基于蚁群算法的AUV全局路径规划方法

在大范围海洋环境中，应用蚁群算法对自主式水下潜器（AUV）的全局路径规划问题进行了研究。基于栅格环境模型建立了蚁群可视图模型，设计了蚁群信息素更新规则；给出了蚁群全局路径规划的操作步骤；针对蚁群规划路径不平滑问题，设计了切割算子和插点算子。仿真实验结果表明，蚁群全局规划算法非常适合于求解复杂环境中的规划问题，规划时间短、路径平滑。     

AUV全局路径规划环境建模算法研究进展

AUV的路径规划算法是AUV最为核心的技术之一。本文在分析AUV自主巡航技术背景的基础上,综述针对海底环境的全局路径规划环境建模方法的研究现状,并比较栅格法、拓扑法和可视图法的优缺点;讨论了国内外学者在探索海流对AUV全局路径规划环境建模影响方面的研究进展。基于对AUV海流影响研究现状,展望了该领域的发展方向,并给出了2种考虑洋流影响的AUV全局路径规划环境建模算法。     

基于蚁群优化的AUV全局路径规划研究(英文)

路径规划是自主式水下潜器(AUV)导航研究的重要课题,AUV可用于未知环境如海洋空间探测.在大范围海洋环境中,应用蚁群优化原理对自主式水下潜器的全局路径规划问题进行了研究.引入栅格建模方法建立了蚁群可视图模型,设计了蚁群信息素更新规则;给出了蚁群全局路径规划的操作步骤;针对蚁群规划路径不平滑问题,设计了切割算予和插点算子.仿真实验结果表明,蚁群全局规划算法非常适合于求解复杂环境中的规划问题,规划时间短、路径平滑,其原型系统可应用于非结构化无人环境监测.     

大数据环境下舰船监控信息传输路径规划算法

以往传输路径规划算法受到噪声影响,存在规划效果差的问题,为了解决该问题,提出大数据环境下舰船监控信息传输路径规划算法研究。通过组建通信链路干扰线路,可计算不同信道干扰电平,由此获取信道分配权重阈值,得到干扰最小信道。在该信道内,构建信息拓扑结构,保证每个信息节点有且仅有一个父节点,使用启发函数来指导搜索方向,采用优先队列key值更新权值大小,将所有目标节点状态变为连续状态,由此实现监控信息传输路径规划。通过实验对比结果可知,该算法规划效果较好,为舰船监控信息传输节省时间。     

基于约束通道的船舶装配拆卸双向RRT路径规划

为有效解决产品装配拆卸路径规划中的运动约束问题,提出了一种基于约束通道的随机探索树RRT路径规划算法.该算法在双向RRT算法的基础上,对采样过程进行引导,将RRT树的扩展节点限定在预先设置的约束通道中.仿真结果表明,该算法在提高搜索效率的同时,能够有效解决约束条件下的装配拆卸路径规划问题.     

面向信息集成的装配BOM转换方法研究

物料清单(BOM)贯穿于制造业产品生命周期的各个阶段,是制造业企业的核心数据.针对BOM数据在多视图转换过程中普遍存在流传不畅的现状,提出一种基于相似匹配算法的BOM视图转换方法.在分析企业中各种BOM视图差异性的基础上,采用基于组合规则的BOM转换方法,创建了装配BOM转换的基础模型,给出了BOM结构图匹配算法的定义规则及其转换方法,最终以BOM结构重用的方式实现装配BOM的高效转换.以某型号船用柴油机关键件为对象,进行装配BOM转换,验证了该方法的可行性和高效性.     

一种能有效规避威胁区的双层A^＊路径规划算法

针对路径规划中A^＊算法遇到威胁区易陷入局部搜索的问题,对扩展点的估计代价计算方式进行了改进,提出了一种基于A^＊的双层A^＊规划算法。在该算法的双层机制中,第一层规划的扩展点估计代价用第二层规划的结果来计算,使得搜索过程中扩展结点的估计代价更接近于真实代价,从而得到该结点更加准确的全代价值,引导算法向更合适的方向扩展,提高了搜索效率。实验表明：在较复杂的规划空间中,该算法能有效解决A^＊算法遇到威胁区陷入局部搜索的弊病。     

基于遗传蝙蝠算法的任务约束船推力分配优化

针对带有任务约束且装配有多个推进器的动力定位船推力分配优化问题,提出一种全新的遗传-蝙蝠优化算法。该算法在遗传算法的基础上将种群分为两部分,一部分为保留的种群精英个体与蝙蝠算法有机结合进行优化;另一部分采用融入自适应策略的遗传算法进行优化。将该算法与所设计的带有任务约束的多维非线性推力分配目标优化函数相结合,通过仿真验证了所提出的算法可有效地解决在任务约束下的动力定位船多推进器的推力分配优化问题,在同一控制器作用下,通过与其他算法对比,该算法可获得更高的动力定位精度与更少的能量消耗,且推进器方位角变化波动小,稳定性强。可见,该算法可以有效解决带有约束的这一类多维非线性规划问题。     

基于改进型A*-蚁群混合算法的USV航迹规划

针对高密度复杂环境下的无人水面航行器(USV)航迹规划问题,将A*算法和蚁群算法相结合,提出一种改进型A*-蚁群混合算法。本算法结合A*算法在低密度环境区域航路规划的优势性,同时,当遇到高密度环境区域时引入蚁群算法提高局部规划能力,在传统蚁群算法基础上,改进了信息素的更新模型,增强了可行路径中最优路径的信息浓度,减弱了最差路径的信息浓度,并通过调整信息素浓度总和比例,增强算法的寻优能力。该方法能够有效地平衡全局和局部规划,提高在复杂环境下的USV航迹规划能力。通过仿真,验证了在复杂环境下该算法的有效性和优越性。     

一种基于改进PSO的无人机航路规划方法

针对无人机航路规划问题,提出了一种改进的粒子群的无人机航路规划方法.该方法将UAV的航路规划问题通过目标转换,形成一个考虑威胁优先,路径优化其次的单目标航路优化问题,并引入局部搜索改进粒子群算法求解该问题的收敛性.仿真结果证明了该方法对解决无人机的航路规划问题高效可行.