两轮智能车跟踪控制系统的研究

自平衡式两轮机器人是多变量、强耦合对象,文章针对斜坡上的两轮智能车的目标跟踪问题,设计了基于T-S模糊控制器的跟踪控制系统,该系统包括底层平衡控制器、底层转弯控制器和全局运动控制器。底层的平衡控制应用T-S模糊控制器,并利用LQR线性控制器来简化控制器的参数设计。底层转弯控制器采用PI算法,在此基础上运用李雅普诺夫函数方法,进行了全局运动控制器的设计,得出了具有全局渐近稳定的控制律。最后通过仿真验证了该方法的正确性和可行性。     

基于专利分析的河南省新能源汽车产业及关键技术发展研究

本文在对河南省新能源汽车技术现状与发展趋势等进行研究的基础上,对新能源汽车关键技术数据进行深入分析,客观呈现了河南省新能源汽车产业领域关键技术的发展状况和面临的竞争态势,以及未来的发展趋势,为政府决策部门完善产业政策与制定竞争战略提供参考,为新能源汽车相关企业提供了客观准确的技术分析数据。     

基于视觉显著性特征的自适应目标跟踪

为解决运动目标跟踪过程中候选目标信息描述单一的问题, 提出一种基于视觉显著性特征融合的自适应目标跟踪算法。提取目标颜色、颜色的变化、强度和运动信息构建目标四元数模型, 采用相位谱重建算法检测目标的显著图(Saliency Map), 并根据特征相似度大小自适应调整权值, 融合视觉显著性特征和颜色特征实现目标跟踪。实验结果表明, 该算法能有效克服部分遮挡和背景融合干扰, 从而实现复杂背景下目标的准确跟踪。     

具有边缘保持特性的POCS 超分辨率图像重建方法

为解决利用经典的POCS(Projection onto Convex Set)算法进行图像重建时所产生的边缘模糊问题, 提出了具有边缘保持特性的POCS 超分辨率重建算法。根据待插值点的邻域特征判断该点所在区域是边缘区域还是非边缘区域, 利用改进的双线性插值算法构建参考帧, 减小了传统算法重建后图像边缘的模糊现象。结果表明, 该方法能得到具有较好边缘质量的高分辨率重建图像。     

SINS非线性自对准中的强跟踪UKF算法设计

为了实现噪声不确定和干扰环境下捷联惯导系统(SINS)的快速初始对准,结合无迹卡尔曼滤波(UKF),从强跟踪滤波2个条件出发,提出了一种新的强跟踪UKF算法.该算法充分利用了SINS非线性自对准滤波模型的特点,简化了强跟踪UKF的步骤,很大程度上减小了计算量,提高了算法的实时性.在给出算法流程的同时给出了该强跟踪UKF成立的证明,并根据强跟踪滤波充分条件给出了次优渐消因子求解过程,分析了算法的优越性.最后,通过SINS大方位失准角初始对准仿真和车载试验结果证明了新的强跟踪UKF算法的正确性和优越性.     

焊接视觉跟踪机器人数学建模和工作空间分析

摘要： 针对大构件相贯线型空间焊缝的视觉跟踪方法,设计并制造了8自由度焊接视觉跟踪机器人.描述了一种空间机器人建模方法,主要思路为将移动坐标系从绝对坐标系原点,顺着关节机构移动到机器人末端工作点,运用此法对机器人进行数学建模并仿真,得到机器人运动学正解,运用数值法对机器人进行工作空间分析,得到工作空间三维图和侧向剖面图.仿真结果证明数学建模方法的有效性,空间分析结果表明本机构工作空间无空洞,工作范围符合设计要求.最后用物理样机对空间曲线型焊缝进行运动跟踪实验验证.     

形态学边界增强算子及多界面检测中的应用

试管稠油油水界面准确检测对稠油破乳过程决策及操作优化具有重要作用。利用图像分析方法能够实时提取界面信息。由于稠油易附着玻璃试管,噪声严重,且不同界面明暗差异大,常规的图像界面提取方法难以同时提取不同界面。提出一种自适应边界检测算子,分别增强暗区域与亮区域。灰度形态学开运算,其运算结果分别膨胀和腐蚀处理,二者结果相减,增强暗区域。亮区域边界增强与暗区域边界增强是对偶运算。与传统的边界检测算子比较,该方法具有更好的抗噪性和定位能力。     

受控后缘小翼智能旋翼气动弹性分析

建立了一种考虑刚体小翼-弹性桨叶耦合的后缘小翼智能旋翼动力学分析模型,分析小翼受控后的旋翼气动弹性响应及动载荷变化。通过与SA349/2直升机的飞行实测数据比较,证实模型的计算结果可靠,精度与CAMRAD II软件相当。悬停状态基准旋翼的后缘小翼受控后,桨尖的挥舞/摆振/扭转响应都明显增加,且响应幅值基本随小翼的偏转角线性增加。对0.197前进比的前飞状态,以针对桨毂载荷的优化控制规律操纵后缘小翼偏转,挥舞与摆振响应变化不明显,震荡扭转响应的幅值明显增大。对于两个计算状态,挥舞响应与扭转响应收敛速度均比摆振响应快。     

基于实时手势识别与跟踪的人机交互实现

为了实现对手势目标的自动识别和连续跟踪,提出了一种手势识别与跟踪算法。首先,通过离线训练手势目标检测器来实现手势目标的自动识别。接着,通过改进的Shi-Tomisi算法,在目标区域提取可靠稳定的特征点。然后,通过KLT跟踪器对特征点进行跟踪。当特征点跟踪成功时,通过求解仿射变换矩阵确定手势目标的新位置;当目标出现遮挡和大尺度旋转时,特征点丢失,此时在KLT跟踪器中加入卡尔曼滤波器来预测手势目标的位置,实现对手势目标的连续跟踪。同时对手势目标可能存在的区域进行估计,缩小检测器的检测范围,提高检测速度。最后,将算法应用于人机交互系统中,实现了机器人的远程控制。实验结果显示,算法在简单背景下的跟踪正确率为99.54%,复杂背景下的跟踪正确率为98.24%。实验结果表明,算法能够快速准确地对手势目标进行检测和跟踪,满足了实时性、连续性以及抗干扰能力强等要求,对于旋转及遮挡均具有较强的鲁棒性,为实现基于手势控制的人机交互提供了一种有效方法。     

空间飞行器姿态机动预测跟踪控制技术

针对空间飞行器大角度机动调整的非线性控制方面问题,从空间飞行器的非线性动力学模型出发,主要讨论了空间飞行器的一种对动力学模型要求较为宽松的自适用跟踪滤波模型和利用自适用跟踪滤波对飞行器进行一步无控预报方法,以及探讨了利用跟踪滤波的一步无控预报信息对空间飞行器进行解耦控制的预测控制技术。同时,通过仿真计算,结果表明此解耦控制方法收敛快,跟踪精度高,稳定性好,控制信息量连续等特点。