基于队形控制的多机器人时间最优搬运方法

从多机器人队形控制的角度出发,并以组群机器人系统结构为基础,分析设计了一类多机器人协作搬运方法--时间最优搬运方法,主要解决了在被搬运物体形状未知的情况下如何寻找最优搬运点以及各机器人时问最短到达最优搬运点的路径规划问题,并证明了稳定时间最优路径规划算法(STOPP)满足队形变换时间最优且保证队形转换过程中系统内部避碰.     

基于特征分解的多目标定位系统仿真实验研究

基于特征分解的高分辨方位估计（DOA）算法是一类性能良好的目标定位方法,具有良好的工程应用前景。针对水下阵列信号处理的实际应用,在多目标定位的多处理器硬件系统中,实现了阵元域和波束域两类高分辨DOA算法,在VisualDSP＋＋仿真环境中对水池实验数据进行了仿真实验研究,对算法的运算时间和方位估计的性能进行了分析。结果表明,该系统能够较好的完成各种高分辨方位估计算法,具有良好的方位估计性能和实时处理能力,波束域方法性能优越,满足了工程技术要求。     

有人/无人机编队队形集结控制研究

针对有人/无人机(manned/unmanned aerial vehicle, MAV/UAV)编队队形集结控制问题,设计了一种基于航迹规划-跟踪的MAV/UAV编队集结控制策略。首先,考虑编队队形集结边界约束与防碰撞约束条件,设计了一种基于Dubins曲线与协同模拟退火粒子群优化相结合的编队集结航迹规划算法。然后,以规划得到的集结航迹作为期望航迹,设计了一种双回路结构的非线性路径跟踪控制方法。最后,利用Matlab软件对设计的航迹规划与跟踪控制方法进行了仿真对比实验,仿真结果验证了方法的有效性和优越性。     

基于改进神经网络的多AUV全覆盖路径规划

针对三维环境下的多自主水下机器人(Autonomous Underwater Vehicle,AUV)全覆盖路径规划问题,提出一种基于改进神经网络—Glasius生物启发神经网络（Glasius Bio-inspired Neural Network,GBNN）的全覆盖路径规划算法。对AUV的水下工作环境构建离散的三维栅格地图;根据栅格地图,建立相对应的三维GBNN模型;根据GBNN活性值的动态变化,AUV规划各自的搜索路径,对水下任务区域进行全覆盖搜索。仿真结果表示,多AUV可以协同完成覆盖搜索任务,能够自动避开各类静态和动态的障碍物,自动逃离路径的死锁区。     

基于时域滤波水下多目标定位研究

提出了基于时域滤波的水下多目标定位新方法。它根据水下多目标的回波信号在时域上可分辨的特点,利用匹配滤波原理设计时域滤波器,并对回波信号进行实时滤波,从而消除了目标之间的干扰,提高了目标信号的信噪比。仿真结果表明该方法的分辩能力、估计精度都优于其他多目标定位方法,尤其在阵元数较少和低信噪比的情况下仍然能对水下多目标进行有效定位。     

基于多视线融合的高轨近场感知队形设计

针对高轨卫星近场态势感知(near-field situation awareness, NSA)问题,提出了基于多视线(line-of-sight, LOS)融合的多星协同NSA方案,研究了考虑相对状态估计精度、光照约束等因素的NSA队形设计方法。首先,基于系统状态方程、测量方程,以及扩展卡尔曼滤波算法,构建了多LOS融合的NSA模型;然后,通过理论分析获得了LOS夹角越趋近90°,目标位置估计误差越小的NSA队形设计准则;进一步考虑光照、有界性相对运动等约束条件,提出了NSA队形优化策略,并利用罚函数法对由NSA队形优化问题转换得到的非线性规划问题进行求解。数值仿真验证了所提出的多LOS融合NSA模型、队形设计准则和NSA队形优化策略的有效性。     

AUV发动机的ADAMS/MATLAB联合仿真研究

通过对自主式水下航行器(AUV)双曲面凸轮式活塞发动机的剖析,基于ADAMS和UG得到发动机虚拟样机模型,基于MATLAB及Simulink工具箱建立了发动机的控制模型,基于ADAMS/Control模块与Matlab/Simulink接口得到联合仿真模型,使用发动机实车相关数据验证了模型的准确性.通过联合仿真得到发动机关键部件的运动曲线、受力情况和关键部件之间的间隙对运动与受力的影响,并指出了间隙上限.仿真结果表明该方法可行、有效、实用,为水下航行器发动机的设计和优化提供了理论依据和一种现代化方法.     

