城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

基于ULS、TLS和超声测高仪的天然次生林中不同林冠层树高估测

【目的】应用不同数据源分析不同林冠层中探测提取树高的异同,探索适用于中国北方天然次生林树高估测的方法。【方法】以东北林业大学帽儿山实验林场中林施业区0.25 hm²样地为研究区域,基于无人机激光雷达(unmanned aerial vehicle laser scanning, ULS)、地基激光雷达(terrestrial laser scanning,TLS)和Vertex IV超声测高仪实测单木树高,根据冠层高度分布(canopy height distribution, CHD)对林冠层进行分层,对不同林冠层(上层和下层)、不同树木类型(针叶树和阔叶树)探测提取的树高进行对比与分析。【结果】由CHD计算得到的冠层分层阈值为8.5 m。树高的离群值大多产生在林冠上层,阔叶树比针叶树更容易产生离群值,ULS比TLS更容易产生离群值。在林冠上层,ULS比TLS估测树高的相对均方根误差(rRMSE)低2.56%,ULS提取针叶树树高的rRMSE比阔叶树低2.68%;在林冠下层,ULS仅能探测到少量树木,ULS比TLS探测提取树高的 rRMSE高6.31%,TLS提取针叶树树高的rRMSE比阔叶树低1.16%。【结论】针叶树的树高估测精度普遍高于阔叶树;当TLS和ULS均能对单木进行完全扫描时,具有准确提取树高的潜力;树高离群值多由冠型不规则或相互交叉的阔叶树产生,而大部分针叶树,由于具有规则的冠型,所以产生的离群值较少;基于CHD对林冠层进行划分能够较好地反映不同数据源估测树高的适用范围,具有一定的推广意义。     

无人机的老明星和新秀

目前,世界各国在科学实验、环境监测、地理测量、摄影、通信和军事行动中,广泛使用着无人机.本文介绍的无人机有些是20世纪60～70年代的著名无人高空侦察机,有些是曾在阿富汗战争和伊拉克战争中大出风头的新型无人机,也有中国自行研制的几款无人机.     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

六旋翼无人机测风系统实测海岛地区风剖面

研制了搭载超声风速仪的六旋翼无人机测风系统,对热带海岛地区近海岸、农业温室基地以及密集建筑群等典型地貌开展风场实测. 结果表明：地面粗糙度指数、摩擦速度和地面粗糙度长度均随场地粗糙度增大而提高. 近海岸风剖面可采用指数律或对数律模型,与我国规范A类、欧洲规范Ⅰ类地貌值均吻合较好,湍流强度明显小于现有规范值;温室基地风剖面符合指数律模型,风剖面和湍流强度与日本规范Ⅲ类地貌值吻合较好;密集建筑群风剖面符合指数律模型,且与美国规范B类地貌值吻合较好,湍流强度与日本规范Ⅳ类地貌值吻合较好. 该研究验证了无人机测风的可靠性,为海岛地区工程结构的抗风设计奠定基础,也为复杂地貌的风场观测、风环境评估与风能资源利用提供了新方法.     

机场附近低空风切变的数值模拟预测

分别采用Navier-Stokes方程和镜像对称的方法,对机场区域附近发生低空风切变时所形成的三维流场进行了数值模拟;并根据结果对风切变发生的位置和强度提供有效的预测.计算结果表明,模型预测具有较好的可靠性和实用性.     

国外无人机自主飞行控制研究

无人机自主飞行控制的研究属于飞行控制的前沿问题,其目的是实现无人机的自主飞行控制、决策和管理。由于其高度的复杂性和智能性,在理论和工程实际上尚处于起步阶段。结合近年来国外的发展状况和一些主要的研究成果,对无人机的自主飞行控制的研究进行了概述。首先介绍了自主控制的概念,然后分别探讨了无人机自主飞行控制中几个相关的关键问题,主要包括飞行中规划与重规划,自主飞行控制的分层结构,以及无人机自主着陆等问题,最后对未来的发展方向和面临的挑战进行了展望。     

基于VORONOI图的无人机空域任务规划方法研究

无人机任务规划系统对充分发挥无人机自主控制与飞行和自主执行任务的能力起着十分关键的作用。在分析VORONOI图的性质的基础上，以压制敌防空火力作战任务想定为背景研究基于VORONOI图的无人机任务规划技术，重点讨论了规划环境建模、航路代价计算和初始航路选择问题。最后对该方法进行了时间和空间性能分析。