基于改进粒子群算法的无人机三维航迹规划
基于改进粒子群算法的无人机三维航迹规划
方群 ， 等： 基 于改进粒子群算法 的无人机三维航 迹规划
ห้องสมุดไป่ตู้
６ ７
ｍ ｉ ｎ Ｊ ＝∑ （ 后 。 Ｌ ＋ Ｉ ｉ ｝ 研＋ ｋ ３ ）
（ １ ） 优解 ， 收敛效率低［ １ 。针对 该缺陷 ， 学者们对其做
了各种改进 。惯性权值是粒子群算法 中的一个重要 参数 ， 它表示 粒子对其 原始速 度 的继 承状 况。Ｓ ｈ ｉ 和Ｅ ｂ ｅ ｒ ｈ ａ ｒ ｔ 提出， 较大 的惯性权值有助 于粒子跳 出 局部极小点以便于全局搜索 ， 而较小的惯性 权值有 助于粒子对 当前 的搜索区域进行精细搜索 以便于算 法收敛 。因此在算法进行过程 中， 有必要通过 些 方法和手段来调整惯性权值 ， 使算法在全局搜索和
规 划 的核 心 。 国内外 相 继 开 展 了相 关 研 究 ， 提 出 了 许 多航 迹 规 划 算 法 ， 如 模 拟 退 火算 法 Ｊ 、 人 工 势 场
有效 的惯性权值调整策略 ， 以及一种跳 出局部最优 解的策略。最后结合无人机航迹规划 问题 的特点 ， 使用改进粒子群算法完成 了无人机三维离线航迹规 划 与在线 航 迹重 规划 。
示 为该 节点 在 飞行 水平 面 下 的 坐标 ， 也 可 以表 示 为
该点的经纬度 ， ｚ 为高程数据或海拔高度。航迹规划 的 目的是获 得无 人 机 在 该 空 间 中 的 飞 行 轨迹 ， 生 成
的航迹 可 表 示 为 三 维 空 间 的 一 系 列 的 点 ｛ Ｐ ， Ｐ ，
Ｐ ， …， Ｐ ， Ｐ 。 ｝ ， 相邻航迹点之间用直线段连接 。 １ ． ２ 航迹 代价 函数
在航迹规划中 ， 常采用经过适 当简化的航迹代 价 计算 公式
作者简介 ： 方群 （ １ ９ ６ Ｏ 一） ， 女， 西北工业大学教授 ， 主要从事飞行动 力学与控制研究 。
基于改进粒子群算法的无人机路径规划
!EH9;;I;J-BM;K:M1;3:3RFINHMO1H:IF3=13NNO13="G:3W9;B71:;M;3= (31PNO21M<"G:3W9;B$%##$#"*913:#
34150")5$-1K13=:MM9NLO;CINKM9:MM9NMO:R1M1;3:I':OM1HINEQ:OK `LM1K1W:M1;3 !'E`#:I=;O1M9K 12N:2<M;J:II13M;M9NI;H:I;LM1KBK Q9N31M2;IPN2M9N(-\ L:M9LI:3313=LO;CINK"M9NH9NK;M:HM1H ;LNO:M1;3:3RK1=O:M1;3;LNO:M1;3;JM9N^:HMNO1:b;O:=13=-I=;O1M9K !^b-#:ON13MO;RBHNR13M9N'E` :I=;O1M9KM;1KLO;PN1M2;LM1K1W:M1;3:C1I1M<.b1O2MI<"C:2NR;3M9N (-\ !