基于蚁群优化算法和人工势场的无人机航迹规划

针对复杂环境下的无人机航迹规划问题,建立栅格化环境模型,提出了结合蚁群算法与人工势场的航迹规划方法. 在航迹搜索过程中,蚂蚁不仅受到信息素和启发信息作用,还受到势场力的影响. 根据节点位置的势场力分布,提出了确定性选择和概率性选择相结合的状态转移规则,并设计环境感知因子,动态调整确定性选择的比例. 将节点的势场方向、节点与目标间的距离构造蚂蚁的综合启发信息,以充分利用对已知环境的认知,指引蚂蚁搜索. 仿真结果表明所提方法能有效得到无人机的最优航迹,优化效果优于单一的蚁群算法和人工势场法,具有更好的收敛速度和优化精度.     

无人机航迹规划系统的设计与实现

【目的】航迹规划程序UFP(UAV飞行规划)是无人机任务规划系统的核心，也是目前科研人员研究的重点。为了确保无人机能顺利完成各种作战计划任务，任务规划系统必须对各种战场因素进行综合分析。【方法】通过人工设计和操作，可直接将任务指令传输给无人机，基于.NET的无人机航线规划系统，使用数字高程模型图，并采用Dijkstra算法来寻找最优的飞行航迹。【结果】选择适合战场因素和自身性能指标的最优航迹，从而确保无人机能安全、按时抵达任务区域，并按任务规划来完成既定任务。【结论】无人机航迹规划系统作为当今战争的重要支撑，运用该系统能大大提高作战效能，进而巩固国防。     

基于稀疏A*算法与文化算法的无人机动态航迹规划

针对无人机动态航迹规划问题,结合数字地形和天气等信息建立全数字概率地图,采取先离线静态全局规划后在线实时动态规划的两级分层规划方法,基于稀疏A*算法与文化算法实现了无人机动态航迹规划,改善了稀疏A*算法的绕径问题,提高了航迹的可靠性和实时性.     

基于ACO算法的危险化学品车辆运输路径优化方法

城市中危险化学品的运输直接影响人民人身安全,为了合理规划运输路线,提出了一种基于蚁群优化(ACO)算法的多目标路线规划方案.首先,将运输路线图和相关属性建模成一个有向图.然后,根据路线距离、车辆负载和人口分布等属性,构建运输风险和运输时间的计算方法 .最后,综合考虑运输风险和运输时间构建一个目标函数,通过ACO算法来寻找最优路线.仿真结果表明,该方法能够得到最优路线,有效降低运输风险.     

基于改进蚁群算法的智能小车路径规划仿真研究

提出一种改进的蚁群算法,解决传统蚁群算法在路径规划时容易陷入局部最优解的问题,改进的蚁群算法具备更优越的搜索最短路径的能力.MATALAB仿真实验表明,改进的蚁群算法能够节约寻找到最优路径的时间,加快收敛速度,具有更好的鲁棒性.     

蚁群和遗传算法在旅行路线规划中的研究

随着国家经济迅速的发展,旅游成为了大部分人生活中必不可少的部分,经济式出行旅游规划中最重要的是最优路线的选择.以郴州旅游行业为研究背景,把旅行最优路线规划问题看成旅行商问题,建立蚁群算法和遗传算法模型.通过使用Matlab软件研究旅行问题,找出最优路线,并且通过比较选择出更合适的一种算法来解决商业上路线的问题.旅游行业可以通过使用这个最优算法建立一个智能旅游出行规划系统,来弥补旅游市场行程规划系统的缺陷,为游客提供最为经济、便利的旅行规划.     

基于混合粒子群优化的巡航导弹低空突防航迹规划

将模拟退火算法嵌入到粒子群优化（partical swarm optimization, PSO）算法中,并对PSO产生的最优适应值进行重新评价,以此构成混合粒子群优化算法（PSO-SA）. 将PSO-SA 算法应用于巡航导弹的航迹规划,不仅可以避免PSO陷入局部最优,而且能快速有效地完成离线和在线规划任务,获得理想的三维航迹. 仿真结果验证了该算法的有效性,且对同一起始位置所规划出的航程较PSO算法短,可有效节约导弹燃料.     

