摘要:为解决传统Radau伪谱法在轨迹优化求解效率与轨迹解可行性之间存在的矛盾,本文提出一种基于自适应阈值的分段升阶伪谱法,用于提升非线性优化问题的求解精度,加快收敛速度。该方法通过动态比较迭代过程中的误差矩阵极大值与标准时间步长,在误差超过自适应阈值的区间设置新分段点,并在误差小于偏差阈值的分段内增加配点数,这种策略对轨迹解的平滑/非平滑区间进行针对性优化,从而以较少的分段数和配点数达成轨迹规划目标。相比于传统Radau伪谱法,自适应分段升阶方法能够以较少迭代轮次收敛到期望结果,实现数值精度与求解效率的有效平衡。为验证算法性能,本研究基于自由飞行空间机器人非合作目标捕获场景进行了对比仿真实验。实验结果表明,本文提出的自适应分段升阶方法,在求解耗时和轨迹解的末端精度方面均优于对比方法,显示出更好的综合表现。

摘要:为解决地下空间中空地异构无人系统协同区域搜索效率低下的问题,本文综合考虑空中与地面障碍物的双重约束,构建了三维栅格地下空间模型。基于此,利用自适应高度的无人系统三维传感器模型,量化分析了探测距离对探测性能的影响,并采用信息素图机制,通过信息素的扩散与挥发动态更新环境信息。在分布式模型预测控制(distributed model predictive control,DMPC)框架下,融合差分变异、三角形游走、高斯扰动和t分布自适应扰动策略,提出了一种融合信息素图机制的改进人工旅鼠算法(improved artificial lemming algorithm-pheromone map,IDALA-PM),以实现多空地异构无人系统的分布式实时路径规划。仿真结果表明,所提出的IDALA-PM算法能够有效完成地下空间搜索任务,相比传统算法,搜索效率提高了54.2%。

摘要:为研究神经网络和强化学习算法与高等动物进化原理之间的联系,本文结合深度确定性策略梯度（deep deterministic policy gradient,DDPG）算法构建了一套可观测、可解释的轮足机器人自主运动控制系统。首先在FPGA（field-programmable gate arrays）上部署Actor-Critic神经网络,并设计了一套FPGA-ARM机器人控制系统,通过实时导出网络权值激活信号并生成权值热力图,以可视化展示策略演化过程。实验表明,该方案单步计算时延缩减至28 μs,5 000步内完成收敛。同时,权值热力图揭示了策略在初期、中期及后期3个阶段的动态演化,定性分析表明,非关注区域对整体策略影响微弱、资源利用更趋优化。本文提出的硬件算法协同框架为强化学习“黑箱”可观测性研究提供了新范式,展示了FPGA在嵌入式机器人控制中兼具低延迟、高并行和低功耗的独特优势,为多智能体协作与异构平台下的实时技能学习与硬件加速提供了潜在应用前景。

摘要:为解决变后掠翼飞行器在动态拦截环境下的自主规避问题,本文提出一种智能变形决策算法,通过实时调节后掠角,将动态变形作为规避的核心手段。首先,针对后掠角可变的变体飞行器模型,基于最小二乘法拟合气动系数,并分析了气动参数对飞行器气动性能的影响,从而为智能变形决策提供依据。其次,考虑变后掠翼飞行器飞行速度、飞行区域边界等实际物理约束条件,构建面向突防任务的变体飞行器双拦截器动态博弈场景,结合飞行器状态、拦截器状态及目标信息的状态空间,设计以规避效果、气动性能为优化目标的决策模型。仿真实验验证结果表明,本文算法能够在完成自主变形决策规避的同时,兼顾机动性和敏捷性,克服了传统变形策略依赖离线优化计算和根据预设任务切换,难以自适应应对高动态博弈环境的局限性。

摘要:自重构波状爬行(self-reconfiguration wave-like crawling,SWC)机器人具有特殊的串/并联连接状态,其在运动规划过程中更需要生成连续可行的轨迹。传统运动规划算法存在效率低下、生成路径不符合运动学约束的问题。本文提出了一种改进的信息增强快速探索随机树运动规划方法。首先以RRT-Connect(rapidly-exploring random tree connect)算法为基础,生成初始可行路径,构建椭圆状态空间采样域,实现随机树的快速生长。其次,基于最小化的加加速度目标函数和Hessian矩阵优化多项式轨迹,生成符合SWC机器人运动学特性的平滑轨迹。最后,基于不同的障碍物场景进行路径规划仿真,以验证优化后算法的效果。仿真结果表明,相较于传统算法,所提方法在多种障碍物环境中可显著提升路径规划效率,缩短全局采样时间和规划路径长度,并可有效地避免SWC机器人运动过程中的急加速转弯,消除路径中的尖锐转折,更符合实际作业需求。

