基于双天线的高精度GPS定位测向系统及其在无人水面艇上的应用

介绍了一种基于双天线的高精度GPS定位测向系统,该系统可以实现精确定位、测向;分别从硬件和软件两个方面详细介绍了双天线GPS定位测向系统,双天线GPS系统的硬件部分主要由GPS接收机、主天线和从天线组成,GPS接收机内置OEM板和底层通信板,软件部分主要解析GPS数据处理模块的软件工作流程;通过静态实验和动态实验分析系统定位、测向的精度,实验数据表明静态实验的经度的标准偏差为0.315 5 m,纬度的标准偏差为0.196 2 m,第一次静态实验的测向标准偏差为0.098 1°,第二次静态实验的测向标准偏差为0.092 6°;最后,将此系统应用到无人水面艇,进行直线路径跟踪水上试验.     

固定双桨驱动的无人水面艇自主直线路径跟踪系统

针对直流电机驱动固定双桨的无人水面艇,介绍了一种自主直线路径跟踪系统,该系统由岸基监控系统和艇载控制系统组成,具有自主航行和遥控航行两种工作模式,可在自主航行出现危险时切换到遥控模式,保证航行安全。岸基监控系统通过数传电台与艇载控制系统通信,向艇载控制系统发送控制命令,接收并显示其传回的状态信息;艇载控制系统以工控机为主控单元,进行数据采集与解算,与岸基监控系统通信,并为直线路径跟踪控制算法提供程序接口;GPS双天线高精度测向定位系统为直线路径跟踪控制算法提供位置和航向信息,直线路径跟踪控制算法根据距离偏差和航向偏差计算出左右两侧电机电压,进而控制无人水面艇航行。实验分别采用了PID、模糊控制和模糊PID三种控制方法,系统实际水上实验表明,在风力2~3级,晴到多云天气条件下,无人水面艇对目标路径的最大跟踪误差小于0.6 m。     

双吊具欠驱动桥吊的建模与仿真

较之于传统的单吊具桥吊,双起升双吊具桥吊是一种新型高效集装箱装卸机械,但其本质上是一类复杂的欠驱动非线性系统,其建模和控制方法存在较大难度。利用拉格朗日分析方法和仿真手段对双起升双吊具桥吊的动力学特性进行了研究,分析了吊绳长度和负载变化对桥吊动态特性的影响,以及作业环境中的摩擦力和空气阻力对模型特性的影响;建立了双起升双吊具桥吊的动力学模型,并进行了简化。最后,仿真研究为验证双起升双吊具桥吊的动力学模型的正确性提供了依据。     

数字电位器技术在远程测控系统中的应用

本文描述了数字电位器技术在远程测控系统中的高精度调节应用。为满足海洋工程水池造波机远程测控系统通过PLC对现场造波机的高精度调节控制。在测控系统研制中,采用数字电位器技术研发了数字电位器智能模块通过RS232(或RS485)与PLC通讯连接实现对数字电位器高精度调节,从而实施对通过PLC的D/A输出造波波形控制的幅值调制。     

基于DSP的变频电源电路设计

设计了一种基于DSP2812的变频电源实验装置。根据变频电源的硬件结构组成,对其中的整流、驱动、逆变和滤波模块进行了详细的设计,同时给出了系统的软件流程以及SPWM的生成方法,最后通过系统的实验结果进行了对比分析。结果表明,系统具有硬件电路简单、精度高等优点,可以运用在后续相关实验以及实践中。     

基于模糊PID的无人水面艇直线路径跟踪

针对固定参数PID方法在无人水面艇直线路径跟踪控制中出现的大迴转问题,提出一种基于模糊PID的直线路径跟踪方法。在系统中增加模糊推理模块,利用航向与跟踪直线之间的偏差角以及无人艇位置与跟踪直线之间的距离误差,根据模糊推理的方法动态地调整PID参数。通过PID控制器实时调整左右两侧推进电机的输入电压,实现对给定直线路径的自主跟踪。仿真结果表明,在初始航向偏差角较大时,该方法克服了采用固定参数PID控制方法时出现的大迴转现象;在初始航向偏差角较小时,该方法在超调量以及调节时间方面的直线跟踪性能优于固定参数PID控制方法。     

传动实验平台电力测功机监控系统设计

为实现传动实验平台电力测功机的实时监控,提出基于以太网和Profibus-DP现场总线的双层网络监控系统。设计测功机的转矩控制模型,在Delphi和SQL Server编程环境下,引入可控制过程的对象连接与嵌入方式实现数据通信、多线程和ActiveX数据对象等技术,以完成监控软件的开发。实验结果表明,该监控系统工作稳定,能够精确控制转矩。     

一种基于图像纹理特征的波浪检测方法

针对无人水面艇视觉系统检测波浪问题,基于图像纹理特征,利用灰度共生矩阵的独立特征量,提出一种识别水面波浪等级的特征融合阈值法。该方法对波浪图像进行灰度级调整,计算灰度共生矩阵,提取其四个独立特征量,然后根据分析结果确定特征量权值并计算不同波浪等级的阈值,根据得到的阈值来检测波浪等级。实验表明,该方法适用于无人水面艇对周围波浪环境的检测,具有受光照条件影响较小的优点。     

基于区间分块Q学习的智能车辆安全舒适刹车算法

针对当前智能汽车刹车场景下的安全与舒适性问题,提出一种基于区间分块的Q学习算法。首先在Q表中将前车加速度以一定间隔划分入等长区间,用区间中值做间隔来划分后车加速度。其次通过在安全条件下与加速度呈负相关的奖励设置,使智能体在保证安全的前提下尽量降低刹车加速度。最后在智能体训练的过程中遵循ε-贪心策略以减少随机性,在训练完毕后遵循贪心策略以最大程度利用智能体。将提出的算法与传统Q学习算法在三种常见道路场景上进行仿真测试。实验结果显示使用提出算法的智能车辆在刹车场景中安全率100%、平均刹车加速度小于2 m/s²且能处理连续刹车加速度,表明提出的算法能够在确保智能汽车安全刹车的同时实现较低的刹车加速度。同时在连续刹车加速度与离线环境等复杂情况下,算法均能正常使用。