未知雅可比建模的机器人视觉伺服自抗扰控制方法

针对系统标定和雅可比在线求解难问题,引入非线性状态反馈,研究一种基于自抗扰控制器(ADRC)的机器人视觉伺服控制算法.利用无模型理论和非线性自抗扰技术建立机器人"视觉-运动"空间映射,进而设计不依赖雅可比建模的视觉反馈控制器,其中采用跟踪微分器(TD)跟踪视觉空间期望特征;利用扩展状态观测器(ESO)实现未建模雅可比反...     

用于目标跟踪的特征融合孪生网络算法研究

针对目标跟踪过程存在的动态不确定性的问题,传统跟踪方法容易产生目标漂移甚至跟踪失败,而基于深度学习的跟踪算法随着网络结构的加深容易导致深层特征过于稀疏抽象,不利于克服上述问题.为此,本文提出SiamMask三分支网络融合注意力机制的孪生网络目标跟踪新方法,旨在加强网络对特征选取的学习能力,加强目标有效特征的抽取,并减少冗余信息对网络负担的影响.特征提取主干网络选用改进的Resnet-50,通过融合深层和浅层特征,实现跟踪目标特征的有效表达.利用4个数据集(COCO、ImageNet-DET 2015、ImageNet-VID 2015、YouTube-VOS)对提出的特征融合孪生网络框架进行训练,并使用VOT数据集进行在线测试.实验表明：与文中其他跟踪方法相比,该算法在面对动态目标尺度变化、环境光照、运动模糊等场景表现更优异.     

基于图像的非标定视觉反馈控制机器人全局定位方法

针对机器人非标定全局定位问题,研究Kalman滤波(Kalman filtering,KF)算法联合反馈型Elman神经网络(Elman neural network,ENN)学习机器人图像空间与运动空间非线性映射关系,从而建立基于图像的视觉反馈控制方法.首先利用ENN学习得到机器人全局定位的次优状态,以此为系统状态向量构建伺服系统状态方程与观测方程,进而利用KF估计得到机器人图像雅可比矩阵.其次,采用KF对ENN网络权重进行在线微调,KF联合ENN满足机器人全局定位稳定收敛的要求,并对环境干扰具有一定的自适应性.最后在摄像机参数未标定条件下,进行六自由度机器人"眼在手"(eye-in-hand)定位比较试验,结果验证了提出的非标定视觉伺服控制方法的有效性.     

基于去极化电流特征量的油纸绝缘变压器等效电路参数辨识

变压器扩展德拜等效电路是分析变压器绝缘老化情况的重要途径,针对变压器等效电路极化支路数及其参数求解难的问题,根据电介质极化响应理论,提出去极化电流时域微分解谱法,分解去极化电流曲线中各个子谱线组成部分,并根据子谱线参数判定等效电路极化支路数和辨识等效电路参数,为构建准确反映变压器油纸绝缘状态的等效电路提供可靠而简便的方法,并通过与其他辨识方法进行对比,验证文中方法的有效性,从而为准确评估变压器绝缘状态提供重要依据。