摘要:为提升时空运动耦合约束的物流配送效率和灵活性,通过结合无人机高机动和无人车强运载能力,构建了异构空地协同智能物资配送系统。设计了一种多层级多尺度的多机物资配送轨迹规划方法(multi-layer multi-scale multi-robot transportation trajectory planning,M³TTP),基于改进蚁群算法与概率路线图算法相结合,以优化多目标障碍约束下的旅行商问题轨迹求解结果,实现多尺度的分层任务分配决策规划。实验结果表明,考虑实际环境中空间障碍物和动态时序约束条件,通过改进的末端启发式算法构建邻接矩阵,可以实现小尺度的已知路网信息下求解最优配送路径。提出的异构协同任务作业时间同步机制,以Dubins算法将规划的轨迹均匀离散,提高了地空配送任务中多机协同效率。设计的M³TTP方法可以增强系统在时空运动耦合约束下的适应性和配送效率。

摘要:为完善非线性系统预设性能跟踪控制过程中约束冲突问题的处理机制,并对系统施加更精细的约束,本文提出了一种基于新型可变障碍函数的性能约束控制方法。首先,对非线性系统约束控制中因初始状态不确定和期望轨迹突变导致的约束冲突问题进行分析,提出了一种新的非对称可变障碍函数构型。该构型为系统引入了吸引函数,能够统一处理约束冲突过程中的约束解除和约束恢复两个阶段,并能够丰富预设性能边界的设置形式,使得约束控制策略更加简单和完善。其次,基于设计的新型非对称可变障碍函数构型,设计一组新型L型预设性能边界函数。该组性能边界函数本身具有约束力,能够对系统输出的超调量施加定量约束,从而更精细地约束系统的行为。最后,对系统误差的有界性和前向不变性进行了证明,并基于Lyapunov函数稳定性理论证明所有闭环信号的一致最终有界性。选取四旋翼无人机系统进行数值仿真和实验对比,数值仿真和实验结果验证了所提方案的有效性和优越性。本文设计的吸引预设性能方法,能够在给系统施加定量超调约束的同时,解决约束过程中产生的约束冲突问题。

摘要:超参数优化是自动机器学习领域中的关键技术之一,旨在通过实现超参数调优的自动化,减轻机器学习从业者的工作负担。在机器人系统中,超参数优化对感知模块的神经网络训练、控制器的参数整定以及多模态数据融合算法的性能提升具有关键作用。然而,尽管该技术已取得显著进展,但其效率问题仍是限制其广泛应用的主要瓶颈。近年来,元学习技术的迅猛发展为提升超参数优化的效率开辟了新路径,该技术在机器人系统需要快速适应动态环境及新任务场景时展现出独特优势。元学习的核心在于使模型能够从大量先验任务中自动吸收并应用相关知识,从而显著提升其对未知任务的学习效率。基于此,众多研究者正致力于探索如何利用元学习技术来增强超参数优化的搜索能力。本文旨在系统梳理相关研究进展:首先对超参数优化问题进行形式化定义,并综述当前主流方法;其次,总结基于元学习理论的超参数优化策略,并分析当前主流元学习算法的特点；再次,介绍超参数优化领域的基准数据集,并对比分析主流方法在其上的实验性能;最后,对超参数优化技术的未来发展趋势进行展望。

摘要:为解决车辆边缘计算中因高动态网络拓扑结构、高维动作探索空间以及严格的低时延约束引起的任务卸载不稳定、计算资源不能充分利用、卸载成本高、用户服务质量低的问题,本文提出了一种数字孪生辅助聚类的车辆边缘计算任务卸载方法。首先构建了车辆社交关系模型,以量化车辆间的相互关系,通过引入两个社交信任因子衡量车辆间卸载稳定性,减少因通信链路不稳定而造成的计算资源浪费；而后构建数字孪生车辆边缘计算网络模型,通过数字孪生网络模型与实体车载边缘设备网络之间的双向信息交互,实时监控车辆边缘设备的状态；同时,设计了基于引力模型的聚类算法,辅助车辆聚类以缩小动作探索空间,提高计算任务的卸载效率,降低边缘任务计算成本；最后,在以上优化策略的基础上,设计实现了数字孪生辅助聚类的双延迟深度确定性策略梯度边缘计算任务卸载算法。仿真对比实验表明,与已有的卸载方法相比,所提方法在充分利用计算资源的基础上,能够显著减小任务卸载成本,降低任务执行时延并提高任务卸载成功率,可以实现车辆边缘计算任务的高效稳定卸载,提升用户服务质量。