(3K:33NR -NO1:I\N91HIN# JI1=9MN3P1O;3KN3M":M9ONNfR1KN321;3:ININP:M1;3N3P1O;3KN3M K;RNI12N2M:CI129NR":3RM9NJ1M3N22 JB3HM1;312N2M:CI129NRC<B213=M9NL:M9IN3=M9H;2M"M9N;C2M:HINO12VH;2M:3RM9NNINP:M1;3H;2M.EN4 H;3RI<"C:2NR;3M9N:3:I<212;JM9NLO13H1LIN2:3RH9:O:HMNO12M1H2;JL:OM1HIN2Q:OK:I=;O1M9K:3RC:HMN4 O1:IJ;O:=13=:I=;O1M9K"M9N1KLO;PNKN3MKNM9;R2:3R2LNH1J1HLO;HNRBON2;JM9N:I=;O1M9K:ON=1PN3.b14 3:II<"M9N S-+G-^21KBI:M1;3PNO1J1H:M1;329;Q2M9:MM9N9<CO1R:I=;O1M9KNJJNHM1PNI<1KLO;PN2M9NRN4 JNHM2;JM9NL:OM1HIN2Q:OK ;LM1K1W:M1;3:I=;O1M9K.*;KL:ONR Q1M9M9NMO:R1M1;3:I'E`:I=;O1M9K"M9N ;LM1K1W:M1;3:HHBO:H<:3R2M:C1I1M<;JM9N9<CO1R:I=;O1M9K:ON21=31J1H:3MI<1KLO;PNR13(-\L:M9LI:34 313=.
基于改进粒子群算法的两栖机器人三维路径规划研究
Science and Technology & Innovation｜科技与创新2024年第04期DOI：10.15913/ki.kjycx.2024.04.015基于改进粒子群算法的两栖机器人三维路径规划研究宋智1，2，姬书得1，2，胡为1，2，任赵旭1，2，王留芳1，2（1.沈阳航空航天大学航空宇航学院，辽宁沈阳110136；2.沈阳黑晶石智控科技有限公司，辽宁沈阳110136）摘要：提出一种结合卡尔曼滤波的改进粒子群优化算法，将其应用于两栖机器人的三维空间路径规划。
传统的粒子群算法参数设置过于单一，很容易陷入局部最优解，而且局部收敛速度过快。
在改进的粒子群算法中，提出2种优化方案，针对个体认知c1和社会认知c2提出算法改进策略，来提高粒子群算法的寻优能力；粒子群算法整体与卡尔曼滤波相结合并加以改进，用于融合多个传感器的信息，预测机器人在三维空间中下一步的路径点位置，使路径规划更优、搜索效率更高。
仿真结果表明，改进后的粒子群算法效果更优，迭代次数更少，需求时间更短，路径搜索更加精确，有着明显的性能优势。
关键词：多传感器融合；两栖机器人；路径规划；粒子群算法中图分类号：TP18 文献标志码：A 文章编号：2095-6835（2024）04-0059-03近年来，地面机器人和无人机迅速发展，在高危环境监测、抢险救灾等一些特殊领域被应用，对于机器人提出了更高要求，陆空两栖机器人应运而生。
随着人们对三维空间中路径规划研究的不断深入，其中粒子群算法由于具有较强的通用性，同时易与其他优秀的算法和技巧相结合，因此发展迅速。
