基于流形优化法的相机位姿估计

为了减小正交迭代法用于跟踪相机位姿的累积误差,提出基于流形优化方法的估计相机位姿新颖算法.算法利用共线性误差模型将位姿估计转化为流形上实值函数最小化问题,然后运用微分几何的结论进行目标优化.优化过程包括搜索更新向量和收缩映射:在流形仿射切空间内对目标函数进行泰勒展开以搜索函数的零切向量场;用收缩映射将偏离流形的点重新映...     

转向架参数测定试验台位姿正解

并联机构位姿正解求解运用的Newton-Raphson迭代法对初值有很强依赖性,且收敛速度较慢,无法满足实时性要求.为此文中提出基于Levenberg-Marquardt(L-M)算法的改进BP分类神经网络结构模型和高阶收敛改进Newton-Raphson迭代法(HMNR)相结合求解并联机构位姿正解.以转向架参数测定试验台为例,借助位姿反解将轨道谱路谱转化成试验台作动器的伸缩量指令,将其给定到液压系统中,驱动试验台耦合运动模拟车体或转向架在该路谱线路上的运行状态.运用大量实际运行样本数据作为训练数据,实现了试验台位姿正解的初值求解,并与常用的基于拟牛顿算法(BFGS)的神经网络模型和量化共轭梯度(SCG)算法的神经网络模型进行对比分析.结果表明,L-M算法模型在误差性能分析上明显优于BFGS与SCG算法模型,且预测角度值误差均小于4×10~(-7),位移值误差均小于8×10~(-4).将预测值作为HMNR法的初值,进行迭代计算,较之Newton-Raphson(NR)法迭代次数减少41%,迭代时间缩短23%.将此混合策略用于试验台,进行实际相邻车端相对位姿测量试验,进一步验证了该策略的有效性.     

基于模型和数据驱动的机器人6D位姿估计方法

提高运动精度是机器人执行精密操作的基础.该文针对重载操作造成的机器人末端结构变形问题进行位姿补偿研究.首先,提出了基于模型和数据驱动的机器人末端6D位姿估计方法,该方法利用基于Gauss过程回归的机器人运动学误差模型获得部分目标点空间位置的预测值;然后,提出了基于测量平差的位姿修正方法,对目标点位置的实测值和预测值进行...     

基于区域生长的计算机视觉技术对飞机模型位姿的测量

采用计算机视觉技术,通过CCD相机摄取飞行器模型位姿变化前后的投影图像,并利用区域生长技术进行图像分割,直接提取区域追踪位姿变化前后的目标,使之前后匹配,从而在后续试验中利用投影目标内各特征点在三维空间坐标的变化,计算飞机模型的位姿变化.     

基于模糊补偿的深海作业级远程操控潜水器自适应位姿控制

针对参数变化、流以及其他未知干扰对深海作业级远程操控潜水器(ROV)位姿控制的影响,设计了基于模糊补偿的ROV自适应位姿控制器.从大地坐标系下的ROV系统模型中分离出由于参数变化、流以及其他未知因素所产生的干扰力/力矩,并分析了干扰力/力矩的变化特性,利用模糊逻辑系统(FLS)进行逼近,设计基于干扰力/力矩模糊补偿的ROV自适应位姿控制器;同时,为了消除逼近误差的影响,设计了稳健自适应控制律.结果表明:FLS能够以较高的精度逼近ROV所受到的干扰力/力矩;所设计的基于模糊补偿的深海作业级ROV自适应位姿控制器具有良好的跟踪性能、抗干扰能力和稳健性.     

基于模糊补偿的深海作业级远程操控潜水器#br# 自适应位姿控制

摘要： 针对参数变化、流以及其他未知干扰对深海作业级远程操控潜水器(ROV)位姿控制的影响，设计了基于模糊补偿的ROV自适应位姿控制器.从大地坐标系下的ROV系统模型中分离出由于参数变化、流以及其他未知因素所产生的干扰力/力矩，并分析了干扰力/力矩的变化特性，利用模糊逻辑系统(FLS)进行逼近，设计基于干扰力/力矩模糊补偿的ROV自适应位姿控制器；同时，为了消除逼近误差的影响，设计了稳健自适应控制律.结果表明：FLS能够以较高的精度逼近ROV所受到的干扰力/力矩；所设计的基于模糊补偿的深海作业级ROV自适应位姿控制器具有良好的跟踪性能、抗干扰能力和稳健性.     

基于无线传感器的机器人运动控制模型

针对无线传感器的机器人运动控制精度不高的问题,提出基于稳态误差跟踪修正的无线传感器的机器人运动控制模型.通过构建无线传感器的机器人分层子维空间运动规划方法,采用末端效应器对机器人的位姿和运动控制约束参量进行分析,采用稳态误差跟踪自适应修正算法对目标位姿的误差进行补偿和修正,实现对控制模型的改进.实验结果表明,该控制模型的控制精度高,位姿参量的跟踪性能好.     

