基于模糊控制的仿生机器鱼避障算法

在具有复杂性与不确定性的水环境下,针对无法建立精确的水下机器人控制数学模型问题,提出基于模糊控制的仿生机器鱼避障算法。将视线导航原理与模糊控制思想相结合,进行水下机器人路径规划。通过专家经验,设计一个模糊控制器,实时调整水下机器人的运动方向,并通过仿真实验验证该算法的有效性。仿真及实验结果表明：该算法能实时、稳定地提供水下机器人的运动路径,有效躲避障碍物,安全达到目标点。     

低轨预警系统传感器调度层次分析方法

为了实现低轨卫星预警系统对目标的全程跟踪并提高传感器的调度效率,提出了基于层次分析方法的传感器调度方法.分析了目标可见性和传感器调度问题,总结得出影响传感器调度的约束条件,运用层次分析法构建了传感器实时调度模型,最后利用STK软件进行仿真分析.仿真结果表明:该算法可以有效地减少传感器调度所需的时间以及目标交接的次数,具有较好的性能.     

基于GWO-WOA的执行器严重故障多移动机器人编队重构控制

针对执行器严重故障下多移动机器人的编队重构控制问题，提出一种基于灰狼优化-鲸鱼优化算法(Grey WolfOptimizer-Whale Optimization Algorithm, GWO-WOA)的协同编队重构控制策略。设计一种故障观测器以检测多机器人系统中出现的执行器严重故障，并使执行器严重故障的机器人离开编队。利用匈牙利算法分配剩余机器人在期望重构编队中的位置，并用GWO-WOA规划出机器人的运动路径。提出编队重构综合控制策略，包括三部分，分别为基于一致性的编队保持控制、基于势能函数的避碰控制和基于比例积分的跟踪控制器，使多机器人在无碰撞的情形下实现了重构编队。仿真实验结果表明，所提出的编队重构控制策略能够实时监测出故障机器人，并且在形成期望重构编队的同时防止相互碰撞。     

基于扩张状态观测器和模型预测方法的四足机器人抗干扰复合控制

为提高存在模型不确定及外界扰动的情况下对四足机器人的控制效果，提出结合扩张状态观测器、二次型优化(Quadratic Programming, QP)及模型预测控制(Model Predictive Control, MPC)的复合控制算法。基于单刚体四足机器人模型，设计基于MPC的控制算法，实现对四足机器人的控制。考虑到模型及参数的不确定性，以及环境中存在的外界扰动，进一步利用变带宽非线性扩张状态观测器对机器人受到的总和扰动进行估计，并利用估计结果，设计基于QP的足端力重分配算法，实现对总和扰动的补偿。通过仿真实验验证了本文所提控制算法的有效性。仿真结果表明，在使用抗干扰复合控制方法之后，机器人在质量发生重大变化和受到外力作用下，依然可以保持良好的控制效果，与传统控制方法相比，机器人的控制精度和抗干扰能力得到了明显提升。     

基于诊断矩阵的旋翼状态监测方法

提出了一种基于诊断矩阵的故障检测和隔离方法，开发了旋翼健康监测软件的系统框架。通过故障模型和旋翼系统定量模型的仿真，建立了旋翼的诊断矩阵，利用诊断矩阵中征兆与故障间的依赖关系，提出了一种利用虚拟征兆传感器识别系统冲突集的方法，研究了通过布尔方程求解系统诊断集的算法。该方法具有多故障实时诊断能力，适用于复杂系统的综合健康监测。     

传感器网络中结合分类信息的多目标关联算法

多传感器多目标跟踪系统的关键技术之一是航迹关联，应用于传感器网络时更为复杂。提出结合分类信息的基于图模型航迹关联算法，把目标分类信息和运动学信息相结合来提高关联效果。它利用分类混淆矩阵确定分类结果似然函数，修改基于图模型的航迹关联算法的顶点兼容函数和连线兼容函数。对多传感器网络的多目标跟踪情况仿真．比较仿真结果说明结合分类信息确实提高了关联正确率。     