付兴武和胡洋（2021）[1]将粒子群优化算法与天牛须搜索算法相结合，对机器人轨迹进行改进，提升了算法的效率；杨超杰等（2019）[2]对算法进行了优化改良，基于Logistic混沌映射的混沌优化算法对选出的最优粒子进行优化处理，引导种群得出局部极值点；陈天培等（2020）[3]引入蚁群算法中的信息素以加快收敛速度，并且利用模糊过程对轨迹规划的输入进行控制，避免系统进入局部最优状态。
基于改进A算法的无人机三维航迹规划
７．对当前结点ｓ和其有效后继结点Ｊ’问的地形ｓ—Ｊ’进行平滑处 理。把结点Ｊ’插入到ｏｐｅｎ表中，返回第三步．
＝、仿真实验 实验使用１２８×１２８的数字地形高程图和模拟生成的威胁数据采用上述 算法进行仿真实验，使用ＶｉｓｕａｌＣ＋＋６．０编程环境实现，将航迹在Ｍａｔｌａｂ中 显示出来。仿真中，规划的初始结点坐标为（１，１，３０），目标结点坐标 为（１ｌＯ，１２０，４５０），如图１． 在相同实验条件下选取完全一样的参数对传统的Ａ·算法和优化的斛算 法进行航迹的仿真。表１给出了两种方法结果的比较。
Ｗ值接近１．以准确度优先，保证当无人机接近目标时减少搜索的盲目性。 （二）三维空间航迹结点扩展
通过适当的网格对规划空间进行合理的划分是实施胁算法的基础 ［３】，网格大小由约束条件来确定。将无人机的性能约束［４］与规划空『日Ｊ的 划分结合起来，是缩小搜索窄间的有效方式，从而能够有效的减小扩展的 结点数量。具体的结点扩展方法如下：
计算的位置开始向上回溯直到起始位置，即可得到从起始到目标的最小代 价航迹．
５．若当前结点ｓ不是目标结点。对当前结点Ｓ进行后继结点ｓ’的扩 展：构造扩展空间，当前位置 的待扩展区域的水平剖面大小为最大拐弯 角的两倍，并以进入当前节点航线在水平面上投影的方向为对称轴。垂直 剖面大小为最大爬升／下滑角的两倍，关于水平方向对称。待扩展区半径长 度为最小步长，将在该区域每个网格单元中取最小代价结点作为搜索空间 的待选结点，当前结点共产生９个后继结点。
基于改进粒子群优化算法的无人机路径规划研究★
1040 引言为了满足无人机航路规划问题的多重需求,避免锯齿形航迹,本文提出一种基于粒子群优化算法(PSO)的新方法,该算法具有粒子群搜索算法优良的搜索和更新能力,以及粒子群算法的适用性,实时动态规划。
由于PSO算法的最优解始终是离散的,因此易导致出现次优解。
PSO离散解决方案的额外随机性会导致计划的路径曲折,这些曲折的飞行速度很高,无法被遵循[1]。
为了提高PSO算法的性能,采用了Rauch-Tung-Striebel (RTS)滤波器与粒子群算法相结合的算法,相比于传统算法和粒子群优化算法,本文提出的算法具有更好的准确性和鲁棒性,并且在离散结果平滑中具有很大的实用性。
此外,RTS可以消除PSO算法计划的路径的额外随机性。
这样,通过RTS滤波器改进的PSO算法具有比PSO算法更好的性能, 并且可以为固定翼无人机提供平滑合理的飞行路径。
基于以上所述,基于改进粒子群优化算法,与其他现有算法相比,该方法获得了更好的解决方案。
本文的其余部分安排如下:第1节介绍了该方法的详细说明,第2节给出了实验结果,以及和其他算法的比较,最后,通过对结果的总结说明了结论。
