基于FPGA的多路无串扰超声测距系统的设计与实现

本文给出了一种基于现场可编程门阵列（FPGA）的多路无串扰超声测距系统的设计与实施方案。在前期设计的超声收发一体的硬件电路基础上,本文采用FPGA作为整个测距系统的核心,用于控制编码超声序列的收发及实现基于相关算法的测距。系统中采用有限状态机设计思想,充分利用FPGA中存储器资源。基于前期对不同种类的编码与调制组合性能的评估,本文选择了Gold序列结合二值频移键控调制方式激励超声换能器。为降低回声相关计算的复杂度和减少FPGA内资源占用,采用二值极化相关的方法处理回声信号以捕获渡越时间。实验测试结果表明,该测距系统在35厘米到420厘米的范围内可实现10毫米的测距精度,并可有效消除超声串扰。     

基于LSTM的气味源距离估计

为提升基于金属氧化物半导体（Metal Oxide Semiconductor, MOS）传感器阵列估计气味源距离的精度,同时避免传统距离估计指标对手动参数设定的依赖性,本文提出了一种基于长短时记忆（Long Short-Term Memory, LSTM）网络的气味源距离估计方法。所提方法利用LSTM网络对长序列特征的学习能力,从MOS传感器阵列的信号中自动学习距离指标,从而实现端到端估计。本文搭建了气味扩散仿真平台,生成气味扩散仿真数据集用于网络训练、参数调优和验证测试。结果显示,文本提出的模型在10米范围内的平均估计误差为0.16 m,比基于统计特征的估计误差降低了一个数量级。最后分析了不同LSTM超参数对距离估计精度的影响,并且对网络对未知气味扩散环境条件的泛化适应能力进行了验证。     

基于多域特征融合的手持式电子鼻白酒识别

为提升手持式电子鼻辨别白酒的准确率,本文提出了一种基于多域特征融合的识别方法.首先,分别基于统计学分析、小波包分析和一对多共同空间模式(One Versus Rest Common Spatial Pattern,OVR-CSP)提取信号的时域、时频域和空域特征.其次,基于特征加权的方法将时域、时频域和空域特征进行融合.利用自制的手持式电子鼻采集了 6种白酒样本并进行识别实验,结果显示,采用支持向量机(Support Vector Machine,SVM)作为分类器时,与单独使用时域、时频域和空域特征相比,所提多域融合特征方法的识别准确率分别提高了 9.83％、8％和1.5％.进一步比较了 SVM、K近邻(K-Nearest Neighbour,KNN)和BP神经网络(Back Propagation Artificial Neural Network,BP-ANN)三种分类识别方法识别准确率和运行时间,结果表明,KNN算法的用时最短,且识别率较高.     

二维多关节机器鱼远场流速和攻角预测研究

远场流速和攻角预测是多关节机器鱼实现水下自主巡航与控制的前提,本文通过理论分析、流体力学仿真及估计的方法对此问题进行了研究.首先,采用势流理论和伯努利方程分析了摆动工况下Joukowski对称翼型的表面压力,发现翼型表面压力与远场流速、攻角和摆动频率有关.其次,以Joukowski翼型为基础建立二维多关节机器鱼几何模型,并给出了鱼身波动方程.再次,基于鱼体均布的多个压力监测点,定义了无量纲化压力系数,并根据各监测点组合形式提出了四种测量模型.通过计算流体力学(Computational Fluid Dynamics,CFD)技术分析了多关节机器鱼摆动频率固定情况下各测量模型输出结果与远场流速和攻角之间的关系,采用最小二乘法确定了四种测量模型输出的回归方程,并作为观测方程.最后,给出了由远场流速和鱼体转动角度构成的状态方程,进行数值计算,结果表明各测量模型均可以有效追踪实际流场状态,其中多测量模型组合方式对流场预测效果要好于单个测量模型.     

四旋翼无人机可视化半实物仿真平台研究

四旋翼无人机的飞行控制是当前无人机研究领域的一个热点,目前的控制设计多采用MATLAB/Simulink进行数值仿真验证,仿真环境中较少考虑机载设备的作用.而在无人机原型开发过程中,又多采用现场调试的方法,不易快速更改控制算法及参数.为提高飞行控制算法开发时的效率,设计并实现了一种四旋翼无人机可视化半实物仿真平台.利用MATLAB实时视窗系统搭建了平台的主框架,将四旋翼无人机的惯性导航传感器及电机控制系统融入平台之中.并且利用了开源飞行模拟软件FlightGear,及对虚拟地球仪软件Google Earth的二次开发,为仿真平台增添了无人机位置、姿态以及航迹的三维可视化显示功能.实验结果表明,该平台运行稳定可靠.     

