1 南京航空航天大学核分析技术研究所 南京 211106
2 江苏省高校放射医学协同创新中心 苏州 215031
3 兰州大学核科学与技术学院 兰州 730000
4 苏州冠锐信息科技有限公司 苏州 215008
核辐射场区全覆盖路径规划对于辐射环境下区域作业者的辐射安全有重要意义。本研究基于生物启发神经网络算法，提出一种进行辐射剂量最优控制的全覆盖路径规划算法。首先，利用福岛核电站部分地形以及蒙特卡罗粒子输运程序分别构建模拟核辐射场区的障碍物分布和辐射剂量场，然后，采用Python语言进行算法仿真试验，模拟核辐射场区的每一个栅格定义为一个神经元，建立起生物启发神经网络，将栅格剂量率与神经元活性耦合实现路径规划的辐射剂量最优控制，分别采用单个、4个和8个移动单元进行仿真试验。结果表明：单个移动单元的规划路径在实现100%覆盖率，4%覆盖重复率的同时，能够优先覆盖低剂量区，延后覆盖高剂量区，实现了过程剂量和累积剂量的最优控制。为提高全覆盖的时间效率和获得更低的单体累积剂量，对算法进行多单元协同搜索的改进，结果表明：4单元和8单元仿真的覆盖重复率分别为5.72%和6.29%，1单元、4单元和8单元仿真完成全覆盖时间分别为30 min、9 min和4 min，时间效率成倍提高；最大单体累积剂量分别为4.11×10-3 mSv、1.28×10-3 mSv和0.85×10-3 mSv，也在显著降低。本文提出的算法能实现过程剂量和累积剂量最优控制的全覆盖路径规划，另外算法可以协同规划多单元路径，显著降低单体累积剂量，对辐射环境下区域作业的辐射防护有重要意义。
生物启发神经网络 核辐射场区 全覆盖路径规划 多单元协同 剂量控制 Bio-inspired neural network Nuclear radiation field Complete coverage path planning Multi-unit collaboration Dose control 辐射研究与辐射工艺学报
2024, 42(1): 010601
1 南京航空航天大学机电学院，江苏 南京 210016
2 中航西安飞机工业集团股份有限公司，陕西 西安 710089
针对批量化零件的自动化高效视觉检测需求，传统的先视点再路径的单独规划方法容易导致检测效率陷入局部最优。为此，本文提出一种视点与路径多目标整体规划方法，将视点和路径规划问题建模为一个组合优化问题进行多目标优化，旨在全局寻求检测效率最优解。该方法基于表面曲率对视点进行自适应冗余采样，构造兼顾质量与多样性的采样视点集。针对视点覆盖率与检测时间成本两个优化目标，提出基于约束的非支配排序遗传算法（C-NSGA-Ⅱ）进行优化，快速得到满足最小覆盖率的全局最优解，从而实现视点与路径的整体规划，最小化检测时间成本。仿真实验结果表明，该方法相比于简化为单目标优化问题的整体规划方法，运算效率提升90%左右；与传统的单独规划方法相比，视觉检测时间成本有效缩短10.52%以上。最后通过机器人视觉检测应用验证了本文方法的有效性与优越性。
视点规划 覆盖路径规划 自动化视觉检测 多目标规划 非支配排序遗传算法
1 无锡学院, 江苏 无锡 214000
2 南京信息工程大学, 南京 210000
3 无锡学院, 江苏 无锡 214000南京信息工程大学, 南京 210000
针对传统蜉蝣算法在求解无人机航迹规划存在稳定性差、精度低、收敛速度慢, 且容易陷于局部最优等问题, 提出了一种应用于无人机航迹规划的多策略改进蜉蝣算法。首先, 建立代价函数模型和环境模型, 将无人机航迹规划问题转变为满足无人机可行航路要求和航路安全约束的优化问题;其次, 基于莱维(Lévy)飞行原理对粒子种群(PSO)初始化, 通过采用自适应t分布和基于Pareto原理的精英保留策略对传统蜉蝣算法进行改进;最后, 通过仿真实验验证了所提算法。结果表明: 改进的蜉蝣算法的性能优于传统蜉蝣算法和粒子群算法, 且规划出的航迹质量较高。
无人机 航迹规划 蜉蝣算法 自适应t分布 Lévy飞行 UAV path planning Mayfly algorithm adaptive t-distribution Lévy flight
1 北京牡丹电子集团有限公司博士后科研工作站, 北京 100000北京理工大学电动车辆国家工程实验室, 北京 100000
2 北京牡丹电子集团有限公司博士后科研工作站, 北京 100000
3 北京理工大学电动车辆国家工程实验室, 北京 100000
针对标准蝗虫优化算法(GOA)搜索精度低、容易得到局部最优解和稳定性差的不足, 提出一种基于互利共生与混合变异策略的改进GOA。首先, 引入一种针对收敛因子的非线性重构方法, 均匀算法全局搜索与局部开发, 设计一种基于高斯-柯西分布的个体混合变异机制, 有效避免局部最优解;再引入一种互利共生策略, 增强个体多样性, 提升算法全局寻优能力; 然后, 建立了UAV路径规划的代价模型, 并将路径规划转化为多维函数优化问题, 利用改进GOA求解路径规划问题, 以综合考虑威胁代价和能耗代价的目标函数评估个体位置的适应度, 迭代求解最优路径, 并引入B样条曲线对最终散点串连路径作平滑处理。实验结果表明, 改进算法具有更高的搜索精度, 求解路径可以成功规避所有威胁区域, 对车联网(IOV)中的路径规划问题具有较好的参考意义。
航迹规划 无人机 蝗虫优化算法 航迹代价 互利共生 混合变异 path planning UAV Grasshopper Optimization Algorithm (GOA) path cost mutualism hybrid mutation
1 空军工程大学装备管理与无人机工程学院, 西安 710000