1 方法介绍本节介绍了本文中使用的算法。
我们首先介绍了PSO算法,然后基于此,提出了一种改进的PSO算法。
1.1 粒子群优化算法(PSO)粒子群优化算法是人们通过鸟群捕食行为的研究演化而来。
其基本思想是通过群体中个体之间的协作和信息共享来寻找最优解[2]。
PSO算法假设鸟群中的鸟是一种无质量的粒子,该粒子具有位置和速度两个属性,其中位置代表移动的方向,速度代表移动的快慢。
单个粒子在自身的搜索空间中寻找最优解,并将其记为当前个体最优值。
将个体最优值与整个粒子群里的所有粒子共享,找到最优的那个个体最优值作为整个粒子群的当前全局最优解,所有粒子均根据当前自身最优值和其他粒子共享的当前全局最优值来调整自己的位置和速度。
1.2 改进粒子群优化算法与TSP问题的离散性不同,路径规划问题是在2维或3维空间中搜索最优连续路径。
基于改进粒子群算法的航迹规划方法
4. 基于改进粒子群算法的内层规划
本文针对粒子群算法容易过早收敛到局部最优 解、算法迭代后期搜索能力不足的缺陷以及规划时考 虑禁飞区约束的特点提出改进粒子群算法，引入变异 因子。当局部规划区域中存在较大禁飞区域时，整个 粒子种群都会陷入禁飞区搜索不到可行解，通过变异 因子作用于种群最优个体可以搜索到禁飞区外的可 行解。另外，在算法迭代后期变异因子可以避免粒子 种群收敛到局部最优解，保持粒子种群的搜索能力。
vi k 1 wvik c1r1 p best i xik c2 r2 gbest xik xik 1 xik vik 1
(1) (2)
7
基于改进粒子群算法的航迹规划方法
其中 i 为粒子序号，k 是迭代次数，r1 和 r2 是 0~1 之间的随机数，这两个参数用来保持种群的多样性。
(4)式用于计算可行代价，lTi 表示个体第 i 段穿越
威胁区的长度，w4 为正的权系数，Ltotal 为个体的总航 迹长度；
c1 和 c2 为学习因子，使粒子具有自我总结和向种群中
优秀个体学习的能力，从而不断向自己的历史最优位 置以及种群内的历史最优位置靠近。
(5)式为个体评价函数公式， 在有负代价存在时仅
[7] [6] [5] [4] [3]
5) 最大/小下滑角度约束 6) 机动修正和稳定距离约束 7) 最小拐弯半径约束 8) 最短水平弧长约束 其中 1)、2)、3)在第一层遗传算法全局搜索时考 虑处理；4)、5)在航迹高度规划时考虑处理；本文所 讨论方法仅考虑 3)、6)、7)、8)、9)项约束。
提出了协同 PSO 算法， 通过多群粒子协同优化来改进
3. 粒子群算法概述
基于改进遗传算法的无人机三维航路规划
Ｔｈ ｒ ｅ ｅ Ｄｉ ｍｅ ｎ ｓ ｉ ｏ ｎ ａ ｌ Ｐ ａ ｔ ｈ Ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ｆ ｏ ｒ Ｕｎ ｍａ ｎ ｎ ｅ ｄ Ａｅ ｒ ｉ ａ ｌ Ｖｅ ｈ ｉ ｃ ｌ ｅ ｓ
Ｂａ ｓ ｅ ｄ ｏ ｎ Ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｇｅ ｎ ｅ ｔ ｉ ｃ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
