一种新型交互式多模型状态估计方法及系统

    公开(公告)号:CN115546258A

    公开(公告)日:2022-12-30

    申请号:CN202211152137.X

    申请日:2022-09-21

    Abstract: 本发明公开了一种新型交互式多模型状态估计方法及系统,包括以下步骤:建立跟踪目标的运动状态模型和运动状态量测模型;根据运动状态模型,输入条件模型的目标先验状态,并结合滤波器的模型概率得到混合状态估计和混合误差协方差估计;将混合状态估计、混合误差协方差估计作为无迹卡尔曼滤波的初始输入信号对模型状态、模型误差协方差进行更新,输出更新后的模型状态和模型误差协方差;利用似然函数对模型概率进行更新,输出更新后的模型概率;根据更新后的模型状态、模型误差协方差以及模型概率,得到全局最优状态估计均值和全局状态估计协方差。本发明通过交互式多模型高阶无迹卡尔曼滤波算法,从而在复杂环境中实现准确估计的目的。

    一种基于决策者偏好的多无人机协同侦察航迹规划方法

    公开(公告)号:CN116255986A

    公开(公告)日:2023-06-13

    申请号:CN202310168207.9

    申请日:2023-02-22

    Abstract: 本发明提供一种基于决策者偏好的多无人机协同侦察航迹规划方法,包括:步骤1,建立多无人机协同侦察航迹规划的多目标优化模型;步骤2,由决策者提供偏好信息,所述偏好信息包括两个优化目标的理想取值范围,为所述多目标优化模型的求解提供先验信息;步骤3,采用基于偏好的多目标进化算法,基于步骤2为所述多目标优化模型的求解提供的先验信息,对步骤1中的所述多目标优化模型进行求解寻优,得到满足决策者偏好的多无人机协同侦察航迹规划飞行方案。本发明可以实现基于决策者偏好的多无人机航迹规划,既能保证解的优化性能,又能减少计算资源,还能缓解候选方案过多给决策者带来的选择压力。

    一种基于神经网络估计路径代价的多目标点路径规划方法

    公开(公告)号:CN115826591A

    公开(公告)日:2023-03-21

    申请号:CN202310157975.4

    申请日:2023-02-23

    Abstract: 本发明提供一种基于神经网络估计路径代价的多目标点路径规划方法,包括:构建抽象表示环境的特征地图;根据某起始点和目标点直线相连的线段与障碍圆相交的个数,分别制造数据集训练相应的路径代价估计神经网络;根据各线段与障碍圆相交的情况选择相应的路径代价估计神经网络计算所有条路径的估计路径代价,构建任意两点间的路径代价矩阵;运用遗传算法求解已知路径代价矩阵的旅行商问题,得到最佳遍历顺序;运用Informed‑RRT*算法,按最佳遍历顺序规划出从起点出发经过所有目标点后返回起点的总路径代价最小的路径。本发明可极大减少算法耗时,估计结果与实际规划路径代价相差极小,保证了TSP问题求解所得遍历顺序的最优性。

    基于反距离权重插值的混合均权重粒子滤波数据同化方法

    公开(公告)号:CN118964882A

    公开(公告)日:2024-11-15

    申请号:CN202410972637.0

    申请日:2024-07-19

    Abstract: 本发明提供了一种基于反距离权重插值的混合均权重粒子滤波数据同化方法,涉及数据同化技术领域,包括:获取模式积分初始背景场;在数值模式积分过程中,若达到数据同化调整时刻,则基于数值模式构建模式状态初始集合,根据预先获取的第一均权重粒子的观测分布位置与数值模式网格的网格点的位置关系确定粒子状态调整方式;基于粒子状态调整方式对第一均权重粒子进行状态调整得到第二均权重粒子;基于局地化函数和位置关系更新局地化半径内的第二均权重粒子的状态,得到第三均权重粒子,直至达到同化结束时刻;基于第三均权重粒子和海洋模式方程得到同化分析结果。提高了观测利用率以及同化的分析精度,使得更适合解决实际数据同化的应用需求。

    一种基于神经网络估计路径代价的多目标点路径规划方法

    公开(公告)号:CN115826591B

    公开(公告)日:2023-04-18

    申请号:CN202310157975.4

    申请日:2023-02-23

    Abstract: 本发明提供一种基于神经网络估计路径代价的多目标点路径规划方法,包括:构建抽象表示环境的特征地图;根据某起始点和目标点直线相连的线段与障碍圆相交的个数,分别制造数据集训练相应的路径代价估计神经网络;根据各线段与障碍圆相交的情况选择相应的路径代价估计神经网络计算所有条路径的估计路径代价,构建任意两点间的路径代价矩阵;运用遗传算法求解已知路径代价矩阵的旅行商问题,得到最佳遍历顺序;运用Informed‑RRT*算法,按最佳遍历顺序规划出从起点出发经过所有目标点后返回起点的总路径代价最小的路径。本发明可极大减少算法耗时,估计结果与实际规划路径代价相差极小,保证了TSP问题求解所得遍历顺序的最优性。

    基于IAFSA算法的自主水下航行器S面控制参数优化方法

    公开(公告)号:CN115963846A

    公开(公告)日:2023-04-14

    申请号:CN202211686123.6

    申请日:2022-12-27

    Abstract: 本发明提供一种基于IAFSA算法的自主水下航行器S面控制参数优化方法,包括:采用夺食行为、自适应步长、带衰减因子的视野范围改进经典人工鱼群算法,形成IAFSA算法;设计自主水下航行器的S面艏向控制器和S面前向速度控制器;利用所述IAFSA算法对S面前向速度控制器与S面艏向控制器的五个控制参数进行优化整定,形成基于IAFSA算法的S面路径跟踪控制器。经过仿真与试验分析,改进后的鱼群算法具有较快的收敛速度,且跳出局部最优值的能力显著增强,使用整定后参数的S面路径跟踪控制器指标较整定前降低了96%,并在水下实物试验中验证了IAFSA算法在AUV二维路径跟踪控制参数整定中应用的可行性与有效性。

Patent Agency Ranking