未知环境下基于感知自适应的多AUV目标搜索算法

针对未知环境下目标搜索的复杂性与环境特征的随机性问题,提出了基于分区域的感知自适应目标搜索算法,来解决传统的梳子形搜索模式或预先离线设计的全局优化航迹中,自主水下航行器不能灵活适应环境的目标搜索问题。该方法的主要特点是根据AUV视域内有环境目标特征时,实时设计最优一步的航迹规划,并利用贝叶斯估计来完成目标定位,无目标时,利用分区域栅格值并锁定任务区域的航迹规划,两种模式交替进行来提高搜索的灵活性。仿真结果表明,相比于传统搜索模式或全局优化航迹,该方法增强了环境适应能力,提高了目标搜索效率。     

基于交互式模型的多AUV协同导航鲁棒性滤波算法

针对多自主式水下潜器(autonomous underwater vehicle,AUV)在协同导航过程中量测异常等问题,提出一种基于交互式模型的多AUV协同导航滤波算法。首先以建立多AUV协同导航基本模型为基础,给出基本的协同导航滤波过程;通过广义最大似然估计的滤波算法对受污染的量测噪声进行处理;进一步地,利用Schweppe形式下的广义最大似然估计解决量测出现的异常情况;运用交互式多模型算法解决由量测噪声时变而造成的滤波精度下降问题。最后仿真结果表明该协同导航滤波算法具有良好的自适应鲁棒性。     

基于虚拟环境的AUV外形动态设计研究

提出了基于虚拟环境的AUV外形动态设计方法。该方法使得外形动态设计过程的各个阶段都成为一个包括设计人员和虚拟环境在内的回路,既可以将设计过程及时全面地展示给设计人员,又能够让设计人员方便地对设计过程进行驾驭,充分发挥其经验和创造力。着重研究了该方法的驾驭式动态设计理论、动态设计的功能与实现流程等关键技术和系统实现。结合AUV外形优化设计模型,开发了一个AUV外形动态设计系统。最后,用一个AUV外形动态设计过程证明了该方法具有可视化程度高,便于驾驭等优点。     

基于地磁异常定位的水下载体地速测量新方法

根据水下地磁异常定位中磁性目标位置不变的特点,提出了载体在航行时姿态不变与变化的情况下载体对地速度的解算方法。给出了两种方法的计算公式并进行了数值仿真,结果表明两种方法均具有较高的解算精度,为载体对地速度的绝对测量提供了一种新途径。理论分析与数值仿真了速度解算误差与载体速度间的关系,结果表明误差随速度增大而增加,但即使速度较大时误差也可接受。     

贝叶斯网络增强型多模型AUV组合导航算法

针对复杂环境下自主水下航行器(autonomous underwater vehicle,AUV)组合导航系统中存在噪声不确定或者易发生变化的情况,提出一种贝叶斯网络增强型交互式多模型(interactive multiple model filter based on Bayesian network,BN-IMM)滤波算法。该算法在多模型估计基础上,引入特征变量,并根据变量与系统模型之间存在的因果关系建立贝叶斯网络;利用贝叶斯网络参数修正多模型估计中的模型切换概率,能够降低多模型算法中真实模式识别对先验知识的依赖性。该算法能够解决交互式多模型(interactive multiple model,IMM)算法中模型转换存在滞后、模型概率易发生跳变等问题,增强多模型算法的自适应能力。以陀螺和加速度计的输出作为特征变量建立贝叶斯网络,对AUV组合导航系统进行仿真,结果表明所提出的BN-IMM算法相比于传统的IMM算法能够显著提高机动状态时模型转换速度和估计精度。     

基于双水听器的多自主水下航行器协同导航方法

协同导航定位是实现多自主水下航行器(multiple autonomous underwater vehicles, MAUVs)协同作业必须解决的关键问题。针对主从式MAUVs,提出了一种基于双水听器信号的MAUVs协同定位方法。在主从式结构中,主AUV内部装备高精度导航设备,从AUV内部装备低精度导航设备,外部均装备水声装置测量相对位置关系,从AUV通过水声测量确定出相对距离和相对方位角,再辅以主AUV精确位置,得到从AUV精确位置。研究结果表明,利用主AUV作为协同导航定位,可以显著提高群体的导航定位精度。     

基于模型参考的多自主水下航行器自适应覆盖控制

针对海洋监测过程中由水下粘滞物等因素引起系统模型参数变化的情况,提出了一种基于模型参考的多自主水下航行器(autonomous underwater vehicles,AUV)自适应覆盖控制方法,旨在合理分配多AUV资源,提高目标海域的监测效率。首先根据给出的系统代价函数,应用质心Voronoi分配原则对目标海域进行最优分配,确定多AUV最优监测目标。在此基础上,利用基于模型参考的自适应控制方法,设计在AUV模型参数未知的情况下,多AUV的最优覆盖控制方法,使得覆盖网络能够从任意初始位置收敛到最优覆盖配置。最后通过仿真实验验证了上述算法的可行性与有效性。     

