轮式牵引机器人优化设计及运动特性分析

为定量评价轮式牵引机器人在同一管径水平井内的动态运动特性与越障性能,建立了轮式牵引机器人爬行模块的受力模型,优化了结构及尺寸参数,实现了机器人ADAMS整体建模,并构建了对象机器人驱动机构、支撑机构及牵引阻力的Simulink控制模型。提出了轮式牵引机器人的ADAMS/Simulink联合仿真建模方法,进行了对象机器人运动特性及越障性能仿真分析。仿真结果表明结构优化后提高了该型机器人在水平井内的动态运动特性,验证了其较好的越障能力,且仿真计算与理论分析结果基本一致。     

基于博弈模型与NetLogo仿真的网络攻防态势研究

针对现有建模方法缺乏对攻防博弈行为与态势演化趋势的分析问题,从对抗角度出发分析网络攻防博弈特征;基于非合作不完全信息静态博弈理论建立网络攻防博弈模型,给出收益量化、博弈均衡计算和策略对抗结果判定方法;构建网络攻防博弈多Agent仿真模型;采用NetLogo开展局中人不同策略组合、不同初始数量等场景下的仿真实验,得出网络攻防态势随时间演化情况,通过对比分析仿真结果,给出扭转网络攻防态势的建议。     

基于极大连通子图边界的复杂网络恢复研究

网络恢复是应对不可避免的故障或失效的重要途径,合理的恢复策略有助于降低资源损耗且提高网络鲁棒性能。为研究复杂网络恢复动力学行为及其与网络鲁棒性之间关系,构建了基于极大连通子图边界的复杂网络恢复模型(Recovery Model of Boundary Nodes,RMBN),设计了网络平均恢复(Average Recovery of Boundary Nodes,ARBN)和择优恢复(Priority Recovery of Boundary Nodes,PRBN)策略。不同恢复策略在3种网络模型上的仿真结果表明,随着恢复比例的增大,网络鲁棒性逐渐增强且恢复作用时间更早、恢复能力更强,为复杂网络拓扑结构设计与鲁棒性优化提供借鉴。     

基于混合建模仿真的大型风电场降损控制

由于大型风电场变压设备多、集电线路长,在实际运行中集电系统损耗突出,对此提出一种利用风电机组作为分布式无功源,以优化风电场内潮流、降低集电系统总体损耗的无功/电压控制策略。同时,为提升风电场建模以及多场景降损优化仿真的效率,设计了一种基于对象模型组态与控制算法编程相结合的混合建模仿真方案,风电场模型采用模块组态建模,并由控制算法形成的引擎文件自主调用实施仿真优化。通过对某125 MW大型风电场进行降损控制的算例研究,验证了所提控制方案的有效性和混合仿真建模方法的高效性。     

降雨情景下城市道路交通信号控制优化模型与方法

降雨天气导致城市道路交通运行效率明显下降,现有道路交通信号控制一般尚未建立针对性的信号优化方案。考虑降雨天气降水量、道路积水等因素影响下的交通运行情景,设计了面向交通控制的城市道路交通信息物理系统体系,搭建了基于信息物理系统的城市道路交通控制框架,并建立了交通信号控制优化模型,进一步利用BP神经网络方法设计了模型求解方法。通过搭建实例路口交通仿真模型,对比3种方案下延误时间等多个指标,分析结果表明本文方法在改善降雨情景下交叉口交通运行效率等方面的有效性。     

面向e-引航的近海边缘计算网络优化与仿真

为提高船舶引航过程安全性,提出了一种基于智能航标(Intelligent Navigation Aid,INA)的近海边缘计算网络(INA-based Offshore Edge Computing Network,IOECN)架构,以提供助航信息保障。重点研究网络中网元节点的布局优化问题(Layout Optimization Problem, LOP)。通过数学建模,将LOP转化为整数线性规划(Integer Linear Programming,ILP)问题。在满足网络覆盖率及连通性条件下,以网络成本最低为求解目标,并使用Gurobi进行求解、运用Matlab进行仿真展示,最终得到不同规模下的网络优化方案,验证了模型的正确性及可扩展性。     

基于树型空间的三维树木模型匹配

为解决三维树木模型的检索具有正确率低、检索效率低、描述不匹配等问题,提出一种基于树型空间的三维树木模型匹配方法。该方法通过构建三维树木模型数据集的树型空间,辅以主轴匹配,轮廓匹配,枝干匹配等方式,经过树型空间中欧氏距离和测地线度量差异值,逐步匹配到相应的三维树木模型,该方法分别在通用模型数据集和自我设计的模型数据集进行了匹配性实现,结果表明可以较大幅度提升树木模型匹配的准确率,利于三维树木模型的大规模检索和重用。     

