基于D-S信息融合的水下机器人地图构建

针对未知动态环境中自治水下机器人(Autonomous Underwater Vehicle,AUV)的路径规划问题,给出一种基 于D-S (Shafer-Dempster)信息融合的水下栅格地图构建算法.首先通过建立一个声纳传感器模型,将声纳数据转换成栅格的信度函数分配值;接着应用D-S证据理论信息融合算法更新地图数据,从而构建出水下动态栅格地图;最后通过真实地图与融合构建地图比较,说明D-S融合算法在地图构建中的可行性.     

基于ARM的水下机器人通信与控制器研制

应用UP—NETARM 2410-S嵌入式系统研制OUTLAND1000水下机器人控制器．控制器主要包括两个部分：OUTLAND1000水下机器人通信系统和PID控制部分。OUT—LAND1000水下机器人传感器通过RS485将机器人的运行情况传送到控制转换器．控制转换器再通过Rs232与控制器通信,控制器应用PID算法实现机器人的状态控制．最后通过水池实验给出控制结果。     

一种欠定位水下机器人的目标搜索研究

论述了一种在水底起伏较大情况下的欠定位水下机器人执行水底小目标搜索任务的策略。该策略主要基于作业区域的等深线地图对水下机器人进行路径规划,在搜索过程中应用水下机器人的航向、深度、离底高度等多传感器信息和等深线地图对欠定位水下机器人导航。初步应用声纳图像识别技术对水下特征物进行了识别。通过在漳河水库的重复实验,验证了该策略可有效运用到欠定位水下机器人的小目标搜索任务中。

     

移动机器人路径规划技术综述

智能移动机器人路径规划问题一直是机器人研究的核心内容之一.将移动机器人路径规划方法概括为:基于模版匹配路径规划技术、基于人工势场路径规划技术、基于地图构建路径规划技术和基于人工智能的路径规划技术.分别对这几种方法进行总结与评价,最后展望了移动机器人路径规划的未来研究方向.     

多自治水下机器人多任务分配的自组织算法

针对自治水下机器人（AUV）研究中的多机器人多任务分配问题,提出一种基于自组织映射（SOM）神经网络的多AUV多目标分配策略.将目标点的位置坐标作为SOM神经网络的输入向量进行自组织竞争计算,输出为对应的AUV机器人,从而控制一组AUV在不同的地点完成不同的任务,使机器人按照优化的路径规则到达指定的目标位置.为了表明所提出算法的有效性,给出了二维、三维作业环境中的仿真实验结果.     

一种SAR图像舰船检测的YOLOv5-TVC算法北大核心CSCD

为了在SAR图像中准确地检测出大范围海域内的舰船等目标,提出了一种基于YOLOv5-Transformer的目标检测算法:YOLOv5-TVC。首先,使用Vo VNet-57替代原有的CSP-Darknet53以增强对小目标特征的敏感性。其次,将CBAM加在neck的多尺度采样层中,实现深层网络中对重要空间和通道的关注。最后,在Bottleneck-Transformer模块内,用自我注意力机制叠加结构来替代提取特征的卷积层,从而优化对目标特征提取的效率。消融实验和对比实验的结果表明,YOLOv5-TVC检测SAR图像目标的精度优于其他YOLO系列算法。     

基于CA-CMAC的快速传感器故障诊断方法

 针对动态系统的在线故障诊断问题,将信度分配小脑神经网络CA-CMAC(Credit Assigned Cerebellar Model Articulation Controller)应用于主元分析模型,实现多传感器在线故障检测与隔离.首先,应用传感器正常工作时测量的历史数据,由主元分析模型得到所有传感器的预测值;接着计算传感器系统的均方预期误差值SPE(Squared Prediction Error),由SPE值的变化,判定是否发生故障,根据重构单个传感器信号的SPE值来隔离故障传感器;最后应用一个多传感器故障诊断仿真实例说明了该算法的可行性,并通过与误差反传BP(Back Propagation)神经网络和常规小脑神经网络CMAC(Cerebellar Model Articulation Controller)进行比较,说明了基于CA-CMAC的主元分析模型的优越性.