作为引领新一轮科技革命和产业变革的重要抓手,人形机器人通过集成具有类人抓取能力的仿人灵巧手,有望在工业生产、家庭服务、反恐排爆等不同应用场景中辅助或代替人类进行精细、复杂的作业。针对不同应用场景下的仿人灵巧手稳定抓取方法研究展开综述,梳理不同结构仿人灵巧手稳定抓取构型的实现形式,总结仿人灵巧手基于外部传感/本体传感的接触状态分析与估计方法,归纳仿人灵巧手在与物体发生全局相对运动/局部相对运动下的抓取状态检测与识别方法,给出常用的仿人灵巧手稳定抓取控制策略。分析仿人灵巧手在接触、抓取过程中上述方法的应用优势及不足,讨论软体材料、动态场景等因素影响下仿人灵巧手稳定抓取方法研究面临的挑战,并展望了其研究趋势及在人形机器人上的应用。

针对分布式电驱动车辆多动力源耦合作用和高度非线性造成的动力学控制难题,以 7自由度整车动力学模型为预测模型,以粒子群优化-蚁群融合算法为优化方法,提出一种基于粒子群优化-蚁群融合算法的模型预测转矩协调控制策略,并搭建了仿真实验和实车试验平台,进行了多种工况试验。试验结果表明,新提出的转矩协调控制策略能够根据试验工况调整控制模式,实现动力性、经济性和操纵稳定性的综合最优控制效果。

机器人仿生关节刚度连续变化功能的设计与控制是柔性驱动技术的难点问题。提出一种可连续变刚度的仿生驱动关节,该关节采用变力臂方式实现从低刚度到高刚度的连续变化,仿生驱动关节主副电机功率比大、结构紧凑。为了分析该仿生驱动关节的弹性变形与负载之间的刚度变化关系,建立有负载条件下的静力学方程,通过数值计算模拟得到关节刚度与主副电机的角度关系,并对仿生驱动关节进行力矩跟踪、阶跃响应和刚度跟踪3种实验。实验结果表明,新设计的变刚度驱动关节在16N·m的正弦输出力矩下,最大误差为1.23N·m,方差为0.19N·m,最大误差占总幅值的7.7%;在刚度跟踪为0.4~1.6N·m/(°)范围内、输出扭转角为5°时,误差最大为0.09N·m/(°),占总均值刚度的9.0%。

包络线控制起源于航空航天工业,它提供了飞行状态的安全保障和机动边界,为飞行器控制带来了良好效果。基于8×8多轴分布式驱动无人车辆和包络线方法核心思想,提出一种将车辆推向极限的整车动力学控制器。通过建立轮胎滑移圆提出一种新的方法以用于评估车辆驱动力状态,并将轮胎滑移状态与车辆“g-g”图相结合,用来实现无人驾驶状态下逼近车辆操纵能力极限,发挥车辆动力性能与灵活性能,同时确保在轨迹跟踪时的跟踪精度,精准高效地完成平台任务。考虑外界环境不确定扰动与因素变化对极限状态下车辆稳定性影响,基于车辆横向动力学模型的稳定特性分析,获得不同条件下稳定域相平面,并探索其变化机理、归纳数学描述表达式。通过对车辆稳定相平面的分析,提出以车辆横摆力矩为输出的稳定保持控制器。针对上层控制器驱动力与横摆力矩的输出,设计下层转矩分配控制策略,通过冗余执行器的最优分配实现整车性能发挥。整车集成控制策略部署于一辆8×8原型试验车辆,在越野路面上进行多项科目测试,试验结果表明:在高速条件下,无人车在轨迹跟踪中具有更好的动力性能和安全性能。

近年来,任务卸载作为保障无人集群高效协同作战的关键技术之一,正成为研究热点。任务卸载旨在克服单平台算力不足、能量有限等约束,将计算任务卸载到边缘网络的服务器上进行处理,以达到降本增效的目的。以无人集群辅助的天地一体化协同侦察为作战场景,考虑战时复杂多变的电磁环境以及集群组网拓扑时变性,利用Lyapunov优化把长期任务卸载解耦为在线马尔可夫决策过程。为解决混合动作空间收敛难、学习效率底的问题,结合凸优化和多智能体深度确定性策略,分层求解功率分配和任务分配问题,提出数据-模型双层优化驱动的多智能体强化学习卸载决策算法。数值实验结果表明,新算法能够根据时变的战场环境自适应调整智能体任务卸载策略,达到提升传统算法性能和优化复杂多维目标的目的。