2 西安科技大学, 西安 710000
针对传统路径规划方法存在着过多依赖环境先验信息、算法路径规划实时性不强、难以适应复杂障碍环境等方面的不足, 提出基于电势能理论的改进动态窗口法(DWA), 扩展轨迹评价子函数空间。首先,改进设计预测轨迹选择函数来引导跳出局部最优, 脱离凹型障碍环境; 同时,设计速度评价函数权重动态调整机制, 增强穿越密集障碍区域能力; 最后,增加设计目标导航函数, 提升算法趋向目标点的引导能力。仿真实验表明, 改进算法可以有效克服传统DWA算法易陷入局部最优和无法有效应对复杂障碍环境等问题,更好地提升算法的路径规划能力和实时性。
无人机 动态窗口法 路径规划 避障 UAV dynamic window approach path planning obstacle avoidance
在战时无人机多目的地物资运输任务中, 因其复杂的环境和多变的物资需求, 存在目的地决策困难和航迹规划实时性要求高的问题。为了解决这一问题, 提出一种基于蚁群决策与滚动控制的多目的地航迹规划方法。该方法借助蚁群算法中的寻优机制, 建立以最小损耗为目标的多目的地决策函数; 此外, 采用基于扩充解的滚动时域控制(RHC_eS)法, 采取边走边决策的策略, 进行多目的地航迹规划; 最后, 为了验证该方法的有效性, 在带有障碍物的多目的地环境下进行实验。结果表明, 与其他方法相比, 所提方法具有规划航路短、产生损耗小的优越性能。
智能决策 航迹规划 无人机 多目的地 intelligent decision-making path planning UAV multi-destination
为了解决深度确定性策略梯度(DDPG)算法在规划无人机(UAV)安全避障路径时收敛速度慢、奖励函数设置困难等问题, 基于逆向强化学习提出了一种融合专家演示轨迹的UAV路径规划算法。首先, 基于模拟器软件采集专家操纵UAV避障的演示轨迹数据集; 其次, 采用混合采样机制, 在自探索数据中融合高质量专家演示轨迹数据更新网络参数, 以降低算法探索成本; 最后, 根据最大熵逆向强化学习算法求解专家经验中隐含的最优奖励函数, 解决了复杂任务中奖励函数设置困难的问题。对比实验结果表明, 改进后的算法能有效提升算法训练效率且避障性能更优。
无人机 路径规划 逆向强化学习 深度确定性策略梯度 UAV path planning reverse reinforcement learning DDPG
中国科学院长春光学精密机械与物理研究所，吉林 长春130033
为了解决传统光电跟踪设备的跟踪性能测试系统参数调试繁琐、设备安装困难、靶标适用性差等问题，研究了基于机械臂路径规划的内场轨迹实现技术。通过规划六自由度机械臂的末端运动轨迹，设计了更加灵活、高效的跟踪性能测试系统。首先，对传统测试靶标系统进行分析，明确实现跟踪性能测试的数学模型；然后提出基于六自由度机械臂的新型技术方案，并分析了两种方案的差异性；接着通过靶标轨迹的坐标变换，根据传统动态靶标轨迹得到适用于六自由度机械臂的末端位姿参数，从而实现轨迹规划；最后，通过数值仿真验证了本文方法与传统方法的跟踪性能测试效果的一致性。仿真结果表明，两者具有相同的跟踪性能测试效果。相较于传统方法，采用机械臂的测试系统在参数调节、工具安装和靶标适用性上更具优势，完全能够满足光电跟踪设备内场跟踪性能测试的要求。
路径规划 机械臂 光电跟踪设备 跟踪测试 path planning mechanical arm photoelectric tracking equipment tracking test
针对无人机在三维空间里的航迹规划问题, 从加快收敛速度和保证收敛效果的角度, 对标准人工鱼群算法进行改进。首先, 引入自适应视野和自适应步长的改善因子α, 加快算法的收敛速度; 然后, 设定最小视野和最小步长, 保证算法的搜索能力; 最后, 增加跳跃行为, 确保算法在后期可以跳出局部最优。通过软件进行算法的仿真和对比验证, 仿真实验结果表明, 算法在搜索初期具有较快的搜索速度和较好的收敛效果, 搜索后期可以跳出局部最优, 算法的有效性得到验证; 对比实验结果表明, 算法在搜索后期, 最佳适应度有所改善, 算法的优越性得到验证。
无人机 三维航迹规划 改进人工鱼群算法 自适应视野 自适应步长 跳跃行为 UAV three-dimensional path planning improved artificial fish swarm algorithm adaptive field of view adaptive step size jumping behavior
1 南昌航空大学信息工程学院, 南昌 330000
2 军事科学院国防科技创新研究院, 北京 100000
3 南京航空航天大学自动化学院, 南京 211000
针对复杂战场环境下的隐身飞行器的突防航路规划问题, 提出了一种改进蚁群算法。引入相邻节点间的影响权重和航路选择权重, 采用改进启发函数以增强目标点区域的导向性, 提高搜索效率, 保持解的多样性; 设计了信息素动态调节的方式, 提出新的信息素浓度更新策略, 增强全局搜索能力。仿真结果表明, 相比于传统蚁群算法和粒子群算法, 改进蚁群算法能够有效地规避组网雷达威胁, 从而提高隐身无人机的生存能力。此外, 所提算法在计算效率和安全性上具有更好的性能, 验证了该算法的有效性和优越性。
航路规划 蚁群优化算法 隐身无人机 雷达散射截面 path planning Ant Colony Optimization (ACO) stealth UAV Radar Cross Section (RCS)