摘要:为解决异质信息网络中现有社区搜索方法存在的局限性,本文提出了一种融合多种语义关系的异质信息网络社区搜索方法,采用高效的“离线学习在线搜索”策略,其核心在于:利用语义注意力机制自适应学习不同元路径对目标社区凝聚性的权重贡献,精准量化语义差异；再结合网络结构与节点属性特征度量节点相关性,定位社区成员。离线阶段预训练节点社区关联模型,生成节点归属各类社区的概率分布向量；在线阶段基于预计算结果快速响应社区搜索。此策略既可保持学习模型的灵活性,有效捕捉异质网络语义与属性,又将主要计算负担置于离线阶段,显著提升查询效率,尤其适用于高频场景。在多个真实数据集上的验证实验表明,本方法在社区有效性（语义相关性、结构凝聚性、属性一致性）和查询效率上均显著优于现有主流方法。

摘要:为提高图像时间序列预测的精度,本研究提出了一种基于 长短期记忆网络（long short-term memory,LSTM)与注意力机制的时间序列预测网络:MA-LSTM。该网络整体由多尺度注意力模块（multi-scale attention block,MAB）、多尺度注意力层(multi-scale attention layer,MALayer)和超分辨率重建模块(super resolution reconstruction module,SRRM）组成,以多尺度特征建模为核心,着重提升时空特征表达能力与长程依赖建模能力。首先,MA-LSTM设计了MAB模块,通过时空特征增强层 提升模型的细节建模能力,并利用通道特征增强层加强了特征图的跨维度信息交互,解决了SwinLSTM对于细粒度特征捕捉不足的问题。其次,MA-LSTM引入了简化的LSTM结构,与MAB结合构建了MALayer,增强模型对时序信息的建模能力。最后,在特征图重建时设计了SRRM模块,有效增强模型预测输出的细节表达能力。研究表明,MA-LSTM在MovingMNIST和KTH两个不同领域的数据集上,结构相似性指数分别达到0.960 2和0.924 3,与SwinLSTM、PhyDNet、PredRNN、ConvLSTM网络进行的对比试验结果表明,结构相似性指数最高提升了0.337和0.212,展现了其在时序预测任务中的高效性和适用性,且具备跨领域的推广潜力。此外,消融实验进一步证明了本文所提出模块的有效性。

摘要:为提高零中频接收机中正交(in-phase quadrature,IQ)失配信号校正的收敛速度与鲁棒性,本文将Kalman滤波算法与盲源分离结构结合,提出了一种基于双通道Kalman滤波的校正算法。该算法通过状态空间建模与协方差自适应更新,能够在动态环境下实现更高效、稳定的参数估计,从而实现对IQ失配信号的有效补偿。将本文算法与最小均方算法(least mean square,LMS)、归一化最小均方算法(normalized least mean square,NLMS)和仿射投影算法(affine projection algorithm,APA)进行对比仿真,结果显示,校正后信号的镜像抑制比(image rejection ratio,IRR)均达到约45 dB,但双通道Kalman滤波算法对应的IRR曲面图更加平滑,同时,16QAM和16PSK调制方式下该算法的误符号率最低,表明本文算法能够有效实现IQ失配校正,具有较好的稳定性。本文算法迭代约50次时,均方误差收敛趋近于0,而LMS、NLMS和APA算法则分别需要迭代约500次、400次和200次才能够收敛,表明该算法具有较好的收敛性。通过参数的敏感性仿真分析,在较大的参数范围内本文算法达到的IRR差别甚微,具有良好的鲁棒性。

摘要:为准确评估复杂环境荷载作用下海上风机四桩导管架基础的承载变形特性,本文基于改进非线性滞回圈p（桩侧土反力）-y（桩横向变形）曲线构建了基础的三维数值分析模型,并引入修正P乘子以考虑群桩效应和基桩轴力对基础水平承载特性的影响。同时,采用两点组合循环加载方式分别模拟风压与波浪荷载作用,并考虑其幅值、频率、作用高度等荷载特征差异。研究表明:当桩间距≥7D时,四桩导管架基础的群桩效应可以忽略,且随着加载高度的增加（加载位移控制不变）,基桩轴力对基础水平承载特性的影响逐渐增强；波浪占比的增加和风载高度的降低会显著增大基础变形及内力,且其对于风浪占比的变化更为敏感；小幅值组合循环作用下,桩顶位移随循环次数（取对数坐标）呈线性变化且累积位移趋于不变,但当加载幅值为0.4时,桩顶塑性累积位移持续增长。