作战进程的上下文感知模型研究

在传统的联合作战中,各协作方在作战前设定好协作规则,以更好地指导战争的进行。然而,战场环境不断发生变化且通常无法预料,因此作战组织应该对变化进行实时感知并及时做出响应,以保证作战行动的有序推进。针对这一问题,建立了作战进程的上下文感知模型。引入本体论,对上下文进行表示。在事件演算的基础上,对感知到的作战进程上下文进行分析推理,进而掌握各作战组织的能力变化及进程推进情况,为实现作战组织自同步提供决策依据。     

偏置追尾事故车辆运动学参数仿真研究

为了深度研究追尾事故车辆的运动行为,在PC-Crash仿真环境下建立车辆追尾事故模型,考虑相对碰撞速度、偏置度和追尾车辆碰撞前减速度、车轮转角等变量,获得车辆的加速度、横摆角和横摆角速度等运动学参数。研究结果表明：偏置度为20%时,追尾车辆和被追尾车辆的横摆角最大,易诱发侧翻或碰撞固定物等二次事故;两车相对碰撞速度越大,追尾车辆和被追尾车辆的最大加速度越大而碰撞持续时间越短。研究结果可为驾驶人的行为决策、事故再现以及车辆的安全设计提供理论依据和数据支撑。     

基于加权证据理论的故障模式分析方法研究

针对采用传统风险优先数方法进行故障模式分析中存在不同故障模式的风险优先数值相等、风险参数的微小变化引起故障模式危害度等级波动较大的问题,从处理不确定性问题的方法论角度,提出了一种基于加权证据理论的故障模式分析方法。该方法将专家在风险参数评估过程中的认知不确定性分为基本可信度和专家属性权重分别进行量化,进而对认知不确定性进行传递和处理,实现了故障模式危害度等级的有序排列。实例分析及与现有研究结果的比较,验证了提出方法的实用性和有效性。     

无人机集群自组织搜索仿真模型设计与实现

城市威胁背景下无人机集群自组织搜索移动目标问题，是无人机集群作战应用的一个重要发展方向。采用基于Agent的复杂系统建模仿真工具，构建了无人机集群搜索仿真模型框架，设计实现了无人机集群自组织搜索模型。在考虑无人机集群作战可能受到威胁的背景下，展示了无人机集群自组织搜索概念，探索了使用基于概率的有限状态机模型实现集群自主决策的解决方案，并通过案例进行了分析验证。该仿真模型为无人机集群作战应用研究提供了参考案例、模型支撑和实验平台。     

任意有限维空间中群体行为的研究

探讨了任意有限维空间中的智能群体的聚集行为和迁徙行为,提出了一类基于局部信息的群体行为控制方法。从虚拟相互作用力的角度理解分析群体行为,采用吸引/排斥力的数学方法实现个体间的相互作用,并利用求解任意有限维空间点集的凸壳方法,将二维空间中的群体行为模型推广到任意有限维空间中,实现了一类基于局部信息的且适合于任意有限维空间的群体行为控制。在此基础上分析了系统的稳定性,并通过仿真实验验证了该方法的有效性。     

基于数字信息素的无人机集群搜索控制方法

研究了无人机集群搜索问题的由来、概念、特点,反应行为机制的重要性以及信息素的应用价值。模拟两种基本的生物信息素,设计了一种基于数字信息素的无人机集群搜索控制方法。从全局决策和单机决策的角度,建立了基于数字信息素的无人机集群搜索分布式决策方法。抽象出所建立的数字信息素模型的主要特征,研究分析了具备此类特征的集群搜索系统的稳定性,并确定了集群边界。仿真结果表明,该方法能够形成稳定的数字信息素闭环,能够和所设计的飞行决策方法结合,使多机呈现出鲜明的集群行为特征,实现无人机集群搜索控制;仿真同时表明,该方法驱动的无人机集群搜索的效率显著优于常规编队模式,这也从侧面证明了无人机集群的搜索能力远高于无人机编队。     

Multi-agent aggregation behavior analysis: The dynamic communication topology*

The authors extend the Gazi＇s swarm model with local neighbor rules and the dynamic communication topology, and study its aggregation properties. Results of analysis show that all agents in the models aggregate and eventually form a cohesive cluster of finite size around the swarm center or the appointed point. Finally, simulations are provided to testify some of the results. Models in the paper are more applicable to the reality for the advantage that each agent only needs the partial information of the entire dynamic system when making motion decision.     

