【摘 要】
：
针对多无人机编队防撞、编队恢复及位置和速度收敛一致性问题，提出以改进势场原理与一致性理论为基础的分布式协同编队控制算法。建立静态障碍物模型、无人机质点模型与二阶系统动态模型；定义含协调因子和通信权重的机间协调势场函数，实现防撞和队形恢复的控制目标；在基本一致性协议中引入编队中心参考向量、期望速度和速度镇定项，实现位置和速度的收敛一致性；结合改进的一致性协议与改进势场作用下的合加速度设计协同编队控制
论文部分内容阅读
针对多无人机编队防撞、编队恢复及位置和速度收敛一致性问题，提出以改进势场原理与一致性理论为基础的分布式协同编队控制算法。建立静态障碍物模型、无人机质点模型与二阶系统动态模型；定义含协调因子和通信权重的机间协调势场函数，实现防撞和队形恢复的控制目标；在基本一致性协议中引入编队中心参考向量、期望速度和速度镇定项，实现位置和速度的收敛一致性；结合改进的一致性协议与改进势场作用下的合加速度设计协同编队控制算法，并由Hamilton函数证明该算法的稳定收敛性。仿真结果表明，该方法可以实现防撞、队形恢复及位置与
其他文献
针对应急救援问题，在受灾点的位置、需求以及受灾人口等信息动态变化的情况下，建立动态有向救援网络，并以救援效率最大化为目标构建数学模型。首先，运用数据包络分析模型，对各段救援路线的效率进行评价；其次，建立基于效率的动态路由模型，通过时间片的划分将动态路由转化为多阶段的静态路由；最后，设计了改进的混合贪心蚁群优化算法对模型进行求解，并将本文算法与遗传算法、粒子群算法以及基础的蚁群算法进行对比。实验结果
针对无线网络流量数据预测精度不高问题，提出一种基于蝙蝠算法(BA)优化的反向传播(BP)神经网络的分类预测模型——BABP。通过采用蝙蝠算法对BP神经网络模型的初始权值与阈值进行全局寻优，构建崭新的基于蝙蝠算法优化的神经网络模型。并通过与传统寻优算法遗传算法(GA)与粒子群优化(PSO)算法的神经网络模型比较，在无线网络流量数据的分类预测和稳定性方面，提出的BABP模型要优于GABP(Geneti
本文综述满足电影型(cinematic)曲率条件的Fourier积分算子的局部光滑性及其相关研究.电影型曲率条件包含非退化条件及曲率条件.作为范例重点讨论如何通过双线性方法建立变系数版本的平方函数不等式,进而改进了Mockenhaupt-Seeger-Sogge局部光滑性的结果.与此同时,本文还分析了解决局部光滑性猜想的困难、可能的途径,以及它与其他数学猜想之间的联系.
在桥梁结构健康监测(Bridge Structure Health Monitoring，BSHM)的特定应用场合中，只根据节点地理位置进行成簇或使用单跳策略完成簇间路由，都会导致整个无线传感器网络（Wireless Sensor Networks，WSN）的不稳定。基于此，针对BSHM下的WSN，提出“能量分布”的概念，设计了一种能量均衡分簇路由协议EBP（Energy Balance Prot
传统合成孔径声纳回波仿真一般仅考虑3分贝波束宽度内接收的回波信号，忽略了收、发阵元宽频带指向性调制的实际问题。针对这一问题，本文根据声纳收、发阵元与目标间的瞬时几何关系，研究收、发阵元指向性调制的合成孔径声纳回波仿真方法。在此基础上，结合后向投影成像算法讨论收、发阵元指向性对成像性能的影响，并类比基于加权的传统阵列信号处理结果，进一步验证收、发阵元指向性对成像结果的影响；有助于方位向频谱混跌以及待
本文主要利用仿线性化的方法研究Prandtl方程对单调初值在Sobolev空间中的局部适定性和解的长时间存在性.相比Nash-Moser迭代方法,该方法的主要优点是对初值的相容性条件和正则性条件要求更低,且证明也更为简洁.
为了分析单站区域电离层TEC（total electron content）模型的适用范围和精度，本文基于2～15阶次球谐函数，分别建立了欧洲区域16个单站区域电离层TEC模型，生成了区域格网TEC，并与CODE（Center for Orbit Determination in Europe）、iGMAS（International GNSS Monitoring and Assessment
本文研究二次张量特征值互补问题.对于一般张量,本文给出二次张量特征值互补问题的二次互补特征值的一个上界,证明二次互补特征值和二次互补特征向量的个数有限.同时,本文提出计算所有二次互补特征值(若有限多个)的半正定松弛算法,并对一般张量情形,证明算法具有有限收敛性质.
实际的时间序列含有多种变化模态，使用单一的模型很难准确地反映其变化模态。已有的方法大多聚焦于具体数值的预测或区间预测，很少从便于人们理解的角度进行语义描述。针对这些问题，提出了一种基于模糊认知图的时间序列数据多模态建模方法。使用随机自助法选取多个子序列，以包含各种变化模态。再在各个子序列上分别建立子模糊认知图模型。最后使用粒计算的方法对子模型进行有效融合。所建立的模型不仅对时间序列数据进行数值及区
级联深度卷积神经网络算法为首先在人脸关键点检测中使用深度卷积神经网络的模型架构，使检测精度得到极大提升。针对该策略需要对相邻阶段间的数据反复进行回归处理的问题，提出基于AC-SE-ResNeXt卷积神经网络的人脸关键点检测算法。本算法仅使用单阶段回归，既避免了级联策略中多阶段回归的算法流程复杂性，又解决了相邻阶段间数据需要进行预处理的非实时处理问题。为了不降低精度，在ResNeXt块的基础上，添加