ＡＢＳ ＴＲＡＣＴ ： Ｒｅ ｓ ｅ ａ ｒ ｃ ｈ ｉ ｎ ｇ ＵＡ Ｖ ｐ ａ ｔ ｈ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ｃ ａ ｎ ｍａ ｋ ｅ ＵＡＶ ａ ｖ ｏ ｉ ｄ ｏ ｂ ｓ ｔ ａ ｃ ｌ ｅ ｄ ｕ ｉｎ ｒ ｇ ｌ ｆ ｉ ｇ ｈ ｔ ．Ｔ ｈ ｅ ｐ ｒ ｅ ｃ ｉ ｓ ｉ ｏ ｎ ｏ ｆ ｓ ｔ ａ ｎ ｄ ａ ｒ ｄ
地形是无人机 飞行环境的重要组 成部分 ， 也是尤人 机航
形表示 ， 模拟地形 为禁飞 区域 ， ０为坐标原点 ， 对 轴作 ２ ５等
分， 得 到 ， ， …， ， 再 对 ｙ轴 作 ２ ５等 分 得 到 Ｙ ， ， ， …，
，
路规划 的前提 ， 随着仿 真技 术的发 展 ， 对于航 迹规 划的数 字
异算子应用到仿真程序中。仿真结果表 明 ， 改进后 的遗传算法能够快速 收敛于最优解且 稳定性好 ， 是一 种有效可行 的航路
规划算法。
关键词 ： 无人机 ； 三维 ； 航路规划 ； 遗传算 法 ； 遗传操作
中图 分 类 号 ： Ｔ Ｐ ３ ９ １ ．９ 文 献标 识 码 ： Ｂ
第３ ４ 卷 第１ ２ 期
文 章编 号 ： １ ０ ０ ６— ９ ３ ４ ８ （ ２ ０ １ ７） １ ２—０ ０ ２ ２— ０ ４
计
算
机
仿
真
２ ０ １ ７ 年ｌ ２ 月
基于改进精英蚁群算法的无人机三维航迹规划
基于改进精英蚁群算法的无人机三维航迹规划
袁梦顺;陈谋;邵书义;吴庆宪;闫东
【期刊名称】《火力与指挥控制》
【年(卷),期】2022(47)2
【摘要】针对三维地图中的无人机航迹规划问题,提出了一种基于改进精英蚁群算法的航迹规划算法。
将算法中的状态转移策略与人工势场法进行融合设计,为障碍物和目标点分别设置斥力场和引力场,指导航迹搜索方向。
添加约束条件限制,使航迹能实际可飞。
随后当信息素更新时,设置双精英蚂蚁策略和混沌扰动,提高算法的全局搜索能力。
引入视线算法减少航迹节点数,平滑航迹。
仿真结果表明,搜索所得的无人机航迹均符合需求。
【总页数】6页(P37-42)
【作者】袁梦顺;陈谋;邵书义;吴庆宪;闫东
【作者单位】南京航空航天大学自动化学院
【正文语种】中文
【中图分类】TP391.9
【相关文献】
1.基于改进蚁群算法的无人驾驶飞行器三维航迹规划与重规划
2.基于改进蚁群算法的无人机低空突防三维航迹规划
3.基于改进蚁群算法的无人机二维航迹规划和重规划
4.基于改进启发式蚁群算法的无人机自主航迹规划
5.基于改进蚁群算法的无人机航迹规划研究
因版权原因，仅展示原文概要，查看原文内容请购买。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
划效率低 的问题 ． 提 出了一种改进粒子群算法的无人机航 迹规划方法 。在航迹规划过程 中， 建立粒子浓度机制 ， 对 陷人 局部 最优 的粒子群进行粒子浓度分析 ， 结合粒子的适应度构造粒子平衡算子 ， 对解空 间中适应度大 、 浓度低的粒子进行 相应 的变