基于柔度误差检测的锚杆台车机械臂定位

目前国内锚杆台车多数由人工操作,定位精度低且速度慢。以其定位精度的提高和自动化施工的实现为目的,从误差检测及补偿的角度出发,以DH模型为基础,提出了基于机器视觉和激光测距的臂架柔度检测方法来获取柔度误差,采用全站仪对锚杆台车关节位姿进行测量获取臂架的参数误差,建立了锚杆台车定位误差补偿模型;同时采用牛顿拉夫逊法和梯度投影法,建立了迭代法求两次逆解确定关节变量的臂架定位算法。研究结果表明:柔度误差检测方法的测量误差保持在0.010 m左右;基于该模型实际工作时,末端误差基本小于0.050 m,满足施工要求。本研究提出的机械臂定位方法已成功应用于锚杆台车的定位系统,并且在实际工程中应用效果良好。     

宏微结合的12自由度微装配系统精度分析

为了提高分立式宏微结合的12自由度微装配系统的整体位姿运动控制精度,提出误差矢量坐标变换合成法,建立了微装配系统基于刚体假设的误差传递模型,推导了装配零件与装配基体零件的位姿误差计算公式,提出了姿态误差灵敏度分析计算方法,根据分析结果采用微位姿检测装置测量获得了系统补偿向量,使微装配系统整体位姿运动控制精度提高至微米级.     

低速风洞绳牵引并联支撑系统的静刚度分析

用静刚度的一些分析工具来对低速风洞绳牵引并联支撑系统WDPSS-8的静刚度进行分析,并进行实例仿真分析,仿真结果表明:当飞行器模型在主位置处进行准静态姿态变化时,支撑系统处于力位可控范围内;支撑系统可实现连续运动控制;其静刚度值满足静导数试验的要求;支撑系统可采用通过提高刚度的方式来进行飞行器模型的位姿控制.     

机载雷达微下击暴流风切变信号处理与仿真

微下击暴流风切变是一种对飞机安全有严重危害的大气现象,为了有效分析微下击暴流风切变对飞行器所造成的危害程度。引入了危险因子,建立了微下击暴流风切变的危险因子数学模型,同时建立了一种简单有效的非对称风场模型,运用频域脉冲方法对微下击暴流风切变进行风速估计,由于微下击暴流风切变一般都含有雨滴,则运用多普勒效应和雷达截面积等原理对微下击暴流风切变信号进行了分析与仿真。仿真结果表明,建立的危险因子和风场模型能够真实有效地反映微下击暴流风切变所造成的危害程度,同时频域脉冲对方法能够很好地对微下击暴流风切变信号进行风速估计。     

基于最小二乘偏差补偿法的舵机模型参数辨识

舵机作为无人旋翼机一个重要的执行机构,控制着旋翼机飞行姿态与轨迹的改变,为建立舵机的数学模型,提出了基于最小二乘偏差补偿法辨识伺服舵机的模型参数。在研究了伺服舵机的结构与工作原理的基础上,首先建立舵机各组件模型,综合得到舵机的系统模型;然后采用最小二乘偏差补偿法辨识模型参数。实验仿真验证了该方法具有较高辨识精度与有效性。     

基于鲁棒自适应kalman滤波平台标定数据处理

摘 要：惯导系统作为飞行器导航系统的重要组成部分,其精度直接影响到飞行精度,为了更实现更精确的导航,通常采用射前自标定技术,从而补偿平台的误差。当飞行器竖立在发射场时,通常会受到各种干扰因素的影响,比如阵风,这些干扰会对射前标定的精度产生很大的影响。为了更好的补偿这部分干扰带来的误差,本文利用ARMA(2,1)建立平台漂移模型,考虑到系统噪声的方差和协方差等信息并不可知而且所建立的模型也会有误差,本文选用鲁棒自适应卡尔曼滤波对数据进行处理,结果表明,经过处理后的数据方差比原数据方差小很多,可以满足标定精度要求。     

小波阈值去噪与岭估计在飞机磁补偿中的应用

针对飞机干扰磁场模型求解时均方误差较大的问题,提出小波阈值去噪结合岭估计(WTRE)的模型参数求解方法.首先采用小波阈值去噪对观测数据进行预处理,降低测量噪声对模型求解的影响;然后利用岭估计求解干扰磁场模型系数,岭参数的选取采用L曲线法.参数估计仿真实验的结果表明,WTRE的均方误差明显小于LS估计和岭估计,特别是在低信噪比情况下对岭估计的改进更加明显.飞机磁补偿仿真实验的结果表明,采用WTRE所求系数补偿后的信噪比最高,在飞机磁补偿中与其它方法相比具有明显的优越性.     

