XiaoMi-AI文件搜索系统
World File Search Systemswarm
使用进化机器人方法生成多足机器人群的集体行为
摘要 本文演示了如何基于进化机器人方法生成多足机器人群的集体行为。群体机器人领域的大多数研究都是使用轮式驱动的移动机器人进行的。本文重点研究如何使用多足机器人群生成集体行为。进化机器人方法用于设计机器人控制器。将基于直觉的约束因素纳入适应度函数，使机器人的步态与自然生物相似。使用 PyBullet 物理引擎在计算机模拟中进行了排队任务实验。机器人控制器由具有单个隐藏层的循环神经网络表示。实验结果表明，提出的约束因素成功地设计了与自然生物相似的机器人步态。结果还表明，进化机器人方法成功地设计了多足机器人群集体行为的机器人控制器。
采用广义粒子群优化的多旋翼无人机编队路径规划
关键词 路径规划，粒子群优化，广义 PSO，光学避障，无人机，无人机编队。摘要 本文研究了多旋翼无人机（UAV）在编队形状中协作检查周围表面的路径规划技术问题。我们首先将问题描述为在复杂空间中规划编队质心路径的联合目标成本。然后提出了一种路径规划算法，称为广义粒子群优化算法，用于在避开障碍物并确保飞行任务要求的同时构建最佳的可飞行路径。然后结合路径开发方案为每架无人机生成相关路径以保持其在编队配置中的位置。进行了仿真、比较和实验以验证所提出的方法。结果表明，使用 GEPSO 的路径规划算法是可行的。缩写
融合粒子群优化和统计算法的混合模型拟合方法∗
软件可靠性增长模型 [1] 适用于与测试期间经历的故障相关的时间序列数据，以预测达到所需故障强度或故障间隔时间等指标。从历史上看，人们采用了牛顿法等数值算法，这些算法需要良好的初始参数估计，因此应用 SRGM 需要高水平的专业知识。最近克服传统数值方法不稳定性的方法包括群体智能 [2] 等技术，它表现出强大的全局搜索能力。然而，这些技术可能需要大量的计算资源和时间来收敛到精确的最优值，这对 SRGM 很重要，因为一些模型参数对其他参数的精确估计非常敏感。此外，过去大多数应用群体智能的研究
使用内源性 BCI 范式设计基于 EEG 的无人机群控制系统
摘要 — 非侵入式脑机接口 (BCI) 已被开发用于通过使用脑电图 (EEG) 信号来理解用户的意图。随着人工智能的发展，无人机控制系统也取得了许多进展。能够反映用户意图的 BCI 特性导致了基于 BCI 的无人机控制系统的出现。使用无人机群比使用单架无人机具有更多优势，例如任务多样性。特别是，基于 BCI 的无人机群控制可以为军事服务或行业灾难等各个行业提供许多优势。BCI 范式包括外生范式和内生范式。内生范式可以独立于任何刺激根据用户的意图进行操作。在本研究中，我们设计了专门用于无人机群控制的内生范式（即运动想象 (MI)、视觉想象 (VI) 和语音想象 (SI)），并进行了基于脑电图的与无人机群控制相关的各种任务分类。五名受试者参加了实验，并使用基本机器学习算法评估了表现。MI、VI 和 SI 的总平均准确率分别为 51.1% (± 8.02)、53.2% (± 3.11) 和 41.9% (± 6.09)。因此，我们证实了使用各种内生范式增加无人机群控制自由度的可行性。关键词-脑机接口；脑电图；无人机群控制；直觉范式
航天器群探索任务：关键支持技术与差距研究
利用分布式孔径的空间干涉测量法是天文学和天体物理学任务中一项重要的技术。在该技术中，来自不同孔径的电磁波（波长从 100 米（无线电）到 100 纳米（光学））观测同一目标时会叠加在一起，以产生干涉并提取信息。干涉仪的分辨率会随着卫星间距离（基线）的增加而提高。地面光学干涉测量法在凯克天文台（美国夏威夷）、欧洲南方天文台（智利）、大型双筒望远镜天文台（美国亚利桑那州）、威尔逊山天文台（美国加利福尼亚州）、洛厄尔天文台（美国亚利桑那州）等地进行。44 已经提出了许多基于空间的光学干涉测量任务，但迄今为止尚未实现：
研究论文 WSN 网络中传感器节点部署的粒子群优化算法