基于深度强化学习的室内视觉局部路径规划

传统的机器人局部路径规划方法多为已有先验地图的情况设计,导致其在与视觉(simultaneous localization and mapping, SLAM)结合的导航中效果不佳。为此传统的机器人局部路径规划方法多为已有先验地图的情况设计,导致其在与视觉SLAM结合的导航中效果不佳。为此,本文提出一种基于深度强化学习的视觉局部路径规划策略。首先,基于视觉同时定位与建图(SLAM)技术建立周围环境的栅格地图,并使用A*算法规划全局路径;其次,综合考虑避障、机器人行走效率、位姿跟踪等问题,构建基于深度强化学习的局部路径规划策略,设计以前进、左转、右转为基本元素的离散动作空间,以及基于彩色图、深度图、特征点图等视觉观测的状态空间,利用近端策略优化(proximal policy optimization, PPO)算法学习和探索最佳状态动作映射网络。Habitat仿真平台运行结果表明,所提出的局部路径规划策略能够在实时创建的地图上规划出一条最优或次优路径。相比于传统的局部路径规划算法,平均成功率提高了53.9%,位姿跟踪丢失率减小了66.5%,碰撞率减小了30.1%。     

电子鼻中预处理算法选择及阵列优化

为了研 究数据预处理算法和传感器阵列优化对电子鼻气体辨识的影响,对3种气体进行了测试。使 用主成分分析(Principal component analysis, PCA)法选择预处理算法,确定分类效果最 好的相对差分法对电子鼻数据进行预处理。对初始阵列优化前,首先通过传感器响应变化趋 势及变异系数剔除响应异常的传感器;然后进行PCA因子载荷分析,结合相关系数分析及方 差膨胀因子进行多重共线性检验确定可能的最优阵列。最后,运用反向传播(Back propagation,BP)神 经网络对可能的最优阵列进行气体识别检验并确定最终阵列,同时选取其他阵列作为对照研 究。通过计算检验,证明本文的阵列优化方法不仅可以剔除异常和冗余传感器,而且对测试 样本分类效果良好。     

小型无人直升机姿态非线性鲁棒控制设计

本文针对小型无人直升机的姿态控制问题,通过系统参数辨识,获得了较为准确的无人直升机姿态动力学模型.并根据无人直升机的动态特性,设计了基于神经网络前馈与滑模控制的非线性鲁棒姿态控制律,该控制律对直升机模型的先验知识要求较低.利用基于Lyapunov的分析方法证明,设计的控制律能够实现对无人直升机姿态角的半全局指数收敛镇定控制,并能确保闭环系统的稳定性.基于姿态飞行控制实验平台的实时飞行控制实验结果表明,提出的控制设计取得了很好的姿态控制效果,并对系统不确定性和外界风扰动具有较好的鲁棒性.     

RAOS:3维机器人主动嗅觉仿真平台

为便于开展气味源定位或烟羽建图等研究,设计了3维机器人主动嗅觉仿真平台RAOS(robot active olfaction simulator).RAOS围绕旋翼无人机主动嗅觉研究进行设计,同时支持地面移动机器人仿真,主要包括3维场景、机器人、风场、气味扩散及传感器仿真5部分.通过CAD(computer aided design)软件生成3维场景并导入仿真平台;采用CFD(computational fluid dynamics)软件仿真环境自由风场;基于旋翼无人机气动嗅觉效应模型仿真尾流诱导风场,并利用全连接网络近似计算诱导风场以提高计算实时性;结合CFD环境风场和烟丝扩散模型对气味扩散过程进行仿真;同时提出了简化的TDLAS(tunable diode laser absorption spectroscopy)传感器仿真模型.为验证仿真环境与真实环境中气味扩散过程的一致性,提出利用弗雷歇距离和推土机距离2个指标分别定量地描述气味扩散轮廓和气味浓度分布的相似性,结合KS(Kolmogorov-Smirnov)检验进行一致性判定.通过与实物实验及风洞数据对比,验证了RAOS平台仿真烟羽与真实环境烟羽扩散分布的一致性,可为3维环境主动嗅觉研究提供一致、可重复的仿真环境.     

服务机器人的触觉手势识别

为了实现机器人在人机交互过程中的触觉感知,提出了一种用于服务机器人的触觉手势识别方法。首先,将电子皮肤安装在服务机器人上,通过采集15位被试者的10种手势动作信号,构建了情感手势数据集。然后,使用时空分离卷积神经网络,对被试者触摸服务机器人时做出的触摸手势进行分类。结果表明,被试内手势识别率为90.25%,跨被试手势识别率为83.44%。通过调节模型中的时空通道调节因子,在几乎不降低识别率的同时,可以大幅减少模型参数量。基于电子皮肤的触觉手势识别实验,初步认为使用时空分离卷积神经网络能够以较高的准确率和较低的计算代价实现对人的触觉手势识别,这为服务机器人通过电子皮肤与人实现情感交互提供了可能。