水下机器人传感器故障诊断

为了提高水下机器人系统的总体可靠性,开展了水下机器人传感器故障诊断研究.在分析水下机器人传感器三种故障形式的基础上,提出了相应的故障诊断方法.阐明了线性平滑原理和小波变换的基本理论,进行了信号奇异性分析,探讨了小波基选择的一般标准.将提出的几种故障诊断方法应用到实际的水下机器人海上试验中,结果验证了所提方法的有效性与可行性.     

应用粒子群优化的高斯粒子滤波

针对高斯粒子滤波(GPF)在多峰高斯假设条件下不能满足贝叶斯估计精度的问题,提出一种基于粒子群优化的高斯粒子滤波算法(PSO-GPF).该算法用粒子群优化算法更新高斯建议分布的参数,解决粒子退化和多峰高斯下的粒子精度问题.同时,带压缩因子的粒子群优化算法能有效平衡粒子的全局探测与局部开采.实验结果表明,新算法的滤波精度比高斯粒子滤波精度平均可提高93.9%,具有更高的稳定性.     

基于GHF高斯粒子滤波的检测前跟踪算法

针对粒子滤波存在粒子退化,会导致检测前跟踪(TBD)算法的检测和跟踪性能下降这一不足,提出了一种基于高斯-哈密顿滤波(GHF)高斯粒子滤波的TBD算法.该算法基于高斯粒子滤波,采用GHF算法构造的重要性密度函数采样连续出现粒子,考虑了最新的量测信息,采样粒子更逼近于真实的后验概率密度,克服了粒子退化问题.仿真结果表明:与基本TBD算法相比,所提出的TBD算法提高了对目标的检测和跟踪性能.     

基于SOM神经网络的水下机器人推进器故障诊断

本文基于SOM（Self-Organizing Map）神经网络进行推进器故障辨识，将水下机器人的控制信号和出现故障情况下的方向变化率作为SOM神经网络模型的输入，其输出即为反映推进器故障大小的拥堵系数，仿真结果表明该方法能准确诊断推进器故障类型。     

高斯衍生粒子滤波器

针对基于高斯滤波的重要性采样方法运算量的明显增加主要集中在使用高斯滤波生成更好的重要性密度函数的问题,提出了一种新的高斯衍生粒子滤波算法(GDPF).该算法将一种类似光子衍射的粒子衍生重要性采样方法与现有的高斯辅助粒子滤波算法(GAPF)相结合,通过粒子的扩张与收缩,在保证不减少参与状态估计的粒子数的条件下减少更新粒子数,根据粒子权值大小自适应地调整衍生粒子数,能很好地缓解精度与运算量之间的矛盾,抑制粒子退化等问题.对衍生粒子进行理论分析,证明了其与高斯采样粒子的等效性.仿真结果表明,当选取了相同的参与状态估计的粒子数时,所提算法保持了与原算法相当的估计精度,同时运算量大大降低.     

基于观测器的水下机器人鲁棒故障诊断

为提高水下机器人故障检测的正确率,降低故障诊断的误报率和漏报率,基于水下机器人的空间运动方程,完成了非线性滑模观测器的设计,并利用设计的观测器完成了水下机器人的系统辨识.将观测器应用于水下机器人的传感器仿真试验和推进器故障诊断的海上试验的结果验证了该方法的有效性和可行性.     

自适应高斯厄米特粒子 PHD 滤波多目标跟踪算法

针对高斯厄米特粒子概率假设密度(probability hypothesis density,PHD)算法可能导致滤波计算复杂度较高、精度不强,性能较差的问题,提出一种自适应高斯厄米特粒子PHD的改进算法,该算法通过在高斯变换的过程中引入阈值,以该闽值为界剔除权值较小的积分点,对大于阈值的积分点进行归一化处理,在保证滤波精度的基础之上,减小权值较小点在计算上带来的冗余;另外在高斯厄米特滤波的过程中引入了自适应因子,适当调整高斯厄米特滤波过程中的增益,自适应调节滤波的均值与方差,以提高滤波过程的精度.仿真结果表明:改进后的算法相比于高斯厄米特粒子PHD算法在精度上有明显提高,同时简化了计算复杂度,达到预期的目的.     

