钻地弹引信定深爆炸控制算法

为实现定深爆破,利用惯性测量原理,合理配置钻地弹引信上加速度计空间位置.通过对加速度计输出信息的实时处理,获得了钻地弹侵彻过程中加速度和角速度信息.求解四元数微分运动方程,计算出弹体坐标系和惯性坐标系之间的变换矩阵.分解了方向余弦矩阵,将加速度计输出转换为钻地弹沿惯性坐标系的加速度分量.二次积分加速度分量,得到钻地弹瞬时轨迹信息,为定深引信提供了炸深控制参数.     

6-PTS 并联机器人机构逆向运动学分析与仿真*1

目的：提出建立并联机器人构件之间运动学关系的算法。方法将6-PTS 并联机器人机构的复合关节等效地处理成单自由度关节,利用 D-H（Denavic-Hartenberg）方法定义每个连杆的局部坐标系和运动学参数,根据运动等同性条件建立机构约束方程,利用逆向齐次变换的方法求解。结果与结论依次求解出全部关节变量和每个连杆的位置表示,在此基础上,应用影响系数理论,建立了动平台与每个连杆之间的速度和加速度的传递关系,为该机构的动力学建模及控制等问题提供了基础。     

6-PTS并联机器人机构逆向运动学分析与仿真

目的提出建立并联机器人构件之间运动学关系的算法。方法将6-PTS并联机器人机构的复合关节等效地处理成单自由度关节,利用D-H(Denavic-Hartenberg)方法定义每个连杆的局部坐标系和运动学参数,根据运动等同性条件建立机构约束方程,利用逆向齐次变换的方法求解。结果与结论依次求解出全部关节变量和每个连杆的位置表示,在此基础上,应用影响系数理论,建立了动平台与每个连杆之间的速度和加速度的传递关系,为该机构的动力学建模及控制等问题提供了基础。     

基于指数积的Delta机器人运动学正解建模

对于并联机构的运动学分析,D-H参数法需要对每个连杆建立局部坐标系,通过各连杆的坐标转换来建立运动学方程,过程较为繁琐,而矢量法虽然能够避免正解多解的取舍问题,但是不能完整地表达出末端的姿态,缺乏通用性. 作者采用基于旋量理论的指数积,只需建立惯性坐标系{S}和工具坐标系{T}两个坐标系,使得运动学模型更为简单,且具有更明确的物理和几何意义. 最后应用该方法求解了典型Delta机器人的运动学正解和工作空间,并进行了机器人样机的运动控制实验.      

空间机构运动学建模与分析方法的研究

为了快速高效地建立空间机构运动模型以进行运动学特性分析,运用多体动力学原理,提出了一种计算机符号建模与数值的计算方法.在每根杆件上的运动副处建立笛卡尔直角坐标系,用这些坐标系之间的关联关系来描述空间机构的结构形态,推导了同一杆件上2个坐标系之间的变换关系,得到了杆件形状矩阵.根据运动副的类型和属性,推导了同一运动副处不同杆件上2个坐标系之间的变换关系,得到了运动副约束矩阵.通过在运动链上连续使用变换矩阵,建立了空间机构的数学模型,并用推导的运动方程对时间求导,得到了空间机构的速度和加速度方程.研究表明,由开发的空间机构运动学分析软件,结合空间4杆机构的运动学分析,验证了建模与求解方法的正确性,从而为空间运动机构建模与运动学分析提供了一种有效的方法.     

无安定器航弹刚体运动模型研究

无安定器航弹因不具有传统意义上的飞行稳定性，其飞行过程不同于带尾翼的航弹，现有的以稳定飞行为基础的航弹弹道模型已经无法揭示其运动规律。该文以刚体一般运动理论为基础，引入了斜置坐标系和摆动轴坐标系，提出了航弹摆动角速度矢量轴高低角和方位角、斜置姿态角等概念，确定了姿态角与斜置姿态角之间的转换关系，建立了能够准确反映无安定器航弹空中运动特性的刚体运动模型。仿真计算结果表明：利用该模型求解无安定器航弹的弹道问题，克服了使用常规航弹弹道模型出现的“无界”问题，既可以准确地计算无安定器航弹的质心运动轨迹，还可以准确地描述摆动角速度矢量的变化规律，为全面掌握无安定器航弹的弹道特性奠定了基础。     

基于非线性滤波的捷联惯导系统罗经法对准改进算法

为提高捷联惯导系统初始对准的快速性和精确性,根据传统的平台惯导系统罗经法对准原理,提出包括水平对准和方位对准的捷联式罗经对准算法.给出了导航坐标系下加速度和角速率的修正值,经过姿态矩阵的转换对载体坐标系下的惯性测量组件输出值进行修正补偿.对不同初始姿态角误差和不同初始航向角的仿真表明,初始航向角的改变对系统影响较大,特别在大方位失准角情况下.采用UKF算法对非线性模型滤波的仿真结果显示,最大航向角误差从15′降至6′,证明将罗经法和UKF滤波方法相结合进行捷联系统初始对准是可行有效的.     