基于改进蚁群算法的潜艇最短航路规划

提出了一种将潜艇的航路规划问题转化为多阶段最短路径问题的模型,和最短路径问题的威胁度加权算法,并使用蚁群算法来计算最短路径,达到求解潜艇航路规划问题的目的.还针对现有的蚁群算法收敛速度慢的缺陷提出了一种蚂蚁学习策略,同时对现有算法的信息素更新策略进行了改进.最后的实验比较得出,改进后的蚁群算法收敛速度与成功率相比传统蚁群算法有了明显提高.     

基于蚁群算法优化的配电网络仿真平台的设计与实现

针对配电网络规划中的难以快速寻优的特点,提出蚁群算法,并且通过GUI平台开发基于蚁群算法的仿真平台,并将其应用于配电网络规划问题中。研究结果表明,蚁群算法可以对参数进行自动寻优,快速得到更加精准的配电网络规划曲线及最优解。开发的仿真平台具有更快、更准确的特点。     

面向数字电路测试生成的智能方法研究

提出一种蚁群算法和粒子群算法相结合的方法(ACA-PSO),将该算法引入数字电路测试生成当中。为了有效提高故障覆盖率和缩小测试生成时间,首先将蚁群算法的信息素更新机制进行改进,使其免于陷入局部最优,提高了故障的覆盖率,其次又对粒子群算法的参数进行了改进,使其具有较好的收敛性,得到较短的测试时间,该算法采用数字电路固定型故障模型来验证。将两种算法结合取长补短,实验结果表明,测试时间和故障覆盖率都得到了提高。     

无人机空对地毫米波通信路径损耗预测

针对无人机（unmanned aerial vehicle,UAV）空对地毫米波通信经历的复杂传播环境,综合考虑室内、室外和雨衰等多种影响因素,建立了一种UAV空对地复合传播路径损耗的预测模型。该模型采用楼房密度和高度参数描述城市、郊区和乡村等不同场景,结合UAV高度计算视距（line-of-sight,LoS）路径的出现概率,并获得UAV空对地传播损耗的统计平均值。针对大学校园中不同距离和高度的场景,利用射线跟踪理论分析方法对本文预测模型进行仿真验证。结果表明,该方法获得的统计预测结果与特定场景下射线跟踪确定的计算结果在3种高度下的最大误差分别为5.2 dB、4.8 dB和7.2 dB,说明所提方法可用于城市、郊区和乡村等场景UAV空对地毫米波传播损耗的预测及通信系统性能评估。     

未知环境下多UAV搜索的区域再入

针对未知环境下多无人机(unmanned aerial vehicles, UAV)协同搜索问题展开研究,通过网格化的环境规则描述,给出了UAV的运动规则及UAV系统的预测模型. 考虑实际战术需求,建立了满足UAV机动性能约束的区域再次进入数学模型,给出了最短再入路径的求解方法. 引入了“伸缩式”协同搜索机制,增加对未知环境的
适应性,同时设计了系统的全局信息库,从而充分利用UAV实时探测的环境信息,实施在线滚动规划. 通过仿真验证了方法的有效性.     

全身伽玛刀治疗过程自动化的解决方案

提出了一种基于靶点设计几何优化及治疗路径规划的一体化解决方案.该方案建立了几何优化靶点模型,采用遗传算法对模型进行优化,以获得靶点的最优配置;进而对治疗路径进行优化,以减少治疗床不必要的往复运动,提高治疗效率.当靶点数过多时,给出了一种分层优化方案,减少了治疗过程中的定位误差.模拟数据的实验结果表明,该自动化方案快速有效.     

