动态不确定环境下的可靠路径规划算法研究

来源 :广东工业大学 | 被引量 : 0次 | 上传用户:thinkthinkthink
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
随着计算能力的提升和控制技术的进步,无人机被越来越广泛地应用于工业生产和日常生活中。路径规划是无人机领域的核心问题之一,多目标监视是路径规划的一个重要应用。群体智能是智能计算的一种,有收敛速度快、计算成本低、优化能力强等优势,在函数优化、旅行商问题、有依赖的优化问题和作业调度等问题上有广泛的应用。将群体智能算法应用于多目标监视的路径规划,有利于提升无人机的路径规划能力,从而提高无人机工作效率,节约能源损耗。目前,多目标监视研究仅限于静态环境或随机障碍环境。实际上,现实场景中的动态障碍往往呈现出明显的规律性,根据收集障碍信息、障碍特性和物理运动学等,可以对动态障碍进行建模,从而对其变化动态进行预测,有助于提高路径的可靠程度,减少应对障碍变化导致的重复计算和资源浪费。为了缓解以往工作的局限性,本论文提出了一种动态障碍建模方法,并设计了基于集合的局部搜索综合学习粒子群优化算法去求解动态环境下的可靠路径规划问题。本论文的创新点如下:(1)提出了一种新的动态环境障碍建模方法。根据无人机工作环境和现实中可能存在的情况,设计了动态环境多目标监视问题模型,任意两个目标之间的移动成本不仅取决于目标之间的路径长度值,还取决于由碰撞惩罚加权的路径威胁值。设计并分析了四种有不同特征和难度的动态障碍物模型,包括突然出现、缓慢移动和周期性出没等类型,用于实验测试。引入了标准TSP库中的实例,实例中的节点作为无人机的监视目标。动态障碍模型与TSP实例中的目标集合共同构成了本论文实验使用的动态环境多目标监视问题实例。提出了模拟仿真的方式对算法优化得到的解决方案进行评价,在评价路径时,将模拟无人机运动过程,并根据移动时间更新障碍位置,从而计算路径威胁,没有威胁的路径被称为可靠路径。(2)提出了一种自适应的基于集合的局部搜索综合学习粒子群优化算法(S-CLPSO+LS)。一方面,引入了局部搜索算子,在迭代过程中强化搜索最优个体的邻域;另一方面,引入了自适应路径调整方法,在检测到障碍模型改变后,自动调整路径以适应障碍变化。本论文展开了算法针对动态障碍影响下的多目标监视可靠路径优化问题的实验分析,使用了两种已有的前沿路径规划算法和一种改进算法用于对比。实验结果表明,本论文提出的S-CLPSO+LS算法相对于3种对比算法在路径长度优化能力、障碍避碰能力、得到可行路径的稳定性和对动态障碍的适应性上都具有优势。在大多数实验用例中,S-CLPSO+LS求解得到的目标函数值最优。针对不同碰撞惩罚权重对算法避障能力的影响,本论文通过实验对该参数进行了分析。根据结果,较大的碰撞惩罚权重可以在一定程度上降低路径威胁、增加获得可行解的概率,但也可能会增加路径长度。(3)在真实环境对本论文提出的障碍模型和优化算法进行了验证。本论文成功地将动态障碍模型和基于集合的局部搜索综合学习粒子群算法应用于新西兰的三维真实地图中的路径规划,结合A*算法生成细粒度路径。对四种动态场景分别进行了实验,对数据结果和移动路径展开了讨论。此外,还研究了动态障碍场景变化时无人机的应对方法。实验结果表明,通过检测和自适应路径重规划,无人机能够适应这种变化。
其他文献
传统互联网在服务质量、资源利用率、管控能力和传输效率等方面暴露出诸多弊端,智融标识网络通过全网多空间、多维度资源的智慧融合实现网络资源的灵活分配和个性化服务的按需供给,为新型网络架构提供一种可行的研究方向。在智融标识网络中,通过引入控制器集群可以有效解决单一控制器存在的可扩展性和可靠性问题。但当控制器与交换机的映射关系是静态配置时,波动的网络流量会导致集群负载分布不均,部分控制器可能过载以及响应时
学位