一种油运船舶的组合姿态测量模型

实时准确地测量船舶姿态,对船舶运输安全作业、舰船减摇控制等具有重要意义.对坐标系及其转换关系进行了定义,推导构建了基于加表、陀螺和GPS的组合姿态测量系统测量元件模型和全量模型,通过状态方程和测量方程的分析推导对全量模型进行了线性化处理,并对连续系统模型作了离散化处理.依据姿态角、陀螺漂移和速度的误差状态方程,引进GPS测量值,对系统状态进行卡尔曼信息滤波估计,从而得到陀螺的漂移误差,使姿态角的测量达到良好的效果.     

基于广义变换矩阵的机械零件三维模型骨架匹配

提出了一种基于广义变换矩阵的机械零件三维模型骨架匹配方法。骨架中两骨架点间的连线称为骨架枝,借鉴机器人学中广义连杆之间关系的表示方法,将骨架枝看成若干个连杆,在骨架点处建立固定坐标系及骨架枝坐标系,采用广义变换矩阵表示骨架枝。将广义变换矩阵转化成向量,引用统计学中的相关性度量方法,通过计算2个向量的皮尔逊相关系数得到2个广义变换矩阵的相似度,即得到2个骨架枝的相似度。搜索相匹配的骨架枝并计算整个骨架的相似度。通过实例验证和实验分析,表明该算法具有较快的检索速度和较高的准确度。     

机器人轨迹规划的一个新方法

为了实现机器人所期望的运动,需要在关节坐标系或直角坐标中来描述和定义机器人的轨线与有关的姿态。机器人操作器末端的位置、姿态、速度和加速度在轨迹规划中应是连续的.同时考虑到CP 控制机器人的一般作业要求,作者导出了5-4-5样条函数.其次,利用相对当前工具坐标的欧拉变换来表示下一点的姿态,从而提高了姿态规划的效率.最后,作者用5-4-5样条函数实现关节与直角坐标空间平滑连接与切换。     

基于决策树的自适应互补滤波姿态解算

为解决惯性传感器在磁场干扰和大加速度干扰坏境下姿态解算精度下降的问题,提出了一种基于决策树自适应的互补滤波姿态解算方法。针对陀螺仪特性,对其进行零偏补偿处理。将处理后的角速度数据与加速度数据构成静态检测单元,实现了静态情况和动态情况的准确分类。在动态情况下,由加速度数据和磁场数据组成的决策树通过分析外界干扰程度来自主调节系统误差增益,进而达到抗干扰目的,有效提高姿态解算精度。实验结果表明,静态情况下姿态解算不受磁场干扰,动态情况下能够有效避免磁场和大加速度干扰。     

移动机器人空间姿态测量系统研究与设计

未知环境中机器人的自主导航研究一直是非常具有挑战性的前沿课题,要求机器人在定向移动之前必须先调整好自己的空间姿态;捷联惯性导航对空间姿态信息有明确的定义,具体通过倾斜角、方位角和工具面角来体现;针对目前已公开的空间姿态信息的解算数学模型存在缺陷的问题,结合空间坐标变换、空间直线方程和狗腿角的定义推导出倾斜角、磁方位角和工具面角的数学模型,并利用三轴加速度计和三轴磁强计给出具体的实现方案;测试结果表明:该方案能获得正确的空间姿态数据,倾斜角误差在±0.1°以内,磁方位角和工具面角误差在±1.5°以内,且成本低廉,体积小巧,是测量空间姿态的理想选择。     

基于动作捕捉的无人机运动状态识别

无人机运动状态识别是无人机运行状态分析的基础,是实现无人机航迹预测的必要条件。对于非合作目标来说,动作捕捉系统可以有效采集其航迹数据。提出一种基于动作捕捉的无人机运动状态识别方法。首先,通过插值、重采样、滤波等方法对包含噪声的无人机航迹数据进行预处理;然后,通过特征提取与特征选择方法,针对速度、加速度、曲率、转角这4个运动参数,提取无人机运动特征;并分割无人机航迹。最后运用支持向量机的方法进行无人机运动状态识别,对速度、加速度、曲率的分类精度分别达到了95%、90%和100%。证明了本方法的可行性。     

