物进行全局路径规划;在粒子群迭代的算法过程中使用BFO算法对机器人所处环境中的障碍物进行局部路径规划，并利用MATLAB仿真验证了混合算法的有效性和可行性。1环境建模本文研究对象是机器人在已知环境下的路径规划，实际环境中的障碍物多是不规则的，为了便于研究将障碍物的各个边切线连接起来等效为矩形、三角形等规则形状。如图1所示，黑白二值位图代表机器人的运动场景，其中，障碍区为黑色，自由通行区为白色。在实际情况中机器人先通过传感器获取所处位置的环境信息，然后用MATLAB中的IMＲEAD命令将障碍物信息用矩阵表示;在矩阵中利用像素灰度值为255的点代表白色自由通行区域，而像素灰度值为0的点代表黑色障碍物区域。0XY图1处理后的障碍物环境2PSO算法假设存在一个能够搜索的n维空间，种群由m个单独粒子组成，并记为其中，第i个个体粒子的位置信息为］T;每一个粒子的个体极值表示为］T代表整个种群的全局极值。优化问题的可行解能够用每个个体粒子的位置信息表示，而适应度函数的取值很大程度上影响解的好坏;通针对单一机场场面监视技术可能出现偏差,提出了多种监视技术并行的方案以提高可靠性。将被监视的移动目标设为线性随机混杂系统,每种监视技术设为一种非理想传感器。所提出的融合算法用于确定每只传感器的权重,并计算精确的位置估计。以针对自由移动质点的跟踪作为仿真实验,实验表明:经过融合算法处理的测量数据能够达到精度要求本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name。切换的方案结构-数控滚圆机张家港滚圆机滚弧机价格低电动滚圆机多少钱 感器观测模型假设系统中有M只传感器，定义u为系统中传感器集合，u:={1，…，M}。本文M=2，传感器1为MLAT，传感器2为ADS-B。如下给出第m个传感器的观测模型Zm(k)=Cmx(k)+vm(k)(2)式中上标m∈u，为传感器序号;Zm(k)为k时刻的观测值;Cm为观测矩阵，为常矩阵;vm(k)为观测噪声，采用高斯白噪声模拟。2融合方案选择本文中提出了2种数据融合方案，一种基于传感器切换算法［3］，另一种基于估计值融合［4］。基于观测值切换的方案如图1所示，在图中传感器1和传感器2同时工作得到2只传感器的输出z1(k)和z2(k)。通过传感器切换逻辑，当满足触发条件时进行切换，将其中一只传感器的测量值送入到下一级处理。图中的估计器用于处理传感器的测量数据［5］，其输出为目标动态的估计值^x(k)、估计值的方差P(k)、估计值的残差r(k)、残差的方差Λ(k)，可以将此处的估计器看作滤波器。估计器仅在接收传感器观测值时工作，相当于一种按需工作模式，可以大幅减少数据的传输量和计算量。但由于传感器数据采样的次数减少，系统精度会降低。因此，该方案适合用于精度要求不高的系统中。x(k)传感器1传感器2触发条件切换逻辑z1(k)z2(k)估计器x(k)，P(k)^r(k)，Λ(k)图1基于传感器切换的方案结构基于估计值融合的方案如图2所示，其结构特点是采用两个估计器分别对传感器1和传感器2的数据进行处理，之后再将两个估计的输出值利用融合算法进行计算，得到最终结果［6］。在该方案中，两估计器保持对传感器数据实时采样，后级的数据融合算法对数据进行实时处理。与之前的方案相比，该方案的精度明显提高，且实时性明显提升，但数据量较大，切换的方案结构-数控滚圆机张家港滚圆机滚弧机价格低电动滚圆机多少钱本文由张家港市泰宇机械有限公司滚圆机网站采集网络资源整理!www.gunyuanji.name