国家自然科学基金(60704001)
- 作品数：7 被引量：48H指数：4
- 相关作者：于飞刘利强潘洪悦唐小勇戴运桃更多>>
- 相关机构：哈尔滨工程大学哈尔滨工业大学更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术交通运输工程航空宇航科学技术更多>>
- 改进粒子群算法在三维水下导航规划中的应用被引量：5
- 2010年
- 基于群智能理论提出了一种改进粒子群算法.以非线性策略改变惯性权值,增强粒子群算法局部和全局寻优的调度能力,以改变迭代公式加大"优秀"粒子的影响,增强粒子群体的寻优能力.通过理论推导、验证和实验仿真,证明了改进粒子群算法具有更优的性能.在此基础上,将该算法应用到水下潜器的三维路径规划中,通过对三维空间的分割降维,并进行条件约束,实现了将路径规划问题转化为路径点求解的优化问题.实验仿真获得了从起点到终点的无碰撞路径,验证了该方法的可行性.
- 于飞唐小勇潘洪悦
- 关键词：潜器导航粒子群优化算法
- 两时间尺度的捷联速度算法研究
- 2007年
- 根据奇异摄动理论分析具有小参数的捷联惯导系统方程,在两时间尺度上对系统状态方程进行了降阶简化处理,设计捷联算法.在内回路推力速度矢量计算中,应用一种新的划船补偿算法补偿比力转换过程中载体姿态变化产生的速度误差.在外回路中进行重力地速计算,完成导航坐标系上速度的更新.仿真结果表明:新算法精度与Savage四子样算法近似,计算量小.
- 奔粤阳于飞孙枫高伟
- 关键词：奇异摄动
- 基于混合粒子群优化的海底地形辅助导航算法被引量：4
- 2010年
- 由于海底地形的独特特性,将传统地形匹配算法直接应用于海底地形匹配时,常常会出现定位精度大幅降低的现象,而且传统遍历搜索的庞大计算量也大大降低了地形匹配的效率。为提高匹配效率,提出了一种新的算法,关于混合粒子群优化的海底地形匹配算法。算法充分利用Hausdorff距离强抗干扰能力和容错能力的特点,采用平均Hausdorff距离作为相似性测度,并在搜索策略上,用了粒子群算法来加快搜索的速度,并提出将混沌局部搜索嵌入到粒子群算法中,形成了混沌思想的混合粒子群优化算法。通过某海域电子海图的海底地形匹配实验结果证明,算法能够快速求得最优解,使系统匹配误差(CEP)较传统方式降低了13%,计算量减少了18%,是一种很有开发和研究价值的海底地形匹配算法。
- 袁赣南谭佳琳尹伟伟
- 关键词：地形匹配粒子群优化地形辅助导航水下导航
- 改进粒子群算法的潜器导航规划被引量：4
- 2010年
- 针对粒子群算法的寻优搜索能力强和已有的一些导航算法存在收敛速度慢、迭代时间长的缺点,提出一种基于粒子群算法的潜器导航算法.利用群智能理论,对基本粒子群算法进行改进:提出一个含突变因子的可变调的惯性权值策略,从而达到增强粒子群算法局部和全局寻优的调度能力.通过实验仿真验证,证明了改进粒子群算法具有更优的性能.在此基础上,将该算法应用到水下潜器的路径规划中,通过对环境的建模分析进行条件约束,最终将路径规划问题转化为路径点求解的优化问题.实验仿真结果获得了从起点到终点的无碰撞路径,收敛速度也较快,验证了该方法的有效性和可行性.
- 唐小勇于飞潘洪悦
- 关键词：路径规划粒子群算法
- 改进的MRF水下目标检测方法被引量：6
- 2009年
- 为取得更好的水下目标检测结果,提出了一种改进的MRF水下目标检测方法.即在海底混响区服从Gamma分布的情况下,将建立的三类空间邻域MRF模型参数和层次间相互作用的模型参数应用于空间分层MRF三类分割中,得到最终精确的水下目标检测结果.在海底混响区服从威布尔分布模型的情况下,对原始声纳图像和人造模拟声纳图像检测结果的比较表明,提出的检测方法能得到更精确的检测结果,且运算速度较快.
- 叶秀芬王兴梅门志国仇晨光于飞
- 关键词：水下目标检测马尔可夫声纳图像
- 基于蚁群算法的水下潜器三维空间路径规划被引量：25
- 2008年
- 路径规划是水下潜器智能控制的关键技术之一,其任务是在已知障碍物的环境中按照某一最优指标寻找一条从起始点到目标点的无碰路径。使用蚁群算法对水下潜器三维空间路径规划问题进行了研究,以ACS算法为基础设计了路径优化搜索算法,详细讨论了信息素表示方法、路径点选取原则、启发式函数设计和信息素更新规则,给出了算法的具体流程,仿真实验结果表明,该算法能够方便有效的实现三维空间中的路径规划。
- 刘利强于飞戴运桃
- 关键词：蚁群算法路径规划水下潜器
- 一种求解约束优化问题的连续域蚁群算法被引量：5
- 2008年
- 借鉴蚁群优化算法和粒子群优化算法的思想,提出了一种用于求解约束优化问题的连续域蚁群算法。将搜索域中的任意一点看成食物源,使用多组蚁群进行寻优,每一组蚁群代表问题的一个解,在每一迭代中首先在所有蚁群中选则一组种子蚁群,然后在该组蚁群的信息素密度分布函数下进行采样,生成子代蚁群,最后进行蚁群选择,从而使各组蚁群不断向适应度值较高的搜索区域移动,最终收敛到最优解。对基准测试函数G01-G12的求解结果表明,该方法具有较快的收敛速度和较好的全局寻优能力。
- 刘利强于飞谭佳琳
- 关键词：蚁群算法连续域进化计算
