连续时间系统的目标轨迹预见跟踪控制

针对连续系统的有限时间目标轨迹预见跟踪控制问题,给出了基于轨迹协调误差和切换规则的预见跟踪控制方法.该方法首先将轨迹协调误差和位置跟踪误差连同状态变量的微分组成新的系统状态变量,把跟踪问题转化为调节问题,设计了基于协调误差的带有目标值预见的跟踪控制系统.然后针对复杂目标轨迹跨过不同坐标轴的情况,采用切换系统方法,实现了目标轨迹的全程预见跟踪控制.本文同时是子系统为时变系统的切换系统的典型范例.数值仿真说明了该方法的有效性.      

一种基于SIFT的遮挡目标跟踪算法

针对运动目标遮挡的难题,提出一种新的遮挡目标跟踪算法.采用三帧取均值进行背景建模,采用相邻帧差法和背景差分结合自动提取出运动目标,对单运动目标生成SIFI(scale invariant feature transform)向量.当运动目标处于遮挡状态时,将遮挡区域与单运动目标进行SIFT特征匹配,通过特征匹配点的坐标,找出单运动目标在遮挡区域中的位置,并对SIFT特征匹配运用RANSAC算法进行优化,实现遮挡情况下目标的有效跟踪.实验表明,该算法能准确地跟踪处于遮挡中的目标,实现运动目标跟踪的连续性和稳定性.     

基于模糊逻辑的数字滤波器设计

针对传统滤波器单一模型设计的缺点,提出一种将滤波噪声统计特性与模糊逻辑相结合的数字滤波器设计方法.该方法根据噪声统计特性,利用缩短三角型模糊函数,确定模糊逻辑滤波器的参数.通过滤波噪声标准偏差与最大滤波噪声门限的比较,提出了分别采用单值滤波和均值滤波的方法,并推导了均值滤波方法中的周期抽样数目.给出了算法具体设计步骤,包括:滤波方法选择、连续信号周期采样、模糊化数据处理和去模糊化.仿真表明,基于模糊逻辑的数字滤波器对不同标准偏差的噪声均有良好的滤波性能,并且设计经济合理,时间开销小,软硬件易实现.有工程应用价值.     

基于集员滤波的移动机器人动态环境建模

针对移动机器人动态环境建模中动态的障碍物/目标跟踪定位问题,提出了一种采用集员滤波框架来解决动态障碍物/目标跟踪的方法.与传统的概率估计方法相比,该方法无需噪声的概率先验假设,仅要求噪声未知但有界,从而保证了方法的普遍性和实用性,且能够获得动态目标的状态或参数的不确定性偏差边界,有利于与后继路径规划和运动控制的结合,以提高机器人自身的稳定性和性能.此外,该方法对于跟踪过程中突发的传感器故障或数据丢失具有一定的容错和处理能力.针对多个动态目标以不同形式运动以及测量信号丢失的情况,对移动机器人的目标跟踪问题进行了相应的仿真,仿真结果验证了该方法的有效性和鲁棒性.     

基于ANFIS的挖掘机器人挖掘轨迹仿真

为提高液压挖掘机器人工作装置挖掘作业轨迹规划控制精度,将挖掘机器人工作装置简化为斗杆、铲斗两关节二维机械臂进行分析.在建立逆运动学模型时,要将铲斗末端位姿空间与工作装置关节空间和油缸空间联系起来进行轨迹规划,以便在各个空间实现对挖掘机器人的控制.为提高跟踪期望轨迹精度,采用两个自适应神经模糊推理系统(ANFIS)分别学习两个关节的(x,y)坐标与关节角间的逆映射关系,建立了ANFIS逆映射模型.选取逆映射间的输入、输出曲面数据训练ANFIS结构,得到模糊模型的输入、输出映射曲面,实现给定的期望挖掘轨迹,获得相应的关节角.最后将得到的模糊模型用于跟踪期望的运动轨迹,仿真表明跟踪精度能够满足实际要求.     

多特征融合粒子滤波算法在冷床板坯跟踪中的应用

中厚板冷床上的板坯具有非高斯分布和非线性运动的特性,为了对其进行精确跟踪,将多信息融合技术引入视频跟踪中,提出一种新的基于自适应权值多特征融合的粒子滤波算法。算法将板坯的多种特征相融合,根据各特征的特点自动调整特征的权值,提高在目标旋转、光照变化、遮挡、速度变化等情况下的跟踪性能和抗干扰能力,算法能以较小的计算量实现对冷床上运动板坯目标的连续跟踪。仿真实验结果表明算法的跟踪精度较高。     

金属矿地质钻探轨迹测量中的误差校正方法

地质钻探轨迹测量中面向角度及倾斜角度可为金属矿的实地勘察提供明确的方向,由于钻探设备的自身灵敏程度较低或勘察时外界环境相对恶劣,导致钻探轨迹的测量一直存在误差,结合上述出现的问题,开展了金属矿地质钻探轨迹测量中的误差校正方法研究。结合地质钻探设备在进行轨迹测量时的工作原理,分析测量中产生误差的原因,构建对应的误差校正模型,采用设计对比实验的方式验证设计的误差校正模型的有效性,提升金属矿地质钻探设备测量轨迹的精准程度,为金属矿勘查行业的可持续发展提供技术指导。     

三自由度机械手测量臂的应用实例与精度分析

三自由度测量臂的测量对象为沿X、Y、Z三个坐标轴的平动,即仅对运动部件进行位置跟踪与测量。测量臂是通过安装在各关节上的传感器来测量各关节的相对运动,从而间接实现对末端执行器的位置测量。     

基于深度卷积神经网络的地磁导航方向适配性分析

针对地磁导航方向适配性分析时人工提取的特征主观性较强且难以表达深层的结构性特征的问题,提出一种基于深度卷积神经网络(convolutional neural network,CNN)的地磁导航方向适配性分析方法.首先,利用Gabor滤波器的方向选择特性建立了6个典型方向的适配特征图;然后,设计了卷积神经网络对深层次的方向适配特征进行提取,并通过混和粒子群算法(hybrid particle swarm optimization,HPSO)对卷积神经网络的训练参数进行优选;最后,通过仿真实验对所提方法进行了验证.结果表明,该方法可有效避免复杂的计算以及人工特征提取的盲目性,实现了地磁导航方向适配性分析的自动化,且所提方法的准确率高于传统的BP网络和支持向量机,对地磁导航和航迹规划具有指导意义.      

一种新的复杂细胞启发下的特征提取方法

鉴于V1区复杂细胞具有提取外界刺激不变本质的能力,设计了一个提取目标图像局部不变特征的方法.该方法首先使用提出的无监督算法(PCICA),从图像中学习出类似于复杂细胞感受野的滤波器集合.然后利用这些滤波器组成的复杂细胞描述子,提取目标图像各个位置的不变特征.最后对图像特征图进行分块统计,将各区域的直方图序列作为图像的最终描述.测试结果表明,PCICA具有类似于快速独立分量分析算法(FastICA)三阶收敛的特点,从图像中学习出的滤波器集合,表现出复杂细胞感受野的拓扑结构.这些滤波器对于局部图像的微小变化并不敏感,对于检测不变特征十分有利,并在MNIST手写体数据库上取得0.84%的识别错误率.