-
公开(公告)号：CN112232711B
公开(公告)日：2022-10-21
申请号：CN202011256930.5
申请日：2020-11-11
Applicant: 北京理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种针对侦察任务的多同构无人车分布式任务分配方法，涉及多智能体协同决策技术领域，能够在无人车能力有限，并且室外路况对无人车产生多维约束的情况下，每一辆无人车对所有任务进行评价，最终按照评价结果完成任务分配。包括如下步骤：初始化系统信息。加载地图，对地图进行栅格化处理。根据栅格化的地图信息和初始化的系统信息，获取环境信息和无人车自身状态，构造匹配函数；利用所构造的匹配函数，计算每一辆无人车针对所有任务的匹配度。构建无人车和任务的匹配关系。执行KM算法进行任务分配。执行任务。
-
公开(公告)号：CN112327862B
公开(公告)日：2021-10-19
申请号：CN202011281413.3
申请日：2020-11-16
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明公开的不确定环境下多机器人协同搜索的路径规划方法，S1：将不确定环境地图进行栅格化，基于不确定环境的先验信息将不确定环境的栅格化地图转化为目标搜索概率图；S2：初始化多机器人的数量、优先级、初始位置和最大步长；S3：判断机器人所在栅格是否为高概率区域，如果是则采用滚动优化遗传算法进行路径规划，否则采用人工势场法进行路径规划；S4：多机器人根据路径规划结果进行搜索，并对目标搜索概率图进行更新；S5：当机器人行驶步长达到最大步长时，搜索结束，完成多机器人在不确定环境中的协同搜索，否则返回步骤S3。能够使多机器人在不确定环境下的限定步长内发现尽可能多的目标，保证障碍物避碰和机器人之间避碰，减少重复探测。
-
公开(公告)号：CN117519233A
公开(公告)日：2024-02-06
申请号：CN202311506674.4
申请日：2023-11-13
Applicant: 北京理工大学
IPC: G05D1/46 , G05D109/20
Abstract: 本发明属于无人机路径规划领域，具体涉及一种基于粒子群算法的城市多障碍物环境下无人机路径规划方法，用于实现在充满障碍物的城市环境中为无人机规划一条满足曲率约束的可执行飞行路径。本发明提供了一种基于粒子群算法的城市多障碍物环境下无人机路径规划方法，解决了无人机在多障碍物环境中满足曲率约束的路径规划问题；本发明对城市环境进行了预处理，先将城市环境中的障碍物进行外接圆处理得到圆形障碍物，再对圆形障碍物进行膨胀处理得到最终的障碍物，膨胀的宽度为无人机的安全飞行距离。
-
公开(公告)号：CN112327862A
公开(公告)日：2021-02-05
申请号：CN202011281413.3
申请日：2020-11-16
Applicant: 北京理工大学
IPC: G05D1/02
Abstract: 本发明公开的不确定环境下多机器人协同搜索的路径规划方法，S1：将不确定环境地图进行栅格化，基于不确定环境的先验信息将不确定环境的栅格化地图转化为目标搜索概率图；S2：初始化多机器人的数量、优先级、初始位置和最大步长；S3：判断机器人所在栅格是否为高概率区域，如果是则采用滚动优化遗传算法进行路径规划，否则采用人工势场法进行路径规划；S4：多机器人根据路径规划结果进行搜索，并对目标搜索概率图进行更新；S5：当机器人行驶步长达到最大步长时，搜索结束，完成多机器人在不确定环境中的协同搜索，否则返回步骤S3。能够使多机器人在不确定环境下的限定步长内发现尽可能多的目标，保证障碍物避碰和机器人之间避碰，减少重复探测。
-
Patent Agency Ranking
公开(公告)号：CN112257875A
公开(公告)日：2021-01-22
申请号：CN202011269619.4
申请日：2020-11-13
Applicant: 北京理工大学
IPC: G06N20/20
Abstract: 本公开的极限学习机的多智能体的任务理解方法，初始化多智能体参数和环境态势感知信息；根据多智能体的任务和参数以及环境态势感知信息制定极限学习机的任务理解样本数据；根据任务理解样本数据确定极限学习机的任务理解网络结构；利用任务样本数据对极限学习机的任务理解网络结构进行训练得到极限学习机的任务理解模型；当多智能体接收任务指令后，获取当前环境态势感知信息和多智能体参数，将当前环境态势感知信息和多智能体参数输入到极限学习机的任务理解模型中得到任务理解结果。能够充分利用战场环境态势信息和多智能体能力值等信息，产生有效切合指挥员思维的理解结果，避开一定程度上依赖专家系统的主观性因素，保证任务理解的准确性。
