基于改进灰色关联投影法的无人机避让优先运行策略

针对未来混合空域中多种航空器共同执行任务而可能出现飞行避让安全问题,提出了一种基于组合赋权改进灰色关联投影法的无人机避让优先运行策略。首先,从空域管理、航空法规、风险评估等角度分析影响避让过程的因素,构建无人机避让评价指标体系;其次,利用层次分析法和粗糙熵法进行主客观赋权,由合作博弈方法构建离差和最小目标优化函数将主客观权重融合确定最终权重,克服主观赋权随意性和客观赋权过分依赖数据的弊端;随后,利用优劣解距离法(TOPSIS)与灰色关联投影法的融合算法对无人机避让对象进行综合评价,从而获取无人机优先避让运行策略;最后,将融合算法与TOPSIS算法进行对比。结果表明,较于TOPSIS法,所提融合算法获取策略与空域运行实践相符且灵敏度提高了17.08%。因此,新算法避免了单一算法的数据丢失现象,提高了获取策略的准确性,可为混合空域的无人机运行策略获取提供新思路。     

感应电动机转子磁链有限时间观测器的设计与仿真

针对感应电动机转子磁链的观测问题,根据有限时间理论,在建立感应电动机数学模型的基础之上,将定子电流和转子磁链作为系统状态,确定了感应电动机的状态方程,设计了有限时间观测器.此外,令观测误差在有限时间内收敛于一个给定的界,进一步收敛到零,由此实现了对磁链状态的观测.最后,通过求解线性矩阵不等式,得到状态观测器的增益值,并利用计算机仿真实现了磁链的有限时间观测,进一步验证了设计方法的有效性.     

基于高阶微分滑模面的不确定飞机控制系统自适应滑模控制

飞机控制系统作为典型的多输入多输出(MIMO)非线性系统,具有很强的耦合性和不确定性,导致控制难度大幅度提高。针对这一情况,研究了一类飞机姿态控制系统的跟踪控制问题。首先,将飞机姿态控制系统进行坐标变换,并且考虑输入不确定性的存在情况,提出了一种新的高阶微分滑模面,证明了滑模面的稳定性,然后,基于此高阶微分滑模面和神经网络的逼近能力,设计了光滑的自适应滑模控制器。基于Lyapunov稳定性理论,证明了所设计的控制器既保证了飞机姿态控制系统具有很好的跟踪性能,又避免了传统滑模控制器抖振现象的出现。最后,通过仿真验证了所设计控制器的有效性。与传统的滑模控制器对比,所设计的控制器是光滑的,在实际飞机姿态控制领域中具有很好的应用前景。     

基于偏移定位技术的水利探测方法及应用

为了抑制探地雷达原始图像中较为强烈的直达波,突显较弱的目标信号,实现对隐患位置的精确定位,提出了结合鲁棒主成分分析的Stolt偏移方法。首先使用探地雷达分析程序包matGPR 3.1生成合成数据,模拟坝体和坝体内空洞模型,通过扫描处理得到探地雷达原始图像,然后利用鲁棒主成分分析方法提取目标双曲线信号,最后采用Stolt偏移技术对目标信号进行聚焦处理,并通过最小熵速度估计选取合适的偏移速度得到最佳偏移效果。实验结果表明,提出的方法能够有效地抑制杂波,更清楚地判别目标空洞的位置。与之前方法相比,其得到的图像分辨率更高,性能更优,在水利工程隐患探测方面具有一定的应用价值。     

自适应多启发蚁群算法的无人机路径规划

为了解决蚁群算法在无人机实现路径规划中容易陷入局部最优的问题,提出改进的蚁群算法。对信息素的挥发因子以及信息素进行上、下限设置,防止由于较短路径上的信息素过高以及较长路径上的信息素过低,使蚂蚁陷入局部最优,同时在多启发因素的影响下,将路径的整体长度作为决定状态转移概率的一个自适应启发函数因子,当路径长度很大时,自适应启发函数因子较小,使得蚁群选择该路径的概率减小。实验结果表明,改进的算法在路径长度上减少了6.4%,最优路径长度方差降低了85.78%,增加了对环境整体性的考虑,缩短了路径长度,降低了迭代次数,跳出局部最优。在环境复杂度加大的情况下,引入自适应启发函数因子之后的算法可以有效地选择较好的路径,为无人机路径规划提供了理论依据。     

