带Mecanum轮的移动机器人全向移动控制研究

分析了一种配有Mecanum轮移动机器人的全向控制方法.该方法有效的控制了Mecanum轮机器人平台,对实验对象输入的导航参量设定值(X、Y方向的平移速度与转动角度)转化为机器人各轮的控制转速设定值,并通过机器人本体仿真模块对电机以及机器人模型的仿真解算,得到机器人的实际位姿状况.再反解出移动机器人的实际导航参量,用于机器人的导航位姿闭环控制.     

基于社会势场的群体机器人聚集队形控制

将社会势场与基于行为控制相结合,使得群体机器人形成聚集队形,避开未知环境中的障碍物并到达目标区域.设置了两类阈值,以减少机器人在均衡位置的抖动,提高群体机器人向目标区域趋近的速度;提出了柔性社会势场机制,以提高机器人的避障效率.个体机器人根据局部感知自主产生队形控制向量,因此该队形控制策略具有良好的可扩展性.仿真实验表明了队形控制策略的可行性和有效性.     

三阶多机器人协同编队动态避障控制

针对智能水下机器人编队在三维复杂环境中的避障和一致性控制问题,提出了协同编队动态避障控制算法。建立了基于动态障碍物运动速度的自适应斥力增益项,并将其引入斥力势场函数中,使机器人安全规避静态及动态障碍物,定义了基于机间势场增益项和机间通信权重的机间势场函数,解决机器人易自撞、脱离编队的问题;将机器人在势场作用下的合加速度引入一致性协议中,结合改进势场与一致性理论设计编队协同避障控制器;通过Lyapunov函数方法证明了稳定性。仿真结果表明：多机器人在该算法下能安全避障并实现位置、速度的一致性。     

基于深度学习的机器人局部路径规划方法

为了将视觉信息融入到机器人导航过程中,提高机器人对各类障碍物的识别率,减少危险事件的发生,设计了基于二维CNN及LSTM的局部路径规划网络。提出了基于深度学习的局部路径规划方案。利用机器人视觉信息及全局路径信息推理产生机器人在当前时刻完成避障导航任务所需转向角度;搭建了用于对规划器核心神经网络进行训练和验证的室内场景;提出了以路径总长度、平均曲率变化率及机器人与障碍物之间的距离为性能指标的路径评估方案。实验表明：该方案在仿真环境及真实场景中均体现了较优秀的局部路径生成能力。     

改进的DGPS/INS/视觉组合导航算法研究

为了满足智能车辆的高精度、实时性和高可靠性的自主导航的需要,提出了一种GPS/机器视觉共同辅助SINS的多采样的智能车辆组合导航算法。该算法不仅包括GPS和SINS形成的位姿速度观测信息,还包括机器视觉形成的位置观测信息。在子滤波器中采用自适应选权滤波算法,抑制了滤波发散,提高了滤波精度。还提出了一种改进的基于估计协方差阵的奇异值分解的动态自适应调节信息分配系数的算法,可有效提高系统的状态估计精度。通过仿真实验验证,该导航系统能为智能车辆提供丰富的导航信息,实现了厘米级的导航精度和容错性,即使在GPS出现较长时间的中断时,仍能为智能车辆提供可靠的导航信息。     

基于神经网络的移动机器人路径规划方法

针对动态环境下移动机器人路径规划,提出了一种基于递归神经网络的实时路径规划方法。利用神经网络表示机器人的工作空间,每个神经元都只有局部侧连接。目标点位置神经元具有全局最大的正活性值,该活性值通过神经元之间的局部侧连接逐渐衰减地传播到整个状态空间,障碍物及其周围区域神经元活性值则被抑制为零。目标点全局地吸引机器人,障碍物局部地将机器人推开实现避障,从而能够在动态环境下产生最优规划路径。仿真结果表明该方法具有较好的环境适应性和实时性。     

可变洋流环境中自主水下航行器动态路径规划的改进QPSO算法

为更好地完成水下探测任务,提升潜行效率,本文提出了自主水下航行器(autonomous underwater vehicle,AUV)在可变洋流中的全局路径规划方法.首先,识别潜行区域地形与静态障碍物,建立以三维空间路径最短与路径平滑度最大为约束的多目标函数,利用提出的改进QPSO算法求解,生成初始路径;其次,考虑水下环境中不确定障碍物的存在和时变洋流的干扰,将动态障碍物信息更新在控制图上,用高斯噪声对洋流速度进行估计,确保AUV实现动态躲避与适应洋流变化以输出稳定的速度;最后,建立观测与惩罚函数来实时调整初始路径,得到更为科学合理的潜行路径.仿真结果表明,本文提出的全局规划方法求解的路径能使AUV潜行更加平稳与安全,使其具有更好的自主能力;所提改进算法与常规算法对比,改进的QPSO算法求解多目标离散问题所得解的精度与质量更好.     

