異構無人系統(tǒng)協(xié)同作戰(zhàn)關鍵技術綜述
發(fā)布時間:2021-04-14 21:22
針對異構無人系統(tǒng)的規(guī)模、異構性強弱,對異構無人系統(tǒng)進行了分類,引入了異構無人系統(tǒng)協(xié)同作戰(zhàn)班組的概念以及應用設想,并通過城市環(huán)境中異構無人系統(tǒng)協(xié)同作戰(zhàn)問題為牽引,提出了異構無人系統(tǒng)協(xié)同作戰(zhàn)面臨的挑戰(zhàn)與解決思路,在此基礎之上,從異構無人系統(tǒng)協(xié)同控制架構、協(xié)同任務規(guī)劃、智能交互、目標感知、環(huán)境感知等主要方面對異構無人系統(tǒng)協(xié)同作戰(zhàn)的關鍵技術進行了分析,最后對異構無人系統(tǒng)協(xié)同作戰(zhàn)目前的研究進展與挑戰(zhàn)進行了總結。
【文章來源】:宇航學報. 2020,41(06)北大核心EICSCD
【文章頁數(shù)】:11 頁
【部分圖文】:
樓宇搜索與值守任務
異構無人系統(tǒng)的協(xié)同控制架構是設計異構無人系統(tǒng)的最基本問題,集中式控制架構、分布式控制架構、有限集中式控制架構是三種最為典型的架構[10]。設計合理的協(xié)同控制架構是解決異構無人系統(tǒng)中計算負載分配不均衡[11]、通信鏈路穩(wěn)定以及無人系統(tǒng)行為控制等問題的關鍵。集中式控制架構中存在中央控制單元,異構無人系統(tǒng)的感知、狀態(tài)等信息向上匯集到中央控制單元,中央控制單元依據(jù)全局化的信息進行統(tǒng)一的行為規(guī)劃[12]。集中式控制架構的優(yōu)點在于:1)協(xié)同控制依據(jù)的信息完整;2)行為完全預測與受控。其缺點也較為明顯:1)對中央控制單元的狀態(tài)敏感;2)節(jié)點數(shù)量的增加會造成整體系統(tǒng)協(xié)調的性能下降;3)對通信的依賴性強;4)中央控制單元的計算負擔較重;5)節(jié)點對于環(huán)境變化的反應速度較慢。
哈爾濱工業(yè)大學航天學院針對基于視覺或激光雷達的環(huán)境感知技術無法完全的預測地形的可穿越性及缺少對地形的軟硬程度等物理特性的判斷的問題,提出了一種基于輪地相互作用引起的車輛結構三維振動的地形分類方法[54]:首先通過無人車的慣性測量單元獲取不同地形下無人車測得的加速度信息。然后,學習已知地形的振動特征,移動實驗平臺與傳感器布置方式如圖3所示,利用快速傅里葉變換將標記的三軸振動矢量變換為頻域,然后通過歸一化得到訓練特征向量,采用改進的BP神經(jīng)網(wǎng)絡,得到振動與地形類型之間的映射關系。最后,對混凝土、草地、砂、礫石和混合料五種環(huán)境進行了分類試驗。經(jīng)過20次隨機測試實驗,分類精度在88.99%~100%范圍內,實現(xiàn)了無人車行進過程中對地形的分類及軟硬程度的判斷。2)地形重構
【參考文獻】:
期刊論文
[1]凸優(yōu)化算法在有人/無人機協(xié)同系統(tǒng)航跡規(guī)劃中的應用[J]. 李樾,韓維,陳清陽,張勇. 宇航學報. 2020(03)
[2]基于域適應Faster RCNN的復雜背景目標檢測[J]. 王露荻,解月江. 航天控制. 2020(01)
[3]基于深度學習的飛機目標跟蹤應用研究[J]. 趙春梅,陳忠碧,張建林. 光電工程. 2019(09)
[4]一種三維地形特征提取和匹配方法[J]. 田陽,李國慶,宋新. 宇航學報. 2018(06)
本文編號:3138038
【文章來源】:宇航學報. 2020,41(06)北大核心EICSCD
【文章頁數(shù)】:11 頁
【部分圖文】:
樓宇搜索與值守任務
異構無人系統(tǒng)的協(xié)同控制架構是設計異構無人系統(tǒng)的最基本問題,集中式控制架構、分布式控制架構、有限集中式控制架構是三種最為典型的架構[10]。設計合理的協(xié)同控制架構是解決異構無人系統(tǒng)中計算負載分配不均衡[11]、通信鏈路穩(wěn)定以及無人系統(tǒng)行為控制等問題的關鍵。集中式控制架構中存在中央控制單元,異構無人系統(tǒng)的感知、狀態(tài)等信息向上匯集到中央控制單元,中央控制單元依據(jù)全局化的信息進行統(tǒng)一的行為規(guī)劃[12]。集中式控制架構的優(yōu)點在于:1)協(xié)同控制依據(jù)的信息完整;2)行為完全預測與受控。其缺點也較為明顯:1)對中央控制單元的狀態(tài)敏感;2)節(jié)點數(shù)量的增加會造成整體系統(tǒng)協(xié)調的性能下降;3)對通信的依賴性強;4)中央控制單元的計算負擔較重;5)節(jié)點對于環(huán)境變化的反應速度較慢。
哈爾濱工業(yè)大學航天學院針對基于視覺或激光雷達的環(huán)境感知技術無法完全的預測地形的可穿越性及缺少對地形的軟硬程度等物理特性的判斷的問題,提出了一種基于輪地相互作用引起的車輛結構三維振動的地形分類方法[54]:首先通過無人車的慣性測量單元獲取不同地形下無人車測得的加速度信息。然后,學習已知地形的振動特征,移動實驗平臺與傳感器布置方式如圖3所示,利用快速傅里葉變換將標記的三軸振動矢量變換為頻域,然后通過歸一化得到訓練特征向量,采用改進的BP神經(jīng)網(wǎng)絡,得到振動與地形類型之間的映射關系。最后,對混凝土、草地、砂、礫石和混合料五種環(huán)境進行了分類試驗。經(jīng)過20次隨機測試實驗,分類精度在88.99%~100%范圍內,實現(xiàn)了無人車行進過程中對地形的分類及軟硬程度的判斷。2)地形重構
【參考文獻】:
期刊論文
[1]凸優(yōu)化算法在有人/無人機協(xié)同系統(tǒng)航跡規(guī)劃中的應用[J]. 李樾,韓維,陳清陽,張勇. 宇航學報. 2020(03)
[2]基于域適應Faster RCNN的復雜背景目標檢測[J]. 王露荻,解月江. 航天控制. 2020(01)
[3]基于深度學習的飛機目標跟蹤應用研究[J]. 趙春梅,陳忠碧,張建林. 光電工程. 2019(09)
[4]一種三維地形特征提取和匹配方法[J]. 田陽,李國慶,宋新. 宇航學報. 2018(06)
本文編號:3138038
本文鏈接:http://sikaile.net/kejilunwen/jingguansheji/3138038.html