基于移动机器人的主动嗅觉技术研究

使用移动机器人来定位气味源已经成为一个研究热点,机器人主动嗅觉是指使用机器人自主发现并跟踪烟羽,最终确定气味源所在位置的技术。本文对当前主动嗅觉技术进行概述,并根据生物嗅觉行为介绍一种气味源定位算法,这种算法不依赖某一点气味浓度值,仅依靠气味浓度变化率就可找到气味源。并在高斯模型下对烟羽分布模型进行仿真。     

基于航弹的动基座传递对准研究

在几种传递对准方法和航弹传递对准特点的基础上,提出采用速度+姿态传递对准方案.根据实际情况合理简化传递对准数学模型,采用改进的卡尔曼滤波方法分别对速度匹配和姿态匹配子系统误差估计,同时还对陀螺漂移进行估计,然后采用联邦滤波算法对子系统的公共状态进行信息融合得到全局估计,提高系统的计算能力和可靠性.仿真试验表明姿态误差在20'以下,速度误差在0.1m/s以下,该方法适合航弹传递对准要求.     

测量数据丢失的一类非线性系统迭代学习控制

迭代学习控制方法应用于网络控制系统时,由于通信网络的约束导致数据包丢失现象经常发生.针对存在输出测量数据丢失的一类非线性系统,研究P型迭代学习控制算法的收敛性问题.将数据丢失描述为一个概率已知的随机伯努利过程,在此基础上给出P型迭代学习控制算法的收敛条件,理论上证明了算法的收敛性,并通过仿真验证理论结果.研究表明,当非线性系统存在输出测量数据丢失时,迭代学习控制算法仍然可以保证跟踪误差的收敛性.     

基于预测模型的光伏系统MPPT研究

针对传统光伏电池最大功率点跟踪技术扰动观察法中参考工作电压难以确定的缺点,提出了一种基于预测模型的MPPT方法。预测模型根据光伏电池的动态输出特性和环境条件,预测参考工作电压,并以其为扰动观察法的初值,在更小范围内搜索最大功率点。在基于DSP控制的硬件平台上进行实验,进行了该控制方法与传统控制方法的效率对比研究,实验结果证明了该控制方法在可快速搜索到最大功率点,并可显著提高光伏电池的发电效率。     

混合动力汽车模型预测控制策略研究

针对传统混合动力汽车控制方法无法实现实时最优控制的问题,提出了基于简化混合动力汽车系统模型的预测控制智能优化策略.通过将3自由度的系统模型简化为1自由度的系统模型,并采用连续广义最小残量方法求解模型预测控制问题.运用MATLAB/Simulink与GT-POWER联合仿真平台进行仿真,实验结果验证了系统模型简化的有效性,以及所设计的模型预测控制算法大幅度提高混合动力汽车的燃油经济性的能力和实时控制性能.     

基于尺度不变特征变换的快速图像拷贝检测

针对传统基于尺度不变特征变换（SIFT）特征的图像拷贝检测算法特征提取速度慢、匹配效率不高的问题,提出了一种基于SIFT特征点位置分布与方向分布特征的快速图像拷贝检测算法。首先,提取SIFT特征点二维位置信息,通过计算各个特征点与图像中心点的距离、角度,分块统计各区间的特征点数量,依据数量关系量化生成二值哈希序列,构成一级鲁棒特征;然后,根据特征点一维方向分布特征分块统计各方向子区间特征点数量,依据数量关系构成二级图像特征;最后,拷贝检测时采用级联式过滤框架作出是否为拷贝的判断。仿真实验结果表明,与传统SIFT以128维特征描述子为基础构建哈希序列的图像拷贝检测算法相比,所提算法在保证鲁棒性与独特性不降低的同时,特征提取时间缩短为原来的1/20,匹配时间也缩短了1/2以上,可满足在线拷贝检测的需求。