非线性非高斯结构系统识别的粒子滤波方法

采用粒子滤波方法（PF方法）在非高斯噪声条件下对非线性系统进行参数识别。传统扩展卡尔曼滤波（EKF）方法具有高斯噪声假设与非线性系统线性化的缺陷,PF方法可以克服EKF方法的缺点;因此在系统识别中具有很强的鲁棒性,更适合进行非线性结构系统参数识别。数值仿真结果发现PF方法的系统识别精度高于EKF方法,证明PF方法在非线性非高斯结构系统识别中的有效性。     

一种快速高斯粒子滤波算法

为改善高斯粒子滤波(GPF)算法的实时性,研究了一种快速的GPF算法.在GPF的预测及更新步骤中用初始粒子群的线性变换取代高斯分布采样,以降低生成新粒子群所需时间,提高滤波算法的运行速度.对两种生成粒子群方法的复杂度及粒子群所代表的分布进行了分析,分析结果表明:线性变换法和高斯采样法生成的粒子群所代表的分布相同,且线性变换法的运行效率更高.将粒子滤波算法(PF),GPF算法及改进后的GPF算法分别应用于一维的一种离散时变非线性模型和二维的基于角度目标跟踪(BOT)模型,仿真结果表明:改进后GPF算法预测性能不变,速度得到了提高,生成1 000个粒子平均需时22 ms,比GPF算法减少了6 ms.     

基于粒子滤波的仿人机器人跟踪算法研究

针对RoboCup标准组仿人足球机器人NAO的特点,在研究传统粒子滤波跟踪算法基础上,提出基于颜色特征和改进的粒子滤波相结合的机器人跟踪算法。改进的粒子滤波算法在传统采样重要性重采样(SIR)算法重采样过程中有选择地增加一组随机粒子,解决了传统采样重要性重采样(SIR)算法因被跟踪运动目标运动不规则而出现跟丢的问题。实验结果表明,该算法增强了基于SIR的粒子滤波跟踪算法的适应性和有效性。     

基于自适应阈值的AUV完全自主温跃层探测方法研究

海洋温跃层是一种重要的海洋现象。本文的研究基于自主水下机器人（Autonomous Underwater Vehicle,AUV）,提出了一种梯度阈值可调的温跃层探测方法,其阈值可根据海洋温跃层分布特性自适应修改,同时针对AUV温跃层探测中水体分层厚度选取的问题,提出了一种根据温度梯度峰值点个数自主确定其大小方法,可实现AUV完全自主探测温跃层。根据AUV外场实验数据,把本文方法同峰值法、平均梯度法以及最优分割法进行了比较分析,结果表明该方法简单有效。     

自主式水下机器人的光视觉管道探测跟踪系统

研究了自主式水下机器人（AUV）利用单目光视觉系统对水下管道的检测跟踪问题,对实现该方法的各个过程从硬件组成和软件体系结构两方面进行了阐述,从而完成了一整套水下光视觉系统的软、硬件设计. 分析了水下管道图像的特点,结合该特点阐述了图像预处理过程,提出了一种改进的Hough变换方法,改善了管道边界的提取效果. 同时采用管道参考区域预测方法,提高了管道的检测率以及实时性, 并利用水池试验对系统的可行性和有效性进行了验证.     

基于IMM-UKF方法的机电作动器突发性故障诊断研究

飞机飞行控制系统机电作动器（electromechanical actuator,EMA）的突发性故障会影响到飞机的飞行安全性,甚至导致飞机失控.针对EMA的突发性故障,提出一种基于交互式多模型（interactive multiple model,IMM）和无迹卡尔曼滤波（unscented Kalman filter,UKF）相结合的故障诊断方法.该方法利用UKF不仅能更好地逼近状态方程的非线性特性,而且能使滤波器具有更好的稳定性和更低的计算量要求;利用IMM不仅解决了可测量参数偏少导致的故障诊断困难的问题,而且还改善了发生的故障与预先假设的故障差异较大的情况下故障诊断的快速性和准确性.通过对某型EMA进行故障诊断,仿真结果表明所提出的IMM-UKF故障诊断方法可以实现对EMA部件和传感器故障的快速准确诊断.      

水下机器人自适应S面控制

以某机器人为研究对象,使用S(Sigmoid)面控制方法构造了速度控制器并分析了该控制器的稳定性. 参考滑模变结构控制思想,提出了参数自适应S面速度控制器,使控制参数根据运动状态自适应调整. 同时,为了提高S面位置控制器的适应性,改进了控制器的自适应调整项,增强了控制器消除稳态误差的能力,实现了S面控制器局部动态调整. 水池中的对比实验和海洋验证实验表明,改进方法获得了良好的控制效果,有效提高了水下机器人运动控制的适应性.     