基于语义树Markov随机场模型的地面机器人多尺度道路感知

道路实时感知是自主式地面移动机器人实现自主导航的关键技术,但由于室外道路环境的复杂性与不确定性,其算法开发难度较大。提出了一种基于小波域语义树Markov模型的多尺度仿生道路感知算法。在时空域上采用三维随机场对机器人采集到的道路图像序列进行建模,提出了一种采用树结构约束、面向道路识别的语义树Markov随机场（RT-MRF）模型;采用遗传算法优化的有监督RT-MRF模型进行道路图像序列分割;机器人通过跟踪分割边界实现道路区域识别及自主导航。采用自主研制的四足仿生机器人作为研究和实验平台。实验结果表明：该方法能够在具有阴影、裂纹、坑洞、不平整及光照度变化的较差道路检测条件下鲁棒分割出道路边界,算法实时性高,可满足室外移动机器人自主导航需求。     

基于多传感器的水下航行器航迹融合技术

基于传统卡尔曼滤波算法和最小均方准则，利用全局状态估计反馈，修正了常用的track-to-track航迹融合算法，在此基础上进行了鱼雷导引系统的仿真研究。仿真结果验证了多传感器数据融合技术在提高水下航行器导引精度中的有效性。     

ROS/Gazebo 在SLAM 算法评估中的应用

为解决对即时定位与地图构建(simultaneous location and mapping,SLAM)算法进行评估时难以获得精确 的机器人实际运动轨迹和环境参数的问题,使用ROS/Gazebo 仿真软件进行评估。通过ROS/Gazebo 软件建立配置有 多种传感器的机器人模型和参数已知的仿真环境,让机器人模型在仿真环境中运行并收集传感器信息以形成数据集, 使用该方法对2 种2D 激光SLAM 算法进行评估分析。结果表明,该方法可有效解决上述问题。     

一种基于INS的攻角和侧滑角测量算法

以飞航导弹武器系统为应用背景,提出了一种基于惯性导航系统（INS）的攻角和侧滑角测量算法,能够在不增加弹上传感器设备和不改变弹体结构的条件下实时估算出攻角和侧滑角.为了实现该算法,建立了大气边界层内风速的仿真模型,研究了风速的实时估算算法以及一种基于INS/GPS组合导航系统的简化Sage-Husa自适应滤波算法.理论分析和仿真结果表明,该算法具有较高的精度、良好的实时性和稳定性.     

矢量距离值传播移动机器人路径规划算法

一种新型简单机器人路径规划算法：其模型把实际环境离散成由目标、障碍、自由空间组成的点拓扑组织的地图。系统通过特殊的数学模型把路面的不平整性对机器人行走的影响程度量化为通行便利程度并引入到路径规划模型中。实验验证该模型具有计算效率高，存储空间开销小，对实际地图模拟比较完全等优点，适合实际应用。     

车辆瞬态响应试验中转向机器人混杂控制研究

在自主设计转向机器人的基础上,结合其在车辆瞬态响应试验中的具体应用,研究其驱动单元(直流无刷电机)的控制算法.采用混杂切换控制,根据目标转角曲线的斜率切换电机的工况及对应的控制方法、换向时序.在Matlab/Simulink中建立转向机器人模型,结合CarSim模拟转向机器人,进行车辆瞬态响应试验.仿真结果表明:所采用的控制算法具有较好的控制效果,转向机器人能够完成满足试验标准要求的道路车辆瞬态响应试验.     

移动机器人路径跟踪的自适应控制

提出一种结构简单的自适应控制器，控制器是由模糊神经网络和PD控制器并行控制移动机器人路径跟踪。在初始阶段，PD控制器控制路径跟踪并提供控制经验给模糊神经网络学习。在学习信号触发器的管理下，可以在线学习自适应调整模糊神经网络的参数。模糊神经网络控制器既推理产生控制规律，也辩识移动机器人动力学模型，通过BP学习算法实时在线调整自身参数达到路径跟踪自适应控制目的。     

移动机器人目标识别与定位算法发展综述

通过对移动机器人目标识别与定位算法中传统的目标识别算法、基于深度学习的目标识别算法和基于各类传感器的目标定位算法的特点进行综合分析,得出了2点启示,也是以后有待解决的关键技术:1)减小算法计算量以降低对硬件性能的依耐性;2)将目标识别算法与定位算法相融合以实现实时的目标识别与定位.     