工业机器人绝对定位误差补偿技术研究进展

 针对航空制造业中工业机器人存在实际位姿与理论位姿偏差的问题，分析了工业机器人绝对定位误差来源，解析其对飞机零部件连接性能产生的影响，在工业机器人绝对定位误差补偿原理和主要步骤分析基础上，阐述运动学建模、位姿测量、运动学参数误差辨识以及误差补偿等关键步骤对工业机器人绝对定位误差补偿的作用及重要性，对比分析了国内外学者在该步骤中涉及的主流算法和技术，归纳总结各步骤中存在的问题和可能的解决方案，探讨了工业机器人离线与在线误差补偿技术中的不足之处，指出工业机器人绝对定位误差补偿技术的发展趋势。     

弹性变形对双座电动飞机模型气动特性的影响

与常规飞机相比,电动飞机在气动布局方面采用了更大的展弦比,在气动力作用下弹性变形更加明显.针对双座电动飞机风洞试验模型,采用计算流体力学/计算固体力学(computational fluid dynamics/computational structural dynamics,CFD/CSD)流固耦合方法分别计算了机翼有无弹性变形的气动力特性,并与面元法和风洞试验结果进行比较.结果表明,受弹性变形影响后升力系数增加,阻力系数减小,相同升力系数下的升阻比几乎没有变化,弹性变形对俯仰力矩系数影响显著,变形后的纵向静安定裕度显著提高.采用面元法计算气动弹性变形的方法计算高效,升力系数误差在10％以内,能满足工程实际应用;CFD/CSD流固耦合计算与风洞试验结果更接近,升力线斜率较风洞试验低7％;变形后的纵向静安定性随迎角有增大趋势,与风洞试验结果一致;弹性变形对机翼扭矩影响较大.     

考虑风力发电的系统无功优化模型和算法

针对风力发电需要吸收电网大量无功而影响电网无功分布和电压稳定的问题,研究了含风电场的系统无功优化,给出了风电场在恒功率因数运行情况下其并网点处无功补偿容量的计算方法．在满足风电场无功补偿的前提下,建立了以全网的有功网损最小为目标函数的无功优化模型,并用遗传算法求得最优解．将风电场接人IEEE-30节点系统进行仿真计算,验证了该方法和程序的有效性和实用性．     

基于时空特征融合的飞机尾涡识别

为了实现动态尾流缩减技术,减少进近阶段前机尾流对后机飞行安全的影响。依据相干激光雷达（coherent Light Lidar,简称CDL）扫描风场循环周期性特点,提出一种基于时空特征融合的飞机尾涡识别模型。首先,CDL扫描生成的径向速度风场转换成序列输入和块输入。然后,双向长短时记忆（bidirectional long short-term memory, 简称Bi-LSTM）网络用于提取序列输入的时间特征,卷积神经网络（convolutional neural network, 简称CNN）网络用于提取径向速度风场块输入的空间特征。最后,将融合的时域和空域特征输入全连接层分类器,得到最终分类识别结果。实验团队在深圳宝安机场附近采集风场,并构建尾流数据集来验证所提得融合模型,结果表明：基于CNN和Bi-LSTM时空特征混合模型具有较好的分类性能,在尾涡识别上的准确率、召回率、F1分数分别达到97.13%、97.50%、97.03%,且相比单一模型是一种更有效的识别方式,能够获得实时高效尾流预警。     

并网风电场动态无功补偿方案仿真研究

以异步风力发电机组为研究对象,针对目前并联电容器组的无功补偿方式所显现出来的弊端,采用动态无功补偿改善并网风电场无功特性。在风速渐变和电网短路故障的情况下,分别采用静止无功补偿和静止同步补偿进行无功补偿,并以Matlab/Simulink环境为平台,搭建风电场模型、动态无功补偿和风速模型。仿真结果表明,虽然两者均可向风电场提供无功功率补偿以稳定并网风电场电压,但是静止同步补偿器能更快地使系统电压和有功功率接近故障前的稳定运行状态,需要无功补偿容量少,更适合用于并网风电场的动态无功补偿。     

基于径向基神经网络的风电场无功补偿优化算法

 针对风电场无功补偿容量计算工作量大、计算过程复杂的问题,提出了应用径向基神经网络优化风电场无功补偿容量计算的方法。首先建立了含风电场的电力系统潮流计算模型,以某风电场实际有功功率作为模型的输入,计算该风电场所需的无功补偿容量;以有功功率作为输入数据,以计算所得的无功补偿容量作为目标输出,建立径向基神经网络,并对该神经网络进行训练。用训练后的径向基神经网络代替潮流计算模型,对该风电场所需无功功率进行计算,结果表明,该方法计算复杂度比潮流计算模型低,计算量少。研究表明可用训练后的径向基神经网络模型代替潮流计算模型,实时计算风电场无功补偿容量。