【摘 要】
：
针对异构无人飞行器(UAV)集群在强约束条件下执行多类任务的最优分配问题,将自适应参数差分进化算法与分布式架构结构融合,形成了基于一致性机制的分布式差分进化(CBDE)算法,在处理既定目标任务分配时达到了集中式方法的优化效果。在算法实施过程中,集群个体作为具有计算能力的局部优化器,异步执行改进的自适应参数差分进化算法,并通过UAV间的通信拓扑,按照一定的决策规则,共享个体适应度和分配结果,最终实现全局一致的效果。与集中式方法的仿真对比发现,CBDE算法求解中小规模任务分配问题的时间更短,执行效率更高,而且
【基金项目】
：
青年科学基金(61403399)。
论文部分内容阅读
针对异构无人飞行器(UAV)集群在强约束条件下执行多类任务的最优分配问题,将自适应参数差分进化算法与分布式架构结构融合,形成了基于一致性机制的分布式差分进化(CBDE)算法,在处理既定目标任务分配时达到了集中式方法的优化效果。在算法实施过程中,集群个体作为具有计算能力的局部优化器,异步执行改进的自适应参数差分进化算法,并通过UAV间的通信拓扑,按照一定的决策规则,共享个体适应度和分配结果,最终实现全局一致的效果。与集中式方法的仿真对比发现,CBDE算法求解中小规模任务分配问题的时间更短,执行效率更高,而且
其他文献
面对舰载机人工进场着舰精确航迹控制中飞行员操纵负担重、着舰环境复杂的问题,提出采用两层并联动态逆控制框架设计基于直接升力的精确着舰航迹控制方案,具体采用控制分配处理直接升力面与常规舵面的舵效耦合和多操纵面问题,并从航迹与姿态解耦角度出发,仿真分析了所提的控制框架,证明了它在实现舰载机“魔毯”式精确着舰中的有效性,最后采用全量非线性E-2C涡桨飞机模型仿真验证控制效果可行,满足着舰航迹控制要求。
针对一阶线性、二阶带有非线性项的异构多智能体系统在无向拓扑结构条件下的一致性问题,通过修改现有的一种分布式控制协议,利用图论、Lyapunov稳定性理论和Lasalle不变集理论,得出该异构智能体系统达到一致性的充分条件。使用Simulink搭建四旋翼无人机和智能小车组成的带非线性环节的异构多智能体平台,并将研究理论结果在该平台上进行验证。最终数值模拟结果表明,若满足所提条件,该异构多智能体系统在该协议下可实现一致性。
基于相关滤波的跟踪算法因其高效性,受到了无人机领域的密切关注。现有的跟踪算法使用固定的超参数进行滤波器的学习,无法满足无人机在跟踪过程中对复杂环境的适应性。针对该问题,提出了一种自适应正则化参数学习的相关滤波算法,将滤波器与时间正则化参数的学习描述为一个统一的目标函数;同时,该算法可通过响应图的全局变化量感知目标的变化情况,自适应更新目标模型。无人机视频数据集上的结果验证了所提算法对复杂无人机跟踪
距离假目标欺骗干扰下,雷达接收到高逼真度的虚假信号,从信号层面无法有效将其滤除,致使虚假信号进入雷达数据处理器形成虚假点迹,进而经过滤波跟踪后形成虚假航迹。为此,提出了基于雷达网数据融合的跟踪技术。首先,对雷达网中各部雷达的位置量测数据分别进行预处理;然后,在融合中心进行关联处理,计算出等效位置量测,实现目标的精确定位;最后,实现对目标跟踪。该技术能有效克服距离假目标欺骗的干扰,也适用于无干扰的情况。经过仿真验证,该技术具有一定的应用价值。
为弥补由于雷达前视方向没有足够的多普勒带宽而难以利用合成孔径雷达(SAR)成像技术的问题,雷达前视成像技术得到了多角度且深入的研究,并在导弹精确打击、地形识别、目标定位以及飞机自主着陆等方面投入了应用。全面介绍了前视成像技术的研究历程,根据成像原理、雷达模型、探测信号的不同对该技术做了系统分类,主要阐述了基于卷积反演的成像技术、单脉冲成像技术、微波关联技术、阵列雷达成像和双基前视成像的基本原理和特点,并总结了各种前视成像技术的研究现状及发展趋势。
测试优化选择是测试性设计至关重要的一个步骤,主要针对测试不可靠条件下的测试优化选择问题进行了研究。首先将该问题还原为多目标问题来分析,在此基础上以测试数量、测试成本、虚警率为目标,故障检测率、隔离率为约束条件建立了问题的数学模型;然后以贝叶斯网络测试性模型为基础,利用提出的MOPSO-NSGA2算法求解该问题;最后利用所提算法对某导弹机载无线电高度表开展测试优化选择设计,并与MOPSO算法、NSGA-2算法进行对比,验证了方法的有效性与实用性。
合理化供配电技术是调控大容量交流电弧炉负载能量平衡的关键。含模块化电力电子功率单元的柔性供配电方案可显著减轻交流电弧炉运行对系统电能质量的影响,通过改进其多环节控制策略可以进一步提高交流电弧炉冶炼的性能并降低对系统的频率冲击。首先,该文提出功率单元逆变级采用电流控制模式取代电压控制模式与固有电极调节配合,提升控制系统带宽;其次,设计该方案针对多种运行工况的控制策略,增加其实际应用的灵活性与面向系统的友好性;再次,改进逆变级调制策略以抑制潜在的高频共模电流风险;最后,根据实际参数仿真验证了多种控制策略的有效
针对目标检测领域对高检测精度和高检测速度共存的需求,提出了一种单阶段目标检测算法即性能平衡的YOLO算法(B-YOLO),该算法首先引入空间注意力机制,利用多尺度最大池化层增大感受野范围;然后采用跨阶段局部连接结构和直通层优化主干网络结构,改善计算效率;最后在多尺度检测结构中增加自下而上的路径,并使用拼接操作进行横向连接,融合深层语义信息和浅层位置信息。实验结果表明,该算法在精度和速度之间取得了较
四旋翼飞行器因存在参数不确定性和环境干扰,会出现姿态不稳定的问题,而传统的PID控制对四旋翼的姿态稳定及机动性达不到控制需求。为此,提出了一种扩张状态观测器(ESO)的RBF神经网络PID控制器。首先,利用ESO的扩张特性和非线性函数对扰动进行估计和补偿,减少系统的误差;其次,将ESO对系统输出的估计值作为RBF神经网络的输入,使梯度信息更加精确,能够更好地优化增量PID的参数;最后,该神经网络的激励函数取高斯基函数,利用RBF神经网络的自适应性、自学习能力对模型控制参数进行调整。Matlab仿真实验表明
传统的战场决策多依赖于人工经验进行实施,随着实际战争电磁环境的复杂性和恶劣性逐渐增长,传统决策方法略显不足。针对此问题,将干扰资源的优化决策问题建模为最小化干扰功率、最小化系统效能匹配度、最大化压制概率的多目标函数约束模型,通过对传统多目标细菌觅食优化(MBFO)算法进行改进,利用改进多目标细菌觅食优化(IMBFO)算法对问题进行求解,使得决策方案更加科学、合理。仿真结果表明,IMBFO算法能够有效求解该问题,并与MBFO算法、带有精英保留策略的快速非支配多目标优化算法(NSGA-II)相比,具有良好的分