为了改善含有输入饱和与未知扰动的自动驾驶车辆系统在执行轨迹跟踪任务时的瞬态和稳态性能,考虑到自动驾驶汽车横向和纵向动态的耦合,设计基于滑模控制和预设性能控制的协调控制器。针对可能出现的输入饱和,基于饱和信号设计辅助系统,并在饱和发生时利用辅助系统调整规定的性能边界,使跟踪误差始终遵守性能约束,避免穿越边界引起系统不稳定。利用神经网络对系统中存在的模型误差以及外部扰动进行拟合和补偿,并设计一种基于复合学习的在线更新算法来训练神经网络。通过Lyapunov方法严格证明了闭环系统的稳定性,并通过仿真验证了新提出的辨识和控制方案的有效性。所设计的协调控制器可以在存在强耦合特性、模型不确定性和外部干扰的情况下保证预定的轨迹跟踪性能。

针对现有路径规划方法对地形特征考虑不足的问题,以无人履带车辆为研究对象,提出一种基于可通行度估计的路径规划方法。基于卷积长短期记忆(Conv LSTM)网络,从连续轨迹上提取激光雷达点云的空间特征和时间关联特征,融合车辆运动特征,估计地形可通行度。基于地形可通行度,改进A^*算法的节点扩展方式和代价函数,输出满足无碰撞约束和低可通行代价的离散路点;使用无梯度迭代平滑算法减小路径松弛度和可通行度代价;再使用三次B样条曲线对离散路径进行拟合,输出平滑参考路径。以参考路径建立Frenet坐标系,构建基于可通行度代价的安全走廊,在满足无碰撞约束、低可通行度代价的前提下,在走廊内生成满足车辆运动学约束的平滑路径。试验结果表明,所提出的方法能够充分考虑地形特征,提升路径规划结果的稳定性和可通行性。

随着军用地面无人系统研究的深入,单一的地面无人机动平台或任务载荷很难满足现代战场的需求,只有任务载荷和机动平台协同发展,地面无人系统才能在战场中真正形成战斗力。为进一步推动任务载荷与机动底盘协同技术的发展,综述了搭载任务载荷军用地面无人系统的发展背景、研究现状及技术特点,分别从多层次多维度的环境建模、基于多模态数据的通行度估计、基于多智能体协同建模的协同规划控制优化方法三方面对其关键技术进行阐述,总结了相关的研究框架和重点,并对搭载任务载荷军用地面无人系统未来的发展方向进行了展望。

协同定位和环境感知技术是无人集群实现自主导航的基石,但受制于大规模无人集群系统小型个体平台的计算、载荷、带宽等资源所限,诸多相关技术难以实际部署应用。为实现资源约束下大规模无人集群的精准定位与环境感知,提出一种基于半直接法的轻量化协同视觉SLAM算法,设计融合光流法和直接法的半直接特征点跟踪方法,采用集中式双向通讯策略,使得大规模无人集群系统在面对通讯干扰和延迟时拥有较高的容错率,同时兼具准确性和快速性。基于EuRoC数据集和实际物理环境对算法开展对比实验,结果表明:新算法的实时性能平均提升60%,显著优于其他基于特征法的协同视觉SLAM算法;在丢包率小于40%以及通讯延迟低于0.1s的低质量通讯环境中,新算法定位精度更高、鲁棒性更强。

针对信息物理系统中传感器和执行器虚假数据注入攻击现象,利用观测器技术研究对该攻击信号的重构问题。由于防守者难以直接利用攻击信号的估计误差,导致难以准确估计攻击信号,借助系统输入输出数据建立包含攻击估计误差信息的虚拟辅助系统,利用协同交互策略构建一类协同交互型观测器,该观测器通过与虚拟辅助系统间的协同交互,利用攻击信号的估计误差信息来提高攻击信号的重构精度,获得更加准确的攻击信号。利用李雅普诺夫方法证明了重构的攻击信号收敛于真实攻击信号周围的紧集内。通过数值仿真验证了新方法的有效性。

针对多导弹在三维空间以期望角度协同攻击机动目标的问题,提出一种三维领弹-从弹时间协同制导律。根据弹目相对运动关系建立领弹-从弹三维非线性协同制导模型,无需小角度假设;在视线法向和侧向上,基于2阶滑模控制理论和设计的有限时间收敛滑模面,分别设计领弹-从弹三维角度控制制导律,在提高系统收敛速度的同时抑制了抖振现象;在从弹视线方向上提出时间协同制导律,创新性地将领弹-从弹协同制导问题转化为2阶多智能体一致性跟踪控制问题,充分利用导弹间的信息交互,在实现从弹和领弹时间协同的同时避免传统的剩余时间估计造成的误差问题;同时对新算法分别进行严格的Lyapunov稳定性证明。仿真结果表明:新的三维领弹-从弹时间协同制导律可以有效控制领弹和从弹在三维空间以期望角度高精度协同攻击机动目标。