机器人探测未知环境的螺旋形导航算法

在很多情况下，机器人对作业环境并没有预先了解，这就使得机器人对环境的探测成为必要。因此，设计合理的导航算法，从而使机器人在较短的时间内能够较完整地构建出环境地图，为机器人完成作业提供了基础。本文提出了一种基于虚拟力的螺旋形导航算法，采用超声距离传感器，对未知环境进行实时在线的探测，采用本算法可以避免机器人之间以及机器人与障碍物发生碰撞。本文推导了机器人的运动学和动力学方程。仿真对比实验表明了该算法的有效性。本文进行了若干作业任务的仿真实验，使算法得到了进一步验证。     

动态环境中基于模糊神经网络的AGV路径规划

动态环境中AGV路径规划是一较难解决的问题,针对该问题提出了一种基于速度障碍、碰撞危险度概念的动态环境模型,并在此基础上结合模糊神经网络给出了AGV的路径规划方法。最后给出了在有静止和运动障碍物的动态环境中路径规划仿真结果,结果表明该方法是可行的。     

模糊控制策略在避碰运动系统中的应用

目前多机器人避碰运动已经被广泛研究,其控制策略也多种多样.主要解决基于全景视觉传感器的多机器人多目标系统中机器人之间以及机器人和静态障碍物之间的避碰问题,提出了单个自主运动机器人的结构模型、自主机器人周围物体的态势模型以及移动机器人动态速度的快速检测方法.机器人的运动决策采用基于Step-Forward策略的模糊推理机制,实现机器人在动态环境中快速、准确的找到一条无碰撞的路径,最终达到目标点.仿真结果表明了该算法应用于移动机器人在动态复杂环境中的无碰撞运动具有正确性、实用性和智能性等优点,同时该算法计算量小,运算速度快,提高了机器人控制的响应速度.     

基于任务合成的对地观测卫星应急调度方法

针对应急条件下对地观测任务时敏度高、动态性强的特点,提出了基于任务动态合成的多星应急调度方法。首先,建立了多星动态应急调度数学规划模型。然后,提出了任务动态合成(dynamic merging,DM)策略,并设计了候选合成任务集合构建(candidate merging task set establishment, CMTSE)算法。最后,提出了基于任务动态合成的多星动态应急调度(dynamic merging based dynamic emergency scheduling, DM DES)算法。为验证DM DES算法的有效性,通过大量仿真实验将DM DES与基于迭代修复的启发式算法(repair based heuristic algorithm, RBHA)和不考虑任务合成的动态应急调度(dynamic emergency scheduling, DES)算法进行比较。实验结果表明,DM DES算法能有效提高调度质量,适用于多星动态应急调度。     

基于CPSO-LSSVM的单轴旋转惯导系统轴向陀螺漂移辨识

在单轴旋转惯导系统中,轴向陀螺漂移是影响系统导航精度的重要因素。为了提高惯导系统的导航精度,采用混沌粒子群算法(chaos particle swarm optimization, CPSO）优化的最小二乘支持向量机（least squares support vector machine, LSSVM）〖JP+1〗对轴向激光陀螺漂移进行辨识。利用初始对准12 h内系统纬度误差和温度变化量作为LSSVM模型的训练数据,利用CPSO对LSSVM进行参数优化,利用优化后的LSSVM模型对轴向陀螺漂移进行辨识,轴向陀螺漂移辨识精度优于0.000 2 （°）/h, 系统定位误差优于1 nm/72 h。试验结果表明,CPSO是选取LSSVM参数的有效方法,该方法能够有效地辨识轴向陀螺漂移,具有很高的辨识精度,具有很高的实际应用价值。     

小子样变总体下的Bayes测试性验证方法

现有测试性验证试验方案一般都需要较大的故障样本量,利用装备研制阶段的测试性数据则可能有效解决这一问题。但研制阶段的测试性数据和现场试验数据一样属于“小子样”且具有“变总体”特点,为此提出一种基于Bayes理论的测试性验证方法。首先根据装备研制各阶段积累的测试性试验信息构建装备测试性参数故障检测/隔离率(fault detection rate/fault isolation rate,FDR/FIR)的动态增长模型,用以揭示装备测试性水平的动态变化规律,并对其测试性指标进行预测。然后根据最大熵原理计算系统FDR/FIR的先验分布。最后结合少量现场试验数据,根据Bayes最大验后风险准则制定装备测试性验 证方案,对装备测试性指标进行验证。通过实例对比分析表明,该方法有效融合了研制阶段数据与现场试验数据,能在小样本的情况下提高验证结论的置信度,降低评估风险。     

