基于多优化快速扩展随机树算法的足球机器人路径规划

研究RoboCup比赛未知环境中足球机器人的路径规划问题。提出一种多优化设计快速扩展随机树(rapidly exploring random tree,RRT)的足球机器人路径规划算法,解决了足球机器人在路径规划中存在的速度慢、效果差的问题。依据基本RRT算法原理,针对其随机性强、收敛速度慢以及路径平滑效果差的缺点,提出了随机采样点处增加引力分量、多步扩展逼近目标点以及冗余节点的剪裁与路径平滑等优化方式。在不同障碍物地图中的仿真实验表明,优化的规划路径长度比基本快速扩展随机树算法所得路径缩短约20%～30%,采样点数量减少45%～65%。最终将优化算法移植到SimRobot仿真平台,结果表明多优化设计RRT算法在未知环境中具备良好的实时性和鲁棒性,能够满足机器人在赛场上的路径规划要求。     

足球机器人在多运动状态中的角色建模与Petri网控制策略

RoboCup是研究动态环境中的机器人自主决策的典型平台。针对5v5标准平台组足球比赛角色行为的多态性,采用面向对象方法建模并设计不同的策略,减少了程序设计的复杂度和降低了逻辑推理难度。同时考虑上层策略是比赛成功的关键,提出一种在B-Human框架下能够兼顾多种比赛环境信息的多状态Petri网建模策略。该方法通过建立精确的数学模型,实现了机器人运动中的各状态协调运行,在SimRobot仿真平台下与基本状态机模型相比,减少了任务规划时间和提高了成功率。最后在标准平台组足球赛场中验证了该策略的可行性和正确性。     

冗余可修系统可用度的随机Petri网建模与分析

基于随机Ｐｅｔｒｉ网，提出了一种较为简单的计算冗余可修系统稳态可用度的方法．该方法由于利用了随机Ｐｅｔｒｉ网作工具来分析系统状态之间的转移过程，从而使过程清晰明了，鉴于Ｐｅｔｒｉ网模型，利用Ｍａｒｋｏｖ理论可方便地得到状态概率矩阵方程     

引入改进蝠鲼觅食优化算法的水下无人航行器三维路径规划

针对复杂环境下传统群体智能优化算法在求解水下无人航行器(UUV)路径规划的过程中存在路径搜索能力不足、易陷入局部最优等问题,提出了一种引入改进蝠鲼觅食优化算法的UUV三维路径规划方法。首先,根据UUV在水下航行时的实际环境,建立相关地形模型和威胁源模型;其次,对传统的蝠鲼觅食优化算法进行改进,相关改进包括在初始化过程中加入局部反向学习机制优化种群的位置,提高了种群的多样性;根据每次迭代后种群个体适应度的不同,改进蝠鲼翻滚觅食的翻滚因子S,由此实现一种自适应翻滚,有利于跳出局部最优;同时,在蝠鲼螺旋觅食过程中融合莱维飞行-柯西变异策略,扩大了搜索路径和种群搜索范围,提升了算法寻找全局最优的能力;最后,将改进的蝠鲼觅食优化算法引入到UUV的路径规划中,进行相应的实验模拟。实验结果表明：在地形1中采用改进的蝠鲼觅食优化算法所规划的路径相比于灰狼算法和蝠鲼觅食优化算法分别降低了32.49 km和23.88 km,航迹代价分别降低了9.68和4.04;在地形2中采用改进的蝠鲼觅食优化算法所规划的路径相较于灰狼算法和蝠鲼觅食优化算法分别降低了20.83 km和29.95 km,航迹代价分别降低了1...     

雾霾线求解透射率的二次优化方法

针对现有图像去雾算法采用局部先验理论求解的透射率精度不高、复原含雾图像能见度较低的问题,提出了一种雾霾线求解透射率的二次优化方法。首先通过雾霾线先验理论对透射率进行粗估计;然后结合粗估计与最小通道求解的透射率,代入新的可靠性函数进行计算,修正数值较低的像素,完成一次优化,保留边缘信息的同时减少噪点数量;最后,利用纹理区域相对总变分正则项的输出差异,使模型自适应滤除纹理信息,进一步提升透射率估计精度,完成二次优化,有效改善含雾图像能见度。实验结果表明,与目前主流去雾算法相比,所提方法提高了浓雾及景深突变区域的复原图像质量,在主观评价更加清晰的前提下,客观评价指标雾霾感知密度、平均梯度、信息熵和模糊系数分别平均提升了10%,10.16%,0.98%和22.93%。     