异， 促使局部最优解快速跳出局部极值 ， 加快收敛 速度 ， 提高规 划效率 。通 过仿真结果 验证 了改进粒子群 算法在无人 机三
维航迹规划中的有 效性 。 关键词 ： 无人机 ； 航迹规划 ； 粒子群算法 ； 适应度 函数
中图分类号： Ｔ Ｐ ３ ０ １ ． ６ 文献标识码 ： Ｂ
ＡＢＳ ＴＲＡＣＴ： Ｔ ｈ ｅ ｂ ａ ｓ ｉ ｃ Ｐ Ｓ Ｏ ａ ｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｎ ｔ ｈ ｅ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｐ ｒ ｏ ｃ ｅ ｓ ｓ ｏ ｆ Ｕ ＡＶ ｒ ｏ ｕ ｔ ｅ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ，ａ ｔ ｔ ｈ ｅ ｌ ａ ｓ ｔ ｓ ｔ ａ ｇ ｅ ｏ ｆ ｔ ｈ ｅ ｌ— ａ
（ １ ．Ｎ ｏ ｒ ｔ ｈ ｗ ｅ ｓ ｔ ｅ ｒ ｎ Ｐ ｏ ｌ ｙ ｔ ｅ ｃ ｈ ｎ ｉ ｅ ａ ｌ Ｕ ｎ ｉ ｖ ｅ ｒ ｓ ｉ ｔ ｙ ， Ｘ ｉ ａ ｎ Ｓ ｈ ａ ｎ ｘ ｉ ７ １ ０ １ ２ ９ ， Ｃ ｈ ｉ ｎ ａ ； ２ ．Ｘ ｉ ＇ ａ ｎ Ｃ ｏ ｍｍ ｕ ｎ ｉ ｃ ａ ｔ ｉ ｏ ｎ Ｉ ｎ ｓ ｔ ｉ ｔ ｕ ｔ ｅ ， Ｘ ｉ ＂ ａ ｎ Ｓ ｈ ａ ｎ ｘ ｉ ７ １ ０ １ ０ ６ ， Ｃ ｈ ｉ ｎ ａ ）
ｗ ｈ ｉ ｃ ｈ ｈ ａ ｖ ｅ ｂ ｅ ｔ ｔ ｅ ｒ ｉ ｆ ｔ ｎ ｅ ｓ ｓ ａ ｎ ｄ ｌ ｏ ｗ ｅ ｒ ｃ ｏ ｎ ｃ ｅ ｎ ｔ ｒ ａ ｔ ｉ ｏ ｎ ，ａ ｎ ｄ ｐ ｒ ｏ ｍ ｐ ｔ ｅ ｄ ｌ ｏ ｃ ａ ｌ ｏ ｐ ｔ ｉ ｍ ｌ ａ ｓ ｏ ｌ ｕ ｔ ｉ ｏ ｎ ｔ ｏ ｊ ｕ ｍ ｐ ｏ ｕ ｔ ｏ ｆ ｔ ｈ ｅ ｌ ｏ ｃ ａ ｌ ｅ ｘ —
第３ １ 卷 第３ 期
文章编号 ： １ ０ ０ ６ — ９ ３ ４ ８ （ ２ ０ １ ４） ０ ３ — ０ ０ ６ ５ — ０ ５
计
算
机
仿
真
２ ０ １ ４ 年３ 月
基 于 改 进粒 子 群 算 法 的无 人机 三维 航迹 规 划
张仁 鹏 ， 杨金 孝 ， 潘 佳华 ， 黄晓东
ｇ ｏ ｒ ｉ ｔ ｈ ｍ ，ｃ ａ ｎ ｒ ｅ ｄ ｕ ｃ ｅ ｔ ｈ ｅ ｅ ｉｃ ｆ ｉ ｅ ｎ ｃ ｙ ｏ ｆ ｒ ｏ ｕ ｔ ｅ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ．Ｔ ｏ ｏ ｖ ｅ ｒ ｃ ｏ ｍｅ ｔ ｈ ｉ ｓ ｐ ｒ ｏ ｂ ｌ ｅ ｍ ，ｗｅ ｐ ｒ ｏ ｐ ｏ ｓ ｅ ｄ ａ ｍｅ ｔ ｈ ｏ ｒ ｄ ｆ ｏ ｒ ＵＡ Ｖ ｒ ｏ ｕ ｔ ｅ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ｂ ａ ｓ ｅ ｄ ｏ ｎ ａ ｎ ａ ｎ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ ｐ ａ ｔｉ ｒ ｃ ｌ ｅ ｓ ｗ ａ １ ３ ２ １ ｏ ｐ ｔ ｉ ｍｉ ｚ ａ ｔ ｉ ｏ ｎ ｌｇ ａ ｏ ｒ ｉ ｔ ｈ ｍ．