-
公开(公告)号：CN117407738A
公开(公告)日：2024-01-16
申请号：CN202311139776.7
申请日：2023-09-05
Applicant: 北京理工大学
IPC: G06F18/23213 , G06Q10/0631
Abstract: 本发明涉及一种基于能力匹配聚类算法的无人群组构建方法，属于无人平台群组构建技术领域，用于实现大规模任务情形下的无人群组构建，将复杂大规模任务分配问题分解为多个简单无人群组构建问题。本发明首先利用k‑means聚类算法根据任务在实验场景中的位置分布先解决任务分组问题，然后计算任务小组的整体任务需求，即将任务小组中各任务点各维度的需求进行相加得到任务小组的整体需求；然后，参考各任务小组的需求构建无人平台小组，从备选的无人平台中持续选出一个无人平台加入无人平台小组，计算并更新无人平台小组的能力，直到无人平台小组的能力大于任务小组的要求为止，当每个任务小组都有对应可以完成任务的无人平台小组时，无人群组构建完毕。
-
公开(公告)号：CN112232711A
公开(公告)日：2021-01-15
申请号：CN202011256930.5
申请日：2020-11-11
Applicant: 北京理工大学
IPC: G06Q10/06
Abstract: 本发明公开了一种针对侦察任务的多同构无人车分布式任务分配方法，涉及多智能体协同决策技术领域，能够在无人车能力有限，并且室外路况对无人车产生多维约束的情况下，每一辆无人车对所有任务进行评价，最终按照评价结果完成任务分配。包括如下步骤：初始化系统信息。加载地图，对地图进行栅格化处理。根据栅格化的地图信息和初始化的系统信息，获取环境信息和无人车自身状态，构造匹配函数；利用所构造的匹配函数，计算每一辆无人车针对所有任务的匹配度。构建无人车和任务的匹配关系。执行KM算法进行任务分配。执行任务。
-
公开(公告)号：CN119338141A
公开(公告)日：2025-01-21
申请号：CN202411132990.4
申请日：2024-08-19
Applicant: 北京理工大学
IPC: G06Q10/0631 , G06N3/126 , G06F18/23
Abstract: 本发明公开了一种基于混合遗传算法的动态任务规划方法，属于无人机动态任务规划技术领域，用于实现搜索侦察任务场景中的动态任务分配。本发明首先利用混合遗传算法根据任务信息和无人机能力信息首先进行预规划，得到预规划方案。混合遗传算法由原始遗传算法和变邻域搜索算法相结合，基础的遗传算法用来保证算法的探索能力，变邻域搜索算法用来保证算法的开发能力；然后加载动态任务信息，依据动态任务信息出现的先后时间为动态任务进行排序；紧接着利用动态分配机制为动态任务进行分配，针对不同的任务场景设计了四种动态调整策略，分别为随机分配策略、基于聚类中心分配的分配策略、就近分配策略、基于燃料剩余量的分配策略；最后无人机更新任务序列。
-
公开(公告)号：CN117029821A
公开(公告)日：2023-11-10
申请号：CN202310801038.8
申请日：2023-07-03
Applicant: 北京理工大学
IPC: G01C21/20
Abstract: 本发明公开了一种城市环境下无人机基于侦察拓扑的路径规划方法，首先对城市环境进行预处理，利用环境的先验信息将城市环境中不同的区域进行划分，然后构建了无人机的侦察拓扑模型，将单个目标点扩展为目标点候选集，以便在路径规划过程中生成更多的候选方案；将概率路图法和侦察拓扑模型相结合，以解决无人机在城市环境中执行侦察任务时的路径规划问题；最后，构建无人机路径规划方案整体评估规则，对无人机的路径飞行时间和侦察任务的执行效果进行整体评价；本发明解决了城市环境下无人机执行侦察任务时的路径规划问题，使无人机能够在城市环境的影响下规划出更快达到目标的路径，以及在传感器探测范围和角度约束下高质量地完成侦察任务。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.016 seconds)
