课程文献中心 更多>>

关键词： 未知环境   多机器人系统   区域搜索   仿生神经网络   分布式模型预测控制  

摘要： 针对多机器人系统在战场、灾难现场等复杂未知环境下的区域搜索问题, 提出一种基于分层仿生神经网络的多机器人协同区域搜索算法. 首先将仿生神经网络(Bio-inspired neural network, BNN) 和不同分辨率下的区域栅格地图结合, 构建分层仿生神经网络信息模型, 其中包括区域搜索神经网络信息模型(Area search neural network information model, AS-BNN)和区域覆盖神经网络信息模型(Area coverage neural network information model, AC-BNN). 机器人在任务区域内实时探测到的环境信息将转换为AS-BNN和AC-BNN中神经元的动态活性值. 其次, 在分层仿生神经网络信息模型基础上引入分布式模型预测控制(Distributed model predictive control, DMPC)框架, 并设计多机器人分层协同决策机制. 当机器人处于正常搜索状态时, 基于AS-BNN进行搜索路径滚动优化决策; 当机器人陷入局部最优状态时, 则启用AC-BNN引导机器人快速找到新的未搜索区域. 最后, 在复杂未知环境下进行多机器人区域搜索仿真实验, 并与该领域内的3种算法进行比较. 仿真结果验证了所提算法能够在复杂未知环境下引导多机器人系统高效地完成区域搜索任务.

关键词： 各向异性   四叉树三角化   几何自适应   特征保形   网格生成  

摘要： 计算机辅助设计（computer-aided design, CAD）模型的三角化在工程和科学研究领域中有重要应用，它为模型可视化提供底层数据表征，也可作为计算机辅助工程、计算机辅助制造等CAD下游应用的输入，支持诸如网格生成、数值模拟、快速原型设计等关键领域的研究与应用。本研究提出了一种基于各向异性四叉树背景网格的CAD模型快速三角化算法。该算法通过自底向上构建的算法流程，确保结果的二维流形；在可控容差的曲线离散阶段，通过设计一种基于曲率和曲率一阶导的尺寸函数有效识别特征；而在自适应四叉树快速曲面三角化阶段，通过设计各向异性四叉树，使得三角化的结果满足最小化网格单元的要求。此外，通过后验的混合多阶容差条件实现了与原始CAD输入在不同连续性上的一致性。复杂CAD模型输入下的数值对比实验表明，相比OCC、Gmsh等开源软件以及Ansys等商业软件中同类算法，该算法在几何保形精度、背景网格规模、算法时间效率等方面均体现出不同程度的优势，具有实际工程应用的潜力。