恒定不变的,这引起了块长度效应.本文考虑了激光器相位噪声缓慢时变的特点,并提出了基于相干光M-PSK系统的弹性DAML相位估计算法来克服传统DAML相位估计算法中存在块长度效应的缺点.该算法在传统DAML算法的基础上引入了加权系数来更准确地进行载波相位恢复.同时,本文推导了该算法的相位估计误差,并用仿真验证了其有效性.仿真结果也表明:弹性DAML算法能消除传统DAML算法的块长度效应,并能放宽相干光M-PSK系统对激光器线宽的要求.     

移动机器人软故障检测与补偿的自适应粒子滤波算法

软故障泛指系统性能偏离正常水平。软故障补偿对于移动机器人定位、建图、导航以及安全至关重要。机器人是计算和存储资源受限的高度非线性、非Gauss系统，使得软故障诊断与补偿具有很大难度。文中提出一种自适应粒子滤波器算法，利用激光雷达测量信息对两类软故障（航迹推算传感器故障以及车轮被卡或打滑异常）进行补偿。首先分析了移动机器人系统的运动学模型、测量模型以及故障模型，提取了5个残差特征，故障检测通过残差特征超过给定的阈值实时地获得。其次，设计一个自适应粒子滤波器用于故障补偿，自适应体现在相互联系的两个方面：（1）根据残差特征自适应地调整线速度和偏航率的噪声方差；（2）在重采样阶段抽取粒子数目不同的两个粒子集（代表同一分布的两种近似），根据两个近似分布的Kullback-Leibler（KL）距离自适应地调整粒子数目。若KL距离较大，则增加粒子数目，反之则减少粒子数目。从理论上证明了算法的正确性，并通过故障情形下移动机器人位姿跟踪问题验证了算法的效率与精度。