水下多电机协同推进及其动态面反步滑模控制

复杂多变暗流湍急的水下环境会造成水下机器人姿态失衡,严重时会破坏船体稳定造成偏航.针对大幅度转弯工况与应对外部随机扰动等问题,提出一种归一化的比例同步系数分配方法,构造虚拟主轴多电机协同控制系统的输入,实时调配各个从动轴推进电机的参考转速;针对该方法中异速差异大、动态响应高的需求,设计有限时间动态面反步滑模控制器,提升...     

一种改进Harris角点检测的目标跟踪方法

针对传统粒子滤波目标跟踪算法在目标被遮挡或背景色与目标相似情况下出现目标跟踪定位偏差大甚至丢失目标的缺陷,本文提出一种改进的Harris角点检测的目标跟踪方法.该方法首先提出一种改进Harris角点检测算法,利用双阈值法,选定1个大阈值和1个小阈值,从而极大的减少了角点数量,并利用SUSAN思想去除伪角点;然后依据HSV颜色模型对环境光照变化不敏锐的特点,对检测到的角点建立HSV颜色模型,以鼠标所选定的矩形中心,矩形宽度和矩形高度作为状态量,以HSV颜色直方图作为观测值,建立合适的粒子滤波算法数学模型,实现对目标的有效跟踪.实验结果表明:即使在目标与背景颜色相似或被遮挡的情况下,该算法仍然能够准确的跟踪目标,达到降低环境因素对目标跟踪影响的目的.     

基于概率的移动机器人速度运动模型研究

对移动机器人速度运动模型进行了全面的分析,首先,在理想的情况下推导出移动机器人速度运动模型。然后,通过在理想情况下添加噪声的方法,构造出机器人在真实情况下的速度运动模型。最后,通过调整附加噪声的均值,实现了对机器人两轮直径不相等时的速度运动模型。使用采样算法从速度运动模型中采样,得到机器人可能的位姿空间。仿真结果表明,采样算法得到的结果可以有效的描述机器人的可能位姿。     

能源需求的支持向量机预测

对灰色、神经网络和支持向量机的三个预测模型进行了研究,以某城市的1999-2006年能源需求为例,对能源需求进行了预测.经过比较,支持向量机的预测方法精度较高.     

蚁群算法与免疫算法的混合算法

蚁群算法是近些年来启发式算法研究的一个热点,在求解复杂组合优化问题上具有强大的优势.作为一种全局搜索的方法,它具有正反馈性、并行性、分布性、自组织性等特点.但是,蚁群算法也存在一些不足之处:例如,算法需要较长的搜索时间、容易出现早熟、停滞现象.针对上述不足,在深入研究蚁群算法的同时,又对免疫算法进行了一定的研究和分析后,针对蚁群算法中的个体蚂蚁缺乏识别问题特征信息的能力,将免疫算法中疫苗的思想引入到蚁群算法中,提出了蚁群算法与免疫算法的混合算法.将问题的特征信息作为疫苗注射给蚂蚁,使蚂蚁具有"免疫"的能力,旨在借鉴其他仿生算法的长处,利用其优点弥补蚁群算法的不足,从而提高蚁群算法的求解性能.     

基于数据挖掘的人侵检测技术研究

介绍了入侵检测的一些基本概念,以及如何将数据挖掘应用于入侵检测;并给出了数据挖掘技术的定义、入侵检测模型、基于数据挖掘的入侵检测框架;提出了用户行为模式的异常检测、更新自动机算法及合适状态的评价算法.     

基于Windows CE下大像素图像分块显示算法的研究

Windows CE是一种典型的嵌入式系统,由于其配置的硬件资源的瓶颈,内存资源比一般的PC相对紧张。所以在安装Windows CE的设备下显示大像素图像文件比在一般的PC（Windows2000系统）上更加困难。介绍在Windows CE环境下如何利用分块显示法,对大像素图像进行分块显示。提出首先在PC机上利用网格分块法将一幅大像素图像文件BMP,JPEG图像文件分割压缩成多块像素量小的BMP,JPEG图像文件,对每个小图像文件进行编号,存放到Windows CE PDA上;然后在Windows CE PDA上利用网格检索的方法进行检索所需要的像素块的索引号;最后利用多线程的方法在显示区分块显示,实现大像素图像在Windows CE下的显示。     

人工智能应用中基于区间代数的时态推理

时态表示和推理是人工智能领域的重要研究内容之一,它的应用范围分布很广,从逻辑基础研究到知识系统的应用.区间代数是一种独立的与领域无关的时态理论.用区间代数能表示不确定的时态关系,可以很方便地用于时态推理,表达能力强;时态关系的区间表示比较直观,可理解性强;同时区间代数可以进一步扩展到二维空间领域,即将区间代数拓展为矩阵代数,实现二维空间推理.在一维时态推理中,将时态的区间表示和矩阵表示相结合,在提高计算效率的同时,保持了形象直观的时态表示.     

小波变换与线性调频信号脉内调制特征分析

提出了通过特征尺度的小波系数模极大值分析线性调频信号(linear frequency modulated signal,LFM)脉内调制特征的算法,分析了怎样选取特征尺度以及探究了怎样通过特征尺度的小波系数模极大值辨识出LFM的载频变化规律;并且研究了利用改进的小波脊线法提取了LFM的瞬时频率;最后对低信噪比下的LFM利用此改进算法进行了仿真。仿真结果表明,瞬时频率估计的精度得到了提高,尤其是信号起始段频率估计的相对误差低于0.05%,有效的克服了以往的小波脊线算法对低信噪比下的信号起始段频率估计的精度不高的缺陷。     

基于选择性模型更新与卡尔曼滤波的目标模型更新算法

选择性模型更新算法不能准确地更新目标模型,在外观变化、遮挡、场景光线变化等因素影响的运动目标跟踪中,不能有效地处理目标模型。因此,提出了一种选择性模型更新与卡尔曼滤波的目标模型更新算法。根据可靠性阈值和分量更新比例精确选取更新分量,并与Kalman滤波相结合,对目标模型分量进行预测,根据不同干扰和目标外形变化,将两种算法的跟踪结果线性加权得到新的跟踪目标模型。实验结果表明该算法具有良好的跟踪效果。