基于粒子群优化算法的USV集群协同避碰方法

针对无人水面艇(unmanned surface vessel, USV)集群在路径规划中的协同避碰问题,提出了基于滚动优化策略结合粒子群优化算法的USV集群协同避碰方法。首先,通过已有雷达、光电等传感器参数指标建立综合视域模型;其次,采取基于正切函数的惯性权重调整结合线性调整学习因子的方法来提高粒子群优化算法的全局搜索能力,同时,在适应度函数中加入转艏角控制来提高路径的平滑性;最后,利用改进后的粒子群优化算法规划出每个综合视域内的路径。仿真实验结果表明,该优化算法能实现USV集群的实时避碰,并快速为USV集群规划出平滑、安全的全局最优无避碰路径。     

基于改进粒子群算法的USV航向分数阶控制

针对欠驱动水面船舶（underactuated surface vessel,USV）航向保持稳定性问题,对船舶自动舵控制系统设计了分数阶PIλDμ控制器。积分阶次λ和微分阶次μ的引入使得分数阶比例积分微分（proportion integration differentiation, PID）PIλDμ控制器具有更好的鲁棒性和抗扰动能力,但同时也加大了算法设计的难度。使用改进粒子群算法对分数阶PIλDμ控制器参数进行整定,即解决了粒子群算法容易使粒子陷入局部最优问题,又解决了分数阶PIλDμ控制器整定参数多、设计复杂问题。通过仿真对比实验,结果表明,该控制器能很好地根据船舶动态特性变化,自动进行适应性参数优化,具有跟踪速度快、航向控制超调小以及抗扰性强等优点。     

基于置信椭圆的无人艇区域覆盖搜寻规划优化

为解决水上遇险目标搜寻存在搜寻区域过大、搜寻代价过高等问题, 提出一种基于置信椭圆的无人艇区域覆盖搜寻规划方法。首先, 利用高斯混合模型聚类算法划分搜寻区域, 再基于腐蚀膨胀的置信椭圆确定最佳搜寻区域边界, 实现目标包含概率和单位面积粒子数全局最优。然后, 构造适应椭圆搜寻区域边界特征的无人艇转向模型, 优化非工作路径。最后, 以搜寻探测概率和总路径为优化目标, 采用带精英策略的非支配排序的遗传算法(nondominated sorting genetic algorithm II, NSGA-II)优化得到最佳搜寻规划路径, 实现无人艇高效区域搜寻规划。与常规矩形区域覆盖搜寻规划对比, 能够在达到相同搜寻成功率下显著减少搜寻代价投入。     

基于干扰观测的欠驱动无人艇自适应航迹跟踪控制算法

研究了欠驱动无人艇在外界干扰条件下的航迹跟踪控制问题,提出了一种基于干扰估计与补偿的航迹跟踪控制算法,实现了风浪流干扰环境下航迹的精确跟踪。算法引入纵向误差作为状态变量对扩张干扰观测器进行设计,实时估计干扰的稳态分量,相比于传统的基于输出反馈干扰估计算法,其灵活性、可控性更高;同时基于纵向跟踪误差的状态估计误差,设计扩张干扰观测器变增益因子,相比于基于常增益观测器的航迹跟踪算法其能够在实现干扰补偿的前提下,有效减小航迹跟踪收敛段的震荡。基于李雅普诺夫稳定性理论证明了级联控制系统与干扰观测系统在平衡点的半全局指数稳定性,通过仿真对比实验及分析证明了所提航迹跟踪算法的有效性和先进性。     

基于非对称模型的欠驱动USV自适应路径跟踪控制

研究海流等外界扰动环境下一类非对称欠驱动无人艇的路径跟踪问题,提出了一种自适应路径跟踪控制算法。首先,基于坐标变换解除控制输入与欠驱动运动自由度的耦合;其次,利用级联系统理论,分别设计了自适应位置误差控制律和艏向角误差控制律。其中,提出的自适应位置误差和期望艏向角控制律中前视距离和积分增益都是以位置误差为函数的时变量,自适应估计并补偿外界扰动造成的侧滑角,从而获得对位置误差的镇定。艏向角误差则利用动态反馈线性化比例微分控制方法,根据滤波后的连续平滑信号去镇定。最后,基于级联系统理论和李雅普诺夫理论证明了当所有控制目标实现时,控制系统为一致半全局指数稳定和一致全局渐进稳定的,理论分析和仿真实验说明了算法的有效性。     

基于精英族系遗传算法的AUV集群路径规划

针对传统路径规划算法仅能规划单一最短路径且不能调节路径宽度而难以适用于自主式水下航行器(autonomous underwater vehicle, AUV)集群航路规划的缺陷, 提出了精英族系遗传算法(elite family genetic algorithm, EFGA)。该算法将基因适应度加入适应度评价函数中, 同时在进化过程中标记精英个体作为多路径规划结果, 并在该算法基础上针对AUV集群路径规划问题设计了一种多智能体路径规划(multi-agent path planning, MAPP)方法。仿真结果表明, 该算法可以求解无冲突路径集合实现MAPP, 通过实现AUV集群的最优多路径航行方案减少集群的航行耗时, 且能够满足不同AUV编队规模对可调路径宽度的需求。