Ｉ ｎ ｔ ｈ ｅ ｒ ｏ ｕ ｔ ｅ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ， ｗｅ ｅ ｓ ｔ ａ ｂ ｌ ｉ ｓ ｈ ｅ ｄ
ｔ ｒ ｅ ｍｅ ｐ ｏ ｉ ｎ ｔ ｓ ｑ ｕ ｉ ｃ ｋ ｌ ｙ ，ｔ ｏ ｉ ｆ ｎ ｄ ｔ ｈ ｅ ｏ ｐ ｔ ｉ ｍａ ｌ ｒ ｏ ｕ ｔ ｅ ｉ ｎ ａ ｍｏ ｒ ｅ ｒ ａ ｐ ｉ ｄ ｃ ｏ ｎ ｖ ｅ ｒ ｇ ｅ ｎ ｃ ｅ ｓ ｐ ｅ ｅ ｄ ．Ｔ ｈ ｅ ｓ ｉ ｍｕ ｌ ａ ｔ ｉ ｏ ｎ ｒ ｅ ｓ ｕ ｌ ｔ ｓ ｓ ｈ ｏ ｗ ｔ ｈ ｅ ｅ ｆ － ｆ ｅ ｃ ｔ ｉ ｖ ｅ ｎ ｅ ｓ ｓ ｏ ｆ ｔ ｈ ｅ ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｐ Ｓ Ｏ ｌｇ ａ ｏ ｒ ｉ ｔ ｈ ｍ ｉ ｎ ｔ ｈ ｅ ３ Ｄ ｒ ｏ ｕ ｔ ｅ ｐ ｌ ａ ｎ ｎ ｉ ｎ ｇ ｏ ｆ ＵＡＶ．
Ｔｈ ｒ ｅ ｅ —Ｄｉ ｍｅ ｎ ｓ ｉ ｏ ｎａ ｌ Ｒｏ ｕ ｔ ｅ Ｐｌ ａ ｎ ｎｉ ｎ ｇ ０ ｆ ＵＡＶ Ｂａ ｓ ｅ ｄ ｏ ｎ Ｉ ｍｐ ｒ ｏ ｖ ｅ ｄ Ｐａ ｒ ｔ ｉ ｃ ｌ ｅ Ｓ ｗａ ｒ ｍ Ａｌ ｇ ｏ ｒ ｉ ｔ ｈ ｍ
Ｚ ＨＡＮＧ Ｒห้องสมุดไป่ตู้ ｎ － ｐ ｅ ｎ ｇ ， ＹＡＮＧ Ｊ ｉ ｎ － ｘ ｉ ａ ｏ ， Ｐ ＡＮ Ｊ ｉ ａ － ｈ ｕ ａ ， ＨＵ ＡＮＧ Ｘｉ ａ ｏ — ｄ ｏ ｎ ｇ
ａ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｃ ｏ ｎ ｃ ｅ ｎ ｔ ｒ ａ ｔ ｉ ｏ ｎ ｍｅ ｃ ｈ ｎｉ ａ ｓ ｍ ，ａ ｎ ａ ｌ ｙ ｓ ｅ ｄ ｔ ｈ ｅ ｃ ｏ ｎ ｃ ｅ ｎ ｔ ｒ ａ ｔ ｉ ｏ ｎ ｏ ｆ ｔ ｈ ｅ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｗ ａ ｒ ｌ ｎ ｗｈ ｉ ｃ ｈ ｃ ｏ ｎ ｓ ｔ ｒ ｕ ｃ ｔ ｅ ｄ ａ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｂ ａ ｌ — ａ ｎ ｃ ｅ ｏ ｐ ｅ ｒ ａ ｔ ｏ ｒ ｉ ｎ ｔ ｈ ｅ ｌ ｏ ｃ ａ ｌ ｏ ｐ ｔ ｉ ｍｕ ｍ ｃ ｏ ｍｂ ｉ ｎ ｅ ｄ ｗｉ ｔ ｈ ｔ ｈ ｅ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ ｉ ｆ ｔ ｎ ｅ ｓ ｓ ，ｇ ａ ｖ ｅ ｃ ｏ ｒ ｒ ｅ ｓ ｐ ｏ ｎ ｄ ｉ ｎ ｇ ｖ ａ ｒ ｉ ａ ｔ ｉ ｏ ｎ ｔ ｏ ｔ ｈ ｏ ｓ ｅ ｐ ａ ｒ ｔ ｉ ｃ ｌ ｅ ｓ