针对传统沙猫群(SCSO)算法全局搜索能力不足、易陷入局部最优等问题,提出一种改进沙猫群(LVSCSO)算法。该算法引入非线性调整机制,更好地体现出SCSO算法的搜寻和攻击过程;同时引入自适应莱维飞行机制,有效提高了算法的全局搜索能力和跳出局部最优的能力。采用栅格法构建无人机野外环境模型和复杂城市环境模型,以综合航迹长度、飞行高度和飞行转角的适应度函数为衡量指标,进行了算法的仿真验证。研究结果表明:在野外环境模型下,相较于传统SCSO算法和粒子群优化算法,该改进算法分别提升56.40%和22.06%;在复杂城市环境模型下,相较于传统SCSO算法和粒子群优化算法,该改进算法分别提升了56.33%和61.80%;新的LVSCSO算法在航迹规划上具有有效性和优越性。

针对机动目标定位的精度提升问题,给出两种典型任务场景下机动目标定位的在线协同航迹规划方法。建立测向交叉目标定位模型,基于几何精度因子确定影响定位精度的因素,分析影响要素对定位精度的影响规律;对于低速机动目标定位,以几何精度因子为评估指标,提出一种基于变曲率杜宾斯曲线的在线协同航迹生成方法,实现协同定位最优构型的快速航迹生成;对于高速机动目标协同定位问题,建立面向目标定位精度的最优控制模型,提出一种基于内点法的罚函数协同航迹规划方法;进行数字与半实物仿真验证。研究结果表明:在两种典型任务场景下,目标协同定位精度提升36.9%和23.5%,验证了新方法的有效性,新方法对于集群协同目标定位具有工程应用价值。

无人机集群自主协同作战是未来战争的重要作战样式,自主协同机制研究有利于揭示无人机集群协同形成与演化规律,为无人机集群作战应用提供理论支撑。首先构建无人机集群信息交互网络,定义基于拓扑势的无人机交互等级。通过分析无人机集群自主协同与演化博弈的映射关系,建立基于公共品博弈的无人机集群演化博弈模型,设计基于交互等级的无人机集群总体期望收益函数、平均期望收益函数和愿景更新动态策略更新机制。利用马尔可夫链定量描述无人机集群演化过程,并理论推导了表征无人机集群演化博弈平稳分布的平均丰度函数。通过仿真验证基于公共品博弈的无人机集群自主协同机制的可行性和有效性,并分析选择强度、交互收益系数、增益因子与愿景水平等参数变化对无人机集群协同行为的影响,为无人机集群自主协同参数调控设计提供理论支持。研究结果表明:所提自主协同机制相较于提供点机制、惩罚机制能更大程度促进无人机集群合作涌现,为无人机集群自主协同理论向作战应用提供技术支持。

为研究具有复杂地形的未知战场环境中的全光化无人机集群作战概念,提出基于智能体建模与仿真的全光化无人机集群效能和体系贡献率评估方法。根据全光化无人机集群作战特点建立评估指标体系,给出各作战单元的模块化Agent模型。对超低空巡逻打击任务开展仿真,分析全光化无人机感知性能、通信性能、集群规模和集群配置对集群生存率、任务完成率、战损比和体系贡献率的影响。研究结果表明:全光化无人机能为作战体系带来新能力,有效提升体系作战效能;集群规模越大、全光化无人机占比越高,则体系作战效能越强,但全光化无人机性能提升带来的贡献并不明显。

针对主-从式多飞行器多方位封锁协同打击目标问题,提出三维空间下当从飞行器无导引头时的协同制导方法。主飞行器通过给出的固定时间收敛攻击时间控制制导律实现对目标的指定时间命中,以主飞行器为基准提出球心和半径可动态自调整的目标封锁球面构型函数。以期望封控球面为参考,给出可实现对目标多方位覆盖封锁的同时命中协同制导律,并理论分析该方法的稳定性。仿真结果表明,新提出的方法可实现飞行器群于指定命中时刻同时命中目标,且主飞行器和无导引头的从飞行器可构成对目标的封锁态势。

针对装甲车辆综合传动装置外接油管动态特性恶化导致的失效问题,研究不同车速动态激励下的外接油管动态特性和结构强度变化规律,提出外接油管有效优化改进措施。对综合传动装置上典型外接润滑油管和供油油管系统进行动态特性分析。利用试验测试获取油管关键部位的载荷激励,进行瞬态动力学仿真和理论动力学建模,探究关键参数对油管系统动态特性的影响规律。提出动态特性的优化改进方案,油管系统关键部位的振动幅值消减15%以上。

作战效能预测对武器装备体系从建设、生产到实战的全过程都具有重要意义。在Stacking集成学习模型的基础上,优化模型对数据的交叉验证方式,针对原有模型次级学习器输入向量较为稀疏的问题,为次级学习层的输入增加多项式特征和经主成分分析法降维后的各项作战仿真数据指标(原始数据),形成一种改进Stacking集成学习模型的装备体系作战效能预测方法。以合成营攻占某一阵地的作战效能预测为例,验证该方法的有效性。

