基于T-S模糊模型的非线性时滞系统的变结构控制

基于T-S模糊模型和变结构控制策略,研究了一类带有参数不确定项的非线性时滞系统的变结构控制问题。首先,利用变结构控制理论选择滑模面,根据可达条件提出了一种变结构控制方法,该方法确保系统的运动轨迹在有限时间内到达滑模面并一直保持在滑模面上。当不确定项不满足匹配条件时,根据Lyapunov稳定性理论和线性矩阵不等式(LMI)的方法得到了系统状态全局稳定的充分条件。最后给出了一个仿真加以说明该设计方法的有效性。     

基于DSP平台的实时视觉车辆检测方法

针对现有嵌入式平台车辆检测算法实时性不足的缺点,从算法耗时的根本原因出发,提出了基于多范围ROI的车辆检测方法.该方法对传统Adaboost算法进行了改进,以多尺度范围窗口遍历多层感兴趣区域以减少对整幅图像及对单一ROI遍历的次数.利用VS软件对算法优化前后的结果进行了仿真对比分析.在底层移植上采用静态分配内存替代动态内存分配,并利用DMA代替内存库函数的方式完成了算法的嵌入式移植.结果表明:本算法在检测准确性及实时性上均有较好效果,本方法在保证车辆检测准确率的同时能有效提升检测速度,在输入图像大小为720×480像素时,达到13～15帧·s-1的处理速度,满足了车辆实时检测的要求.     

基于行人轨迹预测的无人驾驶汽车主动避撞算法

针对传统轨迹预测算法无法深入挖掘行人行走意图信息,不能提前对行人轨迹做出提前预判,导致无人驾驶汽车主动避撞算法存在缺陷等问题,通过车载传感器获取道路行人图像信息和位置信息,并基于卷积神经网络对道路行人动作特征进行识别,分析其行走意图.利用卡尔曼滤波算法获取状态估计的预测值,结合行人主观意图进行修正,输出符合行人主观意图的预测轨迹.通过人车交汇特性建立不同行人轨迹类别的预估安全距离模型,并基于道路行人轨迹预测,设计行人主动避撞算法.结果表明:行人动作特征变化时,基于动作特征分析的行人轨迹预测算法,预测的轨迹能够提前对行人的轨迹变化做出预测,有效保障了道路行人的安全性;提出的轨迹特性分类可较好地表述混杂环境下的人车交汇情况,主动避撞算法在提高行人和无人驾驶汽车行驶安全性的同时,确保了制动减速过程的平缓性和交通流的通畅性.     

AQM中基于T-S模型的滑模控制及仿真

针对TCP(Transmission Control Protocol, 传输控制协议)网络的拥塞控制问题,基于T-S (Takagi-Sugeno)模糊模型,采用滑模控制理论提出了一种新的AQM(Active Queue Management, 主动队列管理)算法.考虑到TCP网络中存在的不确定和时变时滞因素,首先利用T-S模糊模型对网络进行建模,然后利用线性矩阵不等式设计了一个渐近稳定的滑模面,而且还给出了一种能够明显减小滑模面附近抖振的趋近律,基于该趋近律设计的控制律能够有效地抑制路由器中队列长度的振荡,并使其快速收敛于期望值.仿真结果表明,该算法与普通的滑模控制算法相比具有更好的稳定性和鲁棒性,能够很好地适应复杂多变的TCP网络环境.     

一类具有Markov跳跃参数的不确定混合系统滑模控制

针对一类具有Markov跳跃参数的不确定混合系统,基于滑模控制理论,设计了滑模控制器.通过线性矩阵不等式方法,分别给出了匹配不确定和非匹配不确定条件下系统在滑模面上均方意义下指数稳定的充分条件.同时针对这两种不确定性,设计了相应的滑模控制策略,并证明了该控制策略能够确保系统的运动轨迹在有限时间内到达滑模面并一直保持在滑模面上.仿真结果表明,所设计的控制器对不确定混合线性Markov跳跃系统具有很强的稳定性和鲁棒性.