基于云台的无线视频监管系统设计

针对消防危险火场画面实时采集、海上监视画面采集、道路实时监控、 密集环境视频勘察、自我识别、宣传等方面的应用,设计了基于云台的无线视频监管系统.系统通过姿态的融合算法及稳定云台的控制算法,采用无线网络、稳定云台、单片机控制等技术,实现了稳定视频采集、实时画面无线传输、智能避障、自动语音播报等功能.     

基于卷积神经网络的路面识别及半主动悬架控制

路面对车辆的平顺性、操纵稳定性有直接影响,实时获取路面信息对提升车辆性能具有重要意义。针对传统路面识别方法中难以精确识别多种路面类型的问题,采用卷积神经网络对路面类型进行识别,并根据不同路面输入下悬架系统的输出响应来调整控制器参数,使可控悬架在不同路面下均保持最优性能。建立车辆1/4半主动悬架模型;搭建卷积神经网络基本结构并通过所采集的4种典型城市和非城市路面图像对网络进行训练以及测试;采用遗传算法求取沥青路、弹石路、砂石路、水泥路4种不同路面激励下悬架的最优控制参数;根据路面识别结果及优化结果实现悬架控制参数的自适应调整。仿真结果表明：基于卷积神经网络的路面识别方法能够对多种路面进行准确识别;基于路面识别和遗传算法的半主动悬架控制系统可根据不同路面类型自适应调整悬架参数,有效提升车辆性能。     

基于交互式多模型无迹卡尔曼滤波的悬架系统状态估计

为有效解决复杂行驶工况下非线性悬架系统运动状态无法精确获取的难题,实现模型参数不确定以及时变路面激励工况下悬架状态精确估计的目标,开展了悬架系统状态估计研究。在路面激励模型和非线性悬架系统模型的基础上,结合交互式多模型算法与基于马尔可夫链的蒙特卡洛理论,设计了考虑模型参数不确定以及时变路面激励工况下多模型交互无迹卡尔曼滤波（IMMUKF）状态估计算法,且利用随机控制稳定判据验证了所设计的非线性观测器稳定性判定。对比分析了不同路面激励工况下悬架系统对于传统无迹卡尔曼滤波观测器与IMMUKF观测器的状态估计精度,并进行了台架试验验证。试验与仿真结果表明,IMMUKF观测器可获取更高的系统状态识别精度,不同路面激励仿真工况下状态估计误差最大均方根值不超过8%.     

机器鱼双闭环正弦形轨迹跟踪控制方法

为实现机器鱼位置和姿态的实时轨迹跟踪控制,通过将姿态控制作为内环、位置控制作为外环的方式设计双闭环控制算法。内环通过采用滑模控制器使得其收敛速度大于外环,保证闭环控制系统整体稳定性,通过李亚普诺夫稳定性定理证明机器鱼位置姿态双闭环控制系统具有渐近稳定性。仿真结果表明：该方法可有效控制机器鱼纵垂面轨迹的实时追踪;实验中机器鱼完成预设运动共耗时12 s,其轨迹最大误差和平均误差分别为0.078 m和 0.052 m,验证了双闭环算法在机器鱼轨迹跟踪控制中的有效性和高效性。     

基于路面自适应的多轮轮毂电机驱动车辆驱动防滑控制

为提高多轮轮毂电机驱动车辆在不同路面行驶的动力性和操纵稳定性,提出一种具有路面识别功能的驱动防滑控制策略。分别建立整车模型、车轮受力模型及Dugoff轮胎模型,运用衰减记忆无迹卡尔曼滤波方法对路面附着系数进行估计。对传统滑模控制方法进行改进,设计模糊滑模控制器,根据路面条件调节轮胎滑转率,计算调整力矩进行车辆驱动防滑控制。利用半实物实时仿真平台开展了仿真实验。结果表明,路面自适应驱动防滑控制策略精确地辨识了典型道路的路面附着系数,迅速适应不同路面条件,减小轮胎过度滑转,有效提高了车辆驱动性能和操纵稳定性能。