基于观测器的非线性系统执行器死区故障的自适应跟踪控制

研究了一类具有不对称执行器死区故障的非线性系统的跟踪控制问题。基于扩张观测器,提出了一种新的自适应跟踪控制方法。取消了系统所有状态完全可测的限制。在死区模型所有参数以及系统非线性不确定项上界均未知的情况下,所设计的自适应控制器可以很好地消除执行器死区故障的影响,保证跟踪误差有界。仿真结果表明该方法的有效性。     

基于小波变换和K-SVD的探地雷达杂波抑制研究

针对探地雷达原始图像中存在着大量以地表直达波为主的杂波噪声干扰问题,为了有效提取目标信号,提出了一种基于小波变换和K-Means奇异值分解的自适应双边滤波方法。将原始雷达数据进行小波分解,并应用K-SVD算法变换稀疏编码和更新原子,用更新后的稀疏系数和字典重构小块,将小块进行小波逆变换重构图像,然后对重构图像进行自适应双边滤波得到处理后的图像,以实现小波变换、K-SVD算法和自适应双边滤波方法的优势互补。与其他方法进行对比的结果表明,所提出的方法具有良好的杂波抑制效果,在峰值信噪比和目标图像熵上性能更好。研究结果在实际雷达勘测任务中具有一定的应用价值。     

基于扰动观测器的时变负载四旋翼无人机自适应有限时间控制

针对具有未知外部扰动和阻力系数的时变负载四旋翼无人机系统,提出了一种复合有限时间控制策略。首先,通过牛顿-欧拉方法建立了完整的四旋翼无人机数学模型。位置环采用自适应参数校正方法对负载进行估计,并与反步递推控制相结合,在阻力系数未知情况下设计了自适应轨迹跟踪控制器。其次,采用基于扰动观测器的有限时间滑模控制器,并利用Lyapunov稳定性理论进行无人机系统位置环和姿态环渐近稳定和有限时间稳定性验证。最后,通过数值仿真进行验证。结果表明,所提控制器提高了系统的收敛速度,减少了外界扰动对系统的影响。研究方法克服了已有研究要求阻力系数和负载已知的局限性,提高了系统的抗干扰能力,对于增强四旋翼无人机的实际应用性具有一定的参考价值。     

基于轻量化卷积神经网络的毛巾织物瑕疵检测方法

针对毛巾织物瑕疵检测中存在的小目标瑕疵漏检率高、形变尺度大的瑕疵检测精度低以及模型检测效率不理想等问题,提出一种基于YOLOv4网络的轻量化毛巾织物瑕疵检测方法。采用轻量级网络Ghost Net重构主干特征提取网络,以降低模型运算量,提升检测速度;在深层特征提取网络中引入结合空洞卷积和SoftP ool的DS-CBAM模块,扩大感受野的同时保证特征图分辨率并提高模型对毛巾织物瑕疵特征的提取能力;根据各类毛巾织物瑕疵正负样本不平衡的数据特点,引入难易样本聚焦参数和正负样本平衡参数对损失函数进行优化,降低样本失衡对检测性能的影响;采用改进度量距离的K-means算法自适应生成适合毛巾织物瑕疵尺寸的先验框,提高先验框和毛巾织物瑕疵目标的匹配度。研究结果表明:改进后的模型在毛巾织物瑕疵数据集上的检测精度要优于原YOLOv4和其他主流检测算法,综合类别平均精度达到92.14%,检测速度达到49.98帧/s,分别比原模型提高了5.31%、22.83%,有效平衡了检测精度和检测速度之间的关系。     

基于改进的DDPG算法的蛇形机器人路径规划方法

针对蛇形机器人执行路径规划任务时,面对复杂环境传统强化学习算法出现的训练速度慢、容易陷入死区导致收敛速度慢等问题,提出了一种改进的深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法。首先,在策略-价值(actor-critic)网络中引入多层长短期记忆(long short-term memory, LSTM)神经网络模型,使其控制经验池中信息的记忆和遗忘程度;其次,通过最优化特征参数将CPG(central pattern generators)网络融入强化学习模型,并设计新型网络状态空间和奖励函数;最后,将改进算法与传统算法分别部署在Webots环境中进行仿真实验。结果表明,相比于传统算法,改进算法整体训练时间平均降低了15%,到达目标点迭代次数平均降低了22%,减少了行驶过程中陷入死区的次数,收敛速度也有明显的提升。因此所提算法可以有效地引导蛇形机器人躲避障碍物,为其在复杂环境下执行路径规划任务提供了新的思路。