<正>数字人民币搭载以区块链作为底层技术的智能合约,是最为重要的创新之一,随着数字人民币试点的不断推进,智能合约的应用场景也越来越广泛。智能合约具有信用塑造功能,央行借助智能合约可以巩固货币的国家信用,提升履行职能的效率。文章通过梳理货币智能合约的技术架构与运行逻辑,发现治理货币智能合约存在的难题,据此从监管模式、监管重点、监管科技等方面提出对策,以提升数字人民币的治理水平。
期刊
行人重识别(Person re-identification)是一种利用计算机视觉技术进行行人图像检索的技术。随着人工智能技术的兴起,行人重识别技术得到了极大的发展。基于神经网络的行人重识别技术,需要先从各个摄像头中收集大量的行人图像,并对大量的行人图像进行标注。随后利用已标注的行人图像进行深度网络的学习,最终获得一个行人图像的检索器。但这类方法始终面临着各种困难:深度网络的学习需要大量的训练样本
学位
光频率梳由一系列离散等间距的周期脉冲序列组成,由于其频谱谱线数量多,而且谱线频率间隔相同,能够精准的测量未知频率,在激光雷达、光通信、天文学中有着大量应用。在正常色散区基于非线性Kerr效应产生的光频率梳具有平坦性好,泵浦效率高,相干性好等特点。基于非线性Kerr效应产生光频率梳主要有基于无腔光纤/光波导或微环谐振腔两种方式,本文研究了双频激光泵浦无腔非线性光波导基于超连续谱展宽产生光频率梳,以及
学位
离散事件系统是指由离散的事件触发而引起状态转移的一类动态系统模型。了解当前的运行状态对系统安全尤为重要,状态估计的可测性研究是离散事件系统的一个重要研究方向,并被成功应用于自动控制系统。在现实生活中,系统的状态和事件往往具有模糊和不确定的主观性,模糊集引入到自动机为模糊离散事件系统奠定理论基础,在生物医学和自动控制系统中具有广泛应用。本文研究了模糊离散事件系统下的当前状态和初始状态的可测性问题。针
学位
聚类分析是数据挖掘领域中的重要研究方向。在过去的数十年中,出现了大量聚类算法,其中,谱聚类由于其在非线性可分的数据中的优异表现而被广泛应用。此外,随着互联网的不断发展,网络中产生的数据也越来越多,形成大数据。因此,如何将谱聚类算法应用到大数据中,挖掘其中的有用信息变成十分重要的研究课题。然而,谱聚类算法存在严重的可伸缩性问题,谱聚类需要极高的时间复杂度和极高的空间复杂度来计算和存储相对应的拉普拉斯
学位
目的:探讨翻转课堂护理带教对产科胎心监护操作技能的影响。方法:选取2018年至2022年入职产科的新护士为研究对象,在胎心监护操作技能培训中使用翻转课堂护理带教模式,共计50人次。比较翻转课堂护理带教前后新护士的胎心监护知识、操作技能考核评分、对教学模式的认可程度以及学习能力变化。结果:翻转课堂护理带教后,新护士在胎心监护知识、操作技能考核评分高于带教前,学习能力评分高于带教前,差异均有统计学意义
期刊
在传统的图像分类问题中,训练一个模型需要依赖大量完备的标注数据。然而,随着现实世界的数据量不断增长,对数据进行人工标注变成了一项极其繁琐冗杂的工作。零样本学习可以有效缓解上述问题,具体而言,零样本学习可以在没有不可见类图像或视觉特征作为训练输入的情况下,利用有限的语义信息,对不可见类图像进行预测分类。因此,研究零样本学习可以使得算法、模型减少对图像类标签的依赖,减少人工标注数据的时间成本,极大地提
学位
时序行为数据广泛存在于各类应用系统中。如何挖掘时序行为数据中有意义的行为模式,捕捉用户潜在需求,进而提出更好的预测、推荐或运营策略受到了研究者们的广泛关注。本文提出的面向时序行为的潜在状态学习方法致力于实现离散稀疏行为数据的特征表达,在此基础上对用户的潜在状态及其复杂的时序依赖关系进行建模和学习,从而实现更好的时序推荐。然而,时序行为的状态建模和表征学习主要面临着以下三个挑战:(1)用户真实的行为
学位
基于观测数据发现变量背后的因果关系是许多学科所研究的重要问题。其中,事件序列作为一种重要的数据类型,是由连续时间域上的离散事件组成,常以各种行为记录,系统日志,异常告警等形式出现在经济、社会科学、通讯系统等应用场景中。基于事件序列发现不同事件类型之间的因果关系,能够帮助人们进行生成机制分析,根因定位,事件预测等研究。然而基于多变量事件序列数据,发现事件类型之间的因果关系是一项具有挑战性的任务。一方
学位