未知环境下基于模糊神经网络的机器人路径规划

为提高移动机器人在未知环境下避障行为的成功率,通过对障碍物信息的输入,从控制输出数据中找出避障行为模式,生成相应的模糊逻辑控制规则,并把模糊控制算法引入到神经网络中,使得模糊控制器规则的在线精度和神经网络的学习速度均有较大的提高,使移动机器人具有较为迅速的反应能力,实现机器人连续、快速地避障并最终到达目标.系统仿真证明了模糊神经网络在移动机器人路径选择中的智能性.     

带拖线阵的水面无人艇局部路径规划算法

针对带有拖线阵的水面无人艇(unmanned surface vessel, USV)局部路径规划问题,提出了一种基于虚拟斥力场的改进人工势场法。首先,对USV和拖线阵进行建模,分析带有拖线阵USV的避障和缆阵有效张力过大问题;然后,通过增加虚拟斥力场改进人工势场法,在USV艇体有效避障的基础上,增加拖线阵位置安全裕度;最后,兼顾缆体的强度安全,实现带有拖线阵的USV整体有效避障。仿真和海上试验结果表明,所设计的方法能够综合保障USV及其拖线阵的航行安全。     

基于模糊控制的TCP拥塞避免算法

TCP（Transmission Control Protocol）使用基于延迟的拥塞避免算法DCA（Delay based Congestion Avoidance）提高了网络系统的吞吐量.但很多因素影响了DCA算法的效率.为此提出了一种基于模糊控制的DCA算法FDCA（Fuzzy Control Based DCA）,有效降低了这些因素带来的影响.仿真试验表明,该算法更加及时和准确地监测到网络拥塞,提高了网络的吞吐量.     

一种认知无线网络中TCP拥塞窗口的在线学习方法

在认知无线电中,改进传输层协议提高吞吐量的方法引起了业界的广泛关注。采用可用带宽测量技术,提出了一种基于ACK时间间隔的在线学习方法(TCP-Learning)。该方法能够快速地学习到网络链路中可用剩余带宽;并能够快速调整TCP拥塞窗口。仿真结果表明,在链路处于良好状态下,TCP-Learning吞吐量略优于Reno和Vegas等传统拥塞控制算法,但在链路较差情况下,TCP-Learning吞吐量明显优于Reno和Vegas等传统拥塞控制算法。     

广义空中交通流建模综述

空中交通流建模是研究空中交通系统拥堵规律和演变机理的重要手段。面向集权式管控下空中交通流广义属性,将空中交通流模型分为"以流为中心"和"以人为中心"两类,评述各类广义交通流模型的核心理念、建模方法、主要特点和适用范围,强调了空中交通流建模中"人-流"关系的重要性;针对当前交通流建模亟需突破的瓶颈和未来空中交通发展需求,从粒度差异化、行为随机化、"人-流"一体化、复杂性视角和未来适应性5个方面提出了广义空中交通流建模的发展趋势,为开展空中交通基础理论和应用技术研究提供参考借鉴。     

考虑驾驶员行为的车辆防撞系统仿真评价

 为评价车辆防撞警告算法的有效性,建立了以有效警告率、误警率等为主要评价指标的评价体系。根据实际道路交通情况,设计仿真场景,根据有无防撞警告系统条件设计实验组与对照组。采用Visual Basic 2005对微观交通仿真软件VISSIM进行二次开发,实现了警告算法仿真评价平台,实现了VB端参数输入、仿真结果输出以及指标自动统计等功能。实验中考虑了驾驶员反应时间与车辆减速度不同带来的影响。在仿真平台上,以Honda与PATH两种警告算法为例,进行仿真评价分析与比较。实验结果表明,前者有效警告率较低,而后者有效警告率较高,但同时误警率也较高。上述结论与相关研究一致,表明该评价方法能够对各种警告算法进行有效而低成本的定量分析评价。     

基于推出率控制的机场拥挤管理策略研究

当机场产生拥挤或将要产生拥挤时,持续的航班推出滑行势必会造成拥挤程度的恶化,进而增加离场航班在滑行过程中的滑行等待时间。滑行中航空器的发动机是不停歇的,滑行时间的增加意味着燃油消耗增多以及排放物的增加。针对这个问题,提出通过对离场航班的推出率控制来缓解机场拥挤,减少离场航班的滑行等待时间。首先对北京首都机场历史运行数据的统计分析,探索了当前离场航班滑行量与未来15 min进场航班量以及未来15 min起飞率三者之间的规律,提出推出率控制策略及实现方法;然后,设计了推出率的辅助计算程序。最后使用SIMMOD仿真工具对北京首都机场进行建模,并对繁忙时段实施推出率控制。仿真结果显示:通过对离场航班实施推出率控制,选取时段中场面推出滑行量被控制在一个相对较低水平。该段时间内408架次航班平均每架次仅等待了3.3 min,但总的滑行时间减少了63.2 h。     

基于博弈论组合赋权TOPSIS法的汽车碰撞危险态势评估

为了解决目前汽车防碰撞预警系统在复杂环境下评判标准单一、环境适应度差的问题,对多因素影响下的汽车碰撞危险辨识方法进行研究,建立"人-车-路-环境"协同的多层次汽车碰撞危险态势综合评价体系,将多因素影响下的汽车碰撞危险态势评估问题视为混合多准则决策问题,提出一种基于博弈论组合赋权,逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)法的汽车碰撞危险态势评估方法。首先根据车路协同技术建立碰撞危险态势评估体系架构,运用德尔菲法和熵权法确定评价指标的主、客观权重值,利用博弈论法得到所选准则权重之间的最优平衡解。其次,应用TOPSIS法确定当前行车状态与决策信息表中行车状态的贴近度值距离,匹配碰撞风险的评估等级。最后,利用PreScan软件搭建仿真场景进行仿真分析。结果表明,该方法能在复杂环境下融合行车安全相关的多种因素来评估碰撞风险,为汽车防碰撞系统提供更准确的决策。     

TCP网络的拥塞预测控制策略研究

针对Internet网络系统的拥塞控制问题,提出了一种基于预测函数的拥塞控制策略。在离散化传输控制协议(TCP)动态拥塞窗口模型基础上,将IP网络转化为具有约束的预测控制,采用预测函数算法策略进行优化求解,使队列快速平稳地到达目标值。仿真结果表明该方法能够适应复杂的网络环境,控制品质优于RED算法和PID算法,具有较好的稳定性和鲁棒性,有效减少了网络不确定性带来的不利影响。     

城轨交通换乘站结点换乘设施行人拥堵分析方法

以城市轨道交通换乘站内的"十"形结点换乘设施为研究对象,根据车门至站台梯组的走行距离确定了换乘客流到达时间分布,在考虑设施断面上下游的流密速基本关系及梯前区域、换乘平台、楼梯客流的相互影响关系的基础上,利用分时段客流迭代构建了结点换乘设施行人拥堵分析方法。算例表明,该方法能够在各车门下车换乘人数和站台行人设施布置方案已知的情况下快速分析多向客流的换乘客流量不同组合下"十"形结点换乘设施的行人拥堵情况。