针对智能车辆在复杂环境下高机动运动控制的难题,提出一种基于模型预测与策略学习的人机协同控制算法。该算法利用人类驾驶员对环境的理解和综合处理能力在决策规划层面辅助机器进行局部轨迹规划,包括速度调节和动态路径生成,实现决策规划层面的人机协同;面向高机动行驶的车辆在线优化规划与控制存在时效性问题,一方面在局部规划层采用较长采样间隔和简化的动力学模型设计基于模型预测控制的局部轨迹规划方法,以实现高效在线轨迹优化;另一方面在控制层采用基于滚动时域强化学习的学习型预测控制方法在线优化控制策略,以提升在线优化控制的计算效率与适应性。驾驶员在环的山区公路高机动仿真结果表明:新方法能遵从驾驶员的加减速指令和转向指令生成安全、平滑的规划轨迹,而且能够精确控制车辆沿期望轨迹行驶;在人机协同控制模式下,6位驾驶员完成相同驾驶任务的时间比手动驾驶平均缩短了8.3%,转向操作负荷降低了51.1%。

为提高移动机器人在复杂地形环境中的越障性能,提出一种被动式越障的六轮摇臂移动机器人。针对爬台阶问题对机器人的越障性能进行研究,从几何条件分析得到机器人不发生底盘托底现象时结构参数与越障高度之间的关系,并分析机器人的关键越障过程,建立了前轮、中轮、后轮的越障动力学模型,根据动力学模型分析机器人速度、加速度、附着系数以及重心位置等因素对轮毂电机输出转矩的影响。基于样机实验与ADAMS仿真软件验证了机器人的通过能力,并得到了机器人轮毂电机的输出转矩曲线,指导电机选型。研究结果表明,针对爬台阶问题,该机器人具有良好的通过能力,为提高机器人在复杂地形中的越障性能提供了设计参考。

针对武器装备技术的发展对防空作战带来的挑战,提出一种基于高功率微波(HPM)武器系统与中近程防空武器协同作战目标分配设计模型。该目标分配模型首先设定作战场景,考虑HPM武器系统的软、硬杀伤效能,与中程防空导弹、近程防空导弹和末端近防炮协同作战,分析HPM武器系统及中近程防空武器的拦截效率,使用模拟退火算法给出目标分配模型求解方法,得出拦截效率最大化的防空武器分配方案。仿真实验结果表明,相比于蒙特卡洛算法和粒子群优化算法,模拟退火算法能够在更短的时间内寻找到拦截效率更高的解,有效解决协同作战中的目标分配问题,为HPM武器系统融入多武器协同防空作战系统奠定基础。

双侧电机耦合驱动履带车辆单侧电机发生故障如果不及时采取措施,极易导致车辆偏驶,甚至出现安全问题。为了保证单侧电机故障模式下的车辆安全,开展单侧电机故障模式下车辆制动避障安全控制研究。基于实车采取的一侧发生故障、另一侧及时处于故障模式的控制方式进行车辆安全性分析,提出一种双侧电机耦合驱动履带车辆单侧电机故障模式下车辆安全控制策略并通过RT-LAB半实物实时仿真验证。研究结果表明:该控制策略能够按照驾驶员意图,在单侧电机故障模式下实现不同车速下车辆不同相对转向半径的转向控制,而且面对连续的避障需求,可以稳定转向,保证履带车辆的安全。

小样本目标检测(FSOD)旨在使检测器只用少量的训练样本就能适应未见的类别。典型的FSOD方法使用Faster R-CNN作为基本检测框架,利用卷积神经网络提取图像特征,而卷积神经网络中采用的旨在捕获尽可能多的图像信息的池化操作将不可避免地导致图像信息的丢失。在主干网络中引入混合扩张卷积,以确保更大的感受野并最大限度地减少图像信息的损失。在k-shot设置中,为充分利用给定的支持数据,提出支持特征动态融合模块,以每个支持特征和查询特征之间的相关性为权重,自适应地融合支持特征,以获得更强大的支持线索。实验结果表明,新方法在公共Pascal VOC和MS-COCO数据集上实现了较好的FSOD性能。

针对海上要地群协同防空作战动态火力分配问题,综合分析海上要地防空作战过程的特点,建立基于马尔可夫决策模型的动态火力分配问题,构建以海上要地毁伤期望、拦截成本为指标的优化模型。考虑到马尔可夫决策模型求解易陷入维数灾难的问题,提出利用近似动态规划方法来探究解的有效性,并给出基于强化学习的最小二乘时序差分算法来求解该问题。通过4种典型的攻防场景共80个案例仿真结果表明,相比传统的匹配算法、遗传算法和粒子群优化算法,新构建的模型和算法更加科学合理有效,可为海上要地群协同防空作战火力分配提供一定的理论依据。