基于超混沌的快速图像加密算法

针对现有基于超混沌的图像加密算法存在安全性不足和运行效率低的缺点,提出了一种改进算法。该算法通过优化像素置乱、像素替换和密文扩散过程进一步混淆明文图像和密文图像的关系,并通过引入新的超混沌序列量化方法,减少超混沌系统的迭代次数,提高运行效率。实验仿真结果表明,算法具有很高的安全性和实用性,可广泛运用于图像保密通信等领域。     

基于云模型的战略预警信息系统效能评估

网络中心战中,面向信息优势对战略预警信息系统（strategy early warning information system, SEWIS）进行效能评估非常重要。以美军SEWIS为例,详细分析了信息优势在该类系统中的具体内容和体现,建立了系统效能评估指标体系,引入云理论对SEWIS效能评估中的定性定量指标进行联合处理,最终形成基于云重心评判法的SEWIS效能评估方法,为战略预警系统优化升级提供支撑。仿真结果表明了该评估方法的可行性和有效性。     

水下地形辅助导航中匹配航路的选取

水下地形辅助导航精度很大程度上依赖于匹配区域的地形特征。针对同一地形区域不同匹配航路产生的导航效果不同且单一地形特征参数无法对航路可导航性进行全面准确评价的问题,讨论了地形特征对导航性能的影响,综合选取反映地形信息的多地形特征参数,基于灰色模糊理论提出了一种用以衡量某一地形区域不同匹配航路的可导航性能的综合导航系数,并运用质点滤波算法对具有不同导航系数的航路进行了导航性能仿真。仿真结果表明,所提出的评价方法在航路选取方面具有较好的可行性及较强的地形适应性,无论是在地形信息丰富区还是匮乏区,导航系数均能较好地对匹配航路可导航性作出评价,克服了单一特征参数评价不全面以及在航路选取方面研究不足的问题,对水下航路规划和提高辅助导航性能具有实际工程应用价值。     

基于批处理和Teager Kaiser算子的BOC信号联合捕获算法

针对较低信噪比条件下二进制偏移载波信号的捕获问题,提出了一种基于批处理和Teager Kaiser(TK)算子的联合捕获算法。该方法首先对接收信号和组合扩频码进行批处理和平均处理,并将接收信号转换到频域进行多次循环移位;然后,将得到的最佳频偏补偿序列与组合扩频码进行圆周相关运算得到最大相关值;最后,引入相关峰能量最大值与次大值的比值作为门限判决变量,比较了所提 TK算子法、差分相干累积算法和批处理算法的检测概率。仿真结果表明,在同一条件下,TK算子法检测概率比差分相干算法提高了约2 dB,比批处理算法提高了约6 dB,并减少了捕获时间。     

基于模型的网络控制系统设计:切换控制的平均驻留时间法

利用平均驻留时间方法对基于模型的网络控制系统(model based networked control system,MB NCS)进行了研究。MB NCS由于能够在保证系统性能的前提下有效地减少系统对网络带宽的占用,自提出以来就受到了学者的广泛关注。首先总结了网络控制系统中常用的几种减少网络带宽占用的策略;其次,将基于模型的网络控制系统建模为切换系统,并在所建立的切换系统模型的基础上,利用平均驻留时间方法给出了使得此切换系统稳定的充分条件;最后,借助Lyapunov稳定性理论和线性矩阵不等式(linear matrix inequality,LMI)方法设计了使得此系统稳定的控制器,并且通过仿真验证了所提出方法的有效性。     

一类高阶非线性系统的动态面控制

针对一类含不可控不稳定线〖JP+2〗性化的高阶非线性系统的跟踪控制问题,给出了一种连续状态反馈动态面控制器设计方案。基于增加幂次积分方法,利用状态参考的思想,设计了可导的期望虚拟控制律。利用动态面技术,让期望虚拟控制律的函数通过一阶低通滤波器,避免了对期望虚拟控制律的函数进行微分。所提连续状态反馈动态面控制器能够保证跟踪误差半全局一致终结有界。数值仿真算例结果验证了所提控制方案的有效性。     

改进的自适应遗传算法在TDOA定位中的应用

针对无线通信到达时间差(time difference of arrival,TDOA)定位技术位置解算为复杂的非线性方程最优化问题,采用实数编码遗传算法,提出了改进的自适应遗传算法。该算法设计了自适应交叉率和变异率的计算公式,考虑了随着进化代数增加种群的整体变化,同时考虑了每代种群不同个体适应度的作用,并引入最优保存策略防止优良个体的破坏,能有效产生新的个体进而摆脱局部最优值的搜索达到全局最优解。仿真结果表明,改进的遗传算法性能稳定,进化收敛速度和TDOA定位估计精度都有较大的提高。