基于空间分集和轨迹连续的实时Fingerprint定位算法

在室外复杂环境下,接收信号强度的浮动是制约Fingerprint定位精度的一个主要问题。传统的方法利用时间分集和平均滤波器来减小信号的浮动,这增加了定位的延迟,无法满足室外实时定位的需求。为了解决信号浮动和定位延迟问题,在分析接收信号强度空间相关性的基础上,提出了一种实时的Fingerprint定位算法,利用空间分集减小信号的浮动和定位延迟,同时根据运动物体轨迹的连续性提高定位精度。室外环境下的实验结果表明了所提算法能显著提高Fingerprint定位系统的性能。     

恶劣天气条件下车辆换车道的安全模型

考虑雾天对驾驶员能见度的影响,提出雾天驾驶反应延迟时间模型.依据车辆换车道的行车特征,提出基于连续反向圆曲线的换车道几何描述模型.结合车辆跟车行驶模型,建立恶劣气象条件影响下车辆换车道的安全模型,制定了不同天气条件和能见度范围下禁止换车道的车道流量控制标准.采用历史事故资料分析和现场实验的方式,验证了换车道时距比与事故比之间的良好关系.     

仿真软件在数控实训中的应用

太原理工大学工程训练中心选定了一种能在计算机上进行三维仿真,相当于真正的CNC机床的操作功能,并能进行手工编程或CAD/CAM自动编程,与国内数控机床有良好的兼容性的基于PC机上操作的英福花数控仿真软件.     

轨迹聚类分析法研究青藏高原上空的大气输送

青藏高原海拔高、地形复杂,生态脆弱且对气候变化等敏感.由于远离工业化地区,大气环境十分清洁,但其恶劣的环境限制了科学研究的深入进行.本文利用HYSPLIT4轨迹模式及NCEP全球同化气象数据计算2001全年青藏高原6个不同地点上空的气团后向轨迹,结合聚类统计技术对轨迹特征进行分析.通过与高原气候特征及其季节变化特点进行...     

基于综合导向的车式移动机器人轨迹跟踪控制

分析了具有不确定性和非完整约束的车式移动机器人系统的轨迹跟踪问题.基于运动学模型分析,提出一种自适应的轨迹跟踪控制方法.通过引入状态微分反馈实现系统的镇定.同时引入人工场,使其和位姿误差一起作用于控制系统,从而改善了对车式移动机器人的导航控制.运用Lyapunov稳定性理论证明了控制器的稳定性.直线和圆周两种轨迹跟踪的仿真实验表明,该控制方法能够使四轮车式移动机器人在导航中具有理想的跟踪轨迹.     

四足机器人斜坡对角小跑运动控制研究

能否在斜坡上稳定行走是判断四足机器人运动性能的一个重要标准.针对四足机器人采用对角小跑步态在斜坡地形上的运动,建立机器人结构简化模型并进行运动学分析,完成了该步态下的足端轨迹规划,并提出一种基于模糊控制的姿态调整方法,通过调节机器人支撑相关节角来减小机身运动过程中的横滚角波动,从而提升机器人斜坡行走的稳定性.Adams...     

改进型蚁群算法在Job Shop问题中的应用

应用改进型蚁群算法解决车间作业调度问题。在原有标准蚁群算法的基础上采用了新的状态转移规则,讨论了各种不同的轨迹更新规则对仿真结果的影响,并通过统计数据验证了改进型蚁群算法优于标准的蚁群优化算法。由于算法中的参数对算法的求解效率和求解结果都有一定的影响,所以对此也进行了初步的研究,得到了运行较好的参数取值范围。     

一种可升降式变电站室内巡检机器人控制系统设计

针对变电站室内环境复杂,人工巡检强度大,传统巡检方式覆盖范围小、效率低的问题,研究了一种可升降式变电站巡检机器人.首先,根据变电站室内环境和巡检点的位置信息,设计了一种改进Floyd全局路径规划算法以搜索执行巡检任务的最优路径,提升了机器人执行巡检任务的效率.其次,设计了一种基于欧拉数值积分的轨迹跟踪控制算法,提升了机...     

基于模型预测控制的轮式移动机器人轨迹规划

针对轮式移动机器人(Wheeled Mobile Robot-WMR)自身欠驱动的特点,并考虑到实际工作时的各种约束和限制,提出了一种基于模型预测控制(Model Predictive Control -MPC)的多约束轨迹规划方法。可以对车体自身的运动学约束、物理约束以及避障等约束进行集中有效的处理,可以生成符合车体自身模型特点并满足各种约束的可行轨迹,充分保证了轮式移动机器人自主行驶的可行性,安全性,高效性。仿真结果充分验证了该方法的有效性。     

成都市冬季PM_(2.5)污染特征及溯源分析

本研究利用2019年成都锦城湖监测点PM_(2.5)的监测数据,研究成都市冬季PM_(2.5)的污染特征及其与气象要素之间的关系,并利用后向轨迹模型进行颗粒物溯源及追踪分析。结果表明:成都市环境空气PM_(2.5)平均质量浓度为53 g/m~3,达到国家空气质量二级标准;PM_(2.5)质量与温度呈显著正相关性,与风速呈负相关性,与湿度呈负相关性,与气压呈显著负相关性;成都市冬季气团主要来自东北方向,来自东南偏南方向的PM_(2.5)及其前体物对成都市PM_(2.5)质量浓度贡献最大。