基于极限学习快速分类方法的人体跌倒检测方法

为了准确快速检测人体跌倒状态,提出基于惯性测量单元(inertial measurement unit,IMU)测量和处理数据的极限学习机(extreme learning machine,ELM)快速分类判别方法。分析了人体运动行为特征,构建了腿部运动参数提取模型;通过IMU采集人体腿部运动特征数据,并进行姿态解算;采用ELM方法对人体运动特征的加速度、角速度和姿态进行分类,判断人体是否处于跌倒状态;根据机器学习评价指标对ELM参数进行优化,得到最佳参数。进行了人体运动状态测量实验,结果表明,ELM方法能够对IMU测量和处理数据进行准确快速地分类。当隐含层结点为1 000时,ELM检测方法跌倒检测的准确率为96. 45%,灵敏度为97. 32%,特异性为89. 32%。因此,采用ELM快速检测方法,可有效地对人体运动特征数据进行分类,实现对人体跌倒行为的准确检测。     

基于关节自由度约束的上臂轴旋转跟踪误差补偿

针对外敷跟踪器下皮肤组织滑移(Soft Tissue Artifact,STA)引起的人体运动跟踪中上臂轴旋转角位移跟踪误差问题,基于关节自由度约束,提出一种利用相连肢体相对位姿矩阵分解的在线STA误差补偿角度计算方法.首先,利用一组不包含上臂轴旋转的上肢运动轨迹跟踪信息,基于关节点位置连续和旋转自由度约束,通过优化方法计算各肢体分段坐标系到相应跟踪器坐标系的位姿变换矩阵;然后,上肢实时运动跟踪时,对上臂和小臂相对姿态矩阵引入上臂轴旋转STA误差补偿运动,在肘关节两旋转自由度的基础上进行3自由度的旋转矩阵分解,得到STA误差补偿角度.4人上肢运动跟踪实验表明:在不同肘关节内曲角度条件下,均能有效在线修正上臂轴旋转STA跟踪误差,且在旋转角度较大时,补偿精度优于线性STA误差补偿方法.     

基于双自由度万向轮机构的爬壁机器人运动状态检测

摘要： 设计了基于双自由度万向轮机构的速度测量装置,该装置由双自由度滚轮、旋转编码器、角位移传感器和水平姿态传感器等构成.机器人运动时,利用水平姿态传感器检测爬行机构的转动角速度,双自由度万向轮机构利用角度传感器测量速度方向,利用光电编码器测量速度大小,实现对机器人运动状态的测量.根据其测量结果,建立了电动机输入和控制点运动状态之间的关系,为机器精确任务操作提供了基础.     

一种新的羽毛球拍挥拍轨迹识别方法

为了更加精确地识别羽毛球拍的运动轨迹,提出一种多传感器融合的挥拍轨迹识别方法(TRM,trajectory recognition method).使用放置在球拍拍柄底部的智能设备进行数据采集,该设备由加速度计、陀螺仪和磁力计的多传感器组成.首先,使用加速度计和磁力计对陀螺仪进行修正,改进基于卡尔曼滤波器的四元数姿态解算精度并得到姿态角.其次,使用旋转矩阵去除加速度的重力分量,再对加速度数据进行频域数值积分得到速度和位移,采用最小二乘拟合多项式剔除数值积分过程中产生的累积误差.最后,结合姿态角、速度和位移,识别出挥拍轨迹.实验结果表明,提出的TRM具有良好的有效性.与传统时域积分轨迹识别方法相比,TRM的挥拍轨迹识别率更高.TRM可以更准确地进行羽毛球拍运动轨迹识别.     

Attitude Determination for MAVs Using a Kalman Filter

This paper presents a Kalman filter to effectively and economically determine the Euler angles for micro aerial vehicles （MAVs）, whose size and payload are severely limited. The filter uses data from a series of micro-electro mechanical system sensors to determine the selected 3 variables of the direction cosine matrix and the bias of the rate gyro sensors as state elements in a dynamic model, with the gravitational acceleration to build a measurement model. For high speed maneuvers, rigid motion equations are used to correct the measurements of the gravitational acceleration. The filter is designed to automatically tune its gain based on the dynamic system state. Simulations indicate that the Euler angles can be determined with standard deviations less than 3°. The algorithm was successfully implemented in a miniature attitude measurement system suitable for MAVs. Aerobatic flights show that the attitude determination algorithm works effectively. The attitude determination algorithm is effective and economical, and can also be applied to bionic robofishs and land vehicles, whose size and payload are also greatly limited.     

基于MEMS惯性技术的延转姿态角测量误差补偿研究

本文介绍了基于MEMS惯性技术,载体在水平面上廻转时产生的姿态角测量原理,运用在线误差补偿技术,针对因MEMS惯性器件加速度效应误差不均衡,导致的翅转姿态角测量误差进行实时补偿。提高了姿态测量装置题转姿态角的测量精度。