未来战场的多样化对特种无人车辆的环境适应性提出了更高的要求。为满足特种无人车辆的多工况使用、高机动能力与低成本研制等要求,采用多工况关联设计与轻量化优化的思路对无人车桁架车身结构进行优化设计。考虑到多工况的车身结构设计变量多、设计空间大,面临仿真次数过多的问题,提出基于多工况关联的车身结构轻量化优化方法,利用设计变量区间缩减策略减小设计空间;引入高斯过程代理模型替换仿真分析实现结构设计方案性能的快速评估;结合遗传算法实现方案的优化。实验结果表明,最终优化方案在通过车身刚度强度和模态等多学科性能仿真验证的情况下,质量比初始方案降低14.12%,比只用高斯过程优化设计的方案降低8.87%。

随着人工智能等技术的发展,无人驾驶技术应运而生,越来越多的无人化装备也投入到作战应用中。面对复杂的越野环境,高精地图可以为无人车辆提供丰富的先验信息,辅助无人车辆进行环境感知、路径规划以及决策等,提升无人车辆越野机动能力。分析高精地图标准化、构建、应用等方面的研究现状,面向无人车辆越野环境下的自主机动任务需求,提出越野环境下高精地图的研究目标与技术体系,归纳总结越野环境下高精地图的基础理论与关键技术,并对越野环境下高精地图的应用发展进行了展望,为高精地图在无人驾驶方面的应用提供了参考。

为提高存在模型不确定及外界扰动的情况下对四足机器人的控制效果,提出结合扩张状态观测器、二次型优化(Quadratic Programming, QP)及模型预测控制(Model Predictive Control, MPC)的复合控制算法。基于单刚体四足机器人模型,设计基于MPC的控制算法,实现对四足机器人的控制。考虑到模型及参数的不确定性,以及环境中存在的外界扰动,进一步利用变带宽非线性扩张状态观测器对机器人受到的总和扰动进行估计,并利用估计结果,设计基于QP的足端力重分配算法,实现对总和扰动的补偿。通过仿真实验验证了本文所提控制算法的有效性。仿真结果表明,在使用抗干扰复合控制方法之后,机器人在质量发生重大变化和受到外力作用下,依然可以保持良好的控制效果,与传统控制方法相比,机器人的控制精度和抗干扰能力得到了明显提升。

无人集群节点间精确位置获取是集群协同的基础,但在复杂多变的应用环境中,全球导航卫星系统(GNSS)难以提供稳定准确的位置信息;难以部署辅助锚点;传统相对定位方法大多存在节点数量限制。针对上述3个问题,提出了一种GNSS拒止条件下的集群节点相对定位的新方法。以搭载惯性测量单元(IMU)和超宽带传感器的两个节点为例建立了相对定位模型,采用扩展卡尔曼滤波算法,融合机载IMU和机间距离信息,实现了相对位置的最优估计。仿真实验结果表明:在无人机相距200m的范围内,所提方法可达到约1.3m的相对定位精度,与现有多节点相对定位算法相比,提高了约4倍;在无需GNSS和辅助锚点的支持下,即可实现两个节点之间的高精度相对定位,能够为无人集群在复杂应用环境下的协同定位提供有效可行的解决方案。

自主车队有广泛的应用前景,模拟仿真是高效、安全研究自主车队协同控制技术的一种重要技术手段。针对自主车队协同控制仿真系统需求,提出一种构成要素全面的自主车队协同控制仿真系统方案,描述了系统主要软件的基本结构和功能。以基于领航-跟随模式的三车编队机动任务为应用实例,设计了车辆跟踪控制和多车协同机动控制策略,利用自主车队协同控制仿真系统验证了其有效性,说明所提出自主车队协同仿真系统的可用性。总结了所提出自主车队协同仿真系统的优点以及未来研究方向。

编队机动是地面无人平台自主导航技术的重要功能之一。研究编队机动系统的车速自适应车间距保持控制方法,建立车速自适应车间距控制框架,将车间距保持控制分为串联的3个部分:跟驰模型、车间距控制和速度规划。以传统时距模型为基础,引入前后车速度关系的修正项,提出改进非线性跟驰模型,模型符合编队机动逻辑,根据车速变化自适应调节安全车间距,提高编队效率。以距离误差和速度误差的加权组合作为车间距控制的目标,设计加权系数的自修正PID控制器,提高了控制响应和控制精度。以参考速度和前后车运动特性为约束,设计速度规划器,对期望速度进行精确跟踪。通过仿真实验和实车实验验证车间距保持控制的性能,实验结果表明控制算法对不同速度具有较好的控制效果,在越野环境前车频繁加减速的工况下具有较好的跟驰性能,且自动适应速度变化过程。

为使多无人机(UAV)在面临不同程度的任务威胁环境时能够高效的执行任务,研究并设计一种新型协同航迹规划算法,以综合代价为目标函数,利用改进的蝗虫优化算法对构建的航迹规划模型进行求解。分析传统蝗虫算法的原理以及不足,提出改进策略,即引入基于逻辑斯蒂函数的非线性递减策略;针对改进之后的算法进行仿真测试,并与其他算法进行对比,验证算法的应用效果。仿真结果显示,相对于其他算法,改进算法具有明显的优势,收敛速度更高,航迹代价更低,可为UAV作战效能提升提供支撑。

