基于IAPF与多层Morphin搜索树的移动机器人路径规划

针对传统人工势场法(artificial potential field,APF)的易出现振荡、死区、局部极小值等缺陷。提出一种结合机器人位置、速度、加速度及障碍物位置等信息的改进人工势场法(improved artificial potential field,IAPF)。利用Morphin算法计算效率高、易结合全局路径规划算法的优点,提出一种多层Morphin搜索树算法。首先,利用改进人工势场法完成路径的全局规划,在此基础上在障碍物附近用多层Morphin搜索树算法进行路径规划。利用MATLAB仿真测试表明,所提出的改进人工势场法与多层Morphin搜索树的混合算法,在移动机器人自主路径规划中,能有效缩短路径长度,提高到达目标点的效率,高效完成路径规划。     

基于北斗卫星的广播电视授时系统研究

在广播电视系统中,标准时间占有重要的位置,是安全播出的前提条件.目前,广播电视中心常利用GPS授时来获取标准时间,GPS授时存在手段单一和我国没有自主控制权两方面问题.本系统基于我国自主研发的北斗卫星获取标准时间,并与本地实验室时间进行校准,实现全台时间同步.目前北斗卫星在广播电视系统中的应用基本上还是空白.因此,此项研究对改变国外的卫星授时系统垄断我国市场的状况,保证我国的信息安全,具有重要意义.     

量测噪声环境下反应堆功率模型预测控制研究

在核电反应堆功率闭环控制系统中,功率监测存在量测噪声的问题,应用无噪声的预测模型对反应堆的功率进行预测控制.从反应堆功率模型的状态空间出发,搭建了模型预测控制算法与目标函数,遵循模型预测控制的预测模型、滚动优化和反馈校正的三步控制方法,实现对有量测噪声的反应堆功率系统的控制.通过MATLAB仿真实验,比对了模型预测控制算法与输出反馈的PID控制方法.实验结果表明,应用于有量测噪声的反应堆功率系统的模型预测控制算法在轨迹跟踪、状态量动态变化及控制信号能量上均优于PID控制算法.     

基于自制教学仪器的"翻转课堂"教学模式探索

笔者将最新的科研成果及时地融入到教学实践中,基于在科研项目上取得的经验,将项目中制作的控制板改进为通用性更好的多种控制器的嵌入式综合实验创新平台.利用"翻转课堂"新兴教学模式,笔者通过认识实习、电工电子实习、课程实验、课程设计、综合性实验、毕业设计等环节,使学生完成多种控制器的嵌入式综合实验创新平台上的实验实训任务.     

基于节点负载均衡的分布式光伏发电无线安全监控网络研究

为解决分布式光伏发电并网容易对电网产生扰动的问题,引入针对分布式光伏发电无线监控网络,延长网络生命周期,对传统的LEACH协议进行改进,提出LEACH-NEW协议。LEACH-NEW协议将整个无线监控网络划分为等面积的若干个环形区域,依据传感器节点剩余能量在各个子区域内以不同概率选取簇头,使距离基站越近的簇包含更多的簇头,避免热区簇头因转发任务而过早失效。同时采用多跳路径完成数据传输,避免基站远处的簇头因一跳通信而过早失效。NS2的仿真结果表明:LEACH-NEW协议有效地均衡了网络能耗,延长了网络生命周期,使无线监控网络可提供更为可靠的监控,运行更加稳定,网络能耗也更加均衡,且当基站距离监测区域越远,LEACH-NEW协议的优越性越显著。     

改进蚁群算法求解移动机器人路径规划

在全局静态环境下,提出一种改进蚁群算法,解决传统蚁群算法用于路径规划出现的收敛速性差、局部最优和求解质量差等不足。该算法引入障碍物排斥权重和新的启发因子到路径选择概率中,提高避障能力,增加路径选择的多样性;然后,设置局部信息素的阈值和限定范围更新局部信息素,采用交叉操作获取新路径,引入最优解和最差解,改变全局信息素的更新方式,提高全局搜索能力和解的质量,避免算法陷入局部最优。仿真结果表明,该算法能有效获得最优路径,在长度上比蚁群算法及其他算法分别减少了18%、5.7%和11%,算法迭代次数及运行时间都有所降低,提高了收敛速度和搜索能力。     

移动机器人辅助下基于GM-CKF的无线传感器网络节点定位研究

针对无线传感器网络(WSNs)节点定位问题,提出一种移动机器人辅助作用下,融入高斯混合容积卡尔曼滤波(GM-CKF)优化的节点定位方法。将移动机器人与WSNs结合,发挥两者的特点和优势,充分利用机器人的机动性及无线传感器节点的可计算性,设计并仿真了一种机器人-节点、节点-节点协作的节点定位方式,并利用带有门限判别和选择性高斯分割的GM-CKF算法,对目标节点的预估位置实施预测修正。仿真结果表明,所提出的移动机器人与WSNs协作定位方法实现了对节点的定位估计,GM-CKF算法的融合有效提高了定位的精度和稳定性。     

WSNs环境下基于高斯混合容积卡尔曼滤波的移动机器人定位算法

针对移动机器人的定位问题,提出一种面向无线传感器网络WSNs( Wireless Sensor Networks)环境下,结合高斯混合容积卡尔曼滤波( GM￣CKF)优化的定位算法。将WSNs对移动机器人的观测、机器人自身对环境特征的观测以及机器人自身运动控制量进行数据融合,并利用带有门限判别和选择性高斯分割的GM￣CKF算法,对机器人的预估位置实施预测修正,降低计算求解的空间维数,提高定位精度。仿真实验结果表明,所提出的方法比传统机器人自定位法定位精度有所提高,算法精度较标准的CKF算法提高了39.11％,比EKF算法提高了65.81％。