ProfiBus协议实时性能的仿真计算

现场总线协议的实时性是评价总互性能的关键因素，能否采用有效的合理的仿真分析是显得尤为重要。本文在详细分析ProfiBus现场总线数据链路层协议运行机理的基础上，采用Petri网方法对协议的MAC层进行仿真建模分析，着重就协议的实时怀能人出了确定随机Petri网仿真模型和性能指标计算方法，并结合实例进行了分析。     

基于自适应高斯-牛顿迭代三步延迟时空融合的无人机测高

针对无人机巡航测高过程中,采用单一传感器进行高度测量时受到环境干扰较大且精度较差,而现有多传感器融合方法精度较低的问题,提出一种基于自适应高斯-牛顿迭代三步延迟时空融合的无人机测高方法 .首先,将优化后的三步延迟时空融合算法作为第一层融合,有效避免了传感器出现故障所导致的测量误差;其次,采用加速度计对融合后的数据进行检测和辅助测高,将基于参数迭代的自适应高斯-牛顿滤波器作为第二层融合模型算法,可以在保证稳定性的前提下,提高无人机巡航或悬停时的精度.最后,采用实际高度测量数据进行实验.实验结果表明,与二步延迟融合方法比较,最大误差减小25.4%,均方根误差减小26.4%.同时,该测高方法简化了相关量测方程和状态量维数,降低了计算量,系统结构更加简洁,有利于实际应用.     

自适应插值飞蛾扑火优化的多特征粒子滤波车辆跟踪算法

针对现有飞蛾扑火优化算法精度低、全局搜索能力差的问题,提出一种自适应插值飞蛾扑火优化算法,并将其嵌入多特征粒子滤波中优化,构建自适应插值飞蛾扑火优化的多特征粒子滤波车辆跟踪算法.首先,在飞蛾的位置更新机制中加入自适应权值,改善所提算法的全局搜索能力.其次,采用改进的插值飞蛾扑火优化算法对采样过程进行优化,结合多特征自适应融合优化粒子滤波车辆跟踪算法,根据最新观测信息不断调整粒子分布,使低权值层粒子向权值较高的区域移动,增强粒子质量,避免样本退化.实验结果表明,本文算法能够有效降低状态预测所需的样本粒子数,提高算法的跟踪性能,在车辆目标发生遮挡、光照、姿态及尺度变化等干扰下仍然能够准确、稳定地跟踪目标车辆.     

基于ALCE-SSA优化的三维无人机低空突防

针对无人机在三维低空突防时存在环境复杂、路径规划计算量大等问题以及现有的麻雀搜索算法算法路径搜索能力不足、易陷入局部最优等缺陷,提出一种基于改进麻雀搜索算法（ALCE-SSA）的三维无人机低空突防的航迹规划方法.首先,建立三维地形模型、威胁源模型和无人机物理约束模型,确定代价函数;其次,设计随机Tent映射初始化种群,提高初始化种群的质量;然后针对麻雀搜索算法算法中发现者位置更新的不足,设计一种自适应领头雀引导策略,减小依靠单一父代更新的不利影响,能够同时提升前期全局探索和后期局部寻优的能力;最后,针对种群多样性不足、易陷入局部最优的问题,设计一种中心变异-进化因子,扩大搜索空间,进一步提升全局寻优能力.和灰狼算法、飞蛾扑火算法和麻雀搜索算法相比,ALCE-SSA的能耗更优,路径更平滑,收敛速度更快,可使无人机有效地利用地形优势来躲避威胁源,表现出较好的寻优能力.     

融合MCAP和GRTV正则化的无人机航拍建筑物图像去雾方法

针对传统去雾处理复原得到的图像清晰度和对比度较低、整体颜色偏暗的问题，提出了一种改进的图像去雾方法，应用于无人机航拍建筑物图像处理中.针对全局大气光取值易受场景中景物影响的问题，提出一种颜色衰减先验投影最小方差的大气光求解方法，构建明度与饱和度差值图像，求解最小方差出现区域，并确定全局大气光估计.将利用图像场景深度信息求解的区域大气光与全局大气光相融合，获得新的大气光图.采用基于非局部信息的雾霾线先验理论对透射率进行优化，提出了一种基于雾霾线理论和引导相对总变分正则化的算法，通过计算透射率可靠性函数对透射率修正，并消除图像中存在的大量无用纹理信息，提升了透射率估计精度，有效改善了无人机航拍场景中浓雾及景深突变区域的复原图像质量.实验结果表明，所提算法与其他算法相比，获得的复原图像平均梯度、对比度、雾霾感知密度估计及模糊系数等指标分别平均提升了12.2%、7.0%、11.9%和12.5%,运算时长也优于部分算法，航拍图像更加清晰，更符合人眼视觉感受.