为拓展四足仿生机器人的运输能力,提出一种助力双轮拖车载荷构型,自带动力并由四足仿生机器人牵引,从而获得更大的运输能力,同时兼顾整体的灵活机动能力,具备一定的越野能力。通过分析其运动学和动力学特点,建立双轮拖车载荷的动力学仿真模型,提出基于力控的助力控制算法,并以此为依据设计双轮拖车载荷实物样机,在该样机上对算法进行验证。实验结果表明,助力双轮拖车载荷可以在满载的情况下较好地响应四足仿生机器人的运动状态,并具有一定的越野能力,极大地拓展了四足仿生机器人的运输能力。

为了提升四足机器人腿足的运动性能,设计一种具有并联弹性驱动器(Parallel Elastic Actuator,PEA)的腿足关节,通过模仿四足动物的肌腱作用原理,将拉簧并联在小腿连杆和大腿连杆之间,在膝关节处实现了并联弹性驱动,具有尺寸小、质量和惯量低的特点。建立了PEA膝关节的动力学模型,并借助该模型,在预设跟踪任务轨迹下,综合考虑峰值力矩、峰值功率和能量利用率,对拉簧的刚度系数进行多目标优化,得到全局最优的拉簧刚度为5510N/m。为了对比本PEA关节与电机直驱关节的性能,从仿真和实验两个方面进行验证。利用Gazebo机器人仿真环境,使用带有刚度的滑动副来实现PEA拉簧的效果,通过物理引擎模拟获取关节电机的输出力矩、输出功率、机械能耗;搭建PEA膝关节实验平台开展样机实验,获取膝关节电机的电源输入参数,如输入电流、输入功率、电源能耗。实验结果表明:PEA对比电机直驱关节,在0.5~2.0s的轨迹周期下,电机输出方面可以减少峰值力矩40%~79%、峰值功率52%~89%和机械能损耗40%~89%,电机输入方面可以减少峰值电流46%~77%、峰值电功率43%~76%和电能损耗62%~73%。

从科研思维、行为模式方面,论述四足、双足机器人国内发展现状,对比国内与波士顿动力公司间存在的差距。从科研范式的角度分析新技术推动下中国在四足、双足机器人换道超车的核心技术及发展方向,总结国内在电驱动关节及足式机器人控制方面所面临的机遇,提出基于AI驱动的足式机器人系统设计方法。

无人车凭借其适应性强、成本低的优点,成为代替人类前往高风险、高污染区域执行任务的一种切实可行的方案。轨迹规划作为无人车任务系统的关键技术,其目的是根据任务目标制定满足约束条件的运动轨迹。然而,目前的导航控制器主要依赖于预先获取的地图和先验知识,对未知环境的应对能力有所欠缺,无法适应复杂多变的任务环境。为此,提出了一种基于控制障碍函数的轨迹规划方法,用于解决无人车在未知环境下的自主避障、轨迹规划问题。该方法前端利用激光雷达感知环境深度信息,后端采用最小二乘支持向量机拟合障碍物边界,以估计控制障碍函数,并对负样本错分类进行补偿,最终通过求解二次规划得到安全控制指令。针对无人车可能陷入停滞状态的死锁问题,提出一种分段式的检测与消除方法来避免。数值仿真实验和半实物实验结果表明,所提方法在多种障碍物环境下具备较好的避障避撞和轨迹规划能力,在路径长度等方面优于传统的控制方法。

覆盖路径规划的目的是为智能体找到一条安全的轨迹,其不仅可以有效覆盖任务区域,而且可以避开障碍物与邻近智能体。在执行覆盖任务时,复杂的大面积任务区域总是不可避免的。如何在保证智能体安全的前提下加强智能体之间的协同合作,以改善集群任务效率低、能力不足的缺点是值得探索的问题。为此,利用栅格地图建立离散的覆盖路径规划数学模型,提出一种基于值分解网络的安全多智能体强化学习算法,并通过理论证明论证其合理性。该算法通过分解群体价值函数以避免智能体的虚假奖励,有助于加强智能体之间协同覆盖策略的学习,以提高算法的收敛速度。通过在训练过程中引入屏蔽器以修正智能体的出界和碰撞等行为,保证智能体在整个任务过程中的安全。仿真和半实物实验结果表明,新算法不仅可以保证智能体的覆盖效率,同时还能有效维护智能体的安全。

针对执行器严重故障下多移动机器人的编队重构控制问题,提出一种基于灰狼优化-鲸鱼优化算法(Grey Wolf Optimizer-Whale Optimization Algorithm,GWO-WOA)的协同编队重构控制策略。设计一种故障观测器以检测多机器人系统中出现的执行器严重故障,并使执行器严重故障的机器人离开编队。利用匈牙利算法分配剩余机器人在期望重构编队中的位置,并用GWO-WOA规划出机器人的运动路径。提出编队重构综合控制策略,包括三部分,分别为基于一致性的编队保持控制、基于势能函数的避碰控制和基于比例积分的跟踪控制器,使多机器人在无碰撞的情形下实现了重构编队。仿真实验结果表明,所提出的编队重构控制策略能够实时监测出故障机器人,并且在形成期望重构编队的同时防止相互碰撞。