无人机鲁棒反推自适应编队导引控制设计

针对一般不确定系统研究了一种鲁棒反推自适应控制方法,采用自适应神经网络对未建模动态进行补偿,并利用Lyapunov 理论证明了跟踪误差的有界性. 分析了长机–僚机编队方式下的无人机编队导引控制策略,采用鲁棒反推自适应控制与动态逆方法对无人机编队飞行综合导引控制律进行设计. 进行了六自由度非线性仿真,表明所设计的编队导引控制器能使僚机对不确定机动的长机进行跟踪,并具有很好的鲁棒性.     

近场条件下的MIMO雷达阵列优化

在近场条件下运用遗传算法对MIMO雷达阵列进行优化. 构造优化MIMO阵列近场方向图旁瓣的适应度函数,提出一种基于FFT的快速算法用以高效评估适应度,采用“成对交叉策略”保证遗传算法进化过程中阵列稀疏率恒定. 对有无对称约束两种情况下的阵列优化结果进行比较,分析表明,若在MIMO阵列优化中加入对称
约束,则优化针对的聚焦点所在距离上所有角度均小于该点的目标,用优化所得之阵列扫描它们时可保持性能.     

压缩感知雷达超分辨率成像

研究压缩感知理论在逆合成孔径雷达(inverse synthetic aperture radar, ISAR) 成像中的应用. 雷达发射方位稀疏的探测脉冲,对满足Nyquist 采样定理的雷达去斜回波数据进行稀疏采样,再利用压缩感知重构算法分别重构距离向和方位向的完整的目标特性回波信号. 为了得到高分辨的雷达ISAR 像,对重构的数据在距离向
和方位向分别进行超分辨率处理. 实际雷达数据和仿真数据表明ISAR 像的分辨率有较大提高,所给出的综合方法可以降低数据量,节省雷达的时间资源,具有良好的应用价值.     

基于鲁棒时变卡尔曼滤波估计的无人机视觉编队

针对一般多输入多输出不确定系统,提出一种基于鲁棒时变卡尔曼滤波的估计算法. 该方法将时变卡尔曼滤波与自适应神经网络相结合,利用自适应神经网络克服外界非线性不确定因素,采用两个误差信号对其进行训练以提高估计精度,并对估计误差有界性进行证明. 将该方法用于无人机视觉编队视线信息的状态估计,仿真结果表明该算法能够很好地估计不确定机动长机的加速度,实现了僚机对长机的有效跟踪.     

面向重点区域安防的无人机探测与反制技术研究

分析了无人机的特点、安全隐患以及反无人机的难点;阐述了基于雷达、无线电、光电、声波等传感设备的各种无人机探测技术以及干扰阻断类、直接捕捉类、打击毁伤类、监测控制类等各种无人机反制技术的原理和特征;分析了各类技术在市场上的应用情况,并对它们的适用性和优缺点进行了比较.最后,针对各类重点区域的无人机管控提出了有效的建议.     

基于证据框架的模糊超球面支持向量机超参数优化

模糊超球面支持向量机(FHS-SVM)在处理一类分类问题时比超平面支持向量机泛化能力更强,特别是在雷达目标检测中得到了成功应用.FHS-SVM训练时需要预设一些超参数,不同的超参数得到的FHS-SVM性能差异很大.文中首先证明了FHS-SVM训练过程与证据框架第一层贝叶斯推理的等价性,然后在证据框架下提出了FHS-SVM超参数优化迭代方法.基于超宽带合成孔径雷达探雷数据,通过与穷举方法结果的对比检验了迭代优化方法的有效性.     

多传感器融合四旋翼协同控制算法及其实现

针对四旋翼无人机定点悬停控制,从应用层面提出了多传感器数据融合方案,设计了相应的协同控制算法.在飞行器整体硬件架构基础上分析量测系统的各个传感器,对于姿态测量通道提出卡尔曼滤波算法,对于高度测量通道提出互补滤波算法,对于水平位置测量通道提出双传感器融合算法.基于四旋翼无人机的状态空间及其小扰动线性化模型,设计了与之相结合的协同控制算法并进行仿真.最后在物理平台上对设计的算法进行验证,表明多传感器融合与协同控制相结合的方法能有效提高四旋翼无人机的定点悬停精度.