一种新型重于水的自治式潜水器及其先进性分析

提出了一种新型重于水的自治式潜水器(Autonomous Underwater Vehicle,AUV).该AUV可工作于负浮力条件下,利用一对较大的翼在航行过程中流体的升力来平衡其自身重量,节约了浮力部件占用的空间,使其成本与速度较传统AUV均有很大提高.阐述了该新型AUV的基本组成与工作原理,初步分析了其先进性.通过风洞试验数据与传统AUV性能参数对比,结果显示,这种重于水的AUV在能源利用与高速作业方面优势较为明显.最后,对重于水的AUV的应用前景做出了一些预测,希望待一些关键问题得到解决后,这种新型的AUV能够应用得更加广泛.     

混杂系统故障诊断的粒子滤波器方法

针对混杂系统故障诊断难题,在对混杂系统描述的基础上,根据混杂系统的随机滤波公式,给出了混杂系统状态估计及离散模态识别的粒子滤波算法,并将此算法扩展到混杂系统状态与参数的联合估计,最后利用修正的Bayes算法作出故障判决,实现了混杂系统的故障诊断.通过对两容水箱这个典型混杂系统的仿真实验,结果表明,此方法不仅能准确、快速地诊断出混杂系统故障,而且在故障发生时能够保持比较高的状态与参数估计精度.本方法可推广应用于混杂系统的自适应滤波、可靠性预测、容错控制等领域.     

基于VxWorks的水下机器人嵌入式导航系统的研究

构建了基于VxWorks嵌入式操作系统的智能水下机器人组合导航系统,详细阐述了水下机器人导航系统软、硬件体系结构.硬件采用基于PC104总线的多板卡嵌入式系统,导航系统核心处理器采用Intel公司的PIIX-4芯片处理器以及VxWorks实时嵌入式操作系统.文中还详细阐述了导航系统软件信息流程、数据处理及基于强跟踪卡尔曼滤波的船位推算算法.最后通过自主目标搜索、长距离航行试验等海试验证了该导航系统的可行性与可靠性.     

桥梁极值应力的改进高斯混合粒子滤波器动态预测

为合理地动态预测在役桥梁的极值应力信息,应用桥梁健康监测(BHM)系统的长期日常监测极值应力数据,建立非线性动态模型,引入扩展卡尔曼滤波器(EKF)与高斯混合粒子滤波器(GMPF)相结合的改进高斯混合粒子滤波器(IGMPF)预测算法,对监测极值应力的一步向前预测分布参数及其状态变量的后验分布参数进行预测分析,并进行了实例验证.IGMPF不仅可以得到实测极值应力状态的合理重要性函数,还可以解决传统预测方法的短期性和精度不高的问题,为实际BHM系统的动力响应预测提供了理论基础.     

制冷空调系统故障检测与诊断中的空气侧换热模型

对3种常用空气侧换热模型（戈果林换热模型、扰流管束换热模型和J因子换热模型）进行了分析,着重研究其单调性以及在制冷空调系统故障检测与诊断模型中的适用性,设计实验并采用焓差法测量制冷空调系统空气侧的换热系数,与3种空气侧换热模型的计算结果加以比对,并对其结果进行修正.结果表明,修正后的3种换热模型所得结果与其相应的实验结果较吻合.其中：戈果林公式具有非单调性而不适用于仿真模型的计算;J因子换热模型和扰流管束换热模型具有单调性,适用于制冷空调系统故障检测与诊断中的仿真模型计算,且J因子的计算误差最小.     

随机干扰下AUV推进器故障特征提取与融合

针对水下传感器自身噪声等随机干扰影响水下机器人推进器故障诊断结果的准确性问题,为降低随机干扰影响,提出了基于小波近似分量提取故障特征、基于控制信号变化率提取故障特征以及带有归一化处理的特征融合方法.将速度信号进行小波分解,对分解后的尺度系数进行小波重构得到小波近似分量;对控制信号进行求导,得到控制信号变化率.基于修正贝叶斯算法,分别从小波近似分量和控制信号变化率中提取故障特征.基于证据理论对提取到的两个单一特征进行融合,并将融合结果进行归一化处理.水下机器人实验样机的水池实验结果验证了所提方法的有效性.