为了解决无线传感器网络因资源有限、开放部署、无人值守等特点导致节点定位过程中存在安全隐患的问题，本文结合目前WSN节点提出一种主流的定位算法，通过降低网络定位中的误差，使无线传感器网络定位技术发挥到实用效益，实现基于节点资源和有限容量的WSN发射源定位。将一些定位技术应用到发射源定位中，取得了一些有意义的结果。针对无线传感器网络中主要节点定位算法存在的问题，深入研究定位技术的功耗、定位精度等问题，降低定位误差。实验表明，在节点发送不同状态时，保持节点数150不变，通信半径不变，环境输出不变，网络中的骨干节点数可以改变，两种算法经过多次仿真实验，都可以看到定位方案受到锚节点部分影响的定位结果曲线。
值得信赖的无人机关系：将模式动作世界分类法应用于无人机和无人机群操作
摘要 人为因素在航空电子系统的开发和集成中发挥着重要作用，以确保它们值得信赖并能有效使用。随着无人驾驶飞行器 (UAV) 技术对航空领域变得越来越重要，这一点是正确的。本研究旨在通过利用流行的航空访谈方法（图式世界行动研究方法）结合从文献中确定的关于信任的关键问题，了解无人机操作员在驾驶无人机时的信任要求。采访了六名拥有不同经验的无人机操作员。这确定了过去的经验对信任的重要性以及操作员的期望。除了可以帮助开发值得信赖的系统的设备、程序和组织标准之外，还提出了针对培训以积累经验的建议。所开发的方法有望在人机交互中赢得信任。
研究论文 基于优化模糊逻辑的 FANET 无人机群 Ant-Hocnet 路由协议
无人机或无人驾驶飞机通常被称为无人驾驶飞行器 (UAV)，由这些无人机组成的自组织网络通常被称为飞行自组织网络 (FANET)。无人机和飞行自组织网络最初与军事监视和情报收集有关；此外，它们现在被广泛用于民用领域，包括搜索和救援、交通监控、消防、摄像和智能农业。然而，由于其独特的架构，它们带来了相当大的设计和部署挑战，主要与路由协议有关，因为传统的路由协议不能直接用于飞行自组织网络。例如，由于高移动性和稀疏拓扑，频繁的链路中断和路由维护会导致高开销和延迟。在本文中，我们采用基于优化模糊逻辑的生物启发式蚁群优化 (ACO) 算法“Ant-Hocnet”来改进飞行自组织网络的路由。模糊逻辑用于分析无线链路状态信息（例如可用带宽、节点移动性和链路质量），并在没有数学模型的情况下计算最佳无线链路。为了评估和比较我们的设计，我们在 MATLAB 模拟器中实现了它。结果表明，我们的方法提高了吞吐量和端到端延迟，从而提高了 FANET 的可靠性和效率。
研究文章 基于优化模糊逻辑的 FANET 无人机群 Ant-Hocnet 路由协议
无人机或无人驾驶飞机通常被称为无人驾驶飞行器 (UAV)，由这些无人机组成的自组织网络通常被称为飞行自组织网络 (FANET)。无人机和飞行自组织网络最初与军事监视和情报收集有关；此外，它们现在被广泛用于民用领域，包括搜索和救援、交通监控、消防、摄像和智能农业。然而，由于其独特的架构，它们带来了相当大的设计和部署挑战，主要与路由协议有关，因为传统的路由协议不能直接用于飞行自组织网络。例如，由于高移动性和稀疏拓扑，频繁的链路中断和路由维护会导致高开销和延迟。在本文中，我们采用基于优化模糊逻辑的生物启发式蚁群优化 (ACO) 算法（称为“Ant-Hocnet”）来改进 FANET 中的路由。模糊逻辑用于分析有关无线链路状态的信息，例如可用带宽、节点移动性和链路质量，并在没有数学模型的情况下计算最佳无线链路。为了评估和比较我们的设计，我们在 MATLAB 模拟器中实现了它。结果表明，我们的方法可以提高吞吐量和端到端延迟，从而提高 FANET 的可靠性和效率。
值得信赖的无人机关系：将模式动作世界分类法应用于无人机和无人机群歌剧
摘要 人为因素在航空电子系统的开发和集成中发挥着重要作用，以确保它们值得信赖并能有效使用。随着无人驾驶飞行器 (UAV) 技术对航空领域变得越来越重要，这一点也确实如此。本研究旨在通过利用流行的航空访谈方法（图式世界行动研究方法）结合从文献中确定的关于信任的关键问题，了解无人机操作员在驾驶无人机时的信任要求。对六名拥有不同经验的无人机操作员进行了访谈。这确定了过去的经验对信任的重要性以及操作员的期望。除了可以帮助开发值得信赖的系统的设备、程序和组织标准之外，还提出了针对培训以积累经验的建议。所开发的方法有望在人机交互中获得信任。