摘要:为解决现有隔震装置普遍侧重水平向而竖向控制薄弱的问题,本文提出一种新型液压蓄能竖向隔震体系,以有效抑制结构的竖向地震响应。首先,分析了系统的刚度特性,通过静力试验验证了隔震系统的力学性能和阻尼耗能能力。其次,建立了隔震系统动力学模型,采用谐波平衡法求解系统的幅频响应和位移传递率,分析了振动幅值、阻尼比和蓄能器体积压缩系数对位移传递率的影响。最后,建立了液压蓄能竖向隔震混凝土框架结构和未隔震框架结构的有限元模型,对上述模型进行了地震动动力时程分析,对比分析了两种框架的地震响应结果。研究结果表明:液压蓄能竖向隔震混凝土框架结构的竖向加速度响应与地面输入相比平均降低了59%,竖向隔震效果明显。

摘要:为明晰铝合金管混凝土的工作机理,验证并提升圆铝合金管混凝土短柱轴压承载力计算模型的可靠性,本文对现有圆铝合金管混凝土的短柱轴压试验进行了统计和分析,建立了试验数据库。在此基础上进一步分析了其短柱轴压力学性能,验证了现有5种典型承载力计算模型的适用性,并提出了更为准确的短柱轴压承载力计算模型。研究结果表明:现有研究的部分参数已超出“组合结构”的研究范畴,在相应分析中应予以单独考虑；相比于同条件的钢管混凝土,铝合金管混凝土的界限约束效应系数更高,初步可取为1.75；本文所列举的5种典型计算模型均可较好地预测圆铝合金管混凝土的短柱轴压承载力,但所收集试件中仍有5.6%~32.4%的承载力预测偏差超过20%,且主要集中于低约束效应系数（ξ<1.0）范围内；本文所提出的承载力计算模型对所收集试件的承载力预测偏差大于20%的占比低于3%。

摘要:为减少结构在地震作用下的残余变形,本文提出了一种基于形状记忆合金（shape memory alloy,SMA）螺栓的自复位转动摩擦阻尼器（shape memory alloy self-centering rotary friction damper,SMA-SRFD）,介绍了其基本构造及工作原理,开展了SMA螺栓材性实验,对螺栓及SMA-SRFD的受力性能进行了理论分析,并与有限元分析结果进行了对比,验证所采用理论公式的准确性；建立SMA-SRFD三维有限元模型,并选取旋转子中摩擦斜面倾角、摩擦系数及SMA螺栓预紧力为变量进行了参数分析。结果表明:SMA螺栓的应力应变曲线呈典型的“旗帜”形,具有良好的耗能及自复位能力；SMA-SRFD理论分析与数值模拟结果吻合,二者均可准确反映阻尼器的受力过程；增大斜面倾角,会提升SMA-SRFD的承载能力及等效刚度,但阻尼器耗能及阻尼比降低；提高接触面之间的摩擦系数,SMA-SRFD的耗能、等效刚度及等效阻尼比均随之增加,自复位能力减弱；随着SMA螺栓预紧力的增加,SMA-SRFD的最大承载力基本相同,而变形量会略有减小,此外,对SMA螺栓施加不同的预紧力,阻尼器的滞回性能无显著变化。

摘要:为研究Ⅱ型APC套筒约束下带肋钢筋与灌浆料间的黏结滑移性能,本研究进行了23组共69个Ⅱ型APC套筒约束灌浆料钢筋拉拔试验。采用电液伺服万能试验机进行单向拉伸加载,利用应变片及位移计分别采集套筒应变和钢筋滑移值,研究了试件破坏形态、黏结强度影响因素、黏结滑移本构关系、套筒荷载应变曲线等。结果表明:套筒约束灌浆料试件的破坏形式包括钢筋（屈服前及屈服后）拔出破坏和钢筋拉断破坏两种；试件黏结强度随钢筋直径、锚固长度的增大而降低,随含钢率的增大而提升；钢筋与约束灌浆料间的黏结滑移分为滑移段、劈裂段、下降段、残余段4个阶段；对比不同材料锚固试件发现,灌浆料、套筒约束灌浆料、混凝土达到极限黏结强度时的滑移值依次降低,混凝土因骨料限制了裂缝发展,其滑移值最小。黏结滑移曲线的能量分析表明,试件延性较优,脆性系数随钢筋直径增大而降低、随锚固长度增大而提升。极限荷载时,套筒长边环向为拉应变,且随钢筋直径的增大而增大,短边环向绝大部分为压应变,套筒长边和短边纵向应变均为拉应变,且套筒长边纵向及环向应变均大于短边。基于ABAQUS平台构建了Ⅱ型APC套筒约束灌浆料有限元模型,其仿真结果与试验数据吻合较好。在计算屈服及拉断临界状态下钢筋临界锚固长度值时,套筒的存在可使其大大减小。