虚拟环境下的复杂变速箱交互式装配仿真平台

为解决虚拟装配存在人机交互度、行为仿真与用户设计效果不佳等问题。以大型拖拉机变速箱为对象,研究了多碰撞体的齿轮动力学运动与行为仿真方法,提出了基于轴和面约束的多零件模型在虚拟环境中的定位方法,开发了人机交互式的虚拟环境,每帧消耗的时间约为10 ms,实现了复杂变速运动行为及其仿真。同时虚拟装配模块里配置了AR接口,可通过手式进行主动式智能虚拟装配。试验表明,系统能按照用户需求进行主动式的虚拟装配、干涉检测、学习装配知识、方案设计、提示装配错误等,为复杂变速箱的虚拟制造与装配提供了仿真平台,平台具有可扩展性。     

具有性能预设的多机编队目标跟踪控制

针对无人机编队目标跟踪中性能不可控的问题, 提出了一种具有性能预设的分布式多机编队目标跟踪控制方法。首先提出一种基于运动参数组的编队队形描述与目标跟踪方法, 实现了编队的相位预设与队形控制; 其次利用误差变换方法将有性能约束的误差问题转换为无约束误差控制问题, 并给出了一致性预设性能控制律; 然后分别设计了指数型和预设时间型性能函数, 实现了同一控制律下对不同性能的控制, 保证了编队目标跟踪过程中的收敛时间以及瞬态和稳态性能。最后,仿真证实了无人机编队能够在预期设定的性能范围内实现编队队形控制, 并成功跟踪目标。     

元胞自动机舆论模型中人员移动对传播的影响

为了研究舆论系统中人员的移动以及存在态度坚定者的因素对舆论形成和演化的影响,建立了相应的元胞自动机舆论模型．在假设人员态度的改变方式遵守少数服从多数的规则下,通过计算机模拟给出了二维四方格子两种影响领域(5邻居、9邻居)在周期性边界条件下的舆论传播行为．模拟给出了模型的演化趋势,以及在不同赞成率的随机初始状态中,模型演化随立场坚定者密度变化的行为．结果表明人员的移动将加快舆论的形成．     

跳跃机器人模糊自适应轨迹跟踪控制

从受完整约束和非完整约束的腾空相到仅受完整约束的站立相,利用空间浮动基,分阶段建立了类人机器人非规则运动-跳跃运动通用动力学模型;基于Lynapunov方法设计自适应率,研究了跳跃机器人模糊自适应轨迹跟踪控制,保证跟踪收敛和闭环系统的渐进稳定。仿真研究表明,跳跃机器人通用动力学模型为空间机器人建模提供参考;模糊自适应与计算力矩混杂模型轨迹跟踪控制改善了系统自适应性,丰富了非规则运动的姿态控制和稳定性分析方法。     

Predictive Control with Velocity Observer for Cushion Robot Based on PSO for Path Planning

This paper proposes a novel model predictive control method with velocity estimation simultaneously constraining trajectory and velocity tracking errors for a cushion robot. The authors investigated a path planning method using improved particle swarm optimization(PSO) combined with Dijkstra's algorithm and obtained a real-time desired optimal motion path for obstacle avoidance.The authors designed a velocity observer to estimate the unmeasurable speed, while the asymptotic stability of the observer error system was established. A predictive controller with error-constrained performance was derived by solving a quadratic programming problem with incremental control. Simulation and experimental results confirm the effectiveness of the proposed method and verify that the error constraints adopted in the cushion robot provide safe motion while avoiding obstacles.     

基于细致化仿生的改进粒子群优化算法

粒子群优化(particle swarm optimization, PSO）算法基本思想是试图通过模拟鸟群觅食中的迁徙和聚集等行为获得连续非线性函数的最佳值,其仿生算法产生于对鸟群寻食过程中飞行方向与飞行速度等的隐喻。近年对粒子群算法经典算法的研究,虽然在速度及精度上有所改进,但由于缺乏细致化仿生（precise bionic metaphor, PBM）,改进效果并不太明显。通过在PSO算法中引入飞鸟寻食细致化行为特征隐喻,即在算法中同时导入满意粒子局地细致化寻优和探索粒子随机寻优过程,进而提出了一种新的基于细致化仿生的改进PSO算法;对改进算法和经典算法进行了性能比较,结果显示所提算法在收敛速度和求解精度方面较经典算法有很大程度的改善。