无人机集群在军事战争、公共安全和商业领域的应用越来越广泛,但在复杂多变的对抗环境下,制定高效的策略仍然是一个挑战。为使无人机集群能够自主学习和适应对抗环境的变化,提高任务执行的效率和成功率,提出一种基于值分解的多智能体强化学习算法框架,在仿真平台模拟不同对抗场景下的无人机集群行为,通过强化学习算法,培养无人机集群在不同情境下做出决策的能力,以实现任务目标的最优化。讨论不同强化学习算法在无人机集群对抗策略中的应用和性能比较。实验结果表明,该算法在多种集群对抗环境下均表现出良好的效果,展现出其在军事无人机集群对抗中的有力支持。

为了提高四足机器人的运动多样性和地形适应性,提出一种复杂运动行为控制方法,通过构建四足机器人动力学模型,在此基础上进行离线滚动优化预测,生成四足机器人复杂行为的期望轨迹。在运动学、关节扭矩、接触力、运动状态和地形高度等非线性约束下更全面地优化了轨迹,设计在线轨迹跟踪控制器与落足控制器,实现四足机器人复杂行为的在线控制。在多复杂运动的动态仿真环境下评估了所提方法,机器人可以实现前跳、后空翻、前空翻和旋转跳跃,并可以在给定地形信息下跳跃障碍物。将在线轨迹跟踪控制器迁移到四足机器人物理样机中,完成了四足机器人向前跳跃的实验。实验结果表明,所提出的方法能够使四足机器人有效地完成多种特定复杂运动技能的稳定控制。

针对传统路径规划算法用于解决无人机战术路径规划问题时存在局部最优、慢收敛等问题,提出一种改进的群智能算法,以改变初始种群的更新方式,提升灰狼算法的全局寻优能力并加快其收敛速度。引入莱维飞行随机策略以及共生生物搜索算法,借助莱维飞行策略更新种群个体,利用共生生物搜索算法偏利共生阶段的交互性避免陷入局部最优问题。威胁建模是UAV路径规划的重要前提,对威胁物进行等效预处理,结合适应度函数检验算法。设计一种虚实映射仿真验证平台,通过以实映虚的手段验证算法的有效性。实验结果表明,改进后的算法改善了传统路径规划算法的局部最优和慢收敛等路径规划问题,对UAV作战能力的提升具有一定参考价值。

在信息化战场上,无人机面临多种潜在威胁,不时出现的非意图干扰对无人机系统的卫星信号和通信链路造成干扰,对飞行产生不良影响。为了解决这一挑战,采用多传感器信息融合,以全球导航卫星系统(Global Navigation Satellite System,GNSS)和惯性导航系统(Inertial Navigation System, INS)组合导航系统为主滤波器,并将全球定位系统导航系统和视觉导航系统作为子滤波器,建立了联合滤波器。将多架无人机数字影像的相对导航信息与各无人机平台获取的绝对导航信息融合,实现了一种基于卡尔曼滤波的多地标接力辅助导航算法,有效提高了GNSS/INS相对导航系统的解算精度,降低了多无人机群体的计算负担,扩大了无人机的巡航范围。采用并行分布式的系统框架,将算法部署在多个无人机平台上,通过无人机之间的信息传递和互动,实现多无人机的协同感知与自主定位。在仿真任务场景中进行相关实验,实验结果显示该方法在3架无人机协同导航中位置估计平均误差达到0.66m,速度估计精度保持在±0.4m/s,满足设计要求。

随着数字孪生技术的不断发展,人们面临将大规模、高维度的点云数据进行压缩编码的问题,以提高传输效率。然而大多点云编码方式存在压缩实时性不强、压缩效率低、点云格式要求过高等问题。针对解决这些问题,提出了一种基于谷歌Draco几何压缩库的实时彩色点云流压缩(Real-time Color Stream Draco,RCS-Draco)算法。将算法集成到ROS框架内,借助ROS消息流,对点云流实时地进行编码和解码,提高了算法的实时性;通过建立优化裁剪模型,对点云进行裁剪和滤波,去除了漂移和离群点云,提高了压缩算法的压缩效率。建立量化预测模型,对点云的RGB颜色信息进行编码,解决了大多数点云压缩算法无法处理颜色信息的问题。对比试验通过调整压缩等级和量化参数,证明RCS-Draco算法的平均压缩率最高能够达到77%、平均压缩和解压时间小于0.035s、位置平均误差小于0.05m、属性平均误差小于35;并通过相融试验证明RCS-Draco算法在各项指标上优于Draco算法。试验结果表明,RCS-Draco压缩算法在压缩实时性、效率、点云格式方面均表现良好,能够有效地提升传输效率。

多机器人协同系统具备强鲁棒性和容错性,可显著提高整体效率并完成复杂任务。当前多机器人编队常采用集中式架构,此方式依赖中央决策模块,尤其在处理众多机器人的协同任务时存在可扩展性不足、可解性低的问题。提出了一种基于领导者-跟随者方法的分布式模型预测控制器(DMPC),处理多机器人协同编队任务。基于运动学和图网络,对机器人和系统通信进行建模。将编队问题中的轨迹跟踪和队形保持任务分解,分别对领导者和跟随者设计了模型预测控制器。设计了编队队形矩阵,并将其与通信图网络结合,以实现一致性控制或编队控制。各机器人独立决策、并行计算,在面对较多数量机器人的协同编队时表现出更好的准确性和可扩展性。同时,该控制器的设计中还考虑了控制输入变化,有助于减小能耗。设计了数值仿真及方案对比,并通过物理仿真实验,验证了所设计的控制策略的有效性。

针对无人机集群任务规划与协同控制面临的规模可扩展、任务多样化、指控互操作等新需求新挑战,界定了无人机集群任务规划与协同系统架构概念与内涵;从集群拓扑组织方式入手分析了集群任务规划与协同系统架构发展现状;在此基础上,提出了混合式无人机集群任务规划与协同系统架构设计方法,建立了分布式扁平化体系架构总体设计方法、自适应演化与自组织重构机制和事件驱动的协同触发机制。采用层次化设计思想,设计了系统底层控制层、高层控制层、协调层、通信层和人机交互层五层次结构。研究结果表明,相比于现有方法,提出的体系架构和设计方法充分考虑了单体间的组织方式、信息交互模式和互操作等集群间的基础性问题,为无人机集群任务规划与协同系统架构设计提供了理论支撑和设计参考。

基于美军两栖攻击舰舰载反潜直升机收放过程的技术发展趋势,对其相关方案和流程进行分析,围绕美军两栖攻击舰的收放过程技术展开,研究LHA和LHD两种类型两栖攻击舰的舰载直升机离舰起飞、登舰回收以及应急回收登舰的多项方案,挖掘美军舰载反潜直升机自主适用性技术,提炼出离舰起飞、回收、应急回收方法与航线。研究结果表明:“美军舰载直升机离舰起飞方案Ⅰ、Ⅱ、Ⅲ”在100000架次的离舰仿真,无论飞行条件是目视飞行天气条件下,还是仪表飞行天气条件下,离舰起飞故障率均能控制在10‱以下,事故平均发生率基本为5‱;“美军舰载直升机回收方案Ⅰ、Ⅱ、Ⅲ”在100000架次的离舰仿真,回收过程故障率均能控制在25‱以下;其中回收方案Ⅰ回收过程故障率均能控制在5‱以,回收方案Ⅱ回收过程故障率均能控制在15‱以下,回收方案Ⅲ回收过程故障率均能控制在20‱以下;应急回收方案回收过程故障率均能控制在25‱以下。

基于无人协同博弈快速发展并临近实战的背景下,结合数字孪生技术构建无人协同博弈数字孪生系统模型,搭建无人智能博弈的系统结构体系,从而推进无人协同博弈孪生仿真的研究实践。基于KJ法,对相关战例进行归纳分析,进而对未来战争样式进行推演、对无人协同博弈系统要素和组织关系进行演绎推理。通过构建无人协同博弈矩阵、无人协同博弈函数、无人协同博弈优化方程矩阵,完成无人协同博弈态势感知及博弈方案优化模型构建,实现阶段博弈方案全局最优,结合数字孪生技术,从物理层、虚拟层、服务层、数据层、数据连接5个方面构建出无人协同博弈数字孪生结构模型,并梳理此模型的技术体系。为实现无人协同博弈的虚实同步,交互运行,智能决策优化提供理论框架,为未来无人作战体系构建提供参考。

针对事件触发下一般线性多智能体系统一致性问题研究中,现有算法多采用静态触发方式、一致性协议设计中存在全局信息、无法实现完全分布式控制的问题,提出一种基于动态事件触发的一致性协议。通过引入时变耦合权重自适应地调整图的标量增益,实现一致性问题的完全分布式求解。针对事件触发控制中需要持续检测触发条件的问题,引入基于个体的状态估计器,用于在触发间隔期内对自身状态进行估计,减少了智能体间的通信次数。基于所选择的Lyapunov函数,设计一种耦合系统状态估计值、测量误差和自适应参数的动态触发函数,显著地减少了系统的触发次数、降低了系统的能耗。数值计算表明所提一致性协议能够实现渐近一致性,且不发生Zeno行为。仿真结果表明所提协议能有效降低系统能耗、节省通信资源。